Claim Missing Document
Check
Articles

Found 21 Documents
Search

Aplikasi Simulator Algoritma Penjadwalan Central Processing Unit Menggunakan Actionscript 3.0 Putra, Edson Y.; Sandag, Green A.; Djimesha, Enrico S.
CSRID (Computer Science Research and Its Development Journal) Vol 10, No 3 (2018): CSRID Oktober 2018
Publisher : Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (309.694 KB) | DOI: 10.22303/csrid.10.3.2018.139-145

Abstract

Teknologi pada zaman ini telah berkembang dengan pesat, khususnya teknologi Central Processing Unit. Karena itu, manusia dituntut untuk mempelajari cara kerja Central Processing Unit. Central Processing Unit itu sendiri memiliki banyak fungsi, salah satunya adalah melakukan pemrosesan, dimana terdapat antrian proses yang akan dieksekusi. Sayangnya, metode pembelajaran mengenai antrian Central Processing Unit masih kurang efektif karena hanya menggunakan Gantt Chart sebagai gambaran untuk cara kerjanya. Ini menyebabkan peneliti bermaksud untuk melakukan perancangan aplikasi simulator berbasis desktop untuk membantu para pelajar agar lebih mudah memahami dengan memberikan gambaran secara animasi mengenai cara kerja antrian proses yang terdapat pada Central Processing Unit, khususnya antrian dengan algoritma First-Come-First-Served dan nonpreemptive Shortest-Job-First. Pada perancangan aplikasi ini, peneliti menggunakan perangkat lunak Adobe Flash Professional CC 2015 dengan bahasa pemrograman ActionScript 3.0.
Model Prediksi Penderita HCC Menggunakan Algoritma Random Forest Wungkana, Cindy; Aror, Megalita; Sandag, Green Arther
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 10, No 1 (2022)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (462.656 KB) | DOI: 10.26418/justin.v10i1.44103

Abstract

Hepatocellular carcinoma (HCC) atau kanker hati adalah salah satu dari kanker yang paling umum dan menjadi penyebab utama kematian di negara-negara Asia. Presentasi HCC telah berkembang secara signifikan selama beberapa dekade terakhir. Rokok dan minuman beralkohol yang kita konsumsi diketahui menjadi faktor yang mempengaruhi tingkat kehidupan pasien HCC. Penelitian bertujuan untuk mengkaji klasifikasi tingkat kehidupan pasien HCC dengan menggunakan algoritma Random Forest. Dasar dari kriteria penunjang adalah dengan membandingkan algoritma Random Forest dengan algoritma yang lain seperti K-Nearest Neighbors dan Logistic Regression. Percobaan disusun secara teratur dengan mengukur accuracy, precision, recall, dengan rumus yang berhasil dibuat oleh peneliti melalui Google Colaboratory. Hasil percobaan menyatakan bahwa algoritma Random Forest cocok digunakan dalam penelitian ini dengan memiliki accuracy sebesar 100% , recall dan precision sebesar 100%  karena berhasil menampilkan performa terbaik.
Analisis Kualitas Website Pada PT.DAW Menggunakan Metode Webqual 4.0 dan Importance Performance Analysis (IPA) Sandag, Green Arther; Makapedua, Marlivye; Tompunu, Alexander
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 8, No 4 (2020)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (523.003 KB) | DOI: 10.26418/justin.v8i4.42592

