Article Per Year (5 Year)
p-Index From 2019 - 2024
5.389
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Jurnal Buana Informatika Jurnal Informatika Jurnas Nasional Teknologi dan Sistem Informasi Edu Komputika Journal Sistemasi: Jurnal Sistem Informasi Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Computatio : Journal of Computer Science and Information Systems JTERA (Jurnal Teknologi Rekayasa) Jurnal Sains dan Informatika INOVTEK Polbeng - Seri Informatika Matrix : Jurnal Manajemen Teknologi dan Informatika SINTECH (Science and Information Technology) Journal Jurnal Teknoinfo Jurnal Sisfokom (Sistem Informasi dan Komputer) KACANEGARA Jurnal Pengabdian pada Masyarakat Jurnal Riset Informatika JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) JTT (Jurnal Teknologi Terapan) JASIEK (Jurnal Aplikasi Sains, Informasi, Elektronika dan Komputer) JISKa (Jurnal Informatika Sunan Kalijaga) JTIM : Jurnal Teknologi Informasi dan Multimedia Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) JISA (Jurnal Informatika dan Sains) Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Jurnal Indonesia : Manajemen Informatika dan Komunikasi SmartComp Jurnal Indonesia : Manajemen Informatika dan Komunikasi
Donny Avianto
Universitas Teknologi Yogyakarta
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Mechanical Engineering

Published : 42 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 42 Documents
Search

 1   2   3   4   5 
Efektifitas Penggunaan Association Rules Mining dalam Personalisasi Website Edi Priyanto; Arief Hermawan; Rianto Rianto; Donny Avianto
JISKA (Jurnal Informatika Sunan Kalijaga) Vol. 6 No. 1 (2021): Januari 2021
Publisher : UIN Sunan Kalijaga Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (360.156 KB) | DOI: 10.14421/jiska.2021.61-07

Abstract

As the usage of the internet grows, more and more information is obtained, thus presenting challenges, especially for users and website owners. Website users often have difficulty finding products or services that are relevant to their needs caused by abundant amounts of products and services delivered on a website. Website owners often find it difficult to convey information about the right products and services to certain target users. Based on the problem given above, we can conclude that a recommendation system approach that can improve personalization on their website is needed. The recommendation system approach must be able to provide navigation on the website to make it more adaptive towards the interests and information needed by the user. This study uses Association Rules formed from Microsoft web access log data by finding visitor patterns based on frequently visited web site pages. From the results of the research conducted, the performance of the method used has a precision value of 0.896, 0.058 recall, and F-measure 0.104. Whereas the measurement of the accuracy value resulted in a performance recommendation of exactly 3%, an acceptable rate of 87%, and 10% incorrect. This research shows that the Association Rules method can increase the effectiveness of website personalization to provide relevant information recommendations for visitors. For further research, it can concentrate on improving existing methods thus website personalization becomes more adaptive.
Analisis Sentimen Terhadap Isu Penundaan Pemilu di Twitter Menggunakan Naive Bayes Clasifier Aziz Perdana; Arief Hermawan; Donny Avianto
Jurnal Sisfokom (Sistem Informasi dan Komputer) Vol 11, No 2 (2022): JULI
Publisher : ISB Atma Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32736/sisfokom.v11i2.1412

