Article Per Year (5 Year)
p-Index From 2019 - 2024
4.683
P-Index
This Author published in this journals
All Journal JIKSI (Jurnal Ilmu Komputer dan Sistem Informasi) Computatio : Journal of Computer Science and Information Systems
Janson Hendryli
Unknown Affiliation
Computer Science & IT Mathematics Other

Published : 37 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 37 Documents
Search

 1   2   3   4 
SISTEM PENGOREKSIAN EJAAN TEKS BAHASA INDONESIA DENGAN DAMERAU LEVENSHTEIN DISTANCE DAN RECURRENT NEURA L NETWORK Fendy Augusfian; Viny Christanti Mawardi; Janson Hendryli; Dali Santun Naga
Computatio : Journal of Computer Science and Information Systems Vol 3, No 2 (2019): COMPUTATIO : JOURNAL OF COMPUTER SCIENCE AND INFORMATION SYSTEMS
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (216.283 KB) | DOI: 10.24912/computatio.v3i2.6038

Abstract

This research was intended to create Indonesian Text Spelling Correction system with the capability to handle and make correction to both kind of spelling errors, non-word and real-word errors. Existing spelling correction system was analyzed and made some adjustment and modifications to boost its accuracy. The proposed spelling correction system is built with Damerau-Levenshtein Distance that used in existing spelling correction system along with the adjustment and modifications. The result that achieved by the system that uses by existing spelling correction with the word level accuracy of 40.6% and an average processing speed of 18.4 ms per sentence while the result that achieved by the system that uses Damerau-Levenshtein Distance and Recurrent Neural Network with the word level accuracy of 21.3% and an average processing speed of 29.21 ms per sentence. The result of retest text that achieved by the system that uses Damerau-Levenshtein Distance and Recurrent Neural Network with the word level accuracy of 74%. Tujuan dari penelitian ini adalah untuk membuat sistem pengoreksian ejaan teks Bahasa Indonesia, yang memiliki kemampuan untuk menangani dan memperbaiki kesalahan ejaan, baik kesalahan kata tidak sah maupun kesalahan kata sah. Sistem koreksi ejaan yang sudah ada dianalisis kembali dan dilakukan beberapa penyesuaian dan koreksi untuk meningkatkan akurasi. Sistem koreksi ejaan yang diusulkan dibuat dengan metode Damerau-Levenshtein, yang digunakan dengan penyesuaian dan koreksi dalam sistem koreksi ejaan yang sudah ada. Pencapaian yang dicapai oleh sistem koreksi ejaan yang sudah ada menghasilkan akurasi kata sebesar 40,6% dan kecepatan pemrosesan rata-rata 18,4 milidetik per kalimat dibandingkan hasil yang dicapai oleh sistem yang menggunakan Damerau-Levenshtein Distance dan Recurrent Neural Network Akurasi menghasilkan akurasi kata sebesar 21,3% dan kecepatan pemrosesan rata-rata adalah 29,21 milidetik per kalimat. Hasil pengujian ulang teks yang dicapai oleh sistem menggunakan Damerau-Levenshtein Distance dan Recurrent Neural Network menunjukkan akurasi kata sebesar dari 74%. 
Program Pendeteksi Perubahan Fungsi Lahan Menggunakan Metode Ridge Regression Dan Support Vector Machine (Studi Kasus: 95 Kecamatan Di Wilayah Bekasi, Depok Dan Tangerang) Christian Christian; Janson Hendryli; Dyah Erny Herwindiati
Computatio : Journal of Computer Science and Information Systems Vol 4, No 1 (2020): COMPUTATIO : JOURNAL OF COMPUTER SCIENCE AND INFORMATION SYSTEMS
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/computatio.v4i1.7190