Abstract

Seiring dengan perkembangan zaman, teknologi informasi menjadi salah satu faktor penting dalam kemajuan disegala aspek. Media website sudah menjadi sarana yang digunakan dalam perusahaan dimana website tersebut digunakan dalam hal penyampaian informasi kepada customer dan employees. Website PT. Daya Adicipta Wisesa sebagai acuan masyarakat luar maupun pihak perusahaan untuk mendapatkan informasi yang berkualitas berdasarkan persepsi dari pengguna akhir dengan melakukan evaluasi. Website PT. Daya Adicipta Wisesa perlu dilakukan evaluasi untuk mengukur dan meningkatkan kualitas layanan dengan menggunakan metode WebQual 4.0 yang didalamnya terdiri dari tiga jenis variable yaitu usability, information quality, service interaction dan metode Importance Perfromance Analysis (IPA). Hasil akhir dari nilai rata-rata keseluruhan untuk nilai performance adalah 3.674, untuk nilai importance adalah 4.423. Untuk hasil rata-rata dari nilai kesenjangan (GAP) adalah -0.734, dan hasil rata-rata dari nilai kesesuaian adalah 84.23%. Untuk hasil dari analisis kuadran, terdapat 4 kuadran dan kuadran yang menjadi prioritas utama dalam melakukan perbaikan terdapat 3 atribut. Hasil dari analisis kuadran untuk prioritas utama adalah: Website daw tidak mempunyai desain yang menarik, informasi yang ada pada website daw tidak akurat.
Implementation of Deep Learning on Number Recognition in Sign Language Fini Keni Celsia; Green Arther Sandag
SISFOTENIKA Vol 11, No 2 (2021): SISFOTENIKA
Publisher : STMIK PONTIANAK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30700/jst.v11i2.1117

Abstract

Measuring the wound area in diabetics is still using a manual way with a wound ruler. Whereas the ruler affixed to the wound will become a contaminated agent that can transmit the infection to other recipients. Digital measurement methods are needed to solve the problem. However, clarifying the boundaries between the wound and the skin requires carefulness and high accuracy. For this reason, it has needed an imaging method that can do segmentation between the wound and the skin boundary for diabetic patients based on digital, called digital planimetry. This study uses a masking contour image processing algorithm from the Hue, Saturation, Value (HSV), Then doing iteration five times and gamma filter. So the result of segmentation is formed. This study concludes that the segmentation with this method has not been able to perform the segment properly, and it requires more masking values, but the results of the 5th iteration got a minor error, which is 0.002%. The digital imaging carried out in this study could be developed to be a digital-based diabetic patient wound measurement tool.
Klasifikasi SMS Spam Menggunakan Algoritma Support Vector Machine (SVM) Green Arther Sandag; Raymond Sambur; Jebriella Bororing
Proceeding Seminar Nasional Sistem Informasi dan Teknologi Informasi 2018: Proceeding Seminar Nasional Sistem Informasi dan Teknologi Informasi (SENSITEK)
Publisher : STMIK Pontianak

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30700/pss.v1i1.303

Abstract

Informasi merupakan kumpulan data yang memiliki beragam konten yang dapat bersifat positif dan negative. Konten-konten yang tersebar dalam informasi tersebut dapat dengan mudah kita peroleh lewat berbagai macam jenis media contohnya SMS. Banyak informasi yang dikirim lewat SMS merupakan spam dimana konten yang dikirim berisi informasi yang tidak relevan dengan pengguna. Dengan fakta tersebut, perlu dibuat suatu system dalam mengklasifikasikan Spam dengan menggunakan text mining menggunakan metode Support Vector Machine (SVM), yang nantinya diharapkan dapat memilah komentar spam dalam SMS agar informasi yang diperoleh lebih akurat dan terpercaya. Data SMS yang didapat dari database Kaggle diolah terlebih dahulu dengan menggunakan teknik tokenizing, normalisasi kata, filtering, dan stemming. Selanjutnya peneliti menggunakan cross validation untuk menguji data training yang nantinya digunakan dalam proses klasifikasi. Algoritma SVM mampu mengklasifikasi spam dalam SMS dengan akurasi sebesar 96.72% dibanding naive bayes. Kata kunci: Spam, SVM, Naive Bayes, tokenizing, filtering, stemming
Model Prediksi Kemenangan Tim dalam Game League of Legend Menggunakan Algoritma Decision Tree Green Arther Sandag
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 (362.413 KB) | DOI: 10.35143/jkt.v7i1.4516

