Article Per Year (5 Year)
p-Index From 2019 - 2024
2.083
P-Index
This Author published in this journals
All Journal Semantik JAIS (Journal of Applied Intelligent System) ANDHARUPA CESS (Journal of Computer Engineering, System and Science) Journal of Information System Jurnal Restikom : Riset Teknik Informatika dan Komputer
Junta Zeniarja
Universitas Dian Nuswantoro
Arts Humanities Computer Science & IT Languange, Linguistic, Communication & Media Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
Integrasi Peringkas Dokumen Otomatis Dengan Penggabungan Metode Fitur dan Metode Latent Semantic Analysis (LSA) Sebagai Feature Reduction Junta Zeniarja; Abu Salam; Ardytha Luthfiarta; L Budi Handoko; Muhammad Jamhari
Semantik Vol 3, No 1 (2013): Semantik 2013
Publisher : Semantik

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (599.107 KB)

Abstract

Proses  clustering dokumen memudahkan pengguna menemukan dokumen yang diinginkan. Dalam prosesnya  dokumen  yang akan dicluster  direpresentasikan menggunakan Vector Space Model (VSM). Masalah  klasik  dalam VSM adalah matrik term-dokumen  yang  sangat jarang (banyak mengandung angka 0 dalam term-dokumen matrik) dan juga  berdimensi tinggi, sehingga dapat mengurangi kinerja clustering dokumen. Oleh karena itu diperlukan suatu metode untuk bisa mengurangi dimensi term-dokumen dan menghilangkan term yang bernilai 0 tersebut sehingga dapat meningkatkan kinerja proses clustering. Dalam penelitian ini diusulkan model peringkas dokumen otomatis  dengan penggabungan metode fitur dan latent semantic analysis (LSA) sebagai feature reduction pada proses clustering dokumen.Tujuan dari penelitian ini adalah untuk meningkatkan akurasi dari clustering dokumen dengan pengkombinasian metode padaperingkas dokumen otomatis yang diintegrasikan sebagai feature reduction. Beberapa tahapan clustering dalam penelitian ini, yaitu preprocessing, peringkas dokumen otomatis  dengan metode fitur ,LSA dan Kombinasi, pembobotan kata, feature selection, feature transformation dan algoritma clustering.   Hasil penelitian menunjukkan  tingkat akurasi menggunakan peringkas dokumen  otomatis yang diintegrasikan sebagai feature reduction  dengan menggabungkan metode fitur dan metode LSA  mencapai 93,33  %  yang diperoleh pada tingkat peringkas dokumen otomatis  LSA Summary + Feature Summary 50% + Feature Selection 20% + LSA  dibandingkan dengan feature selection 20 % tanpa menggunakan peringkas dokumen otomatis yang hanya mencapai tingkat akurasi 89,33 %.
Naive Bayes Classifier Based Geographic Information System for University Search Information Junta Zeniarja; Ardytha Luthfiarta; Catur Supriyanto
Journal of Applied Intelligent System Vol 2, No 2 (2017): December 2017
Publisher : Universitas Dian Nuswantoro and IndoCEISS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/jais.v2i2.1587

Abstract

Information about the geographical location of universities is necessary for graduates of Senior High School who want to continue their education to a university. Most of the graduate students do not know the location of the universities since the geographical location of Google Maps is less clear and less precise. Therefore, the application of Geographic Information Systems (GIS) based on Information Retrieval (IR) is expected to facilitate the graduate students to know the exact location of the university. In this paper, IR-based GIS application is developed by using web programming. The web is used as a search engine when someone wants to find a college. The application shows the map and information of the college in the area according to the query of the user. Naive Bayes algorithm is used to classify the user query and locate the query on the map. Based on our prototype, the application is promising to be implemented for the student.
Prediction on Deposit Subscription of Customer based on Bank Telemarketing using Decision Tree with Entropy Comparison Ardytha Luthfiarta; Junta Zeniarja; Edi Faisal; Wibowo Wicaksono
Journal of Applied Intelligent System Vol 4, No 2 (2019): Journal of Applied Intelligent System
Publisher : Universitas Dian Nuswantoro and IndoCEISS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/jais.v4i2.2772

