Article Per Year (5 Year)
p-Index From 2020 - 2025
2.282
P-Index
This Author published in this journals
All Journal JIKSI (Jurnal Ilmu Komputer dan Sistem Informasi) Computatio : Journal of Computer Science and Information Systems Infotech: Journal of Technology Information Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Jurnal Serina Abdimas
Hendryli, Janson
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Mathematics Public Health Social Sciences Other

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

Found 16 Documents
Search

 1   2 
KLASIFIKASI KEKERINGAN TANAH MENGGUNAKAN METODE RIDGE REGRESSION Setiawan, Febri; Hendryli, Janson
Jurnal Ilmu Komputer dan Sistem Informasi Vol 4, No 2 (2016): Jurnal Ilmu Komputer dan Sistem Informasi
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (105.073 KB) | DOI: 10.24912/jiksi.v4i2.93

Abstract

Classifications drought land in a ridge regression aims to do classifications drought land in Jakarta and Bogor to satellite images landsat7 band 1, 2, 3, 4, 5 and 7, then selected area that have value NDSI (Normalized Difference Soil Index) more of or similar to 0.3. After that perform a division two categories, namely Y1 and Y2 with dummy dependent variable. A method of ridge regression used to shrink multicollinearity and the regression coefficient on the satellite images landsat7 band 1, 2, 3, 4, 5 and 7 by imposing penalty use constant bias. The results of classifications will shows broad drought land in Jakarta and Bogor. To testing the truth of the results of classifications drought the ground by ridge regression will be compared with their appearance in Google earth. Broad drought land highest in the Jakarta of 367.9740 km2 in May 2010 and in Bogor of 363.1266 km2 in June 2011 and the accuracy of the evaluation of classifications drought it can be said good because can reach value the accuracy of classifications drought land an average of 84.4688 % and standard deviations of 10.88442.
PENGENALAN BENTUK WAJAH DENGAN METODE CONVOLUTIONAL NEURAL NETWORK UNTUK PEMILIHAN MODEL KACAMATA SECARA ONLINE Budianto, Willson; Herwindiati, Dyah Erny; Hendryli, Janson
Infotech: Journal of Technology Information Vol 9, No 2 (2023): NOVEMBER
Publisher : ISTEK WIDURI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37365/jti.v9i2.176

Abstract

Glasses were originally only a visual aid for someone who had a visual impairment, but over time glasses have developed into a fashion necessity. Glasses can generally be tried directly in optics, but due to the pandemic, there are restrictions on interaction so that glasses cannot be tried directly. This research discusses face shape recognition using the Viola Jones method and the Convolutional Neural Network method which is useful for providing recommendations for selecting glasses models via online. The input data is an external data from the Kaggle site which has five face shapes namely heart, rectangle, oval, round, and square. The training process is carried out to train the machine to recognize the user's face shape according to its class. The testing process provides accuracy results of 84.38% and macro average values for precision of 85%, recall of 85% and F1-Score of 84%. This system is expected to help users of glasses to choose a model of glasses that suits their face shape online.
Peramalan Pertumbuhan Jumlah Outlet Menggunakan Metode Gated Recurrent Unit (Studi Kasus: PT XYZ) Suluh, David; Herwindiati, Dyah Erny; Hendryli, Janson
Computatio : Journal of Computer Science and Information Systems Vol. 8 No. 1 (2024): Computatio: Journal of Computer Science and Information Systems
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/computatio.v8i1.21234

