Article Per Year (5 Year)
p-Index From 2019 - 2024
1.607
P-Index
This Author published in this journals
All Journal International Journal of Advances in Intelligent Informatics Knowledge Engineering and Data Science Jurnal Komputer Terapan International Journal of Computing and Informatics (IJCANDI) Indonesian Journal of Artificial Intelligence and Data Mining Jusikom : Jurnal Sistem Komputer Musirawas Prosiding SAKTI (Seminar Ilmu Komputer dan Teknologi Informasi) Journal of Robotics and Control (JRC) Just TI (Jurnal Sains Terapan Teknologi Informasi) J-Icon : Jurnal Komputer dan Informatika Journal of Informatics and Computing
Malani, Rheo
Politeknik Negeri Samarinda
Aerospace Engineering Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Mathematics Mechanical Engineering Other

Published : 16 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 16 Documents
Search

 1   2 
Pengelompokan Bidang Keilmuan Di Teknologi Informasi Dengan Metode K-Means Dan Optimasi Simple Additive Weighting (Saw) Dalam Penentuan Kesesuain Terhadapa Keilmuan Hariyanto, Dedi; Malani, Rheo; Suprapty, Bedi
Prosiding SAKTI (Seminar Ilmu Komputer dan Teknologi Informasi) Vol 3, No 1 (2018): Prosiding Seminar Nasional Ilmu Komputer dan Teknologi Informasi (SAKTI)
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (274.504 KB)

Abstract

POLNES JURTI terdiri dari tiga prodi, terdapat 9 Bidang kompetensi keilmuan yaitu, Mobile Computing, Computer Controlled Infrastructure, Computer Vision, Robotic & Artificial Intelligent, Advanced Applied Computer, Human Computer Interaction, Intelligent Computing, Cloud Computing, Multimedia. Pada masing-masing prodi memiliki area kompetensi. Tujuan penelitian mengarahkan ke bidang kompetensi keilmuan yang lebih sesuai, algortima K-means merupakan sebuah algoritma yang mengkelompokan data berdasarkan jarak terdekat dari suatu cluster, MAPE digunakan sebagai perhitungan error pada masing-masing cluster dari perhitungan, SAW adalah metode penjumlahan terbobot, SAW pada penelitian ini dilakukan untuk menentukan responden yang paling sesuai dengan hasil cluster pada K-means. hasil perhitungan K-means tidak bisa menentukan cluster sesuai dengan masing-masing prodi. Karna K-means sendiri menghitung berdasarkan hasil dari nilai Res, dan membandingkan nilai tersebut pada masing-masing cluster, hasil perhitungan error dengan menggunakan MAPE, perhitungan error menunjukkan bahwa cluster pada K-means sangat akurat amat akurat dalam pembagian cluster berdasarakan hasil perhitungan dari kuisioner, Hasil dari perhitungan SAW menujukan bahwa ada nilai yang sama pada salah satu responden mengakibatkan rangking pada suatu cluster menjadi sama, seperti pada cluster CCI. Pada rangking 3 dan 7 masingmasing mempunya dua responden, Hal tersebut membuat perhitungan SAW pada cluster menjadi kurang optimal, karna dalam satu rangking terdapat dua responden.
Perbandingan Metode K-Means dan Fuzzy C-Means Untuk Pengelompokan Pegawai Berdasarkan Nilai Kinerja dan Tingkat Kedisiplinan Pegawai Wikarno, Wikarno; Malani, Rheo; Suprapty, Bedi
Prosiding SAKTI (Seminar Ilmu Komputer dan Teknologi Informasi) Vol 3, No 1 (2018): Prosiding Seminar Nasional Ilmu Komputer dan Teknologi Informasi (SAKTI)
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (461.3 KB)