Abstract

Tulisan ini membahas tentang perubahan fungsi lahan yang terjadi pada tingkat kecamatan di wilayah Bekasi, Depok dan Tangerang  perlu dipertimbangkan ketika melakukan pengembangan di sekitar kota penyangga Jakarta. Program untuk mendeteksi perubahan penggunaan lahan menggunakan metode Ridge Regression dan Support Vector Machine bertujuan untuk melihat perubahan penggunaan lahan di wilayah Bekasi, Depok dan Tangerang dengan mengklasifikasikan jenis tanah menjadi 4 kelas yaitu kelas hijau, kelas sebagian hijau, kelas impervious, dan sebagian impervious menggunakan citra satelit Landsat 7 dan Landsat 8 pada band Biru, Hijau, Merah, NIR, SWIR-1, dan SWIR-2. Gambar Landsat yang digunakan akan melalui proses preprocessing menggunakan metode koreksi radiometrik Pengurangan Gelap untuk gambar Landsat 7 dan Landsat 8 dan metode gap fill untuk gambar Landsat 7. Setelah itu, pemotongan citra Landsat akan dilakukan ke tingkat kecamatan pada wilayah Bekasi, Depok dan Tangerang. Hasil klasifikasi akan digunakan untuk menentukan perubahan lahan dengan membandingkan dua gambar hasil klasifikasi dengan tahun yang berbeda. Hasil dari makalah ini menunjukkan bahwa model yang menggunakan metode mesin Support Vector memiliki akurasi gain yang lebih baik sebesar 83,00% untuk data Landsat 7 dan 8 dibandingkan dengan model yang menggunakan metode Ridge Regression, yang memiliki akurasi perolehan 61,96% untuk data Landsat 7 dan 61,28% untuk data Landsat 8.
Prediksi Kelembapan Tanah Pada Tingkat Kecamatan di Wilayah Bogor Dengan Metode CNN LSTM Mitchell Ryu Sopany; Dyah Erny Herwindiati; Janson Hendryli
Computatio : Journal of Computer Science and Information Systems Vol 6, No 1 (2022): Computatio: Journal of Computer Science and Information Systems
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/computatio.v6i1.15740

Abstract

Kelembapan tanah pada kecamatan di wilayah Bogor perlu diperhatikan sebagai acuan sumber air bersih untuk mencukupi kebutuhan air bersih yang tinggi di wilayah Jakarta. Aplikasi prediksi kelembapan tanah dibuat menggunakan bahasa pemrograman Python dengan metode CNN LSTM bertujuan untuk memprediksi kelembapan tanah pada tingkat kecamatan wilayah Bogor dalam kelompok kelembapan tanah tinggi, kelembapan tanah rendah, dan kering menggunakan data citra satelit Landsat 8. Citra satelit Landsat 8 dilakukan preprocessing dengan transformasi menjadi bernilai 8 bit dan pemotongan tiap kecamatan dalam wilayah Bogor terhadap band 2, 3, 4, 5, 6, dan 7. Prediksi kelembapan tanah dilakukan menggunakan metode CNN lSTM dengan input berupa nilai kelembapan tanah menggunakan nilai NDVI citra satelit Landsat 8. Output berupa citra prediksi kelembapan tanah yang dikelompokkan pada kelembapan tanah tinggi, kelembapan tanah rendah, dan kering. Hasil penelitian menunjukkan model prediksi kelembapan tanah memiliki nilai rata-rata R2 Score 0.7422, MAE 0.0798, dan MSE 0.0416 sehingga model dapat memprediksi kelembapan tanah dengan baik.
PERBANDINGAN K-MEANS DAN K-MEDOIDS UNTUK KLASTERING TINGKAT STRES PADA MANUSIA Arya Triansyah; Dyah Erny Herwindiati; Janson Hendryli
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 10 No. 2 (2022): JURNAL ILMU KOMPUTER DAN SISTEM INFORMASI
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/jiksi.v10i2.22534

Abstract

Society is faced with various problems as a result of progress and development of the times. Things in social relationships and demands from an expectation in achievement but not being met, from these inability and demands can cause stress in a person. Stress is the body's response caused by demands from outside the individual that exceed the ability to meet the demands to overcome and resolve the problem. The need to respond and manage stress well so that the quality of life becomes better, with clustering it can make it easier to group data. The clustering technique used is the K-Means and K-Medoids methods which partition the data into clusters. Comparison of cluster results used the use of a covariance matrix. So that in the comparison of the K-Means method k=2 and k=3, the best one is k=3 because the determinant of the covariance matrix is ​​smaller, namely -1.4709e-11. In the comparison of the K-Medoids method k=2 and k=3, the best one is k=3 because the determinant of the covariance matrix is ​​smaller, namely -1.4285e-11. Continued comparison of the two methods, namely K-Means and K-Medoids, the best is K-Medoids with a smaller covariance determinant than K-Means.
PERANCANGAN SISTEM REKOMENDASI BUSANA H&M DENGAN CITRA DAN RIWAYAT TRANSAKSI Aditya Halimawan; Dyah Erny Herwindiati; Janson Hendryli
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 10 No. 2 (2022): JURNAL ILMU KOMPUTER DAN SISTEM INFORMASI
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/jiksi.v10i2.22537