Abstract

Penundaan pemilu Indonesia menjadi isu terhangat dan kontroversial baru-baru ini. Isu ini dilontarkan pertama kali oleh ketua umum PKB, Muhaimin Iskandar setelah menerima pelaku UMKM, pengusaha dan para analis ekonomi di ruang Delegasi DPR RI, Nusantara III, Jakarta pada Rabu, 23 Februari 2022 [14]. Isu penundaan pemilu ini menyebabkan sentimen publik terpecah menjadi tiga, yaitu sentimen negatif, netral, dan positif. Untuk mengetahui persentase sentimen terbesar, diperlukan suatu analisis  sentimen terhadap data cuitan twitter pada periode waktu 1 Januari 2022 sampai dengan saat penelitian ini dilakukan (27 Mei 2022). Dengan menggunakan model Naive Bayes Classifier, kita mencoba memetakan analisis sentimen sebelum Muhaimin Iskandar mengutarakan isu (31.840 data cuitan) dan setelah Muhaimin Iskandar mengutarakan isu (151.878 data cuitan). Analisis sentimen di durasi waktu sebelum Muhaimin Iskandar mengutarakan isu diperlukan untuk mengetes, apakah klaim penundaan pemilu adalah keinginan rakyat adalah benar. Sedangkan analisis sentimen di durasi waktu setelah Muhaimin Iskandar mengutarakan isu diperlukan untuk melihat polarisasi di twitter, seberapa besar dukungan maupun penolakan terhadap isu tersebut. Hasil penelitian yang dilakukan menunjukkan masyarakat baru membahas isu penundaan pemilu setelah dibahas oleh Muhaimin. Sedangkan sentimen terhadap isu penundaan pemilu setelah dilontarkan oleh Muhaimin cenderung menunjukkan sentimen positif sebesar 60.581 cuitan unik, dengan  58.998 cuitan unik yang menunjukan sentimen negatif, sedangkan sisanya, yaitu sebesar 32.291 menunjukkan sentimen netral.
Prediksi Curah Hujan Wilayah Provinsi Yogyakarta dengan Algoritma Neural Network rubangi rubangi; Arief Hermawan; Donny Avianto
JASIEK (Jurnal Aplikasi Sains, Informasi, Elektronika dan Komputer) Vol 3, No 1 (2021): JUNI 2021
Publisher : Universitas Merdeka Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26905/jasiek.v3i1.6204

Abstract

Emerging inaccurate information about the rainfall system can affect aspects of life. Inaccurate precipitation forecasting can be problematic, so it is necessary to predict precipitation with a high level of accuracy. Therefore, this study proposes a method with a neural network algorithm to predict rainfall to benefit the community. The data used in this study is daily precipitation from 2016 to 2021 from BMKG. Based on the test results, the data shows that the best neural network (NN) model is obtained from input layer 31, hidden layer 4, training cycle 1500, learning rate 0.01, and momentum 0.9, resulting in an error of 0.828. Based on the results with the smallest error, using the neural network method can be used to predict future precipitation with good accuracy.
Analisis Pengaruh PCA Pada Klasifikasi Kualitas Air Menggunakan Algoritma K-Nearest Neighbor dan Logistic Regression Baiq Nurul Azmi; Arief Hermawan; Donny Avianto
JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol 7, No 2 (2022): JUSTINDO
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/justindo.v7i2.8190

Abstract

Air bersih merupakan komponen penting untuk mendukung keberlangsungan hidup manusia. Perkembangan industri dan semakin bervariasinya aktivitas manusia berdampak pada penurunan kualitas air di area tersebut. Penurunan tingkat kualitas air dapat menyebabkan air menjadi tidak layak untuk dikonsumsi bahkan berbahaya untuk dikonsumsi. Kemampuan mengklasifikasi kualitas air secara akurat sangat diperlukan untuk menghindari penurunan tingkat kualitas air. Penelitian sebelumnya menunjukkan bahwa jumlah fitur yang digunakan untuk klasifikasi kualitas air sangat banyak. Jumlah fitur yang banyak ini memang dapat membantu metode pengklasifikasi untuk melihat domain permasalahan secara menyeluruh. Namun, belum ada penelitian yang meninjau secara detail apakah jumlah fitur yang banyak benar-benar diperlukan untuk mendapatkan hasil terbaik. Penelitian ini mengkaji penggunaan metode principal component analysis (PCA) untuk menemukan jumlah fitur yang paling optimal dalam konteks klasifikasi kualitas air. Penelitian ini menggunakan data kualitas air di lingkungan perkotaan yang diperoleh dari situs kaggle. Total data yang digunakan adalah 8000 baris data dengan 21 fitur untuk setiap baris data yang ada. Fitur hasil principal component analysis  kemudian dijadikan input untuk dua metode klasfikasi yaitu k-nearest neighbor (kNN) dan logistic regression. Penggunaan dua metode klasifikasi yang berbeda ini bertujuan menemukan tingkat akurasi terbaik untuk data yang digunakan. Hasil eksperimen menunjukkan metode k-nearest neighbor mampu memberikan performa yang lebih baik dibandingkan logistic regression dengan pencapaian nilai akurasi 90.8%, presisi 90.0%, dan recall 91.0%. Hasil ini didapatkan dengan melibatkan seluruh fitur yang ada dan nilai k=9, sehingga dapat disimpulkan bahwa jumlah fitur yang banyak pada konteks klasifikasi kulitas air memang diperlukan untuk mendapatkan nilai akurasi yang tinggi. Kata kunci: kualitas, air, PCA, kNN, logistic, regression
KOMPARASI ALGORITMA KLASIFIKASI DATAMINING UNTUK PREDIKSI MINAT PENCARI KERJA Nur Widiastuti; Arief Hermawan; Donny Avianto
Jurnal Teknoinfo Vol 17, No 1 (2023): Vol 17, No 1 (2023): JANUARI
Publisher : Universitas Teknokrat Indonesia

