Article Per Year (5 Year)
p-Index From 2019 - 2024
0.408
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Ilmu dan Teknologi Rekayasa
Tri Herdiawan
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
PENERAPAN FUZZY C MEANS UNTUK MENENTUKAN TARGET PROMOSI PENERIMAAN MAHASISWA BARU Dwi Vernanda; Nunu Nugraha; Tri Herdiawan
Jurnal Ilmiah Ilmu dan Teknologi Rekayasa Vol. 4 No. 2 (2022): Volume 4 Nomor 2 Tahun 2022
Publisher : UPPM Polsub

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

Abstract

Politeknik Negeri Subang (POLSUB) sebagai perguruan tinggi yang baru berdiri pada tahun 2014 harus menentukan startegi yang tepat dalam mendapatkan calon mahasiswa baru yaitu dengan promosi ke sekolah. POLSUB menetapkan sekolah yang akan diadakan promosi berdasarkan banyaknya jumlah siswa pada sekolah tersebut, tanpa melihat faktor lain. Penelitian ini untuk menentukan sekolah yang menjadi target promosi menggunakan metode Fuzzy C Means (FCM) dengan menggunakan beberapa atribut atau parameter masukan diantaranya jumlah siswa yang melanjutkan ke perguruan tinggi, nilai rata-rata ujian nasional, dan jarak antara kampus POLSUB dengan sekolah. Hasil perhitungan MPC didapat cluster yang paling optimal dengan nilai 0.9702 yaitu tiga cluster. Hasil clustering ini digunakan oleh panitia penerimaan mahasiswa baru dalam pengambilan keputusan sekolah yang akan diadakan promosi yaitu sekolah-sekolah yang berada pada cluster I dan hal ini merupakan strategi utama dalam mendapatkan mahasiswa yang unggul.
ANALISIS DATA UNTUK KLASIFIKASI TINGKAT KEMATANGAN BUAH NANAS MENGGUNAKAN SVM Dwi Vernanda; Nunu Nugraha; Tri Herdiawan; Haryati
Jurnal Ilmiah Ilmu dan Teknologi Rekayasa Vol. 4 No. 2 (2022): Volume 4 Nomor 2 Tahun 2022
Publisher : UPPM Polsub

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

Abstract

Tingkat kematangan buah nanas sangat diperlukan terutama bagi para petani dan penjual serta konsumen yang akan membeli buah nanas. Permasalahan yang terjadi yaitu saat pemanenan buah nanas, pemilihan sangat bergantung pada persepsi petani dengan cara melihat warna kulit dan mencium aroma. Pemilihan buah nanas secara manual membutuhkan waktu yang lama serta menghasilkan pemanenan buah nanas memiliki tingkat kematangan yang tidak merata, ini dikarenakan tingkat konsisten manusia sangat beragam dalam menilai kematangan. Pengolahan data mining sangat tepat digunakan untuk mengklasifikasikan tingkat kematangan buah nanas. Penelitian ini menggunakan 299 buah nanas dengan tiga tingkat kematangan yaitu belum matang, setengah matang, dan matang. Langkah pertama adalah preprocessing image dengan ekstraksi warna red, green, dan blue, selanjutnya penentuan parameter nilai histogram yaitu mean, variance, skewness, kurtosis, dan entropy. Metode klasifikasi yang digunakan Support Vector Machine (SVM), metode ini digunakan untuk membentuk model klasifikasi saat proses pemanenan serta dapat mengurangi subjektifitas para petani dalam menentukan buah nanas yang akan dipanen. Hasil klasifikasi berdasar data histogram didapat nilai akurasi sebesar 65.59%, precision 65.99%, class recall sebesar 66.25%, dan f-measure sebesar 66.11%. Berdasarkan kurva receiver operating characteristics model klasifikasi yang telah dihasilkan merupakan classifier yang baik, hal ini ditandai dengan titik SVM berada diatas garis threshold.
Co-Authors Dwi Vernanda Haryati Nunu Nugraha