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 
KLASIFIKASI KAIN TENUN BERDASARKAN TEKSTUR & WARNA DENGAN METODE K-NN Kevin Kevin; Janson Hendryli; Dyah Erny Herwindiati
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 | DOI: 10.24912/computatio.v3i2.6028

Abstract

Image classification of woven cloth based on texture and color using Gray Level Co-occurrence Matrix (GLCM), Local Binary Pattern (LBP), Color Moments and classification method KNearest Neighbour (KNN) is an application for classifying motive on woven cloth. The development of this application is using Python language programming for classification system and Android studio which using Java language programming as Front-end. Classification system consist of two main process namely feature extraction process and classification process. Feature extraction process is using GLCM, LBP and Color Moments which produce feature vector for every method and classification process is using KNN method. Feature used for classification process is feature vector which has best result. Based on experiment result, the best method that produce best feature vector is LBP method with accuracy percentage higher than other method.  Klasifikasi citra kain tenun berdasarkan tekstur dan warna dengan metode Gray Level Cooccurrence Matrix (GLCM), Local Binary Pattern (LBP), Color Moments dan metode klasifikasi K-Nearest Neighbour (KNN) merupakan aplikasi yang digunakan untuk mengklasifikasi motif yang ada pada kain tenun. Pembuatan aplikasi ini menggunakan bahasa pemrograman Python sebagai sistem klasifikasi dan Android studio yang menggunakan bahasa pemrograman Java sebagai Front-end. Sistem klasifikasi dibagi menjadi dua proses utama yaitu proses ekstraksi fitur dan proses klasifikasi. Proses ekstraksi fitur dilakukan dengan metode GLCM, LBP dan Color Moments yang menghasilkan fitur vektor untuk setiap metode dan proses klasifikasi dilakukan dengan metode K-NN. Fitur yang digunakan dalam proses klasifikasi adalah fiturvektor yang memiliki hasil terbaik. Berdasarkan hasil pengujian yang telah dilakukan, metode yang dapat menghasilkan fitur terbaik adalah metode LBP dengan persentase akurasi lebih tinggi dibandingkan dengan dua metode lainnya.
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 | 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.
PERAMALAN HARGA SAHAM DENGAN METODE LONG SHORT TERM MEMORY (LSTM) Mathew Judianto; Teny Handhayani; Janson Hendryli
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 12 No. 1 (2024): 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.v12i1.28194

Abstract

Sistem prediksi harga saham di Indonesia menggunakan algoritma machine learning, yaitu Long Short Term Memory (LSTM). Data yang dipilih sebagai faktor pengaruh dalam sistem ini adalah harga Brent Crude Oil. Tujuan utama dari sistem ini adalah memberikan nilai prediksi saham untuk 7 hari ke depan, yang dapat membantu masyarakat umum dan investor untuk lebih memitigasi risiko yang timbul dari pembelian saham. Data yang digunakan adalah harga penutupan Brent Crude Oil dan harga penutupan PT. Astra International Tbk yang diperoleh dari situs Yahoo Finance yang terdiri dari data dari Januari 2018 hingga Januari 2023. Data yang digunakan telah dinormalisasi dan diproses sebelum dimasukkan ke dalam model LSTM. Hasil terbaik dapat dicapai dengan menggunakan 80% data sebagai dataset pelatihan, timestep 20, 120 epochs, dan batch size 64. Dengan pengembangan sistem ini, diharapkan masyarakat umum dan investor di Indonesia dapat lebih memitigasi risiko dari pembelian saham yang dianggap sebagai investasi berisiko tinggi..
Pemetaan Lahan Impervious Bogor Menggunakan Metode PCA-SVM Stephen Adhikurnia; Dyah Erny Herwindiati; Janson Hendryli
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 12 No. 1 (2024): 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.v12i1.28195

Abstract

Bogor adalah daerah penyangga air utama bagi Jakarta. Lahan terbuka hijau dan area resapan air yang melimpah di Bogor memiliki peranan penting sebagai penampung dan sumber air, terutama untuk wilayah sekitarnya, termasuk Jakarta. Namun, di tengah posisi Bogor sebagai daerah resapan, sumber serta cadangan air bagi Jakarta, luas lahan hijau di wilayah Bogor semakin berkurang setiap tahunnya. Hal ini tidak lepas dari berbagai faktor non alami yang terjadi seperti peningkatan jumlah penduduk secara signifikan dan tingkat pembangunan pemukiman serta daerah wisata. Untuk itu, diperlukan sebuah cara untuk melakukan pemetaan terhadap daerah impervious di Bogor. Lahan akan diklasifikasikan untuk tipe pervious, hijau sebagian, dan secara khusus impervious. Metode yang digunakan dalam penelitian ini adalah dan Principal Component Analysis – Support Vector Machine (SVM). Hasil akhir klasifikasi menunjukkan angka Pervious F1-Score sebesar 0.82, Hijau Sebagian F1-Score sebesar 0.73, dan Impervious F1-Score sebesar 0.87.
PEMETAAN LAHAN MENGGUNAKAN SINGULAR VALUE DECOMPOSITION DAN LINEAR DISCRIMINANT ANALYSIS Hongi Nagaputra; Dyah Erny Herwindiati; Janson Hendryli
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 12 No. 1 (2024): 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.v12i1.28198

Abstract

Semakin maraknya pembangunan industri di wilayah Tangerang Selatan serta pembangunan sekolah atau bangunan-bangunan sosial lainnya di wilayah Depok menyebabkan perubahan tata guna lahan yang signifikan. Wilayah Tangerang Selatan dan Depok memiliki peran penting sebagai kota penyangga air kota Jakarta. Namun, perubahan tata guna lahan yang terjadi menyebabkan terganggunya pola aliran air, khususnya aliran Sungai Ciliwung yang melewati kedua wilayah tersebut. Terganggunya aliran air di wilayah penyangga air menyebabkan terjadinya banjir di Jakarta karena air tidak dapat meresap di wilayah penyangganya. Oleh karena itu, pentingnya menjaga ketersediaan lahan hijau pada wilayah penyangga air khususnya Tangerang Selatan dan Depok. Skripsi ini akan membahas mengenai aplikasi pemetaan lahan yang mengolah data citra Landsat 8 pada tingkat kecamatan di Tangerang Selatan dan Depok. Aplikasi ini mengolah data citra menggunakan metode Singular Value Decomposition untuk mereduksi dimensi data citra serta diklasifikasikan ke dalam kelas seperti lahan hijau, hijau sebagian, dan impervious menggunakan metode klasifikasi Linear Discriminant Analysis.
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