Abstract

Bank Indonesia (BI) adalah bank sentral Republik Indonesia. Sebagai bank sentral, BI membutuhkan pegawai– pegawai dengan kompetensi terbaik dalam bidangnya masing– masing serta perilaku yang baik. Untuk mengetahui kualifikasi setiap pegawai dibutuhkan sebuah pengelompokan/clustering. Melalui proses penilaian kinerja serta tingkat kedisiplinan pegawai dilakukan proses pengelompokan agar dapat diketahui cluster–cluster yang terdapat didalamnya. Pembagian cluster pada penelitian ini mencirikan kualifikasi pegawai, dimana cluster 1 berisi pegawai dengan kualifikasi terbaik, cluster 2 berisi pegawai dengan kualifikasi baik, cluster 3 berisi pegawai dengan kualifikasi cukup, cluster 4 berisi pegawai dengan kualifikasi kurang dan cluster 5 berisi pegawai dengan kualifikasi Buruk. Rata-rata Persentase MAPE untuk keseluruhan cluster pada metode K-means lebih kecil dibandingkan dengan metode Fuzzy C-means. Persentase MAPE pada metode K-means sebesar 18,21%  sementara pada metode Fuzzy C-means sebesar 21,07%. Rata-rata varian jarak antar anggota pada masing-masing cluster untuk keseluruhan cluster pada metode K-means lebih kecil dibandingkan dengan metode Fuzzy C-means. Rata-rata varian jarak pada metode K-means sebesar 0,350 sementara pada metode Fuzzy C-means sebesar 0,863. Rata-rata jarak antar cluster pada keseluruhan jarak antar tiap-tiap cluster pada metode K-means lebih besar dibandingkan dengan metode Fuzzy C-means. Rata-rata jarak antar cluster pada metode K-means sebesar 9,227 sementara pada metode Fuzzy C-means sebesar 6,465.
Penerapan Metode Optimasi Heuristik Pada Pemilihan Event Organizer Terbaik Purba, Muren Fiatra Denata; Arrosied, Harun; Gaffar, Achmad Fanany Onnilita; Malani, Rheo Malani; Purnawansyah, Purnawansyah
Prosiding SAKTI (Seminar Ilmu Komputer dan Teknologi Informasi) Vol 3, No 1 (2018): Prosiding Seminar Nasional Ilmu Komputer dan Teknologi Informasi (SAKTI)
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (485.195 KB)

Abstract

Perusahaan atau instansi yang mempunyai keterkaitan dengan Sumber Daya Manusia (SDM) salah satunya adalah biro perjalanan, yang merupakan sebuah kegiatan usaha yang bersifat komersial dimana menjadi wadah yang mengatur, dan menyediakan pelayanan bagi seseorang atau sekelompok orang untuk melakukan perjalanan. Di zaman modern seperti sekarang ini, usaha biro perjalanan semakin banyak bermunculan sehingga diperlukannya solusi untuk mencari biro perjalanan terbaik agar keinginan konsumen bisa terpenuhi. Sehingga pada penelitian ini salah satu cara untuk mencari biro perjalanan terbaik adalah dengan menggunakan metode optimasi heuristik yang bertujuan untuk mencari solusi yang terbaik. Untuk memperoleh hasil yang diinginkan menggunakan metode optimasi heuristik adalah dengan menggunakan parameter yang telah ditentukan dan target error dimana hasil yang diperoleh jika semakin mendekati target error maka semakin direkomendasikan kepada konsumen. Setelah melakukan serangkaian proses perhitungan pada penelitian ini dengan menetapkan target error 0,011 dan dengan parameter yang telah ditetapkan, maka diperoleh hasil keluaran W1 sebesar 0,2053, W2 sebesar 0,2063, W3 sebesar 0,2059, W4 sebesar 0,2051, dan W5 sebesar 0,1774. Dengan telah ditentukannya target error, maka dari kelima data tersebut yang paling mendekati target error adalah W5 dengan nilai sebesar 0,1774 dimana jika nilai keluaran yang diperoleh semakin mendekati target error, maka semakin direkomendasikan kepada konsumen.
Seleksi Penerimaan Karyawan PT.ABC Menggunakan Fuzzy Topsis Ananda, Roni; Mulyanto, Mulyanto; Malani, Rheo
Prosiding SAKTI (Seminar Ilmu Komputer dan Teknologi Informasi) Vol 3, No 1 (2018): Prosiding Seminar Nasional Ilmu Komputer dan Teknologi Informasi (SAKTI)
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (395.67 KB)

Abstract

Penerimaan karyawan baru atau rekrutmen adalah hal yang penting bagi perusahaan untuk memperoleh calon karyawan baru dalam menduduki suatu jabatan. Pada sebagian perusahaan, proses penerimaan karyawan baru masih belum dilakukan secara professional. Hal ini terjadi karena tidak ada metode standar yang sistematis untuk menilai kelayakan calon karyawan baru. penerimaan karyawan baru yang dibangun menggunakan metode Fuzzy Technique for Order Preference by Similarity to Ideal Solution (Fuzzy TOPSIS). Metode ini digunakan untuk menyeleksi penerimaan karyawan dengan tujuan melakukan perankingan dari semua alternatif. Implementasinya menggunakan excel dengan 17 alternatif yang akan dibandingkan berdasarkan kriteria dan subkriteria masing-masing. dalam hal ini alternatif yang dimaksud adalah yang berhak diterima sebagai karyawan baru berdasarkan kriteria-kriteria yang ditentukan. Berdasarkan hasil pengujian, sistem yang dibangun dapat mempermudah dan mempercepat proses penyeleksian penerimaan karyawan baru dan membantu pihak HRD dalam pengambilan keputusan untuk menentukan karyawan baru. Hasil pengujian yang dilakukan dengan menggunakan metode Fuzzy Topsis menunjukkan bahwa alternatif A16 memperoleh peringkat teratas dengan nilai 0.914
Kompresi Data Teks Menggunakan Autoencoder Neural Network (AENN) Alfiansyah, M Nur; Soleh, Muhammad; Gaffar, Achmad Fanany Onnilita; Malani, Rheo; Haviluddin, Haviluddin
Prosiding SAKTI (Seminar Ilmu Komputer dan Teknologi Informasi) Vol 3, No 1 (2018): Prosiding Seminar Nasional Ilmu Komputer dan Teknologi Informasi (SAKTI)
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (592.125 KB)

