Article Per Year (5 Year)
p-Index From 2019 - 2024
1.006
P-Index
This Author published in this journals
All Journal Semantik Jurnal Pseudocode JAIS (Journal of Applied Intelligent System) Prosiding Seminar Nasional IPTEK Terapan (SENIT) 2016 Pengembangan Sumber Daya Lokal Berbasis IPTEK ILKOM Jurnal Ilmiah Abdimasku : Jurnal Pengabdian Masyarakat Jurnal Nasional Teknik Elektro dan Teknologi Informasi Jurnal Informatika: Jurnal Pengembangan IT
Catur Supriyanto
Universitas Dian Nuswantoro
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Social Sciences Other

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
Deteksi Api dengan MultiColorFeatures, Background Subtraction dan Morphology Guruh Fajar Shidik; Fajrian Nur Adnan; Ricardus Anggi Pramunendar; Catur Supriyanto; Pulung Nurtantio Andono
Semantik Vol 3, No 1 (2013): Semantik 2013
Publisher : Semantik

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (671.742 KB)

Abstract

Pentingnya  deteksi  api secara dini dapat membantu memberikan peringatan  serta  menghindari bencana yang menyebabkan kerugian ekonomi dan kehilangan nyawa manusia.  Teknik deteksi api dengan sensor konvensional  masih  memiliki keterbatasan, yakni  memerlukan waktu yang cukup lama dalam mendeteksi api pada ruangan yang besar serta tidak dapat bekerja di ruangan terbuka. Penelitian ini mengusulkan metode deteksi  api secara visual yang dapat digunakan pada  camera surveillance dengan  menggunakankombinasi  Multicolorfeatures  sepertiRGB,  HSV,YCbCr  dan  Background Subtraction  serta morphologyuntuk pendeteksian  pergerakan  api.  Evaluasi penelitian  dilakukan dengan menghitung tingkat error deteksi  area api.
Klasifikasi Teks Pesan Spam Menggunakan Algoritma Naïve Bayes Ika Novita Dewi; Catur Supriyanto
Semantik Vol 3, No 1 (2013): Semantik 2013
Publisher : Semantik

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (438.438 KB)

Abstract

Intensitas pengiriman teks pesan spam melalui layanan sms semakin meningkat seiring dengan meningkatnya trafik komunikasi. Hal ini bisa meresahkan dan membuat ketidaknyamanan para penerima pesan. Salah satu cara yang bisa terapkan untuk mengatasi pesan spam adalah dengan melakukan filterisasi. Filterisasi diterapkan untuk membedakan pesan yang berisi spam dan pesan yang tidak berisi spam menggunakan teknik klasifikasi teks dengan metode naïve bayes. Naïve bayes efektif diterapkan untuk melakukan klasifikasi data dengan jumlah  yang besar. Hasil eksperimen menunjukkan bahwa Naïve Bayes dalam melakukan klasifikasi teks pesan memiliki nilai akurasi 84.40%, precision 45.76% dan recall 88.09% dengan proses dokumen menggunakan word vector TF-IDF tanpa metode prune.  Penerapan klasifikasi teks menggunakan Naïve Bayes dengan word vector TF-IDF dapat menghasilkan tingkat akurasi yang baik, sehingga dapat diterapkan untuk memfilter pesanyang berisi spam.
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.
PENERAPAN BAGGING UNTUK PENINGKATAN AKURASI KLASIFIKASI TEMA TUGAS AKHIR MENGGUNAKAN ALGORITMA BACKPROPAGATION NEURAL NETWORK Arfan Haqiqi Sulasmoro; Catur Supriyanto; Vincent Suhartono
Prosiding Seminar Nasional IPTEK Terapan (SENIT) 2016 Pengembangan Sumber Daya Lokal Berbasis IPTEK Vol 1, No 1 (2016): PROSIDING SEMINAR NASIONAL IPTEK TERAPAN 2016
Publisher : Prosiding Seminar Nasional IPTEK Terapan (SENIT) 2016 Pengembangan Sumber Daya Lokal Berbasis IPTEK

