Articles
<![CDATA[VERTEX COVER MENGGUNAKAN METODE GREEDY UNTUK OPTIMASI PENEMPATAN TEMPAT SAMPAH (STUDI KASUS AREA GEDUNG PERKULIAHAN) ]]>
<![CDATA[Irmanda, Helena Nurramdhani]]>;
<![CDATA[Santoni, Mayanda Mega]]>;
<![CDATA[Astriratma, Ria]]>
<![CDATA[ SEINASI-KESI Vol 1, No 1 (2018): Seinasi-Kesi 2018 ]]>
Publisher : <![CDATA[Fakultas Ilmu Komputer UPN Veteran Jakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (314.488 KB)
<![CDATA[Pengelolaan sampah merupakan hal yang sangat penting dan menjadi tanggung jawab semua pihak di lingkungan Universitas. Tempat sampah biasanya ditempatkan secara acak disetiap sudut/persimpangan jalan / koridor sehingga tidak efisien atau bahkan terdapat area yang tidak terjangkau oleh tempat sampah tersebut. Untuk mengefisienkan jumlah tempat sampah yang digunakan, perlu adanya pengaturan peletakan tempat sampah sedemikian sehingga tempat sampah ditempatkan dibeberapa titik yang dapat menjangkau area-area sekitarnya. Permodelan dilakukan dengan menggunakan graf, dan solusi optimasinya menggunakan vertex cover dengan metode greedy. Vertex cover dengan metode greedy dapat menyelesaikan permasalahan pengaturan penempatan tempat sampah di beberapa titik di area gedung perkuliahan, sehingga dapat efisien dibandingkan dengan penentuan letak secara manual (acak).]]>
<![CDATA[Metode Regresi Linier Berganda dan SVR dalam Menentukan Tingkat Pengaruh Cuaca Terhadap Produktivitas Padi di Indonesia ]]>
<![CDATA[Yulistiani, Risma]]>;
<![CDATA[Ramadhan, Ilham]]>;
<![CDATA[Said, Qahtan]]>;
<![CDATA[Santoni, Mayanda Mega]]>
<![CDATA[ SEINASI-KESI Vol 1, No 1 (2018): Seinasi-Kesi 2018 ]]>
Publisher : <![CDATA[Fakultas Ilmu Komputer UPN Veteran Jakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (272.56 KB)
<![CDATA[Kebutuhan masyarakat Indonesia terhadap beras yang dihasilkan dari padi menjadikanproduktivitas padi tiap tahunnya penting untuk diperhatikan. Salah satu masalah yangmenyangkut produktivitas padi di Indonesia adalah perubahan cuaca yang tidakmenentu. Untuk megatasi permaasalahan tersebut, dilakukan penelitian untukmemprediksi produktivitas padi menggunakan Metode Regresi Linier Berganda danSVR (Support Vector Regression). Data pengujian adalah data sektoral dari situs BPStahun 2000-2015. Pemilihan atribut dibatasi pada data yang memungkinkan memilikihubungan antara pengaruh cuaca dan produktivitas padi, yaitu curah hujan,kelembapan udara dan kecepatan angin. Hasil pengujian menunjukkan SVR danRegresi Linier memiliki tingkat akurasi yang hampir sama. Dari hasil evaluasi RegresiLinier menunjukkan tingkat galat sebesar RMSE (Root Mean Square Error) sebesar26.4763 dan MAE (Mean Absolut Error) sebesar 21,7043, sedangkan SVRmenunjukkan tingkat galat RMSE sebesar 25.8503 dan MAE sebesar 20,9812.]]>
<![CDATA[Cased Based Reasoning untuk Menentukan Gaya Belajar Mahasiswa ]]>
<![CDATA[Irmanda, Helena Nurramdhani]]>;
<![CDATA[Santoni, Mayanda Mega]]>;
<![CDATA[Astriratma, Ria]]>
<![CDATA[ Informatik : Jurnal Ilmu Komputer Vol 15, No 3 (2019): Desember 2019 ]]>