Abstract

Sistem rekomendasi merupakan sebuah sistem yang digunakan untuk mengetahui produk apa yang mungkin dapat disukai oleh pelanggan. Sistem rekomendasi yang dibuat dapat menghasilkan output berupa citra gambar, sehingga pengguna dapat mengetahui produk apa saja yang ditawarkan oleh H&M. Pada perancangan ini digunakan 2 model, yaitu model Collaborative Filtering, dan model Convolutional Neural Network. Digunakan Collaborative Filtering dengan pendekatan matriks cosine similarity untuk mendapatkan prediksi gambar yang diambil dari riwayat transaksi pelanggan yang telah berbelanja. Untuk model Convolutional Neural Network, menggunakan arsitektur ResNet50 untuk dapat mengenali citra gambar yang diunggah oleh pengguna untuk dicari gambar produk busana H&M yang mempunyai ciri yang paling mirip. Pada akhir pengujian didapatkan tingkat akurasi untuk Collaborative Filtering dengan nilai MAPE sebesar 0,00652, dan model Convolutional Neural Network didapatkan tingkat akurasi sebesar 85,79%.
PENERAPAAN GATED RECURRENT UNIT UNTUK PREDIKSI ZAT PENCEMAR UDARA Jasmine Kezia Halim; Dyah Erny Herwindiati; Janson Hendryli
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 10 No. 2 (2022): JURNAL ILMU KOMPUTER DAN SISTEM INFORMASI
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/jiksi.v10i2.22540

Abstract

Air pollution caused by air pollutant substances is one of the problems of great concern in big cities, including the city of Jakarta. On June 16, 2022, Jakarta has been named the city with the worst source of air pollution in the world. This of course makes the residents of Jakarta and its surroundings feel worried. The purpose of designing this system is to predict air pollutants in DKI Jakarta using the website-based Gated Recurrent Unit (GRU) method. Where the test results from the GRU method produce different predictive values. The MAPE evaluation resulted in good predictions using the GRU method for air pollutants of PM10, SO2, CO, and O3 types with an average MAPE value of less than 50%. However, there are quite bad results for the type of NO2 substance, because it produces a MAPE value of more than 50%. Meanwhile, in the RMSE evaluation, all air pollutants produced an average value of no more than 20% so that it can be said that the GRU method produces predictions that are quite accurate for predicting air pollutants in the DKI Jakarta area.
Pembuatan Aplikasi Peramalan Penjualan Susu Sapi Perah Menggunakan Extreme Learning Machine Lubby Gennady; Dyah Erny Herwindiati; Janson Hendryli
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 11 No. 1 (2023): JURNAL ILMU KOMPUTER DAN SISTEM INFORMASI
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/jiksi.v11i1.24069

Abstract

UMKM XYZ merupakan salah satu usaha yang bergerak dalam bidang susu sapi perah. Usaha tersebut menjual susu sapi segar dengan varian rasa. Dalam penjualan tersebut menyalurkan susu sapi segar sesuai dengan permintaan konsumen. Setiap periode, usaha sering mengalami perubahan permintaan susu sapi segar. Akibatnya, apabila permintaan konsumen tidak sesuai dengan ketersediaan dapat mengalami kerugian karena susu sapi tidak memiliki waktu simpan yang cukup lama. Oleh sebab itu, dilakukan rancangan aplikasi peramalan penjualan berbasis Android dengan metode Extreme Learning Machine (ELM) untuk menangani kasus tersebut. Tujuan dari aplikasi tersebut adalah melakukan peramalan permintaan susu agar sesuai dengan jumlah permintaan yang dibutuhkan. yang telah dilakukan dengan pengujian Black Box Testing dan hasil evaluasi kesalahan pada metode Extreme Learning Machine dengan nilai MAPE. Hasil pengujian pada Black Box Testing menunjukkan bahwa aplikasi telah layak untuk melakukan pencatatan transaksi. Hasil tersebut didapatkan nilai terbaik menggunakan aktivasi sigmoid biner dengan 4 fitur, jumlah hidden neuron sebanyak 10 serta pembagian data training dan testing yaitu 90%:10%. Hasil nilai kesalahan pada model original didapatkan nilai kesalahan MAPE 6.6558%, model coklat dengan nilai kesalahan 5.624%, model stroberi dengan nilai kesalahan 6.2874%.
Rancangan Sistem Prediksi Harga Saham dengan Menggunakan Metode LSTM dan ARMA klasik Caesar Calendo Sumarga; Dyah Erny Herwindiati; Janson Hendryli
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 11 No. 1 (2023): JURNAL ILMU KOMPUTER DAN SISTEM INFORMASI
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/jiksi.v11i1.24075