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

Abstract

Pertumbuhan jumlah mahasiswa membutuhkan penanganan dalam upaya menjaga keseimbangan kualitas kelulusan pada perguruan tinggi swasta. Pengelompokan tema tugas akhir mahasiswa di sebuah pendidikan tinggi swasta dengan melihat hasil studi untuk tiap-tiap matakuliah yang diberikan dengan melihat histori nilai tiap-tiap semester untuk matakuliah tertentu diharapkan dapat membantu dalam penyelesaian tugas akhir. Pada penelitian ini mencoba menerapkan metode Neural network dengan struktur Backpropagation untuk melakukan klasifikasi tema tugas akhir di program studi DIII Teknik Komputer Politeknik Harapan Bersama Tegal dengan evaluation pattern menggunakan aplikasi rapidminer 5.2. Penerapan metode ini bertujuan untuk mendapatkan hasil klasifikasi tema tugas akhir dengan BPNN. Hasil dari penelitian menunjukkan bahwa penerapan metode bagging pada proses training dapat meningkatkan nilai accuracy dalam mengklasifikasi tema tugas akhir menggunakan algoritma Backpropagation Neural Network. Kata kunci : Klasifikasi, backpropagation, neural network, Bagging.
ALGORITMA KLASIFIKASI DATA MINING NAIVE BAYES BERBASIS PARTICLE SWARM OPTIMIZATION UNTUK DETEKSI PENYAKIT JANTUNG Nur Aeni Widiastuti; Stefanus Santosa; Catur Supriyanto
Jurnal Pseudocode Vol 1, No 1 (2014)
Publisher : Universitas Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (148.155 KB) | DOI: 10.33369/pseudocode.1.1.11-14

Abstract

Data mining sering disebut Knowledge Discovery in Database (KDD). Data mining biasanya digunakan untuk memperbaiki pengambilan keputusan di masa yang akan datang berdasarkan informasi yang diperoleh dari masa lalu. Misalnya untuk prediksi, estimasi, assosiasi, clustering, dan deskripsi. Sekumpulan data yang ada di laboratorium klinik belum difungsikan secara efektif dan hanya di fungsikan sebagai arsip untuk riwayat penyakit pasien. Jantung merupakan pembunuh nomor satu di dunia. Kurangnya aliran darah dan oksigen ke jantung bisa menyebabkan penyakit jantung. Pada penelitian ini akan membandingkan algoritma klasifikasi data mining Naive Bayes Berbasis PSO untuk deteksi penyakit jantung. Pengukuran dengan Naives Bayes menghasilkan akurasi 82.14%, sementara dengan Naives Bayes Berbasis Particle Swarm Optimization akurasi meningkat menjadi 92.86%. Tingkat akurasi dibandingkan dengan hasil laboratorium.Kata Kunci: Data Mining, Penyakit Jantung, Naive Bayes, Particle Swarm Optimization. 
OPTIMASI K-MEANS CLUSTERING UNTUK IDENTIFIKASI DAERAH ENDEMIK PENYAKIT MENULAR DENGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DI KOTA SEMARANG Suhardi Rustam; Heru Agus Santoso; Catur Supriyanto
ILKOM Jurnal Ilmiah Vol 10, No 3 (2018)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v10i3.342.251-259