Abstract

Sebagai perusahaan telekomunikasi, PT XYZ mengguanakan outlet seluler sebagai mitra untuk melakukan pendistribusian komoditas mereka. Dalam memperluas jaringan outlet seluler merka, PT XYZ tentu perlu memikirkan strategi bisnis yang tepat agar pertumbuhan jumlah outlet dapat menjadi lebih maksimal.Peramalan dapat digunakan sebagai acuan dalam strategi bisnis dan meningkatkan efektivitas rencana penyebaran outlet. Penilitian ini membahas peramalan pertumbuhan jumlah outlet menggunakan metode Gated Recurrent Unit yang berfungsi untuk melakukan peramalan atau prediksi jumlah outlet yang dapat diraih oleh PT XYZ. Data yang digunakan merupakan data outlet yang ada di PT XYZ dimana data ini akan dikelempokkan berdasarkan minggu ketika outlet bergabung. Proses pelatihan data menggunakan 80% dari total dataset dan pengujian menggunakan 20% dari total dataset. Pada proses pengujian, model mendapatkan hasil evaluasi MAE sebesar 0.1230 ,RMSE sebersar 0.2103 dan MSE sebesar 0.0442.
Pemetaan Kecamatan di Wilayah Bogor Berdasarkan Tipe Lahan dengan Metode Gradient Boosting Susilo, Venezia Valen; Herwindiati, Dyah Erny; Hendryli, Janson
Computatio : Journal of Computer Science and Information Systems Vol. 8 No. 2 (2024): Computatio: Journal of Computer Science and Information Systems
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/computatio.v8i2.15829

Abstract

Kabupaten Kota Bogor merupakan tempat Gunung Salak, sumber mata air Jakarta, berada sehingga untuk air sampai di Jakarta, air harus melalui Bogor terlebih dahulu. Hal ini mengakibatkan perubahan terhadap lahan di Bogor akan berpengaruh pada proses aliran air dari Gunung Salak ke Jakarta. Oleh karena itu, dibutuhkan suatu sistem yang dapat digunakan untuk memantau perubahan fungsi lahan di Bogor. Sistem ini, diharapkan dapat memberi informasi tentang alih fungsi lahan secara periodik yang terjadi di daerah Bogor dan diharapkan dapat membantu pihak-pihak yang terkait dalam penanganan dampak-dampak yang terjadi akibat alih fungsi lahan. Data yang diperlukan adalah citra Landsat 8 band 2, 3, 4, 5, 6, dan 7 yang telah melalui proses pra-pemrosesan untuk kemudian diklasifikasikan dengan menggunakan model yang dibangun dengan metode Gradient Boosting Regression untuk klasifikasi. Model dibangun dengan nilai learning rate 0.1 dan banyak pohon 50. Akurasi yang didapat dari model ini adalah 99.3349% untuk data latih, 99.1658% untuk data validasi, dan membutuhkan waktu 13.91376 detik.
Pembuatan Website Online Store Dilengkapi dengan Chatbot Dinata, Fredickson; Mawardi, Viny Christanti; Hendryli, Janson
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 9 No. 1 (2021): JURNAL ILMU KOMPUTER DAN SISTEM INFORMASI
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/jiksi.v9i1.11561

Abstract

The advance of technology and the increased number of internet usage, have caused many companies to build their slot web as a way to market their product. But getting the attention of people isn’t an easy thing to achieve, so livechat and chatbot are implemented into the system to increase the quality of services. This chatbot was developed using the Vector Space Model which will calculate the similarity of each question and the input, before using the vector space model each question will be weighted with term weighting. The chatbot was tested directly and the result is calculated to get the precision of 0.813, recall of 0.751, and f-measurement of 0.766. From the results, we can say the performance of the chatbot is quite decent for it has increased the quality of the services which the online slot web provided.
Perbandingan Metode Ekstraksi Fitur pada Sistem Pencarian Produk E-Commerce Berbasis Citra Hendryli, Janson; Herwindiati, Dyah Erny; Halim, Henry; Nagaputra, Hongi
Computatio : Journal of Computer Science and Information Systems Vol. 9 No. 1 (2025): Computatio: Journal of Computer Science and Information Systems
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/computatio.v9i1.33877