Abstract

Stocks are one of the types of assets that are currently popular with the wider community, just like gold and all other types of assets, the value of stocks tends to move up and down over time, therefore stock investors invest in stocks to achieve the desired profit (capital gain), Due to the movement of stocks that go up and down over time, it is difficult for investors to determine when to buy or sell stocks, therefore this study was conducted to compare the multivariate Long-Short Term Memory (LSTM) method, and the classic ARMA, then see which is suitable in forecasting stock prices, the comparison is seen from the results of the error evaluation metrics of the two methods.
Market Basket Analysis dengan Perbandingan Metode Apriori dan FP-Growth Pada Data Transaksi XYZ Rizki Nofrian Wahyudi; Dyah Erny Herwindiati; Janson Hendryli
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 11 No. 1 (2023): JURNAL ILMU KOMPUTER DAN SISTEM INFORMASI
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/jiksi.v11i1.24077

Abstract

Technology is currently advancing quickly, allowing all organizations to grow their networks with its aid and create sales methods that now rely on technology to aid in making the proper judgments. When saved transaction data is accessible, every business will be able to implement its marketing strategy to maximize client transactions. use it to your advantage. Analysis of the market basket using the FP-Growth and a priori algorithm in transactions that aid in strategic planning and business product structuring. The FP-Growth algorithm and the Apriori algorithm work well together. One can evaluate the effectiveness of the employment of the a priori algorithm and the FP-Growth algorithm by applying both of them
KLASIFIKASI CITRA BATIK INDONESIA DAN MALAYSIA DENGAN METODE MODIFIED DISCRIMINANT ANALYSIS Cynthia Cynthia; Janson Hendryli; Dyah Erny Herwindiati
Computatio : Journal of Computer Science and Information Systems Vol. 3 No. 1 (2019): COMPUTATIO : JOURNAL OF COMPUTER SCIENCE AND INFORMATION SYSTEMS
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/computatio.v3i1.2973

Abstract

The application of Indonesian and Malaysian batik image classification using the Linear Discriminant Analysis (LDA) and Modified Discriminant Analysis (MDA) method is an introduction application that is used to classify images in the form of batik. Making this application uses the Java programming language to run feature retrieval methods, namely Color Histogram and Daubechies Wavelet and classification methods, namely LDA and MDA. Testing is done by blackbox testing method and confusion matrix. Tests are performed using color features, texture features, and a combination of training images and new test images. The best percentage test results are testing using color features, whereas with texture and the combination of both features get a slightly lower test percentage result.Aplikasi klasifikasi citra batik Indonesia dan Malaysia dengan metode Linear Discriminant Analysis (LDA) dan Modified Discriminant Analysis (MDA) merupakan aplikasi pengenalan yang digunakan untuk mengklasifikasi citra berupa batik. Pembuatan aplikasi ini menggunakan bahasa pemrograman Java untuk menjalankan metode pengambilan fitur yaitu Color Histogram dan Daubechies Wavelet dan metode pengklasifikasian yaitu LDA dan MDA. Pengujian dilakukan dengan metode blackbox testing dan matriks konfusi. Pengujian dilakukan dengan menggunakan fitur ciri warna, ciri tekstur, dan gabungan dari citra latih dan citra uji baru. Hasil persentase pengujian terbaik adalah pengujian dengan menggunakan ciri warna, sedangkan dengan ciri tekstur dan gabungan mendapatkan hasil persentase pengujian sedikit rendah.
Co-Authors Aditya Halimawan Arya Triansyah bagus Mulyawan Caesar Calendo Sumarga Calvin Calvin Chairisni Lubis Christian Christian Christopher Louis Fabian Cynthia Cynthia Dali Santun Naga Desi Arisandi Dyah Erny Herwindiati Erwin Erwin Fendy Augusfian Fredickson Dinata Henry Hartono Hongi Nagaputra Isa Iskandar Ivan Wijaya Jasmine Kezia Halim Kevin kevin Lely Hiryanto Lubby Gennady Mathew Judianto Mitchell Ryu Sopany Nadia Ramadhani Nickolas Cornelius Siantar Oktavianus Oktavianus Rizki Nofrian Wahyudi Rubin Salim Stefanus Alvin Hartono Stenly Tirta Wijaya Stephanie Budianto Stephen Adhikurnia Tania Kantacarini Tania Rizgitta Teny Handhayani Viny Christanti M William Kristianto Wimvy Nanda Tanius