Abstract

Tropical regions is a region endemic to various infectious diseases. At the same time an area of high potential for the presence of infectious diseases. Infectious diseases still a major public health problem in Indonesia. Identification of endemic areas of infectious diseases is an important issue in the field of health, the average level of patients with physical disabilities and death are sourced from infectious diseases. Data Mining in its development into one of the main trends in the processing of the data. Data Mining could effectively identify the endemic regions of hubunngan between variables. K-means algorithm klustering used to classify the endemic areas so that the identification of endemic infectious diseases can be achieved with the level of validation that the maximum in the clustering. The use of optimization to identify the endemic areas of infectious diseases combines k-means clustering algorithm with optimization particle swarm optimization ( PSO ). the results of the experiment are endemic to the k-means algorithm with iteration =10, the K-Fold =2 has Index davies bauldin = 0.169 and k-means algorithm with PSO, iteration = 10, the K-Fold = 5, index davies bouldin = 0.113. k-fold = 5 has better performance.
Menavigasi Dunia Digital dengan Meningkatkan Literasi Office, TI, dan Internet di Kalangan Siswa-Siswi Pondok Pesantren Raudhatul Qur'an Cinantya Paramita; Pulung Nurtantio Andono; Usman Sudibyo; Fauzi Adi Rafrastara; Catur Supriyanto
ABDIMASKU : JURNAL PENGABDIAN MASYARAKAT Vol 6, No 2 (2023): Mei 2023
Publisher : LPPM UNIVERSITAS DIAN NUSWANTORO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/ja.v6i2.1338

Abstract

Peningkatan popularitas penggunaan perangkat komputer semakin berkembang di berbagai lapisan masyarakat. Pondok pesantren, yang sebelumnya dianggap sebagai tempat yang kurang produktif dan hanya diperuntukkan bagi mereka yang beragama, kini melakukan inovasi untuk meningkatkan peran dan potensi dalam mendukung kemaslahatan lingkungan sekitarnya. Pondok Pesantren Raudhatul Qur’an di Kauman Semarang telah banyak menciptakan siswa yang berhasil menghafal Al-Quran. Setelah menyelesaikan studi di pondok, banyak dari mereka yang melanjutkan pendidikan ke sekolah formal atau menjadi pemuka agama yang memberikan pengajaran dan bimbingan kepada masyarakat dalam memahami agama Islam di lingkungan mereka. Oleh karena itu, pelatihan teknologi komputer diperlukan untuk memberikan pengetahuan dan keterampilan bagi para santri agar dapat dimanfaatkan untuk membantu mengurus keperluan administrasi di pondok pesantren dan berguna bagi masa depan mereka. Sebanyak 53 santri diikutsertakan untuk mengikuti pelatihan yang mencakup pengenalan dasar teknologi informasi [1] seperti hardware, software, penggunaan aplikasi office seperti Word, Excel, dan PowerPoint, serta internet untuk komunikasi dan pengiriman data digital. Berdasarkan hasil pelatihan yang dilaksanakan, para santri memberikan respon positif seperti yang terlihat pada diagram 3 dan 4. Pada diagram 3 menunjukkan bahwa 81,4% dari para santri sangat tertarik dengan pelatihan tersebut, sementara hanya 13,9% yang merasa biasa-biasa saja dan 10,7% yang terpaksa mengikuti. Selain itu, hasil perbandingan pretest dan postest pada diagram 4 menunjukkan peningkatan yang signifikan setelah para santri mengikuti pelatihan tersebut.
Algoritme Genetika untuk Peningkatan Prediksi Kebutuhan Permintaan Energi Listrik Oman Somantri; Catur Supriyanto
Jurnal Nasional Teknik Elektro dan Teknologi Informasi Vol 5 No 2: Mei 2016
Publisher : Departemen Teknik Elektro dan Teknologi Informasi, Fakultas Teknik, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (988.926 KB)