Abstract

Online games are growing very rapidly because they are supported by the development of smart phones which are increasingly being used. Online games are in great demand by various groups ranging from children, teenagers to adults who enjoy playing online games. The purpose of this research is to predict the team's victory in the league of legend game by using the decision tree algorithm. In this research, the dataset taken is 50,000 data, divided into 80% training and 20% testing. The results of this research show that the Decision Tree Algorithm has the best performance among other algorithms to predict victory with the results of 96.42% accuracy, 97.74% recall Team 1, 95.06% recall Team 2, 95.31% precision Team 1, 97.62% precision Team 2 and 0.157 RMSE for independent results while for 10 fold cross validation results have 96.24% accuracy, 97.34% recall Team 1, 95.11% recall Team 2, 95.33% precision Team 1, 97.21% precision Team 2, and 0.161 RMSE in detecting wins in the game League of Legend.
Klasifikasi Malicious Websites Menggunakan Algoritma K-NN Berdasarkan Application Layers dan Network Characteristics Green Arther Sandag; Jonathan Leopold; Vinky Fransiscus Ong
CogITo Smart Journal Vol 4, No 1 (2018): CogITo Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (562.924 KB) | DOI: 10.31154/cogito.v4i1.100.37-45

Abstract

Dalam kehidupan di era teknologi sekarang ini semua aktivitas manusia telah dipengaruhi oleh internet. Berbagi informasi, komunikasi, sosialisasi, berbelanja, berbisnis, pendidikan dan banyak hal lainnya yang dapat dilakukan menggunakan internet. Seiring dengan berkembangnya internet berbagai macam ancaman keamanan menjadi lebih beragam. Virus adalah musuh nomor satu di internet. Virus memanfaatkan berbagai metode untuk dapat menghindari anti-virus, salah satunya adalah Malware. Malware adalah salah satu kode berbahaya yang dapat mengubah, merusak dan mencuri data pribadi yang dapat merugikan individual ataupun kelompok. Penelitian ini akan memprediksi malicious website berdasarkan application layer dan network characteristics menggunakan metode K-Nearest Neighbor. Penelitian ini menggunakan metode data cleaning dan data reduction untuk data preprocessing, dan feature selection untuk pemilihan attribut yang paling berpengaruh pada malicious website. Untuk memprediksi malicious website penulis menggunakan algoritma K-NN dengan hasil 2,42% precision lebih tinggi dibandingkan dengan penelitian sebelumnya yang menggunakan algoritma Naïve Bayes.  Keywords : Klasifikasi, Network Characteristics, Malicious Websites, Application Layers, K-NN, Naïve Bayes
Identifikasi Foto Fashion Dengan Menggunakan Convolutional Neural Network (CNN) Green Arther Sandag; Jacquline Waworundeng
CogITo Smart Journal Vol 7, No 2 (2021): Cogito Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31154/cogito.v7i2.340.305-314

Abstract

Perkembangan teknologi sekarang ini berdampak pada banyak hal, salah satunya ialah pada bidang fashion. Penggunaan Artificial Intelligence dan juga deep learning dapat dimanfaatkan dalam bidang fashion, salah satu contohnya adalah pengenalan objek clothing. Pada penelitian ini, peneliti mengidentifikasi mode pakaian dengan menggunakan metode Convolutional Neural Network (CNN), dan library Tensorflow, serta menggunakan Fashion MNIST dataset untuk menguji kemampuan CNN model. Hasil yang didapatkan saat pengujian dengan menggunakan berbagai convolutional layer sekuensial yang kompleks, didapati dua hasil yang sedikit berbeda. Pengujian pada model pertama, terjadi overfitting, sehingga menghasilkan akurasi sebesar 91%. Pada pengujian kedua, dengan penambahan Dropout layers, menghasilkan akurasi yang lebih baik, yaitu sebesar 93%. Melihat dari hasil yang didapatkan, penggunaan CNN dalam mengidentifikasi mode pakaian cukup sesuai karena dapat mencapai akurasi hingga 93%.  Kata kunci — Deep Learning, Pengenalan objek , Convolutional Neural Network (CNN), Tensorflow, Fashion MNIST
Digital Library Jurnal dan Artikel Dengan Modul Automatic Citation Format Berbasis Web Green Arther Sandag; Andrew Tanny Liem; Marcviero Patresse Matauseya; Grady Wantah
CogITo Smart Journal Vol 3, No 2 (2017): CogITo Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (983.858 KB) | DOI: 10.31154/cogito.v3i2.69.196-206