Abstract

Banking system collect enormous amounts of data every day. This data can be in the form of customer information,  transaction  details,  risk profiles,   credit   card   details,   limits   and   collateral    details, compliance  Anti Money Laundering (AML) related information, trade  finance  data,  SWIFT  and  telex  messages. In addition,  Thousands  of decision  are  made in Banking system. For example, banks everyday creates credit decisions,  relationship  start  up,  investment   decisions, AML  and  Illegal  financing  related decision.  To create this decision, comprehensive review on various  reports  and drills  down  tools  provided  by the banking systems is needed.  However, this is a manual process which  is  error  prone  and  time  consuming  due  to  large volume of transactional  and historical  data available. Hence, automatic knowledge mining is needed to ease the decision making process.  This research focuses on data mining techniques to handle the mentioned problem. The technique will focus on classification method using Decision Tree algorithms.  This research provides an overview of the data mining techniques and   procedures will be performed.   It also provides   an insight   into how these techniques can be used in deposit subscription  in banking system to make a decision making process easier and more productive. Keywords - Telemarketing, bank deposit, decision tree, classification, data mining, entropy.
Data Mining Applications for Violence Pattern Analysis with FP-Growth Algorithm Junta Zeniarja; Debrina Luna Arghata Mangkawa; Abu Salam
Journal of Applied Intelligent System Vol 6, No 1 (2021): Journal of Applied Intelligent System
Publisher : Universitas Dian Nuswantoro and IndoCEISS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/jais.v6i1.4444

Abstract

Violence is a crime that is one of the problems the principal experienced by each country. Violence can be interpreted as a behavior that causes harm to someone. According to the results of DP3AKB research in Central Java Province in 2017, there are less many than 200 people in Central Java province experienced acts of violence. By because of the many acts of violence that occur in various forms of violence, it requires definite information about the form of violence that happens most often, in obtaining that information Data mining techniques are needed by using the FP-Growth algorithm. The application of the FP-Growth algorithm to produce form association patterns violence. Hardness data is 420 data, the best 7 rules have been obtained with min value support 50% and min value support 60%. On the best rule results have given a recommendation (solution) so that the DP3AKB can handle the problem of violence well and on target.
Diagnosis Of Heart Disease Using K-Nearest Neighbor Method Based On Forward Selection Junta Zeniarja; Anisatawalanita Ukhifahdhina; Abu Salam
Journal of Applied Intelligent System Vol 4, No 2 (2019): Journal of Applied Intelligent System
Publisher : Universitas Dian Nuswantoro and IndoCEISS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/jais.v4i2.2749

Abstract

Heart is one of the essential organs that assume a significant part in the human body. However, heart can also cause diseases that affect the death. World Health Organization (WHO) data from 2012 showed that all deaths from cardiovascular disease (vascular) 7.4 million (42.3%) were caused by heart disease. Increased cases of heart disease require a step as an early prevention and prevention efforts by making early diagnosis of heart disease. In this research will be done early diagnosis of heart disease by using data mining process in the form of classification. The algorithm used is K-Nearest Neighbor algorithm with Forward Selection method. The K-Nearest Neighbor algorithm is used for classification in order to obtain a decision result from the diagnosis of heart disease, while the forward selection is used as a feature selection whose purpose is to increase the accuracy value. Forward selection works by removing some attributes that are irrelevant to the classification process. In this research the result of accuracy of heart disease diagnosis with K-Nearest Neighbor algorithm is 73,44%, while result of K-Nearest Neighbor algorithm accuracy with feature selection method 78,66%. It is clear that the incorporation of the K-Nearest Neighbor algorithm with the forward selection method has improved the accuracy result. Keywords - K-Nearest Neighbor, Classification, Heart Disease, Forward Selection, Data Mining
Komparasi Performa Metode 6to4 dan Kombinasi L2TP/IPSec untuk Implementasi IPv6 pada Jaringan Komputer Junta Zeniarja; Adhitya Nugraha; Muhammad Joyo Satrio
CESS (Journal of Computer Engineering, System and Science) Vol 5, No 2 (2020): JULI 2020
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1790.223 KB) | DOI: 10.24114/cess.v5i2.18116