Abstract

Predicting the demand of electrical energy with a high degree of accuracy is expected. Application of an appropriate model using exact method will greatly affect the level of accuracy result. Neural Network (NN) and Support Vector Machine (SVM) models are used to predict the needs of electricity demand. Those models have weaknesses. Both are still difficult in determining the value of parameters used, thus, affecting the level of accuracy. Genetic Algorithm (GA) is proposed as a method to optimize the value of NN and SVM parameters in predicting the demand of electrical energy. The result shows that the NN and GA models have a better accuracy than the SVM and GA.
Deteksi Malware menggunakan Metode Stacking berbasis Ensemble Fauzi Adi Rafrastara; Catur Supriyanto; Cinantya Paramita; Yani Parti Astuti
Jurnal Informatika: Jurnal Pengembangan IT Vol 8, No 1 (2023): JPIT, Januari 2023
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/jpit.v8i1.4606

Abstract

Serangan malware kian hari kian memprihatinkan. Evolusi malware yang cepat dan semakin destruktif menimbulkan kekhawatiran bagi banyak pihak. Oleh karena itu, deteksi malware yang efektif sangat dibutuhkan. Data mining memainkan peran yang krusial dalam bidang ini, mengingat algoritma-algoritma yang ada pada data mining bisa dilatih hingga menghasilkan akurasi yang paling tinggi. Untuk mengklasifikasi suatu file, apakah tergolong malware atau tidak, dalam penelitian ini metode stacking digunakan karena dapat meningkatkan akurasi jika dibandingkan dengan algoritma-algoritma klasifikasi konvensional. Empat Algoritma dilibatkan dalam eksperimen yang dilakukan, yaitu: Neural Network, Random Forest, kNN, dan Logistic Regression. Tiga algoritma pertama digunakan sebagai classifier pada level 0, sementara itu Logistic Regression digunakan classifier pada level 1 (meta classifier).  Dengan kombinasi 4 algoritma tersebut, akurasi yang diperoleh adalah sebesar 98.7%, dan akurasi tersebut merupakan yang paling tinggi jika dibandingkan dengan masing-masing algoritma jika dieksekusi secara individual.
Pemanfaatan Algoritma K-Means untuk Membuktikan Implementasi Undang-Undang Pelanggaran Hukum Korupsi di Pengadilan Negeri Banjarmasin Cinantya Paramita; Fauzi Adi Rafrastara; catur Supriyanto
Jurnal Informatika: Jurnal Pengembangan IT Vol 8, No 2 (2023): JPIT, Mei 2023
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/jpit.v8i2.5216

Abstract

This research aims to demonstrate the implementation of the Anti-Corruption Law in the Banjarmasin District Court by utilizing the K-Means algorithm. Corruption, which persists in Indonesia over a prolonged period, has reached a critical level, making it crucial to enforce the law fairly and firmly. In this study, the panel of judges in the Banjarmasin District Court was analyzed using the K-Means Clustering method and silhouette coefficient to decide corruption cases that result in state losses. The research findings indicate that the optimal number of clusters is 3, with a value of 0.686. However, there is also a lowest value among the 4 clusters, which is 0.454. These clusters are then divided into three categories of enforcement, namely cases that have been executed (108 cases), cases that will be executed (26 cases), and cases that have not been executed (2 cases). All clusters have a silhouette score of 0.742, indicating successful enforcement. This research provides concrete evidence that the panel of judges in the Banjarmasin District Court has implemented the Anti-Corruption Law while considering state losses. By utilizing the K-Means algorithm, this study also contributes to a better understanding of enforcement practices in the court. It is expected that the results of this research will support efforts to enhance the implementation of the Anti-Corruption Law in Indonesia, particularly in the Banjarmasin District Court
Co-Authors Ardytha Luthfiarta Cinantya Paramita Egia Rosi Subhiyakto Fajrian Nur Adnan Fauzi Adi Rafrastara Guruh Fajar Shidik Heru Agus Santoso Ika Novita Dewi Junta Zeniarja Liya Umaroh Nur Aeni Widiastuti Oman Somantri Pulung Nurtantio Andono Ricardus Anggi Pramunendar Stefanus Santosa Suhardi Rustam Sulasmoro, Arfan Haqiqi Totok Sutojo Usman Sudibyo Vincent Suhartono Yani Parti Astuti