Publisher : <![CDATA[Fakultas Ilmu Komputer ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Gaya belajar mahasiswa penting untuk diketahui karena dapat mempermudah proses pembelajaran. Kementerian Pendidikan dan Kebudayaan telah menerbitkan Seri Manual GLS (Gerakan Literasi Sekolah yang didalamnya memuat mengenai identifikasi gaya belajar antara lain visual, auditori, dan kinestetik. Namun, assessment ini hanya bisa digunakan secara manual. Berdasarkan latar belakang tersebut, penelitian ini membuat sistem pakar berbasis aplikasi web untuk mengidentifikasi gaya belajar mahasiswa dengan Teknik case based reasoning berdasarkan indikator yang telah disusun dalam Seri Manual GLS. Untuk menentukan solusi, user mengisi kuesioner dalam aplikasi yang terdiri dari 30 pertanyaan. Kemudian,sistem akan melakukan reasoning yaitu mencari kemiripan kasus baru dengan kasus sebelumnya sehingga didapatkan solusi berupa jenis gaya belajar mahasiswa tersebut. Sistem ini diimplementasikan ke dalam aplikasi berbasis web yang mudah diakses kapan saja dan dimana saja.]]>
<![CDATA[Deteksi Hipertensi Dengan Metode Artificial Neural Network ]]>
<![CDATA[Matondang, Nurhafifah]]>;
<![CDATA[Santoni, Mayanda Mega]]>;
<![CDATA[Chamidah, Nurul]]>
<![CDATA[ SEINASI-KESI Vol 2, No 1 (2019): Seinasi-Kesi 2019 ]]>
Publisher : <![CDATA[Fakultas Ilmu Komputer UPN Veteran Jakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (479.692 KB)
<![CDATA[Hipertensi atau tekanan darah tinggi merupakan salah satu penyakit yang menjadi penyebab kematian di Indonesia. Penelitian ini menggunakan motode Artificial Neural Network (ANN) Feed Forward Backpropagation untuk mendeteksi hipertensi berdasarkan ciri-ciri dan atau kebiasaan seseorang. Data hipertensi diperoleh dengan kuesioner kemudian dipraproses dengan melakukan imputasi pada missing value serta transformasi data untuk mengubah data pada range yang sama. hasi praproses digunakan untuk melatih model ANN dengan 25 input, 3 hidden neuron serta 1 output. Dengan leraning rate 0.25 serta epoch sebanyak 1000, hasil percobaan menunjukkan akurasi hingga 96% dengan pembagian data latih sebesar 80% dan data uji sebesar 20%. Â ]]>
<![CDATA[Implementasi Sistem Keberangkatan Jamaah Umrah Berbasis Web pada PT. XYZ ]]>
<![CDATA[Prasvita, Desta Sandya]]>;
<![CDATA[Santoni, Mayanda Mega]]>
<![CDATA[ SEINASI-KESI Vol 2, No 1 (2019): Seinasi-Kesi 2019 ]]>
Publisher : <![CDATA[Fakultas Ilmu Komputer UPN Veteran Jakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (779.775 KB)
<![CDATA[Animo masyarakat Indonesia untuk menunaikan ibadah umrah terus meningkat setiap tahunnya, kemenag juga mencatat pada Tahun 2019 terdapat sebanyak lebih dari 800.000 jamaah Indonesia yang menunaikan ibadah umrah. Hal tersebut menjadi tantangan bagi Penyelenggara Perjalanan Ibadah Umrah (PPIU) untuk meningkatkan kualitas pelayanannya. Permasalahan kebanyakan PPIU khususnya di PT. XYZ saat ini salah satunya adalah dalam mempersiapkan kelengkapan jamaah yang cukup banyak dengan keterbatasan sumber daya manusia. Kelengkapan jamaah tersebut juga harus diproses dengan cepat tanpa ada kesalahan. Solusi teknologi informasi diharapkan dapat menyelesaikan permasalahan