cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota bandung,
Jawa barat
INDONESIA
Indonesia Symposium on Computing
Published by Universitas Telkom
ISSN : -     EISSN : -     DOI : -
Core Subject : Science,
Computer Science & IT
Arjuna Subject : -
Articles 97 Documents
 1   2   3   4   5 
Simulasi Pengaturan Lampu Lalu Lintas Menggunakan Cellular Automata dan Fuzzy Inference System Septian Nugraha Kudrat; Yuliant Sibaroni; Erwin Budi Setiawan
Indonesia Symposium on Computing Indonesia Symposium on Computing 2015
Publisher : Indonesia Symposium on Computing

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

Abstract

Permasalahan kemacetan tidak mudah diatasi karena pertumbuhan populasi kendaraan bertambah. Salah satu efek pertumbuhan populasi kendaraan adalah menjadi sensitifnya pengaturan traffic light pada suatu persimpangan. Sistem pengaturan traffic light yang tidak sesuai dengan keadaan jumlah kendaraan dapat memicu kemacetan. Pada umumnya, sistem pengaturan traffic light menggunakan pengaturan fixed time. Pengaturan fixed time tidak menyesuaikan dengan keadaan jumlah kendaraan sehingga tundaan yang dihasilkan berpotensi lama. Dikembangkan skema pengaturan adaptif menggunakan Fuzzy Inference System (FIS). FIS menghasilkan durasi lampu hijau. FIS tidak memiliki parameter performa untuk menguji kemampuannya sehingga sistem perlu diintegrasikan dengan model Cellular Automata (CA). Pergerakan kendaraan yang dihasilkan CA dapat memunculkan tundaan dan kecepatan rata-rata. Indikator keberhasilan didasarkan pada waktu tunggu rata-rata dan kecepatan rata-rata yang dialami oleh setiap kendaraan dalam waktu pengamatan per time step. Selain itu, pembagian durasi lampu lalu lintas dalam satu siklus menjadi faktor pertimbangan tambahan untuk menganalisis performa sistem. Metode FIS menghasilkan hingga 76,2 % tundaan rata-rata pada kelas E dan menghasilkan hingga 23,8 % tundaan rata-rata pada kelas F. Skema Fixed Time menghasilkan 0 % tundaan rata-rata pada kelas E dan 100 % tundaan rata-rata pada kelas F sehingga tundaan yang dihasilkan skema Fixed Time lebih lama daripada tundaan yang dihasilkan metode FIS.  
Penghitungan Kepadatan Kendaraan di Jalan Tol Menggunakan Metode Gaussian Mixture Model dan Kalman Filter Muhammad Jendro Yuwono; Bedy Purnama; Febryanti Sthevanie
Indonesia Symposium on Computing Indonesia Symposium on Computing 2015
Publisher : Indonesia Symposium on Computing

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

Abstract

Tingkat kepadatan volume kendaraan yang terdapat di jalan tol menjadi acuan dalam mengetahui informasi kepadatan kendaraan di jalan tol. Untuk mengetahui cara penghitungan ataupun cara pendeteksian kepadatan kendaraan terserbut, perlu adanya metode yang efisien untuk mengetahui tingkat kepadatan kendaraan yang melintas di jalan tol. Karena pemantauan yang dilakukan oleh pihak kepolisian, dinas perhubungan, maupun pihak penyelenggara jalan tol saat ini menggunakan berbasis video pengintai yang masih dipantau oleh manusia / orang secara manual. Maka dari itu perlu adanya sistem yang dapat menghitung kepadatan objek kendaraan yang terdapat di jalan tol. Seperti yang telah dilakukan pada penelitian sebelumnya dimana metode yang digunakan adalah edge detection, mampu menghasilkan tingkat akurasi hingga 80% dalam menghitung kepadatan kendaraan di jalan tol[6]. Metode edge detection menggunakan resource yang tinggi dalam keperluan komputasi, ini menjadi kelemahan penggunaan edge detection sebagai metode dalam kasus tersebut[6]. Dalam hal ini penelitian bertujuan untuk mengimpementasikan metode Gaussian Mixture Model dan Kalman Filter dalam kasus penghitungan kendaraan di jalan tol. metode GMM digunakan untuk mensubstraksi background dan foreground. Serta metode Kalman Filter yang digunakan untuk tracking kecepatan untuk memenuhi standar klasifikasi kepadatan jalan tol di Indonesia[8]. Dari hasil penelitian diperoleh tingkat akurasi rata rata sebesar 90.79%, dengan menggunakan parameter – parameter metode Gaussian Mixture Model yaitu Model GMM sebesar 3 threads, Threshold sebesar 0.05 dan Learning Rate sebesar 0.04. Dan parameter yang digunakan pada metode Kalman Filter yaitu state covariance matrix sebesar [1 1], process noise matrix sebesar [25 10] dan measurement noise sebesar 25.  
Prediksi Kelulusan Tepat Waktu Mahasiswa Menggunakan Neuro-Fuzzy Classification (NEFClass) (Studi Kasus: Program Studi S1 Teknik Informatika, Universitas Telkom) Rita Rismala; Serli Fatriandini; Retno Novi Dayawati
Indonesia Symposium on Computing Indonesia Symposium on Computing 2015
Publisher : Indonesia Symposium on Computing