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

Abstract

Dampak pandemi covid 19 menjadikan angka pengangguran di Provinsi Jawa Tengah semakin meningkat. Dinas Tenaga Kerja Provinsi Jawa Tengah menciptakan inovasi yakni sebuah aplikasi untuk mempertemukan pencari kerja dan pemberi kerja, yakni aplikasi e-Makaryo atau bursakerja.jatengprov.go.id, namun pada aplikasi tersebut belum dapat menganalisa berapa banyak jumlah pencari kerja yang berminat kerja ke luar negeri dan pencari kerja yang tidak berminat bekerja ke luar negeri, sedangkan hal ini sangat dibutuhkan oleh pemerintah untuk menyiapkan lowongan kerja sesuai kebutuhan. Sehubungan dengan hal tersebut penulis akan melakukan analisa data pencari kerja yang berminat bekerja keluar negeri menggunakan aplikasi rapid miner dengan metode klasifikasi algoritma Naive Bayes dan Decision Tree. Hasil accuracy performance pada klasifikasi data pencari kerja menggunakan algoritma naïve bayes  adalah sebesar 99,64% dengan hasil yang berminat bekerja keluar negeri sebanyak 2513 orang dan yang tidak berminat bekerja ke luar negeri sebanyak 5483 orang, unt­­­­uk classification error sebesar 0,36 %. Sedangkan accuracy performance menggunakan algoritma decision tree adalah 68.59 % dengan jumlah pencari kerja yang berminat bekerja ke luar negeri sebanyak 2521 dan yang tidak berminat bekerja keluar negeri sebanyak 5504. Sedangkan hasil classification errornya sebesar 31,41%.
Analisis Pengaruh Komposisi Data Training dan Data Testing pada Penggunaan PCA dan Algoritma Decision Tree untuk Klasifikasi Penderita Penyakit Liver Baiq Nurul Azmi; Arief Hermawan; Donny Avianto
JTIM : Jurnal Teknologi Informasi dan Multimedia Vol 4 No 4 (2023): February
Publisher : Puslitbang Sekawan Institute Nusa Tenggara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35746/jtim.v4i4.298

Abstract

Liver disease is one of the diseases that is difficult to detect and becomes the largest contributor to deaths because it is considered a silent killer without symptoms. Liver disease can be detected based on abnormalities in the number of contents in the human body. The Indian Liver Patient Dataset (ILPD) dataset has many variables related to content in the body of liver patient data which are used as parameters in the classification of liver disease patients. Previous studies have shown that only two variables influence the ILPD dataset. The purpose of this study is to examine the use of the Principal Component Analysis (PCA) method to determine the optimal number of features in the context of classification of liver disease and examine the percentage distribution of data training and data testing which produces the best accuracy. The ILPD dataset was obtained from the UCI Machine Learning website with a total of 583 rows of data and 11 features. The percentage of training data and testing data used is 50%:50%, 60%:40%, 70%:30%, 73%:27%, 75%:25%, 80%:20%, 83%:17%, 85%:15% and 90%:10%. The use of different training and testing data percentages serves to find the best accuracy. The PCA result feature is used as input for the Decision Tree C4.5 classification algorithm. The experimental results show that using the training and testing data distribution percentage of 90%:10% and after the application of PCA produces the highest accuracy, namely 78.40% which is obtained for the number of PCA components n = 8.
Analyze Important Features of PIMA Indian Database For Diabetes Prediction Using KNN Aziz Perdana; Arief Hermawan; Donny Avianto
Jurnal Sisfokom (Sistem Informasi dan Komputer) Vol 12, No 1 (2023): MARET
Publisher : ISB Atma Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32736/sisfokom.v12i1.1598