tersebut, yaitu dengan pembuatan sistem keberangkatan jamaah umrah. Tahapan penelitian yang dilakukan adalah identifikasi masalah, analisis sistem, perancangan sistem, implementasi, dan pengujian. Implementasi sistem keberangkatan jamaah umrah menggunakan basis data MySQL, bahasa pemrograman PHP dengan framework CodeIgniter. Dengan adanya sistem keberangkatan umrah berbasis web ini dapat memudahkan PT.XYZ dalam mencatat data jamaah, mengolah data, dan menyiapkan perlengkapan jamaah sebelum berangkat ke tanah suci.]]>
<![CDATA[Implementasi Convolutional Neural Network Untuk Klasifikasi Kata Pada Citra Teks ]]>
<![CDATA[Silalahi, Donni S]]>;
<![CDATA[Santoni, Mayanda Mega]]>;
<![CDATA[Muliawati, Anita]]>
<![CDATA[ SEINASI-KESI Vol 3, No 1 (2020): SEINASI-KESI 2020 ]]>
Publisher : <![CDATA[Fakultas Ilmu Komputer UPN Veteran Jakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Optical Character Recognition (OCR) adalah proses untuk mencari dan mengenali karakter dalam sebuah gambar dan kemudian mengekstrak karakter tersebut sehingga menjadi karakter digital (editable character). Dalam penelitian ini, akan merancang sebuah sistem untuk mengenali kata bahasa Indonesia dalam sebuah gambar / citra. Penelitian ini akan melalui beberapa tahapan, dimulai dari tahap praproses citra, kemudian tahap segmentasi karakter pada citra dengan menggunakan algoritma Connected Component Analysis (CCA) lalu dilanjutkan ke tahap mengklasifikasikan karakter tersebut dengan menggunakan metode Convolutional Neural Network (CNN). Setelah itu, akan dilakukan penggabungan karakter menjadi sebuah kata. Penelitian ini menggunakan data alfabet yang digunakan untuk melatih model CNN, dan data citra teks bahasa Indonesia untuk diklasifikasi oleh model. Hasil yang didapat yaitu akurasi klasifikasi alfabet sebesar 97%, kemudian untuk klasifikasi kata didapat akurasi sebesar 34,54%. Akurasi pada klasifikasi kata ini dipengaruhi oleh praproses citra yang dilakukan sebelumnya, hasil dari praproses tersebut banyak citra yang mengalami kegagalan sehingga salah saat diklasifikasi. Kegagalan praproses disini yaitu seperti citra yang blur atau rusak sehingga salah diklasifikasi dan juga bisa salah disegmentasi, kemudian terdapat citra teks yang mengandung huruf “i†dan “j†yang dianggap sebagai 2 karakter berbeda.]]>
<![CDATA[IMPLEMENTASI METODE LOCAL BINARY PATTERN DAN GRAY LEVEL RUN LENGTH MATRIX UNTUK IDENTIFIKASI CITRA BAHAN KULIT HEWAN ]]>
<![CDATA[Hafizd, Maulana]]>;
<![CDATA[Santoni, Mayanda Mega]]>;
<![CDATA[Muliawati, Anita]]>
<![CDATA[ SEINASI-KESI Vol 3, No 1 (2020): SEINASI-KESI 2020 ]]>
Publisher : <![CDATA[Fakultas Ilmu Komputer UPN Veteran Jakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Bahan kulit hewan merupakan salah satu penemuan tertua dan paling bermanfaat bagi manusia. Bahan kulit hewan diolah menjadi produk yang berguna untuk memenuhi kebutuhan manusia seperti sepatu, dompet, tas, dan sebagainya. Motif dan kualitas dari bahan kulit hewan berbeda-beda sesuai dengan jenis hewan yang digunakan. Hal ini dapat menyebabkan keterbatasan kemampuan konsumen untuk mengetahui jenis hewan