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

Abstract

Salah satu indikator yang dapat digunakan untuk mengukur performansi studi mahasiswa adalah informasi mengenai lama studi yang berkaitan erat dengan kelulusan tepat waktu. Prediksi kelulusan tepat waktu mahasiswa dapat berperan sebagai early warning, baik bagi dosen wali, ketua program studi, orang tua, maupun mahasiswa itu sendiri. Prediksi kelulusan tepat waktu yang dilakukan secara dini setelah selesai masa Tahap Persiapan Bersama (TPB) akan berdampak positif dalam proses perbaikan performansi studi mahasiswa dan memperbesar peluang kelulusan tepat waktu. Penelitian ini menggunakan model Neuro Fuzzy Classification (NEFCLASS) untuk memprediksi kelulusan tepat waktu mahasiswa. Prediktor yang digunakan untuk memprediksi kelulusan tepat waktu mahasiswa pada penelitian ini adalah IPK TPB, lama masa TPB yang ditempuh, jumlah mata kuliah TPB yang diulang, dan jumlah pengambilan mata kuliah tertentu di masa TPB. Hasil prediksi diklasifikasikan ke dalam 2 kelas yaitu kelas tepat waktu dan kelas tidak tepat waktu. Analisis dilakukan terhadap pengaruh prediktor dan pengaruh parameter learning rate serta epoch terhadap performansi sistem. Hasil yang diperoleh dari penelitian menunjukkan performansi optimal yang dapat diperoleh adalah sebesar 77.725%.  
Implementasi Metode Improved Adaptive Gaussian Mixture Model Background Subtraction dan Haar-Like Features untuk Menganalisis Status Kepadatan Kendaraan yang Melintas di Suatu Jalur pada Lampu Lalu Lintas Ade Romadhony; Hamdy Nur Saidy; Mahmud Dwi Sulistiyo
Indonesia Symposium on Computing Indonesia Symposium on Computing 2015
Publisher : Indonesia Symposium on Computing