Abstract

Seiring dengan peningkatan pengguna internet, kebutuhan pengalamatan Internet Protocol versi 4(IPv4) semakin meningkat sehingga dikhawatirkan ketersediaannya akan semakin berkurang dan habis. Kehadiran Internet Protocol versi 6 (IPv6) yang merupakan protokol pengalamatan internet generasi terbaru, ditujukan untuk menggantikan penggunaan IPv4 saat ini. Namun, dalam implementasinya masih terdapat beberapa kendala yang salah satunya adalah kondisi infrastruktur yang saat ini yang belum banyak mendukung implementasi IPv6 sehingga proses migrasi IPv4 ke IPv6 menjadi sangat sulit. Pada akhirnya diterapkanlah metode transisi IPv6 untuk melakukan koneksi terhadap infrastruktur IPv4. Teknik 6to4 dan L2TP/IPSec merupakan metode tunneling yang mampu melakukan transisi dari IPv4 ke IPv6. Dalam penelitian ini, dilakukan komparasi terhadap kedua metode tersebut dengan melakukan pengukuran throughput, delay dan packet loss dengan berbagai skenario koneksi jaringan. Berdasarkan hasil dari percobaan yang dilakukan, diketahui bahwa peneraepan teknik L2TP/IPSec menghasilkan kualitas koneksi yang lebih baik daripada kualitas koneksi penerapan teknik 6to4.
Penerapan Algoritma Naive Bayes dan Forward Selection dalam Pengklasifikasian Status Gizi Stunting pada Puskesmas Pandanaran Semarang Junta Zeniarja; Kiki Widia; Ramadhan Rakhmat Sani
JOINS (Journal of Information System) Vol 5, No 1 (2020): Edisi Mei 2020
Publisher : Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (2241.095 KB) | DOI: 10.33633/joins.v5i1.2745

Abstract

Masalah stunting pada balita tidak dapat diremehkan begitu saja, karena dapat berdampak pada  kemampuan berbahasa, kognitif,  motorik, dan berisiko juga pada kecacatan, terserang penyakit infeksi, hingga kematian. Meningkatnya kasus stunting pada balita ini memerlukan suatu upaya dalam  penanganan dan pencegahan secara dini. Untuk memperoleh informasi tersebut diperlukan metode data mining dengan menerapkan Naive Bayes dan penggunaan fitur Forward Selection. Untuk mendapatkan hasil keputusan dari klasifikasi status gizi stunting digunakanlah algoritma NBC, sedangkan untuk meningkatkan nilai akurasinnya menggunakan foward selection dengan melakukan seleksi fitur yaitu menghapus sebagian atribut yang tidak sesuai di dalam tahapan klasifikasinya. Hasil akurasi klasifikasi status gizi stunting pada balita dengan algortima NBC saja pada penelitian ini sebesar 83,33%, sedangkan untuk algoritma NBC dengan fitur Forward Selection mencapai 86,00%. Peningkatan hasil akurasi tampak baik ketika dilakukan penggabungan algoritma NBC dengan fitur Foward Selection
Pola Beli Konsumen Menggunakan Algoritma Fp-Growth Untuk Rekomendasi Promosi Pada Aneka Jaya Motor Junta Zeniarja; Kurniawan Ridwan Surohardjo; Agus Winarno
JOINS (Journal of Information System) Vol 6, No 1 (2021): Edisi Mei 2021
Publisher : Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (2014.954 KB) | DOI: 10.33633/joins.v6i1.4493

Abstract

A piece of appropriate information can create and establish a business strategy in increasing sales through technology that can affect the trade-in buying and selling goods with the data information generated can be calculated in detail and accurately. At Aneka Jaya Motor Semarang, this was triggered by the demand for competition. One solution is a product promotion target. For determining which items are feasible for promotion, the application of a promotional decision recommendation system is made using data mining techniques associated with FP-Growth algorithms, its function is to find items that are often purchased simultaneously by consumers. Data used in the form of transaction data with the total amount used 501 data. The results obtained by appearing 1 rule is if consumers buy spark plug parts then buy oil parts with minimum support of 10% and minimum confidence of 35%. The lift ratio obtained is 1 so that valid rules are generated.
Aplikasi Genetika Untuk Penjadwalan Mata Pelajaran di SMAN 3 Semarang Restu Agung Pamuji; Junta Zeniarja; Abu Salam
JOINS (Journal of Information System) Vol 4, No 1 (2019): Edisi Mei 2019
Publisher : Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (769.453 KB) | DOI: 10.33633/joins.v4i1.2550