Abstract

Diabetes is a chronic, non-communicable disease, and a long-term health condition that affects how the body uses glucose, the type of sugar that gives energy. In Indonesia, diabetes ranks as the sixth highest cause of death, following conditions related to childbirth. In 2021, Indonesia has a total of 19.5 million diabetes patients, making it the fifth-highest in the world. Some machine learning research has used data from the PIDD (PIMA Indian Diabetes Dataset) to predict diabetes. In this research, in addition to prediction accuracy, data complexity is also important. This research analyzes important features in the PIMA Indian database using the KNN (k-nearest neighbor) method for classification. The results show that using KNN with k=22 value results in the highest accuracy of 83.12%. The analysis also found that the important features required by the KNN method to achieve high accuracy from the PIMA Indian database, in order of importance, are glucose, age, insulin, blood pressure, Body Mass Index, pregnancy, skin thickness, and diabetes pedigree function. However, when used in the KNN classification method, the diabetes pedigree function feature was found to be unnecessary, not relevant, and can be reduced. 
Prediksi Indeks Pembangunan Manusia di Kabupaten Wonosobo Menggunakan Algoritma Backpropagation Nasmah Nur Amiroh; Donny Avianto
Techno.Com Vol 22, No 2 (2023): Mei 2023
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v22i2.7980

Abstract

Nilai Indeks Pembangunan Manusia (IPM) diperoleh dari beberapa aspek kehidupan yang realitanya tidak sepenuhnya terlaksana. Ketidakmerataan infrastruktur pembangunan merupakan salah satu permasalahan akibat tidak terlaksananya program peningkatan pembangunan manusia, khususnya di Kabupaten Wonosobo.  Permasalahan tersebut akan tentu akan memberikan dampak kualitas hidup masyarakat. Pada penelitian ini, pembangunan sistem dengan algortima backpropagation dilakukan untuk memprediksi nilai IPM di Kabupaten Wonosobo guna mempermudah preiksi kualitas manusia di Kabupaten Wonosobo. Percobaan yang dilaakukan yaitu dengan melakukan pelatihan, validasi, dan pengujian data IPM diperoleh dari BPS Kabupaten Wonosobo dengan rasio 80:20. Berdasarkan hasil penelitian, arsitektur 5-12-1 menggunakan LR 0,0001 dan epoch sebanyak 10000 menghasilkan nilai MSE sebesar 2.812623341 fungsi aktivasi sigmoid, arsitektur 5-3-1 menggunakan LR 0,0001 dan epoch sebanyak 10000 menghasilkan nilai MSE sebesar 0.2121786277 pada fungsi aktivasi ReLU, arsitektur 5-6-1 menggunakan LR 0,01 dan epochs 10000 menghasilkan nilai MSE sebesar 2.050127723 fungsi aktivasi TanH, dan arsitektur 5-2-1 menggunakan LR 0,01 dan epoch sebanyak 1000 menghasilkan nilai MSE sebesar 3.040008631. Hasil penelitian menunjukkan bahwa algoritma backpropagation menggunakan fungsi aktivasi TanH menghasilkan akurasi terbaik untuk prediksi nilai IPM di Kabupaten Wonosobo. Hasil penelitian yang dihasilkan diharapkan dapat berguna untuk mengembangkan sistem prediksi yang lebih mutakhir kedepannya.
Implementasi Teknologi Augmented Reality pada Penjualan Mebel sebagai Solusi Meningkatkan Pengalaman Belanja Konsumen Aribowo Aribowo; Donny Avianto
Jurnal Inovtek Polbeng Seri Informatika Vol 8, No 1 (2023)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v8i1.3311