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

Abstract

Metode analisis kepadatan kendaraan di suatu jalur pada persimpangan lampu lalu lintas menggunakan real time video stream mempunyai banyak kendala. Kendala seperti penanganan terhadap berbagai kondisi cuaca sehingga background tidak statis, bayangan yang bergerak yang juga dapat mengurangi keakurasian perhitungan sistem, serta tidak berjalannya sistem sesuai yang diinginkan ketika terjadi kemacetan. Sehingga diperlukan rancangan yang dapat menangani masalah ini.
Oleh karena itu pada penelitian ini dibangun sistem perhitungan jumlah kendaraan di suatu jalur pada persimpangan lampu lalu lintas berbasis real time video stream menggunakan penggabungan beberapa metode untuk mengangani masalah diatas. Sistem ini menggunakan kamera perekam yang dipasang pada suatu jalur dengan lokasi yang berdekatan dengan persimpangan lampu lalu lintas untuk menghitung jumlah kendaraan yang melintasi jalur tersebut. Pemrosesan gambar dilakukan per-frame menggunakan metode Improved Adaptive Gaussian Mixture Model Background Subtraction dan Haar-Like Features.
Dengan menggunakan metode tersebut, dilakukan tracking secara real-time objek bergerak pada background yang cenderung tidak statis yang disebaban karena cuaca serta pencahayaan yang berubah-ubah. Objek- objek yang telah berhasil di-tracking tersebut kemudian dihitung jika melintasi virtual detector. Metode Haar-Like Features digunakan untuk mendeteksi terjadinya kemacetan yang terjadi pada jalur tersebut dengan cara mendeteksi objek pada background model yang dibentuk oleh sistem. Pada tahapan akhir, jumlah kendaraan yang melintasi virtual detector ataupun dideteksi oleh mekanisme congestion detection diklasifikasikan kedalam 5 tingkat kepadatan untuk memberikan analisis terhadap tingat kepadatan untuk jalur tersebut untuk tiap state sekuens lampu lalu lintas. Hasil pengujian menunjukkan sistem yang dibangun dapat digunakan dengan baik untuk menghitung dan mengklasifikasikan jumlah kepadatan kendaraan yang melintas disuatu jalur secara real-time.  
Perhitungan Value-At-Risk Untuk Portofolio Saham Dengan Metode Varian - Kovarian Dan Simulasi Monte Carlo Firdaus Maringga; Rian Febrian Umbara; Irma Palupi
Indonesia Symposium on Computing Indonesia Symposium on Computing 2015
Publisher : Indonesia Symposium on Computing

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

Abstract

Value-at-Risk (VaR) merupakan alat ukur untuk menghitung nilai kerugian maksimal portofolio investasi dengan diberikan selang waktu dan selang kepercayaan tertentu. Terdapat tiga metode dalam perhitungan VaR: simulasi historis, Varian - Kovarian, dan simulasi Monte Carlo. Penelitian yang dilakukan pada penelitian ini adalah menghitung VaR pada portofolio indeks saham LQ45 pada bulan Agustus 2013 sampai Januari 2014. Metode yang digunakan adalah Varian - Kovarian dan simulasi Monte Carlo dengan selang kepercayaan 80%, 90%, 95% dan 99%. Perhitungan Varian - Kovarian lebih cepat dibandingkan dengan simulasi Monte Carlo. Waktu perhitungan VaR dengan metode Varian - Kovarian 3.219 s sedangkan waktu simulasi Monte Carlo tergantung pada jumlah perulangan, semakin besar nilai n akan menghasilkan waktu perhitungan yang lama. Nilai eror yang didapat pada simulasi Monte Carlo lebih baik dibandingan Varian - Kovarian. Pada perhitungan MAD untuk metode Varian - Kovarian dengan selang kepercayaan 80% adalah 0,0200959 sedangkan MAD pada simulasi Monte Carlo adalah 0,0208848. Uji coba pada ANOVA one way menunjukkan adanya perbedaan signifikan pada nilai VaR.Hasil perhitungan VaR digunakan pemangku portofolio untuk mengambil keputusan terhadap portofolio yang dikelola.  
Deteksi Fake Review Berbasis Feature pada User Online Feature Menggunakan Metode Naive Bayes Annisa Cahya Anggraeni; Z K Abdurrahman Baizal; Erwin Budi Setiawan
Indonesia Symposium on Computing Indonesia Symposium on Computing 2015
Publisher : Indonesia Symposium on Computing

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

Abstract

Berkembangnya e-commerce saat ini memicu calon pembeli lebih mempercayai review yang ditulis oleh pembeli sebelumnya. Review positif cenderung akan membuat calon pembeli akan membeli barang tersebut, dan hal sebaliknya jika review produk tersebut negatif. Namun banyak review yang berkembang saat ini tidak lagi ditulis oleh pembeli sebenarnya. Review yang ditulis bukan sebenarnya disebut fake review/untruthful review yang termasuk kategori spam dan penulisnya disebut spammer. Pada penelitian ini akan dilakukan deteksi fake review dengan pendekatan beberapa kelas feature menggunakan metode Naïve Bayes. Penelitian ini akan menggunakan NLP dan sumber lexicon SentiwordNet dan menggunakan kamus untuk membantu ekstraksi sentiment yang belum pernah dilakukan peneliti sebelumnya untuk menghasilkan sistem yang lebih baik. Selanjutnya penelitian ini akan menganalisis apakah penggunaan tagger, kamus, dan pemilihan feature akan mempengaruhi sistem dan kelas feature apa yang paling mempengaruhi sistem. Hasilnya adalah penggunaan tagger dan kamus akan mempengaruhi sistem. Hasil terbaik diperoleh akurasi sebesar 83.33%. Pemilihan feature juga akan mempengaruhi sistem. Dari hasil penelitian diperoleh akan semakin baik bila semua kelas feature digunakan ke dalam sistem. Dan kelas feature yang paling berpengaruh adalah kelas personal feature.  
Recommender System Dengan Metode Fuzzy Analytic Hierarchy Process Untuk Produk Kompleks Grace Yohana; Z KA Baizal; Erwin Budi Setiawan
Indonesia Symposium on Computing Indonesia Symposium on Computing 2015
Publisher : Indonesia Symposium on Computing

