Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Komputer dan Agri-Informatika Seminar Nasional Teknologi Informasi Komunikasi dan Industri ICETIA
Suwanto Sanjaya
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Industrial & Manufacturing Engineering Mathematics Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Pemanfaatan Layanan Web Keanekaragaman untuk Pengelolaan Informasi Tumbuhan Obat Indonesia Suwanto Sanjaya; Yeni Herdiyeni; Irman Hermadi
Jurnal Ilmu Komputer & Agri-Informatika Vol. 4 No. 1 (2015)
Publisher : Departemen Ilmu Komputer - IPB University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (327.266 KB) | DOI: 10.29244/jika.4.1.29-34

Abstract

Penelitian ini mengusulkan pemanfaatan layanan web keanekaragaman hayati untuk pengelolaan informasi tumbuhan obat Indonesia. Penyedia layanan web keanekaragaman hayati yang digunakan adalah Global Biodiversity Information Facility (GBIF) dan Encyclopedia of Life (EOL). Layanan web tersebut dimanfaatkan untuk melengkapi informasi tumbuhan obat Indonesia. Penyedia layanan web keanekaragaman hayati tersebut memiliki fasilitas untuk membagikan informasi yang dimilikinya. Fasilitas yang disediakan adalah application programming interface (API). Parameter utama yang digunakan untuk mendapatkan informasi-informasi yang diinginkan adalah nama spesies tumbuhan. Hasil penelitian menunjukkan bahwa GBIF dan EOL dapat dijadikan sebagai sumber infomasi tumbuhan obat Indonesia. Integrasi antara GBIF dan EOL dapat menghasilkan informasi tumbuhan obat menjadi lebih banyak dan beragam. Kata kunci: API, EOL, GBIF, layanan web, tumbuhan obat
Implementation of Modified K-Nearest Neighbor for Diagnosis of Liver Patients Alwiz Nazir; Lia Anggraini; Suwanto Sanjaya; Fadhilla Syafria
ICETIA Vol 1, No 1 (2016)
Publisher : ICETIA

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (381.849 KB)

Abstract

Number of patients with liver disease in the worldis very high. In the early stages, liver disease is difficult todetect. Early diagnosis of the liver disease may help inpreventing and treating sufferers. To diagnose liver diseasecan be done with a blood test. Based on data from thisanalysis, the results can assist in determining patients withliver disease. This study uses data Indian Liver Patient Dataset(ILPD) taken from the UCI Machine Learning Repository. Weused Modified k-Nearest Neighbor to classify into two classes,namely sufferers and non-sufferers. The amounts of data usedin this study were 583 records. Tests performed by dividingthe training data and test data to 50:50, 60:40, 70:30 and80:20. Results of tests performed can classify with a gooddegree of accuracy reached 85.14% with a ratio of 70:30 and k= 3.
Implementasi Long Short Term Memory Neural Network Untuk Prediksi Indeks Harga Perdagangan Besar Hartini Hartini; Fitri Insani (Scopus ID: 57190404820); Novriyanto Novriyanto; Suwanto Sanjaya
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2022: SNTIKI 14
Publisher : UIN Sultan Syarif Kasim Riau

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

Abstract

Indeks Harga Perdagangan Besar (IHPB) merupakan indikator untuk menilai perkembangan perekonomian suatu negara. Penelitian IHPB bertujuan sebagai deflator Produk Domestik Bruto untuk perkembangan ekonomi. Penelitian ini dilaksanakan dengan studi kasus IHPB Indonesia, data sekunder yang diperoleh dari situs resmi Badan Pusat Statistik (BPS) pada bulan Januari 2000 sampai bulan November 2019. Metode yang digunakan untuk memprediksi adalah Long Short Term Memory. LSTM merupakan perkembangan Jaringan syaraf tiruan algoritma deep learning Recurrent Neural Network (RNN) yang dapat mengatasi salah satu kekurangan RNN yaitu kemampuan pengelolaan informasi dalam periode lama. Dalam penelitian ini LSTM berhasil memprediksi IHPB bulan berikutnya. Pengujian terbaik pada komoditas indeks umum tanpa impor dan ekspor migas memberikan hasil  MAPE 1,1437%, MSE 0,0002, RMSE 0,0135 dengan tingkat akurasi 98,8563%.
Co-Authors Alwiz Nazir Fadhilla Syafria Fitri Insani (Scopus ID: 57190404820) Hartini Hartini Irman Hermadi Lia Anggraini Novriyanto Novriyanto