Article Per Year (5 Year)
p-Index From 2019 - 2024
0.444
P-Index
This Author published in this journals
All Journal Kilat Indonesian Journal of Electrical Engineering and Computer Science
Karina Djunaidi
Institut Teknologi PLN
Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Electrical & Electronics Engineering Energy

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Multi Factor Evaluation Process (MFEP) Sebagai Rekomendasi Pelanggan Prioritas Penanganan Pada Pengajuan Pasang Baru dan Tambah Daya Listrik PT PLN (Persero) Area Cengkareng Dine Tiara Kusuma; Karina Djunaidi; M. Yoga Distra S
KILAT Vol 9 No 2 (2020): KILAT
Publisher : Sekolah Tinggi Teknik - PLN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33322/kilat.v9i2.930

Abstract

Aplikasi pengajuan pasang baru dan tambah daya listrik dirancang sesuai dengan kebutuhan informasi dan perkembangan teknologi komputer yang semakin cepat, baik dari sisi perangkat keras maupun perangkat lunak. Permasalahan yang yang ditemukan dalam penelitian ini adalah banyaknya data dan berkas pelanggan yang tidak sesuai ketika melakukan pendaftaran online saat proses pasang baru dan tambah daya listrik yang menyebabkan adanya daftar tunggu yang dapat menghambat proses bisnis yang ada di PT PLN (Persero) Area Cengkareng. Aplikasi berbasis web ini dirancang untuk membantu dalam memberikan rekomendasi pelanggan prioritas penanganan pasang baru dan tambah daya di PT PLN (Persero) Area Cengkareng dan dapat membantu memudahkan pelanggan dalam memperoleh pemberitahuan permohonan pengajuan pasang baru atau tambah daya yang telah diajukan. Metode yang digunakan untuk membantu dalam menentukan rekomendasi pelanggan prioritas penanganan pada penelitian ini adalah dengan menggunakan metode Multi Factor Evaluation Process (MFEP). MFEP bekerja dengan mengambil keputusan multi faktor dimana proses pemilihan alternatif terbaiknya menggunakan weighting system, dengan pengolahan data kuantitatif. Sehingga nilai total hasil evaluasi rekomendasi pelanggan yang menjadi prioritas penanganan pada penelitian ini adalah adalah 0.845.
Gray level co-occurrence matrix feature extraction and histogram in breast cancer classification with ultrasonographic imagery Karina Djunaidi; Herman Bedi Agtriadi; Dwina Kuswardani; Yudhi S. Purwanto
Indonesian Journal of Electrical Engineering and Computer Science Vol 22, No 2: May 2021
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijeecs.v22.i2.pp795-800

Abstract

One way to detect breast cancer is using the Ultrasonography (USG) procedure, but the ultrasound image is susceptible to the noise speckles so that the interpretation and diagnosis results are different. This paper discusses the classification of breast cancer ultrasound images that aims to improve the accuracy of the identification of the type and level of cancer malignancies based on the features of its texture. The feature extraction process uses a histogram which then the results are calculated using the Gray Level Co-Occurrence Matrix (GLCM). The results of the two extraction features are then classified using K-Nearest Neighbors (KNN) to obtain accurate figures from those images. The results of this study is that the accuracy in detecting cancer types is 80%.
Co-Authors Dine Tiara Kusuma Dwina Kuswardani Herman Bedi Agtriadi M. Yoga Distra S Purwanto, Yudhi