Widodo Prijodiprodjo
Unknown Affiliation

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

Sistem Evaluasi Kelayakan Mahasiswa MagangMenggunakan Elman Recurrent Neural Network Agus Aan Jiwa Permana; Widodo Prijodiprodjo
IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol 8, No 1 (2014): January
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijccs.3494

Abstract

AbstrakJaringan Syaraf Tiruan (JST) dapat digunakan untuk memecahkan permasalahan tertentu seperti prediksi, klasifikasi, pengolahan data, dan robotik.Berdasarkan paparan tersebut, sehingga dalam penelitian ini mencoba menerapkan JST untuk menangani permasalahan dalam program magang yang sedang dihadapi dalam upaya untuk meningkatkan kompetensi, pengalaman, serta melatih softskill mahasiswa.Sistem yang dikembangkan dapat digunakan untuk mengevaluasi kelayakan mahasiswa dalam program magang ke luar daerah dengan menerapkan Elman Recurrent Neural Network (ERNN), sehingga dapat memberikan informasi yang akurat kepada pihak jurusan untuk menentukan keputusan yang tepat.Struktur Elman dipilih karena dapat membuat iterasi jauh lebih cepat sehingga memudahkan proses konvergensi. Adapun metode pembelajaran yang digunakan adalah Backpropagation ThroughTime dengan model epochwise training mode. Sistem diimplementasikan dengan menggunakan bahasa pemrograman C# dengan basis data MySQL. Vektor input yang digunakan terdiri dari 11 variabel. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan akan cepat mengalami konvergen dan mampu mencapai nilai error paling optimal (minimum error) apabila menggunakan 1 hidden layer dengan jumlah neuron 20 unit. Akurasi terbaik dapat diperoleh dengan menggunakan LR sebesar 0.01 dan momentum 0.85 dimana akurasi rata-rata dalam pengujian mencapai 87.50%. Kata kunci—Evaluasi, Kelayakan, Jaringan Syaraf Tiruan (JST), Elman Recurrent Neural Network, Magang Abstract Artificial Neural Network (ANN) can be used to solve specific problems such as prediction, classification, data processing, and robotics. Based on the exposure, so in this study tried to apply neural networks to handle problems in apprentice program facing in an effort to increase the competence, experience and soft skills training students. The system developed can be used to evaluate the students in the apprentice program to other regions by applying the Elman Recurrent Neural Network (ERNN), so it can provide accurate information to the department to determine appropriate decisions. Elman structure was chosen because it can be create much more rapidly iterations so as to facilitate the convergence process. The learning method used is Backpropagation Through Time with model epochwise training mode. The system is implemented using the C # programming language with a MySQL database. Input vector used consists of 11 variables. The results showed that the developed system will rapidly converge and can reach optimal error value (minimum error) when using one hidden layer with 20 units number of neurons. Best accuracy can be obtained using the LR of 0.01 and momentum 0.85 which average accuracy reaches 87.50% in testing. Keywords—Evaluation, Feasibility, Artificial Neural Network (ANN), Elman Recurrent Neural Network, Apprenticeship
Penerapan Learning Vector Quantization (LVQ) untuk Klasifikasi Status Gizi Anak Elvia Budianita; Widodo Prijodiprodjo
IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol 7, No 2 (2013): July
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijccs.3354

Abstract

AbstrakPenentuan klasifikasi status gizi anak yang sering dilakukan adalah berdasarkan indeks berat badan menurut tinggi badan (BB/TB). Pada Puskesmas Batupanjang, indeks antropometri tersebut dihitung secara manual untuk menilai status gizi anak sekolah dasar dengan menggunakan daftar tabel z-skor atau simpangan baku / standar deviasi (SD) WHO NCHS (National Centre for Health Statistic). Metode Learning Vektor Quantization (LVQ) dan salah satu algoritma pengembangannya yaitu LVQ3 digunakan dalam penelitian ini untuk menangani penilaian status gizi anak berdasarkan simpangan baku rujukan terhadap indeks berat badan dan tinggi badan tersebut. Variabel yang digunakan dalam penilaian status gizi anak adalah jenis kelamin, berat badan, tinggi badan, penyakit infeksi, nafsu makan, dan pekerjaan kepala keluarga (KK). Berdasarkan dari hasil penelitian dan pembahasan yang dilakukan, algoritma LVQ3 lebih baik diterapkan untuk klasifikasi status gizi anak dibandingkan dengan algoritma LVQ1. Penggunaan parameter window (ε) pada jaringan syaraf tiruan LVQ3 memberikan pengaruh positif yakni dapat meningkatkan performa dalam klasifikasi jika dibandingkan tanpa menggunakan window (LVQ1). Kata kunci— Antropometri,  Learning Vektor Quantization,  Z-skor.  AbstractThe shortest path determination of child nutrient that common uses is based on body weight index by body high level (BB/BT). In Batupanjang Puskesmas, that anthropometry index is calculated manually for assessing  the nutrition of children in elementary school by used z-score table list or deviation standard  (SD) WHO NCHS (National Centre for Health Statistic).Learning Vektor Quantization (LVQ) Method and one of its algorithm, LVQ3 is used for this research to handle appraisal of children nutrition status based on deviation standard reference for that weight and high index. The variable that used in this appraisal are genre, body weight, body high, infection disease, appetite, and father work.Based on result of this research and discuss that has been done, LVQ3 algorithm is better applied for children nutrient status classification than LVQ1 algorithm. Using of window parameter (ε) in neural network LVQ3 effect positive impact, that is can increase perform in classification than without used window (LVQ1). Keywords—Anthropometry,  Learning Vektor Quantization,  Z-score.
Simulasi Swarm Robot Dengan Pendekatan Rayap Pada Masalah Clustering Ketut Bayu Yogha Bintoro; Widodo Prijodiprodjo
IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol 6, No 1 (2012): January
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijccs.2139