Abstract

Universitas Klabat mempunyai visi untuk menjadi Universitas Riset. Untuk mewujudkannya maka setiap tahun dosen-dosen diwajibkan untuk membuat penelitian, begitupun dengan mahasiswa di Universitas Klabat. Sebuah research University yang baik ditunjang dengan fasilitas sarana perpustakaan yang baik juga. Dosen dan mahasiswa sebagai peneliti dapat memanfaatkan sarana perpustakaan dengan optimal. Masalah yang ada dalam perpustakaan di Universitas Klabat adalah akses terhadap hasil penelitian, artikel dan jurnal untuk mendapatkan informasi. Selain itu, untuk publikasi penelitian saat ini masih dalam bentuk hardcopy sehingga untuk mengakses penelitian yang ada, mahasiswa harus pergi ke kantor fakultas. Oleh karena hal tersebut, penulis merancang Digital Library Jurnal dan Artikel dengan Modul Automatic Citation Format berbasis Web yang dapat membantu penyimpanan hasil penelitian dengan dilengkapi fungsi automation citation. Software ini berbasis web agar mudah diakses oleh berbagai platform mobile. Penelitian ini menggunakan metode rekayasa perangkat lunak dengan proses model prototyping. Hasil penelitian dapat membantu researchers untuk mengakses serta mengutip jurnal atau artikel dalam membuat penelitian khususnya mahasiswa dan dosen di Universitas Klabat. Keywords :Jurnal, Artikel, Digital Library, Automatic Citation, Web, Proses Model Prototyping
Bioinformatics Tools for Data Processing and Prediction of Protein Function Green Arther Sandag; Semmy Wellem Taju
CogITo Smart Journal Vol 4, No 2 (2018): CogITo Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (698.713 KB) | DOI: 10.31154/cogito.v4i2.137.305-315

Abstract

Bioinformatika semakin populer karena kemampuannya untuk menganalisis dan memproses data biologis dengan cepat dan efektif. Bagian penting dari bioinformatika adalah untuk mengidentifikasi fungsi dan karakteristik protein dengan membangun metode prediksi menggunakan algoritma pembelajaran mesin. Ini termasuk bagaimana pembelajaran mesin dapat digunakan untuk menganalisis dan mengklasifikasikan fungsi protein yang cocok untuk digunakan sebagai deteksi penyakit, merancang perawatan medis yang tepat untuk pasien, dan mengembangkan obat untuk beberapa penyakit. Permintaan untuk pembuatan predictive tools dalam menentukan model protein-ligand dan fungsi protein meningkat untuk mempromosikan penelitian biologi dalam lingkungan desain obat yang inovatif. Namun, dibutuhkan banyak waktu dan upaya untuk mengembangkan alat prediksi yang dapat diterapkan pada protein. Dalam penelitian ini kami mengembangkan tools bioinformatika yang dapat secara otomatis mengembalikan data protein dalam bentuk komposisi asam amino (AAC), komposisi pasangan dipeptida (DPC), dan matriks penentuan spesifikasi posisi (PSSM). Data protein, telah kita ambil dari database uniprot yang berisi file fasta. Penelitian ini, kami membuat alat untuk memfasilitasi ilmuwan dalam memproses atau menganalisis data protein dan juga dapat memprediksi fungsi protein menggunakan algoritma pembelajaran mesin seperti Neural Network dan Random Forest. Kata Kunci—Bionformatika, AAC, DPC, PSSM