Abstract

Sistem temu kembali atau pencarian produk berbasis citra merupakan teknik pencarian yang bergantung pada konten suatu citra tanpa bergantung pada metadata yang umumnya digunakan pada pencarian berbasis teks. Untuk mendapatkan informasi obyek yang ada dalam suatu citra, berbagai metode ekstraksi fitur dapat digunakan. Tiga metode ekstraksi fitur, yaitu fitur warna, bentuk, dan tekstur, beserta kombinasi dari ketiganya dibahas pada penelitian ini. Fitur warna didapatkan dengan metode color moments dan metode histogram of gradients digunakan untuk ekstraksi fitur bentuk. Sedangkan, metode gray level co-occurrence matrix digunakan untuk ekstraksi fitur tekstur. Sementara itu, metode k-means clustering digunakan untuk membandingkan kesamaan antara citra pada basis data dengan citra kueri. Sistem kemudian menghasilkan 40 produk dengan kemiripan paling besar. Perbandingan dari metode-metode ekstraksi fitur tersebut beserta kombinasinya kemudian diuji dalam dua tahapan. Tahapan pertama adalah untuk mengetahui jumlah klaster terbaik dari metode k-means clustering. Dalam pengujian ini, metrik evaluasi yang digunakan adalah skor silhouette. Dari pengujian, jumlah klaster terbaik untuk fitur bentuk adalah 10. Jumlah klaster terbaik untuk kombinasi fitur warna dan bentuk adalah 4 klaster. Klaster terbaik untuk kombinasi fitur tekstur dan bentuk, serta kombinasi seluruh fitur warna, tekstur, dan bentuk adalah masing-masing sejumlah 2 klaster. Skor silhouette terbaik didapatkan dari kombinasi fitur tekstur dan bentuk, yaitu sebesar 0.658663941. Pengujian kedua adalah melihat mean average precision dari 40 hasil teratas menggunakan kombinasi fitur tersebut. Berdasarkan pengujian, fitur bentuk memberikan hasil terbaik, terutama untuk jenis produk dress.
Prediksi Harga Emas di Indonesia Menggunakan Gated Recurrent Unit Handhayani, Teny; Tanudy, Clara; Hendryli, Janson
JURNAL FASILKOM Vol. 13 No. 3 (2023): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v13i3.6185

Abstract

Prediction system for the price of gold in Indonesia using a machine learning algorithm, namely the Gated Recurrent Unit (GRU), with influencing variables being the closing price of PT. Aneka Tambang's stock and the closing price of the US dollar exchange rate. The main objective of developing this system is to provide accurate and reliable information about the gold price trends for the next 7 days to the general public, investors, and other relevant parties. The dataset used consists of historical data for the closing prices of gold, the closing prices of PT. Aneka Tambang's stock, and the closing prices of the US dollar exchange rate, obtained from Yahoo Finance's website from January 2018 to October 2023. The dataset was pre-processed by extracting the dates from the three data sources used. In the results of training the GRU model for prediction, the best results were achieved with hyperparameters of 70% training data, 30% testing data, a timestep of 20, 50 epochs, and a batch size of 16, with an R-Squared value of 0.97, an MAE of 300.17, and an RMSE of 17.33. With the development of this system, it is expected to provide guidance for the general public, investors, and related parties in making timely decisions regarding gold purchases and to enhance their understanding of gold price movements in Indonesia.
Program Konversi Citra Notasi Balok Menjadi Notasi Angka Gunawan, Hendy; Hendryli, Janson; Herwindiati, Dyah Erny
Computatio : Journal of Computer Science and Information Systems Vol. 2 No. 2 (2018): COMPUTATIO : JOURNAL OF COMPUTER SCIENCE AND INFORMATION SYSTEMS
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/computatio.v2i2.2278

Abstract

The Image Conversion Program of Music Notation being Numeric Notation is a character recognition system that accepts input in form of music notation image that produces an output of a DOCX file containing the numeric notation from the input image. Music notation has notation value, ritmic value and written with a music stave. The system consists of four main processes: preprocessing (grayscale and thresholding), notation line segmentation, notation character segmentation, and template matching. Template matching is used to recognize the music notation that obtained after segmentation. The recognition process obtained by comparing the image with the template image that has been inputted before to the database. This system has 100% success rate on segmentation of the character and success rate 38,4843% on the character recognition with template matching.
KLASIFIKASI CITRA BATIK INDONESIA DAN MALAYSIA DENGAN METODE MODIFIED DISCRIMINANT ANALYSIS Cynthia, Cynthia; Hendryli, Janson; Herwindiati, Dyah Erny
Computatio : Journal of Computer Science and Information Systems Vol. 3 No. 1 (2019): COMPUTATIO : JOURNAL OF COMPUTER SCIENCE AND INFORMATION SYSTEMS
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/computatio.v3i1.2973

Abstract

The application of Indonesian and Malaysian batik image classification using the Linear Discriminant Analysis (LDA) and Modified Discriminant Analysis (MDA) method is an introduction application that is used to classify images in the form of batik. