Article Per Year (5 Year)
p-Index From 2019 - 2024
8.122
P-Index
This Author published in this journals
All Journal Proceeding of the Electrical Engineering Computer Science and Informatics ILKOM Jurnal Ilmiah TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika eProceedings of Engineering
Casi Setianingsih
Universitas Telkom
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 84 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 84 Documents
Search

 5   6   7   8   9 
Perancangan Aplikasi Sistem Pakar Tanaman Hidroponik Terintegrasi Iot Menggunakan Metode Forward Chaining Muhamad Ramadhan; Muhammad Ary Murti; Casi Setianingsih
eProceedings of Engineering Vol 8, No 3 (2021): Juni 2021
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Aplikasi sistem pakar hidroponik dengan metode pengambil keputusan forward chaining dan certainty factor, menjadi alat bantu pegiat hidroponik yang dapat dibawa kemanapun yang hanya bermodalkan Internet dan Smartphone android. Sistem pakar yang dibangun dapat melakukan monitoring, serta pengendalian alat kontrol nutrisi hidroponik yang terintegrasi (Internet of Things). Data sensor ph dan tds akan diproses menggunakan metode pengambil keputusan forward chaining dan penentu kepastian Certainty Factor untuk melakukan klasifikasi dan penangan solusi masalah larutan hidroponik. Sistem pakar dibuat menggunakan aplikasi android studio yang memiliki akurasi pengambilan keputusan yang telah di validasi pakar sebesar 100%, dan memiliki interval waktu rata-rata pengiriman data ke alat selama 39,2 detik. Alpha testing has been carried out on the application system with 100% accuracy, pengujian beta dengan aspek usability > 80%, pengujian validitas dengan ke-6 pertanyaan memiliki nilai > rtabel dinyakan valid, Uji reliabilitas memiliki nilai Alpha = 0.8105 > 0.6 (nilai pembanding) maka dinyatakan reliable. Kata Kunci : Hidroponik, Sistem Pakar, Forward Chaining, Certainty Factor Abstract The hydroponic expert system application with the forward chaining decision-making method and certainty factors, becomes a tool for hydroponic activists that can be carried anywhere with only the Internet and an Android Smartphone. The expert system that is built can monitor and control an integrated hydroponic nutrition control device (Internet of Things). The ph and tds sensor data will be processed using the forward chaining decision-making method and the Certainty Factor determinant to classify and handle hydroponic solution problems. The expert system is made using the android studio application which has an accuracy of decision making that has been validated by experts at 100%, and has an average time interval of sending data to the tool for 39.2 seconds. Alpha testing has been carried out on the application system with 100% accuracy, beta testing with usability aspects> 80%, validity testing with all 6 questions having a value> rtabel declared valid, reliability test having Alpha value = 0.8105> 0.6 (comparable value ) then declared reliable. Keyword : Hydroponic, Expert System, Forward Chaining, Certainty Factor
Clustering Pada Data Sentiment Penggunaan Transportasi Online Menggunakan Algoritma Single Pass Clustering Ja’far Razzaq; Fairuz Azmi; Casi Setianingsih
eProceedings of Engineering Vol 8, No 6 (2021): Desember 2021
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Transportasi online hadir ditengah – tengah masyarat sebagai solusi untuk masyarakat saat ingin berpergian, namun sangat padatnya pengguna transportasi umum. Namun, dengan semakin menjamurnya transportasi online, semakin banyak juga komentar yang diberikan oleh penggunanya mengenai kinerja dari transportasi online baik itu komentar posistif, negatif, atau netral. Pada penelitian ini penulis mencoba melakukan pengelompokan data terhadap komentar positif, negatif, dan netral yang dimana komentar diambil melalui media sosial Instagram penyedia jasa transportasi online Go-Jek Indonesia dan Grab Indonesia. Data yang telah didapat kemudian melalui tahapan pre-processing, pembobotan kata, clustering dimana pada penelitian ini menggunakan algoritma Single Pass Clustering, dan kemudian hasil clustering ditampilkan di website. Hasil pengujian dari proses clustering dengan mengguankan threshold 0.1 sampai 0.9 didapat bahwa semakin besar nilai threshold semkin cepat proses clustering dan semakin sedikit clusternya. Hasil terbaik didapat pada threshold 0.1 dimana pada dataset positif didapat hasil 123 cluster dengan kecepatan 0.001196800s. Sedangkan pada dataset negatif didapat hasil 170 cluster dengan kecepatan 0.002018130s. Sedangkan pada dataset netral didapat hasil 151 cluster dengan kecepatan 0.001530701s. Kata kunci : Transportasi Online, Sosial Media Instagram, Clustering, Single Pass Clustering
Analisis Sentimen Ulasan Kebijakan Zonasi Sekolah Pada Penerimaan Siswa Baru Dengan Teks Bahasa Indonesia Menggunakan Algoritma NaÏve Bayes Martarheza Marthiyas; Budhi Irawan; Casi Setianingsih
eProceedings of Engineering Vol 7, No 2 (2020): Agustus 2020
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Dunia pendidikan Indonesia setiap tahunnya terus mencoba memperbaiki sistem pendidikannya salah satu yang cukup kontroversial atau ramai di beritakan adalah kebijakan zonasi dalam penerimaan siswa baru yang berlaku pada tahun ajaran baru 2019/2020. Karena kebijakan Zonasi Sekolah, calon murid yang rumah tempat tinggalnya berada di sekitar sekolah dari tingkat SD hingga SMA diprioritaskan untuk berhak menjadi calon murid dibandingkan dengan siswa yang mungkin saja rumah tempat tinggalnya jauh dari sekolah yang di favoritkannya sejak lama, permasalahan kebijakan zonasi sekolah cukup membuat orang tua murid resah, karena mungkin saja tidak bisa bersekolah di sekolah favorit. Oleh karena permasalahan tersebut dirancanglah sistem sentimen analisis ulasan berdasarkan sosial media twitter tentang permasalahan zonasi sekolah dengan menggunakan Metode Naïve bayes. Sistem analisis setimen kebijakan zonasi sekolah yang dirancang akan menghasilkan klasfikasi dari opini-opini masyarakat pengguna twitter dan dapat menyimpulkan kebijakan tersebut merupakan kategori positif, negatif atau netral dari pengguna twitter di Indonesia. Dengan harapan sistem ini dapat menjadi informasi umpan balik dari permasalahan yang sedang dihadapi oleh pendidikan Indonesia. Pada penelitian ini Sistem menghasilkan akurasi sebesar 90.69%, presisi 90.93%, recall 90.69% dan f1 score 90.75% dengan jumlah fitur terbaik yaitu 2000. Kata kunci : Klasifikasi Teks, Pendidikan, Zonasi Sekolah, Naïve Bayes, sentimen analisis. Abstract The world of education in Indonesia continues to try to improve its education system every year, one of which is quite controversial or widely preached is the zoning policy in admitting new students that applies in the new school year 2019/2020. Because of the School Zoning Policy, prospective students whose homes are located around the school from elementary to high school level are prioritized to be eligible to become prospective students compared to students who may have their homes far from the school they have favored for a long time, the problem of school zoning policies is enough to make parents are worried, because they might not be able to go to a favorite school. Because of this problem, a sentiment analysis review system was designed based on social media Twitter on the issue of school zoning using the Naïve Bayes Method. The school zoning policy setiment analysis system designed will produce classifications of the opinions of the Twitter user community and can conclude that the policy is a positive, negative or neutral category of Twitter users in Indonesia. It is hoped that this system can provide feedback on the problems being faced by Indonesian education. In this study the system produces an accuracy of 90.69%, a precision of 90.93%, a recall of 90.69% and an F1 score of 90.75% with the best number of features, 2000. Keywords: Text Classification, Naïve Bayes
Prediction Of Electricity Use Using A Website-Based Support Vector Machine Algorithm Reyhan Adiptya; Muhhammad Ary Murti; Casi Setianingsih
eProceedings of Engineering Vol 8, No 6 (2021): Desember 2021
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

This study aims to create an electrical load prediction system using the Support Vector Machine algorithm to be able to predict future electrical loads. This study also finds out what parameters can reduce the error rate of predictions using Particle Swarm Optimization. Then everything is packaged into a website using the flask framework. The results of testing the parameters of the Support Vector Machine algorithm on the electricity usage prediction system, the lowest error values obtained are MAE, MSE, RMSE on the parameters of the PSO optimization results, the SVR parameter value is C = 1; Gamma=8.3; Epsilon=0.001; produces an error value, MAE=0.00829921; MSE=0.00602241; RMSE= 0.0776042. Keywords—Support Vector Machine, Particle Swarm Optimization, Prediction, Penggunaan Energi Listrik
Perancangan Perbaikan Komunikasi Pemasaran Tuan Tanoe Menggunakan Metode Benchmarking Dengan Analytical Hierarchy Process Afif Husaini; Budhi Irawan; Casi Setianingsih
eProceedings of Engineering Vol 8, No 5 (2021): Oktober 2021
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pada musim kemarau, beberapa wilayah Indonesia mengalami peningkatan suhu yang membuat orang merasa tidak nyaman pada saat berada di luar ruangan, terlebih jika di dalam suatu ruangan tidak ada alat untuk pengkondisian suhu, maka suhu di dalam ruangan tersebut akan membuat orang di dalamnya tidak nyaman. Pada umumnya masyarakat akan menggunakan air conditioner (AC) untuk membuat suhu udara di suatu ruangan menjadi sejuk. Namun, dengan penggunaan daya yang konstan, AC dapat menyebabkan borosnya penggunaan energi. Oleh karena itu, diperlukan sistem yang dapat mengatur suhu yang dikeluarkan oleh AC sentral berdasarkan suhu dalam ruangan, suhu luar ruangan, luas ruangan, dan jumlah manusia. Pada sistem ini ada dua buah sensor suhu DHT22 yang digunakan untuk mengukur suhu dalam dan luar ruangan, website untuk memasukkan nilai luas ruangan dan menampilkan informasi suhu luar ruangan, suhu dalam ruangan, luas ruangan, jumlah manusia, respon waktu deteksi, dan respon waktu fuzzy, dan webcam untuk mendeteksi jumlah manusia pada ruangan tersebut. Pada sistem ini dua buah sensor DHT22 mempunyai akurasi sebesar 98.63% dan 98.74%. Sistem ini akan menggunakan Raspberry Pi untuk memproses keempat variabel tersebut yang dimana hasil keluarannya berupa suhu yang direkomendasikan dengan menggunakan algoritma fuzzy menggunakan metode Mamdani.
Klasifikasi Data Politik Pada Media Sosial Dengan Algoritma NaÏve Bayes Raisha Citra Chairani; Budhi Irawan; Casi Setianingsih
eProceedings of Engineering Vol 8, No 2 (2021): April 2021
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstraksi Twitter merupakan salah satu media sosial yang dapat digunakan untuk saling bertukar pikiran dan memberikan opini. Pengguna twitter dapat menuliskan opini mereka terhadap isu pemerintahan Presiden Joko Widodo. Data tweet atau opini masyarakat itulah dapat dilakukan metode analisis sentimen untuk menganalisis opini masyarakat. Metode Naïve Bayes digunakan untuk melakukan klasifikasi pada data twitter untuk mengetahui sentimen dan dilakukan pengelompokan menjadi kelas positif dan kelas negatif. Selanjutnya dilakukan pemodelan topik dengan metode Latent Dirichlet Allocation (LDA) untuk mengetahui topik pembahasan pada setiap kelompok sentimen. Pada proses klasifikasi nilai akurasi tergantung pada tahap preprocessing dan tergantung pada jumlah data. Pada data train 80% dan data tes 20% diperoleh akurasi 84.58%, recall 85%, precision 85% dan F1-Score 85%. Pada tahap LDA dilakukan pengujian kinerja dengan perplexity sehingga diperoleh nilai perplexity sebesar 7,0693, untuk nilai beta sebesar 1, nilai alpha 10000, jumlah topik 2 dan jumlah iterasi 30 untuk kelompok sentimen positif. Selanjutnya nilai perplexity sebesar 7,2897 dengan nilai beta1, nilai alpha 1000, jumlah topik 2 dan jumlah iterasi 60 untuk kelompok sentimen negatif.
