Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer JITTER (Jurnal Ilmiah Teknologi Informasi Terapan)
Kridanto Surendro
Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering

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

Found 3 Documents
Search

 1 
KNOWLEDGE MANAGEMENT DI UKM Ari Fajar Santoso; Iping Supriana Suwandi; Kridanto Surendro
Jurnal Ilmiah Teknologi Infomasi Terapan Vol. 1 No. 1 (2014)
Publisher : Universitas Widyatama

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (398.542 KB) | DOI: 10.33197/jitter.vol1.iss1.2014.38

Abstract

Tujuan pengembangan Knowledge Management (KM) di Usaha Kecil dan Menengah (UKM) adalah meningkatkan tingkat keberlangsungan UKM yang adaptif terhadap perubahan lingkungan, metode kolaborasi KM di komunitas UKM. Pendekatan kolaborasi untuk menciptakan (create)knowledge, menangkap (capture) knowldege, mengorganisasi (organise) knowledge, mengakses (access) knowledge, menggunakan (use) knowledge di UKM berbasis komunitas. Paper ini sebagai studi literatur untuk melihat peluang pengembangan Akses Knowledge di UKM, dengan melihat komponen-komponen penyusuan KM. Hipotesis kekuatan komunitas dalam kolaborasi pengembangan UKM.
SEGMENTASI KOLEKSI DATA UNTUK MENDUKUNG PERFORMANSI SISTEM Aradea Aradea; Iping Supriana; Kridanto Surendro
Jurnal Ilmiah Teknologi Infomasi Terapan Vol. 2 No. 2 (2016)
Publisher : Universitas Widyatama

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (683.378 KB) | DOI: 10.33197/jitter.vol2.iss2.2016.95

Abstract

[Id] Pengelolaan koleksi data merupakan hal yang sangat kritis, apalagi jika melibatkan volume data yang sangat besar, karena hal ini akan berpengaruh terhadap performansi sistem secara menyeluruh. Suatu rancangan strategi khusus dibutuhkan bagi penyediaan performansi sistem, sehingga sistem mampu mengerjakan tugas-tugasnya sesuai dengan indikator sistem. Salah satu inini. Makalah ini akan menguraikan salah satu persoalan yang berhubungan dengan application tuning, terutama beberapa hal yang berhubungan dengan kebutuhan penggunaan segmentasi atau partisi untuk mengelompokan koleksi data yang besar. Pembahasan diawali dengan latar belakang, dilanjutkan dengan teori-teori terkait, kemudian mendefinisikan ilustrasi kasus, analisis dan pembahasan kasus, proses implementasi dan pengujian, serta kesimpulan dan pekerjaan kedepan [EN] Management of data collection is one of critical matter, event if involving a large volume of data because its will affect to all system performance. a particular strategic planning is needed to provision system performance, then the system able to do its jobs suitable with system indicator. one of very general indicator that can be used to assess system performance is speed. Basically, speed connected with tuning technique, and at the current time, there are many types, both theory or methodology that can be used in tuning technique. This paper will depict one problem that related to tuning application, especially some item that related with the requirement of using segmentation or partition to grouping large data collection. Depiction started with a background, then continued with related theories, case illustration, analyze and case description, implementation process, testing, conclusion and future works.
Deteksi Cyberbullying dengan Mesin Pembelajaran Klasifikasi (Supervised Learning): Peluang dan Tantangan Yudi Setiawan; Nur Ulfa Maulidevi; Kridanto Surendro
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9, No 7: Spesial Issue Seminar Nasional Teknologi dan Rekayasa Informasi (SENTRIN) 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022976747

Abstract

Perkembangan teknologi media sosial tidak hanya memberikan kemudahan dalam berkomunikasi antar individu, akan tetapi juga dapat mengancam kehidupan sosial individu seperti tidakan cyberbullying. Bervariasinya pola dan karakteritik cyberbullying mengakibatkan sulitnya proses deteksi cyberbullying, yang dilakukan oleh pelaku cyberbullying. Penelitian deteksi pola dan karakteristik cyberbullying banyak dilakukan dengan berbagai metode, seperti dengan mengimplementasikan Machine Learning, Natural Language Processing (NLP), dan Sentiment Analysis yang memiliki variasi akurasi yang berbeda, dengan keunggulan dan kelemahan dari masing-masing metode. Implementasi Machine Learning untuk deteksi cyberbullying dapat dilakukan dengan berbagai algoritma, seperti algoritma probabilistik (Naïve Bayes) maupun supervised learning (Support Vector Machine, k-Nearest Neighbour, Decission Tree), dan metode lainnya yang hingga saat ini terus dikembangkan dengan berbagai pendekatan untuk meningkatkan akurasi deteksi cyberbullying atau non-cyberbullying. Adapun peluang dan tantangan penelitian deteksi cyberbullying seperti penerapan pada variasi domain bahasa, dan bentuk ekspresi yang dilakukan pada suatu lingkungan atau budaya, yang masih terdapat ruang untuk dikembangkan dan dijelajah secara luas. Pada artikel ini menjabarkan penelitian berikutnya berupa mengimplementasikan metode pembelajaran klasifikasi (Supervised Learning) dengan modifikasi tahapan untuk meningkatkan akurasi klasifikasi.
Co-Authors Aradea Ari Fajar Santoso Iping Supriana Iping Supriana Suwandi Nur Ulfa Maulidevi Yudi Setiawan