Abstract

salah satu jenis data adalah data teks. Data teks biasanya dikodekan dalam bentuk kode ASCII yang memiliki panjang binner 8. Kompresi data teks bertujuan untuk mengurangi pemakaian ruang penyimpanan pada memori. Penelitian ini menggunakan Auto-Encoder Neural Network (AENN). Hasil dari penelitian ini menghasilkan rasio sebesar 88,62%, namun masih ada keterbasan jika panjang asli ganjil maka setelah didekompresi menghasilkan panjang yang genap dan keterbasan pembagi hidden yang menyebabkan data tidak kembali ke aslinya.
Magic cube puzzle approach for image encryption Achmad Fanany Onnilita Gaffar; Rheo Malani; Arief Bramanto Wicaksono Putra
International Journal of Advances in Intelligent Informatics Vol 6, No 3 (2020): November 2020
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/ijain.v6i3.422

Abstract

In principle, the image encryption algorithm produces an encrypted image. The encrypted image is composed of arbitrary patterns that do not provide any clues about the plain image and its cipher key. Ideally, the encrypted image is entirely independent of its plain image. Many functions can be used to achieve this goal. Based on the functions used, image encryption techniques are categorized into: (1) Block-based; (2) Chaotic-based; (3) Transformation-based; (4) Conventional-based; and (5) Miscellaneous based. This study proposes a magic cube puzzle approach to encrypt an 8-bit grayscale image. This approach transforms a plain image into a particular size magic cube puzzle, which is consists of a set of blocks. The magic cube puzzle algorithm will diffuse the pixels of the plain image as in a Rubik’s Cube game, by rotating each block in a particular direction called the transposition orientation. The block’s transposition orientation is used as the key seed, while the generation of the cipher key uses a random permutation of the key seed with a certain key length. Several performance metrics have been used to assess the goals, and the results have been compared to several standard encryption methods. This study showed that the proposed method was better than the other methods, except for entropy metrics. For further studies, modification of the method will be carried out in such a way as to be able to increase its entropy value to very close to 8 and its application to true color images. In essence, the magic cube puzzle approach has a large space for pixel diffusion that is possibly supposed to get bigger as a series of data has transformed into several magic cubes. Then, each magic cube has transposed with a different technique. This proposed approach is expected to add to a wealth of knowledge in the field of data encryption.
PENERAPAN METODE SIMPLE MULTI ATRIBUT RATING TECHNIQUE (SMART) UNTUK PEMILIHAN PRAMUKA BERPRESTASI TINGKAT KWARTIR RANTING ANGGANA Bedy Suprapty; Gusti G N; Rheo Malani
Just TI (Jurnal Sains Terapan Teknologi Informasi) Vol 12, No 2 (2020): JULI 2020
Publisher : Politeknik Negeri Samarinda

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46964/justti.v12i2.371

Abstract

Gerakan Pramuka akhir-akhir ini selalu mencari Anggota Pramuka yang terbaik (berprestasi) sesuai dengan yang tercantum dalam Tri Satya Pramuka. Kwartir Ranting anggana juga melakukan seleksi pramuka berprestasi. Namun dalam proses seleksi melibatkan banyak kriteria yang telah ditentukan oleh Gerakan Pramuka Kwartir Ranting Anggana dengan tujuan untuk memilih anggota yang tepat agar benar-benar siap terjun ke masyarakat dan menjadi contoh untuk pramuka lainnya. Tujuan penelitian adalah menerapan Metode Simple Multi Atribut Rating Technique (SMART) untuk memilih anggota pramuka berprestasi tingkat Kwartir Ranting Anggana.Hasil penelitian adalah memberikan rekomendasi alternatif terbaik kepada pihak sekretariat gerakan pramuka Kwartir Ranting Anggana yaitu Febrio Rezal Saputra dengan nilai 95.50, Raisma Sonia dengan nilai 95.50 dan Nur Hidayat dengan nilai 85.8.
Kompresi Citra Digital Dengan Basis Komponen Warna RGB Menggunakan Metode K-Means Clustering Arief Bramanto Wicaksono Putra; Muhammad Trisna Aryuna; Rheo Malani
Jurnal Komputer Terapan  Vol. 7 No. 1 (2021): Jurnal Komputer Terapan
Publisher : Politeknik Caltex Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (501.501 KB) | DOI: 10.35143/jkt.v7i1.3719