Sistem Scraping Dan Klasifikasi Data Percakapan Saham Pada Aplikasi Telegram Dengan Algoritma Support Vector Machine Al Agias Bayu Asa; Burhanuddin Dirgantoro; Casi Setianingsih
eProceedings of Engineering Vol 8, No 6 (2021): Desember 2021
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pemilik saham dapat dikatakan sebagai pemilik perusahaan, semakin besar saham yang dimiliki maka semakin besar pula kekuasaannya di perusahaan tersebut, sehingga tidak sedikit orang yang mulai belajar bagaimana membeli saham. Saham sangat terpengaruh oleh keadaan yang ada di dunia ini, maka dari itu seseorang yang mempunyai saham harus mengetahui kabar terbaru yang dapat dibaca di berita dan kabar burung. Sehingga penulis bertujuan untuk dapat menganalisis suatu pesan sehingga dapat menghasilkan klasifikasi dari pesan tersebut untuk selanjutnya dapat digunakan untuk tolok ukur dalam membeli saham. Penelitian ini dilakukan untuk membuat sistem yang akan mengklasifikasikan pesan pada aplikasi pesan Telegram. Dengan menggunakan algoritma Support Vector Machine, sistem dapat mengklasifikasikan pesan yang dikirim di Telegram. Karena Telegram merupakan aplikasi yang terdapat berbagai komunitas di dalamnya, dan salah satu nya adalah komunitas saham. Sistem pada penelitian Tugas Akhir telah di uji menggunakan partisi data uji 95% dan data latih 5%, dan juga parameter C=1 dan Gamma=1 mendapatkan akurasi sebesar 90%, precision sebesar 93%, recall sebesar 89%, dan juga F1-Score sebesar 91%. Kata Kunci: klasifikasi, analisis, saham, SVM.
Sistem Penjadwalan Anggota Pada Aplikasi Event Management Menggunakan Algoritma Particle Swarm Optimization Berbasis Web Muhammad Izzah Aeman; Roswan Latuconsina; Casi Setianingsih
eProceedings of Engineering Vol 8, No 5 (2021): Oktober 2021
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Dalam sebuah event management, salah satu masalah yang sering ditemukan adalah penjadwalan. Penjadwalan yang dibuat secara manual di sebuah kepanitiaan khususnya mahasiswa, sering menjadi tidak optimal, dan terjadi ke tidak cocokkan antara jadwal kesibukan mahasiswa dengan jadwal acara. Untuk mengatasi masalah tersebut penelitian ini merancang sebuah model penjadwalan anggota panitia secara otomatis berbasis algoritma Particle Swarm Optimization (PSO). Model penjapdwalan otomatis ini bertujuan menghasilkan penjadwalan anggota yang optimal dalam sebuah event management. Kandidat partikel merepresentasikan jadwal event, sedangkan dimensi merepresentasikan divisi anggota, dan posisi partikel merepresentasikan anggota. Populasi partikel dibangkitkan di awal iterasi dengan nilai acak dan pada setiap iterasi, partikel-partikel tersebut memperbaiki posisinya menuju posisi terbaik. Proses ini dilakukan untuk setiap penjadwalan anggota yang akan dijadwalkan, sehingga diperoleh sebuah jadwal yang optimal. Berdasarkan hasil pengujian, dilakukan percobaan perubahan inertia, pembelajaran kognitif, dan sosial untuk digunakan dalam PSO ini. Pada penelitian ini, nilai inertia yang optimal 0,9 sedangkan nilai pembelajaran kognitif, dan sosial yaitu 1,4. Dalam Percobaannya Nilai rata–rata iterasi saat berhenti 118,6. Hasil yang didapatkan pada setiap percobaan akan berbeda-beda dikarenakan nilai acak yang digunakan pada setiap percobaan berbeda. Pada penelitian ini algoritma PSO berhasil menghasilkan penjadwalan anggota panitia yang sesuai dengan penjadwalan anggota panitia Kata kunci : Event Management, Penjadwalan, Mahasiswa, Particle Swarm Optimization