Abstract

Merencanakan kegiatan belajar mengajar di sekolah sangat penting dan rumit. Ini bukan masalah serius ketika sekolah memiliki sejumlah kecil kelas dengan minimal pertemuan belajar mengajar. Tetapi itu akan menjadi masalah dalam hal jumlah kelas, ruang dan jumlah guru yang terbatas. Contoh masalah yang sering muncul adalah sulitnya menempatkan slot waktu untuk menghindari bentrokan. Untuk alasan ini, diperlukan suatu aplikasi untuk membangun sistem perencanaan dengan meminimalkan kesalahan perencanaan sehingga kegiatan pembelajaran dapat dilakukan secara optimal. Metode penjadwalan pelajaran ini menggunakan pendekatan algoritma genetika. Algoritma genetika merupakan pendekatan komputer yang diinspirasi oleh teori genetika untuk menyelesaikan masalah yang memerlukan optimasi. Hasil penerapan algoritma genetika sebagai pendekatan untuk mengoptimalkan perencanaan mata pelajaran sekolah telah menghasilkan nilai fitness yang optimal. Kemudian diuji dari faktor correctness, menghasilkan sejumlah error hingga 0 baris. Diuji secara fungsional tidak menghasilkan fungsi primer dan sekunder yang tidak berfungsi dengan benar. Diuji dengan faktor portabilitas dalam mencoba berbagai aplikasi, dapat bekerja dengan baik di semua lingkungan.Kata kunci : Penjadwalan , Algoritma Genetika
Sistem Pakar Diagnosa Penyakit Skizofrenia dengan Forward Chaining dan Bayesian Network Abu Salam; Junta Zeniarja; Riyan Ardiansyah
JOINS (Journal of Information System) Vol 6, No 1 (2021): Edisi Mei 2021
Publisher : Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (2056.985 KB) | DOI: 10.33633/joins.v6i1.4371

Abstract

Skizofrenia merupakan gangguan kesehatan jiwa yang menjadi permasalahan masyarakat yang sangat penting serta harus memperoleh perhatian dari pemerintah. Berdasarkan hasil dari Riset Kesehatan Dasar (RisKesDas) pada tahun 2013 di negara Indonesia terdapat 1,7 dari 1000 warga atau kurang lebih 400.000 orang yang menderita penyakit Skizofrenia. Kurang meratanya tenaga kesehatan di bidang kejiwaan memperburuk penanganan yang seharusnya dapat segera dilakukan. Sistem pakar merupakan jawaban yang tepat untuk permasalahan tersebut karena sistem pakar adalah suatu sistem yang dirancang untuk dapat menirukan keahlian seorang pakar atau ahli dalam menjawab pertanyaan  dan memecahkan suatu masalah berdasarkan gejala yang diidap oleh pasien. Sistem pakar ini menggunakan metode forward chaining untuk mendapatkan sebuah kesimpulan dari gejala-gejala skizofrenia yang dimiliki oleh pasien dan bayesian network untuk menghitung seberapa akurat suatu sistem pakar tersebut mengidentifikasi suatu masalah. Sistem ini dibangun menggunkan web dengan  bahasa pemrogaman PHP serta databsae MySQL untuk menyimpan data skizofrenia. Proses pengujian fungsionalitas sistem pakar ini berjalan dengan baik serta tingkat akurasi tiap-tiap gejala mendapatkan hasil diatas 80%.
Co-Authors - Muljono Abu Salam Abu Salam Adhitya Nugraha Adhitya Nugraha Agus Winarno Anisatawalanita Ukhifahdhina Ardytha Luthfiarta Bayu Aryanto Catur Supriyanto Debrina Luna Arghata Mangkawa Edi Faisal Farda Alan Ma’ruf Kiki Widia Kurniawan Ridwan Surohardjo L. Budi Handoko Muhammad Jamhari Muhammad Joyo Satrio Nur Rokhman Raden Arief Nugroho Ramadhan Rakhmat Sani Restu Agung Pamuji Riyan Ardiansyah Valentina Widya Suryaningtyas, Valentina Widya Wibowo Wicaksono