Abstract

With the development of technology and digital media, the quality of the data used is also getting higher but the size of the data is also getting bigger and requires larger storage media. To overcome the increasing need for data storage, one way that can be used is by compressing data to save space in storage memory. In this study, the k-means clustering method will be used to compress data in the form of a digital image. By grouping the colors of an image and changing the value of the color pixels in the image based on the value of the cluster center of each cluster member. The initial centroid value which is determined at the initial stage of clustering will affect the compression results. In this study, 10 experiments were carried out, with the best image quality results obtained in the 5th experiment with an MSE value of 70.22 and a PSNR value of 29.70. While the compression quality was obtained in the 7th experiment with a compression ratio of 74.5%. The results of the measurement of image quality in the 10th experiment were also obtained with an MSE value of 73.45 and a PSNR value of 29.51, and the lowest compression quality was obtained in the third experiment with a compression yield ratio of 71.3%. The average measurement results obtained an MSE value of 71.47, a PSNR value of 29.62 and a compression ratio of 72.40%.
Design of Information System for Acceptance Selection of Prospective Employees Online Using Tahani Fuzzy Logic Method and Simple Additive Weighting (SAW) Bedi Supriaty; Rheo Malani; Oki Dwi Nurhayati
International Journal of Computing and Informatics (IJCANDI) Vol 1, No 1 (2016): February 2016
Publisher : International Journal of Computing and Informatics (IJCANDI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1342.105 KB) | DOI: 10.19732/10.19732/vol1122016

Abstract

applicant selection system by using Tahani fuzzy logical method and Simple Additive Weighting (SAW). This research is designed due to the job applicant selection system that hasn’t been optimized so that the management of an institution as well as a company faces some difficulties and barners in selecting the perfect human resources to be hired. The method applied in this research are Tahani fuzzy logical method and Simple Additive Weighting (SAW) producing web application-based software system that can handle the job applicant selection process by analyzing the data of job application as well as job applicant’s data. This kind of system produced some outputs consisting of job-applicant candidate rank, ideal job applicant rank, and also final rank.
A Gray-Level Dynamic Range Modification Technique for Image Feature Extraction Using Fuzzy Membership Function Arief Bramanto Wicaksono Putra; Rheo Malani; Mulyanto Mulyanto
Indonesian Journal of Artificial Intelligence and Data Mining Vol 1, No 1 (2018): March 2018
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (734.317 KB) | DOI: 10.24014/ijaidm.v1i1.4599

Abstract

The features of an image must be unique so it is necessary to use certain techniques to ensure them. One of the common techniques is to modify the gray dynamic range of an image. In principle, the gray level dynamic range modification maps the gray level ranges from the input image to the new gray level range as an output image using a specific function. Fuzzy Membership Function (MF) is one kind of membership function that applies the Fuzzy Logic concept. This study uses Trapezoidal MF to map the gray dynamic range of each RGB component to produce a feature of an RGB image. The aim of this study is how to ensure the uniqueness of image features through the setting of Trapezoidal MF parameters to obtain the new dynamic range of gray levels that minimize the possibility of other features other than the selected feature. To test the performance of the proposed method, it also tries to be applied to the signature image. Mean Absolute Error (MAE) calculations between feature labels are performed to test authentication between signatures. The results obtained are for comparison of samples of signature images derived from the same source having a much smaller MAE than the comparison of samples of signature images originating from different sources.
Co-Authors Abdul Najib Achmad Fanany Onnilita Gaffar Agusma Wajiansyah Alfiansyah, M Nur Ananda, Roni Arrosied, Harun Bedi Supriaty Bedy Suprapty Gusti G N Haviluddin Haviluddin M. F. Andrijasa Muhammad Soleh Muhammad Trisna Aryuna Mulyanto Mulyanto Mulyanto Mulyanto Oki Dwi Nurhayati Purba, Muren Fiatra Denata Purnawansyah Purnawansyah Roman Voliansky Sianipar Yosephine Yulietayanti Natalia Suprapty, Bedi Supriadi Supriadi Taufiqurrahman Taufiqurrahman Wikarno, Wikarno