Sistem Deteksi Pelanggaran Zebra Cross Pada Kendaraan Sepeda Motor Menggunakan Algoritma YOLOv4 Chianyung Chianyung; Casi Setianingsih; Marisa W Paryasto
eProceedings of Engineering Vol 10, No 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak—Kecelakaan lalu lintas akhir-akhir ini harus menjadi perhatian khusus bagi kita semua. Kecelakaan terjadi karena kurangnya kesadaran diri dari masyarakat akan peraturan lalu lintas itu sendiri. Polisi sebagai institusi yang membantu masyarakat dalam mengedukasi pentingnya mematuhi peraturan lalu lintas harus tidak boleh lelah dalam menjalankan tugasnya. Salah satu cara edukasi yang dilakukan kepolisian adalah dengan cara pengawasan lalu lintas. Mereka turun ke lapangan untuk menindak pelanggar-pelanggar yang tidak mematuhi aturan, tentunya cara seperti ini memiliki beberapa kekurangan seperti SDM yang terbatas dan juga waktu yang terbatas. Dengan itu teknologi sebenarnya dapat dimanfaatkan untuk melakukan fungsi pengawasan yang lebih fleksibel. Sistem berbasis object detection dapat digunakan sebagai solusi untuk menindak pelanggaran khususnya kendaraan sepeda motor yang seringkali diam di area zebra cross saat lampu merah sedang menyala. Hasil dari penelitian yang telah dilakukan pada tugas akhir ini menunjukan bahwa sistem pendeteksi pelanggar kendaraan sepeda motor pada zebra cross berbasis deteksi objek menggunakan algoritma YOLO ini mendapatkan hasil Precision 100%, Recall 100%, F1-Score 100%, Average IoU 82.23%, Average Loss 2.31%, mAP 99.99% serta akurasi yang didapatkan mencapai 99.66% dengan parameter yang digunakan adalah rasio data latih 70% : 30% data uji, Batchsize 64, Learning Rate 0.004, dan Max Batches 4000.Kata kunci —  deep learning, lalu lintas, deteksi objek, YOLO
Deteksi Tinggi Rendah Gelombang Air Laut Dengan Sistem Multi Sensor Berbasis Aplikasi Web Menggunakan Algoritma Naive Bayes Jhosua Parningotan Sianipar; Randy Erfa Saputra; Casi Setianingsih
eProceedings of Engineering Vol 8, No 5 (2021): Oktober 2021
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Indonesia is the largest archipelago in the world and has wider waters than land. Indonesia is also one of the countries most vulnerable to tsunami natural disasters. Tsunami is a natural disaster event in which sea waves with large size and high speed hit the coastal surface. Tsunamis usually occur due to tectonic earthquakes that occur on the seabed or the eruption of Mount Merapi located near the sea. Tsunamis don't just happen. This disaster has a process or anomaly in a ocean wave, such as the rapid receding of sea water. Currently the tsunami detection system already exists but this system is still very minimal in Indonesia because of the relatively high price. The purpose of this study is so that the public can monitor the current sea conditions. Created a web application with the help of the Laravel framework that can provide information on sea conditions in real time. This web application can also classify sea conditions in the form of "Potential" and "Not Potential" by using the Naive Bayes Algorithm which can provide 95% accuracy. Therefore, with this application can make it easier for the community to monitor the condition of the sea. keyword—Naive Bayes Algorithm, Web Application, Tsunami.