Abstract

Pengalaman belanja menjadi hal yang penting dalam memenangkan persaingan di era digital, di zaman yang serba canggih ini konsumen dapat melakukan pembelian produk secara online atau konsumen dapat membeli berbagai produk di mana saja, namun sering kali terjadi produk yang dibeli tersebut tidak sesuai dengan yang mereka inginkan seperti contohnya produk mebel yang tidak sesuai pada ruangan yang mereka inginkan, masalah tersebut tentu membuat konsumen merasa kurang puas ketika membeli suatu produk. Untuk memenuhi kebutuhan konsumen para pelaku usaha harus melakukan inovasi dalam meningkatkan pengalaman belanja konsumen. Dalam penelitian ini dikembangkan teknologi Augmented Reality yang dapat menjadi solusi untuk meningkatkan pengalaman belanja konsumen dengan aplikasi untuk memvisualisasikan mebel menjadi objek 3D, untuk membuat visualisasi lebih sempurna peneliti menggunakan suatu metode yaitu markerless, metode yang dapat langsung memvisualisasikan objek 3D ke dunia nyata, sehingga konsumen dapat langsung memvisualisasikan objek 3D mebel yang diinginkan tanpa menggunakan marker. Pada penelitian ini dilakukan pengujian Blackbox dengan hasil semua fitur di dalam aplikasi dapat berjalan dengan baik secara keseluruhan. Aplikasi ini mempermudah konsumen dapat menyesuaikan objek 3D furnitur tersebut pada ruangan mereka sebelum membeli, sehingga konsumen dapat mengambil keputusan yang lebih baik dan meningkatkan pengalaman belanja yang lebih interaktif.
Global Horizontal Irradiance Prediction using the Algorithm of Moving Average and Exponential Smoothing Alfin Syarifuddin Syahab; Arief Hermawan; Donny Avianto
JISA(Jurnal Informatika dan Sains) Vol 6, No 1 (2023): JISA(Jurnal Informatika dan Sains)
Publisher : Universitas Trilogi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31326/jisa.v6i1.1649

Abstract

To reduce the discrepancy between the results of the expected data and the actual data, prediction is a procedure that is calculated systematically based on owned historical and present information. For the creation of solar energy projects and for decision-making in other connected domains, solar radiation intensity prediction is essential. This study aims to create a predictive model on monthly global horizontal irradiance data. The method used is the Simple Moving Average algorithm, Exponentially Weighted Moving Average and Single Exponential Smoothing. The stages carried out in this study include data collection, data preprocessing, testing of predictive models, interpretation of data visualization, and performance evaluation. The results of calculating the error value and correlation produce an evaluation of the performance of the prediction model. The SES method, which obtained an MAE value of 7.13, a MAPE of 0.02%, an MSE of 88.07, an RMSE of 9.38, and an R2 of 0.94, was determined to be the best prediction model by the calculation of the prediction model performance evaluation. A MAE value of 9.45, a MAPE of 0.02%, an MSE of 150.16, an RMSE of 12.25, and an R2 of 0.91 were obtained by the EWMA method, which is also the method that produced the second-best result. A MAE value of 14.38, a MAPE of 0.04%, an MSE of 367.59, an RMSE of 19.17, and an R2 of 0.77 were obtained by the SMA method, which is the third-best result.
Co-Authors Adityo Permana Wibowo Alfin Syarifuddin Syahab Amalia Rizki Wulandari Aribowo Aribowo Arief Hermawan Arieska Restu Harpian Dwika Aziz Perdana Baiq Nurul Azmi Bowo Hirwono Dwi Ratnawati, Dwi Edi Priyanto Ferdinandus Edwin Penalun Herdy Andriksen Ilmy Eka Handayani Imantoko Imantoko Kusumastuti, Asriana Dyah Muh Arifandi Muhammad Irsyad Indra Fata Nasmah Nur Amiroh Nazar Iqbal Bimantoro Nur Widiastuti Oktavia Hardiyantari Panji Rangga Adzan Fajar Fakharudin Rian Oktafiani Rianto Rianto Rizky Samudra Falasyfa Roy Fasti Rubangi Rubangi Rudi, Rudiono Rudiono Rudi Rusma Eko Fiddy Rizarta Siti Nurazila Soraya Fatmawati Tri Widodo Vivianti