yang digunakan. Keterbatasan ini mempengaruhi konsumen dalam mengetahui nilai jual dan kualitas dari produk bahan kulit hewan tersebut. Perkembangan ilmu pengetahuan dalam bidang pengolahan citra digital memungkinkan manusia untuk mengatasi permasalahan tersebut. Perbedaan motif pada bahan kulit hewan dapat diidentifikasi dengan melakukan analisis tekstur. Oleh karena itu di dalam penelitian ini digunakan Local Binary Pattern (LBP) dan Gray Level Run Length Matrix (GLRLM) sebagai metode ekstraksi ciri tekstur dengan metode klasifikasi Neural Network (NN). Dalam penelitian ini digunakan citra bahan kulit hewan yang memiliki lima kategori, yaitu kulit sapi, babi, domba, kambing, dan kanguru. Tingkat akurasi yang didapatkan dari implementasi metode LBP dan GLRLM untuk identifikasi citra bahan kulit hewan sebesar 60%]]>
<![CDATA[Klasifikasi dan Analisis Sentimen pada Data Twitter Menggunakan Algoritma Naïve Bayes (Studi Kasus: Timnas Indonesia Senior, U-23, dan U-19) ]]>
<![CDATA[Prajamukti, Reino]]>;
<![CDATA[Jayanta, Jayanta]]>;
<![CDATA[Santoni, Mayanda Mega]]>
<![CDATA[ SEINASI-KESI Vol 4, No 1 (2021): SEINASI-KESI 2021 ]]>
Publisher : <![CDATA[Fakultas Ilmu Komputer UPN Veteran Jakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Media sosial tidak hanya berfungsi sebagai media komunikasi yang efektif, namun juga dapat menjadi wadah untuk menampung opini masyarakat. Salah satu media sosial yang banyak dipakai untuk mewadahi opini-opini tersebut adalah Twitter. Pengguna Twitter di Indonesia sering mengutarakan pendapatnya pada semua bidang termasuk olahraga, khususnya Timnas Sepakbola Indonesia. Berbagai macam sentimen terhadap Timnas Sepakbola Indonesia ini dapat dilihat di Twitter. Berlatarkan kondisi tersebut, maka diperlukan penelitian tentang opini masyarakat tentang performa Timnas Sepakbola Indonesia. Salah satu cara yang dilakukan adalah dengan melakukan analisis sentimen terhadap Timnas Sepakbola Indonesia di jejaring sosial Twitter menggunakan metode klasifikasi dan algoritma Naïve Bayes untuk mengklasifikasikan tweet positif atau negatif yang masyarakat berikan tentang Timnas Sepakbola Indonesia. Hasil dari analisis sentimen menggunakan algoritma Naïve Bayes pada klasifikasi tweet tentang opini terhadap Timnas Sepakbola Indonesia berjalan dengan baik dengan nilai akurasi 83%, kemudian nilai precision nilai positif  sebesar 86%, nilai precision nilai negatif  sebesar 81%, nilai recall sebesar 78%, dan nilai specificity penelitian ini 87,5% dengan menggunakan metode confusion matrix berdasarkan data yang diambil pada Januari sampai Mei 2021.]]>
<![CDATA[Penilaian Esai Pendek Otomatis dengan Pencocokan Kata Kunci Frasa Nomina ]]>
<![CDATA[Nurul Chamidah]]>;
<![CDATA[Mayanda Mega Santoni]]>;
<![CDATA[Helena Nurramdhani Irmanda]]>;
<![CDATA[Ria Astriratma]]>
<![CDATA[ Techno.Com Vol 20, No 4 (2021): November 2021 ]]>
Publisher : <![CDATA[LPPM Universitas Dian Nuswantoro ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33633/tc.v20i4.5043