Co-Authors Abdi Hazman Abdulloh Salahul Haq Adi Pranesthi Adine Nayla Adita Sukma Wardani Aditya Nugraha Adlirrahaman Hasfi Aji Adrian Sabagus Tanazri Afif Husaini Agung Nugroho Jati Agung Nungroho Jati Ahmad Devi Gunawan Ahmad Tri Hanuranto Al Agias Bayu Asa Alfian Imran Aloisius Gonzaga Januar Widi Aquarizky Alvaro Septra Dominggo Nauw Amanda Austin Herlambang Andrew Brian Osmond Arif Aquri Saputra Arramsyah, Izzat Ashri Dinimaharawati Asmianti Asrin Attallah Arelian Naufhal Bagas Prakoso Putra Bangkit Surya Praja Budhi Irawan Burhanuddin Dirgantoro Chianyung Chianyung Cornelius Situmorang Dyka Khairullah Zamhari Elka Distria Fairuz Azmi Farradita Imanda Fauzan Andaru Kurniadi Fauzul Haqi Siregar Feby Rahmasari Figo Plambudi Dwigantara Firdi Setiawan Fussy Mentari Dirgantara Garry Abel Diaraja H Gayuh Erlanggono G Grace Cyndiana Hamdi Aziz Al-Mujadidi Hanna Diwanti Haq, Abdulloh Salahul Hikmah Nisya Ilham Arisyandy Irfan Dhiya Abirawa Irghiansyah Izzul Haque Izzat Arramsyah Izzat Arramsyah Jannata Arianda Ja’far Razzaq Jhosua Parningotan Sianipar Kevin Manfield Anderson Pasaribu Kusprasapta Mutijarsa Linda Kartika M Agung Baskoro M. Indra Halim Arsya Dwi Akbari Maftukhah Carolin Noviardini Marisa W Paryasto Marisa W. Paryasto Martarheza Marthiyas Maulana Heardy Yusfian Megatari Wahyuningrum Handani Meta Kalista Meta Kallista Mohammad Ibrahim Al Mahi Mohammad Naufal Nabil Abdillah Muhamad Ramadhan Muhamad Rizky Arief Wicaksono Muhammad Akmal Fauzi Muhammad Ary Murti Muhammad Fathurrohim Nur Muhammad Iqbal G Putra Muhammad Izzah Aeman Muhammad Mufti Ramadhan Muhammad Nasrun Muhammad Reza Aji Pangestu Muhhammad Ary Murti Naufal Ramadhan Natafili Jangkaru Novianty, Astri Prabu Arie Pradana Pranesthi, Adi Pratama, Rizki Mulia Purba Daru Kusuma R. Rumani M Rumani M Raisha Citra Chairani Randy Efra Saputra Randy Erfa Saputra Ratna Astuti Renaldy Eka Putra Reyhan Adiptya Reza Mahendra Rizka Rona Putri Rizka Shinta Wulandari Rizki Mulia Pratama Rizky Iskandar Rizky Naufal Perdana Roswan Latuconsina Rumani Rumani Runi Siti N Septian Putra Manuel Simangunsong Sigit Yudha Juwantoro Sony Sumaryo Suryo Adhi Wibowo Tia Dianti Hajizah Tinton Aji Sadewo Tito Waluyo Purboyo Valerian Ezra Vyanza Wendi Harjupa Yudha Purwanto Yudhi Septian Rahman Ziqra Haniffah Ziza Amira Syafini