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

Abstract

Dewasa ini perkembangan teknologi sudah semakin pesat dan kebutuhan akan sebuah produk semakin tinggi. Produk yang bermunculan juga semakin beraneka ragam, sehingga konsumen seringkali kesulitan dalam menentukan produk yang sesuai dengan kebutuhannya. Oleh karena itu dibutuhkan sebuah recommender system yang dapat membantu pengguna dalam menentukan pilihan. Recommender system merupakan suatu sistem yang mampu memberikan suatu rekomendasi kepada user terhadap item yang mungkin akan dipilih, berdasarkan informasi yang diperoleh dari pengguna. Dalam penelitian ini, metode yang digunakan untuk membuat recommender system adalah Fuzzy Analytic Hierarchy Process. Metode ini dapat memecahkan suatu masalah yang kompleks dan tidak terstruktur ke dalam beberapa susunan komponen yang hierarki, subjektif, relatif dan memiliki prioritas yang paling tinggi untuk mempengaruhi hasil dalam masalah tersebut. Setelah dilakukan analisis, didapatkan hasil akurasi sistem berdasarkan penilaian pakar sebesar 83.57% dan dengan ini menunjukkan bahwa hasil akurasi sistem sudah baik. Kemudian untuk hasil akurasi berdasarkan pengguna yang diuji dengan Mean Opinion Score, didapatkan hasil sebesar 1.4918 yang menunjukkan bahwa hasil rekomendasi yang diberikan oleh sistem sudah baik.  
Perancangan Pengaturan Durasi Lampu Lalu Lintas Adaptif Rudericus Andika Pramudya; Mahmud Imrona; Fhira Nhita
Indonesia Symposium on Computing Indonesia Symposium on Computing 2015
Publisher : Indonesia Symposium on Computing

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

Abstract

Kemacetan lalu lintas adalah suatu permasalahan yang selalu dirasakan masyarakat pengguna jalan, terlebih lagi bagi masyarakat di kota-kota besar, seperti Bandung. Kemacetan lalu lintas berdampak buruk bagi siapapun. Kemacetan mengakibatkan kerugian yang besar bagi individu maupun kelompok tertentu. Maka dari itu dibutuhkan solusi untuk mengurangi kemacetan. Solusi yang ditawarkan adalah pendekatan perhitungan lama durasi waktu lampu lalu lintas yang efisien, sehingga dapat mengurangi kemacetan berlebihan yang terjadi dan arus kendaraan menjadi lancar. Pada penelitian ini dibuat usulan sistem pengendali lampu lalu lintas yang adaptif, sistem ini menggunakan jaringan syaraf tiruan recurrent neural network untuk memecahkan permasalahan yang bersifat tidak pasti. Rancangan jaringan syaraf tiruan dicari dengan algoritma genetika (AG) berdasarkan data yang diperoleh dari data di lapangan. Berdasarkan penelitian yang telah dilakukan, didapatkan arsitektur terbaik berupa bobot-bobot dan hubungan antar neuron. Akurasi tertinggi pada sistem yang dibandingkan dengan fix time menunjukkan hasil yang cukup baik yaitu 90,082% untuk pembelajaran dan 87,191% untuk pengujian pengaturan durasi waktu lampu hijau lalu lintas adaptif. Jaringan syaraf tiruan yang telah dioptimalkan dengan proses pencarian arsitektur terbaik oleh algoritma genetika mempunyai hasil uji kinerja sistem yang lebih baik dibandingkan dengan fix time.  
Optimasi Genetic Algorithm Dengan Simulated Annealing untuk Multiple Depot Capacitated Vehicle Routing Problem Aditya Permana; Mahmud Dwi Sulistyo; Gia Septiana Wulandari
Indonesia Symposium on Computing Indonesia Symposium on Computing 2015
Publisher : Indonesia Symposium on Computing