Abstract

AbstrakPendekatan rayap yang merupakan salah satu metode dalam rumpun swarm intelligence yang dapat mengatasi masalah clustering, pada penelitian ini pendekatan rayap dilihat dari sudut pandang pemodelan berbasis agent dan diimplementasikan ke dalam swarm robot. Penelitian ini penting untuk mengembangkan model pendekatan rayap pada kasus – kasus nyata terutama pada masalah clustering, untuk mengimplemantasikan model yang diperoleh dari studi literatur maka dibuatkan simulasi untuk menggambarkan secara detail proses yang terjadi dalam menangani masalah clustering.Pendekatan IODA digunakan untuk memodelkan interaksi yang terjadi didalam simulasi, pendekatan ini di sesuaikan dengan perangkat pengembangan yang digunakan yaitu NETLOGO. Penggunaan IODA menjadi suatu kontribusi untuk mengembangkan metodologi ini, terutama pada NETLOGO disamping pengimplementasian komunikasi tidak langsung dan optimasi pencarian yang dapat membentuk clister lebih cepat dari penelitian sebelumnya. Kata kunci— Pendekatan rayap, simulasi, IODA, clustering, agent AbstractTermites approach is one of the method in swarm intelligent field which used to handle clustering problem. In this research, termites approach are in agent metodology point of view and implemented  to swarm robot. This research is important to developing termites model in some real cases especially in clustering problem, to implement this model gathered from literatur study, we used simulation to give detail model about clustering solving process.  IODA metodologi is used to modelling  the interaction in simulation, this approach is appropriate with NETLOGO as development tool. The involve of IODA has become one of the contribution to develop this in NETLOGO beside the implementation of indirect communication and searching optimization that can makes clustering process faster than the previous research. Keywords—Termites approach, Simulation, IODA, clustering, agent.
Aplikasi Pencarian Rute Terbaik dengan Metode Ant Colony Optimazation (ACO) Yuliyani Siyamtining Tyas; Widodo Prijodiprodjo
IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol 7, No 1 (2013): January
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijccs.3052

Abstract

AbstrakPengawalan Lalu Lintas adalah suatu kegiatan penyelenggaran pengamanan bergerak di jalan dalam rangka melindungi keselamatan jiwa manusia, harta benda, kegiatan VVIP/VIP/ Protokol kenegaraan secara terus menerus selama perjalanan dari satu tempat ke tempat lain dengan menggunakan kendaraan bermotor sehingga kegiatan dapat berjalan aman, tertib dan lancar. Pengambilan keputusan rute jalan yang akan dilalui berdasarkan pertimbangan situasi jalan (jarak tempuh, banyak lubang, banyak tikungan dan kepadatan arus lalu lintas).Ant Colony Optimization (ACO) merupakan teknik probabilistik untuk memecahkan masalah perhitungan dengan menemukan jalur terbaik melalui graf, algoritma ini terinspirasi dari perilaku semut bersama dengan koloninya dalam mencari makanan. Simple Additive Weighting (SAW) merupakan salah satu metode untuk menyelesaikan masalah Multi-Attribute Decision Making (MADM) dengan mencari penjumlahan terbobot dari rating kinerja setiap alternatif pada semua atribut.Penelitian ini mengkombinasikan metode Ant Colony Optimization dengan Simple Additive Weighting. Kata kunci— ACO, Ant Colony Optimization, SAW, Simple Additive Weighting, Rute Terbaik   AbstactTraffic Guarding is an activity to carry out the safety on road in order to protect the safety of human, the treasure and the activity to guard of honor. It is conducted continually from one to another place by using the vehicles. It is also conducted to get more safe, ordered and fluent along the road. To take the decision of route which will be passed on the road situations (distance, road with holes, bends and crowd of the traffic).Ant Colony Optimization (ACO) is a probabilistic technique to solve the problem by using the way to find the best track through graf. This algorithm gets inspiration from the ants behavior with their colony to get their food. Simple Additive Weighting (SAW) is a method to solve the problem Multi-Attribute Decision Making (MADM) by finding the accumulation from the rate processing from every alternatives at the attribute of all.This research combines Ant Colony Optimization (ACO) method with Simple Additive Weighting (SAW). Keyword— ACO, Ant Colony Optimization, SAW, Simple Additive Weighting, Best Route