<![CDATA[Pembelajaran daring menjadi suatu kebutuhan dalam pengajaran baik dalam memberikan materi maupun ujian. Ujian dalam bentuk soal objektif kurang dapat mengukur kemampuan pemahaman seseorang dan soal esai dianggap lebih baik untuk mengevaluasi hasil pembelajaran. Namun, jawaban berbentuk esai memerlukan waktu yang lebih banyak untuk dilakukan penilaian serta hasil penilaiannya dapat inkonsisten. Maka dari itu, diperlukan suatu sistem penilaian esai otomatis yang dapat menilai esai dengan lebih cepat dan konsisten. Penelitian ini dilakukan untuk menganalisis performa penilain esai otomatis dengan mengekstrak kata kunci dari frasa nomina dalam jawaban berbentuk esai pendek. Penilaian esai dilakukan dengan mencocokkan kata kunci yang diekstrak dari jawaban uji dan jawaban referensi. Jawaban uji dan referensi diproses dengan case folding, Part of Speech (POS) Tagging, ekstraksi frasa nomina, dan stemming. Kata kunci unik jawaban uji dan jawaban referensi yang diperoleh dari proses tersebut selanjutnya dicocokkan dan kemudian dinilai berdasarkan kecocokan tersebut. Hasil evaluasi penelitian ini menunjukkan Mean Absolute Error (MAE) dari nilai yang diperoleh dengan mencocokkan kata kunci dengan nilai uji yang diberikan manusia sebesar 18% dan Pearson Correlation sebesar 0.83 yang menunjukkan korelasi antara nilai sistem dan nilai uji sangat baik.]]>
<![CDATA[Pencocokan Berbasis Kata Kunci pada Penilaian Esai Pendek Otomatis Berbahasa Indonesia ]]>
<![CDATA[Nurul Chamidah]]>;
<![CDATA[Mayanda Mega Santoni]]>
<![CDATA[ Techno.Com Vol 20, No 1 (2021): Februari 2021 ]]>
Publisher : <![CDATA[LPPM Universitas Dian Nuswantoro ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33633/tc.v20i1.4115
<![CDATA[Evaluasi dalam pengajaran dapat dilakukan melalui ujian. Ujian berupa esai dapat digunakan untuk mengevaluasi pemahaman sesuai konteks dan memiliki jawaban referensi. Sayangnya, jawaban dari esai ini membutuhkan waktu yang lebih banyak untuk dievaluasi dan dapat terjadi inkonsistensi dalam melakukan penilaian. Penelitian ini dilakukan untuk menganalisis performa untuk penilaian esai pendek otomatis berbahasa Indonesia untuk mengevaluasi jawaban yang berbentuk esai pendek. Sehingga, penilaian terhadap jawaban esai lebih konsisten dan dapat digunakan sebagai alternatif untuk penilaian dalam ujian online. Penilaian esai dilakukan dengan menghitung kecocokan antara jawaban uji dengan jawaban referensi, yakni dengan meilhat kata kunci dari masing-masing jawaban. Kata kunci diperoleh dengan melakukan praproses pada teks yakni dengan case folding, pembuangan stopword, stemming, dan tokenisasi. Setelah mendapatkan kata kunci untuk jawaban uji dan jawaban referensi, pada tahap keyword matching dilakukan pencocokan jawaban uji terhadap jawaban referensi. Hasil kecocokan antara jawaban uji dan referensi selanjutnya dihitung menjadi nilai pada tahapan grading. Nilai yang diperoleh dari grading selanjutnya dibandingkan dengan nilai uji sebagai evaluasi performa dengan menghitung Mean Absolute Error (MAE) dan Pearson Correlation. Hasil dari penelitian ini menunjukkan MAE untuk keseluruhan jawaban uji sebesar 0.25 dan korelasi antara nilai uji dengan nilai hasil grading sebesar 0.79.]]>