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

Abstract

Multiple Depot Capacitated Vehicle Routing Problem (MDCVRP) adalah pengembangan dari Vehicle Routing Problem (VRP). Tujuan objektifnya adalah mencari rute kendaraan dengan biaya termurah dari depot ke setiap pelanggan yang harus dikunjungi. Pada MDCVRP, permasalahan bertambah dengan bertambahnya jumlah depot dan adanya constraint tambahan berupa batas kapasitas kendaraan. Secara matematis, MDCVRP ini merupakan permasalahan kombinatorial yang termasuk ke dalam kategori NP- hard (non-deterministic polynomial-time hard). Pada penelitian ini, digunakan Genetic Algorithm (GA) yang dioptimasi oleh algoritma Simulated Annealing (SA) dalam menyelesaikan permasalahan MDCVRP. Pada dasarnya, GA sudah cukup bagus dalam menyelesaikan berbagai permasalahan kombinatorial. Namun, kekurangannya adalah adanya kemungkinan GA dalam proses pencariannya terjebak dalam kondisi optimal lokal. Untuk mengatasi kekurangan tersebut, SA hadir untuk mengoptimalkan performansi GA agar terhindar dari konvergensi prematur karena terjebak dalam optimum lokal sehingga hasil yang diperoleh menjadi lebih baik. Observasi telah dilakukan beberapa kali sehingga mendapatkan setting terbaik untuk beberapa parameter yang berpengaruh terhadap sistem. Dari hasil percobaan, terbukti bahwa penerapan SA untuk mengoptimaasi GA selalu dapat menaikkan performansi sistem sebesar sekitar 1-2%. Dari keseluruhan pengujian yang telah dilakukan, performansi terbaik yang dihasilkan oleh sistem mencapai 94.51%.  
Analisis dan Implementasi Web Usage Mining Menggunakan Metode Self Organizing Map dan K-Means 
(Studi Kasus : Aktifitas Internet Telkom University) Tanri Hedresta; Eko Darwiyanto; Veronikha Effendy
Indonesia Symposium on Computing Indonesia Symposium on Computing 2015
Publisher : Indonesia Symposium on Computing

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

Abstract

Pertumbuhan internet yang melesat dengan cepat selama satu dekade terakhir membuat meledaknya populasi pengguna internet dan tentunya situs dimana para pengguna beraktifitas. Informasi bertebaran di berbagai penjuru dunia internet. Pencarian informasi dengan memanfaatkan teknologi internet telah memberikan manfaat yang sangat besar bagi berbagai bidang. Aktivitas pengguna internet dalam mengakses pages pada suatu website dapat menjadi informasi yang dapat digunakan untuk menjadi feedback untuk membantu pengguna internet lainnya melakukan pencarian informasi dengan lebih luas. Penelitian ini menggunakan ilmu web usage mining untuk membuat cluster url berdasarkan aktifitas pencarian user dalam mengakses situs baa.ittelkom.ac.id, website informasi kampus Telkom University. Aktivitas user pada suatu web yang direkam pada data log server diolah menggunakan metode Self Organizing Map (SOM). Sebelumnya dilakukan proses dimension reduction oleh metode K-Means pada data transaksi hasil dari preprocess data log, untuk memaksimalkan kinerja metode SOM. Data log diolah dengan mengambil beberapa bagian data yang diperlukan seperti IP address, url, dan waktu akses user pada proses preprocessing. Kemudian cluster yang dibentuk akan dianalisis.  

Page 2 of 10 | Total Record : 97

 1   2   3   4   5 

Filter by Year

2014 2016


Reset
Filter By Issues
All Issue Indonesia Symposium on Computing (IndoSC) 2016 Indonesia Symposium on Computing 2015 Indonesian Symposium on Computing 2014/Seminar Nasional Ilmu Komputasi Teknik Informatika (SNIKTI)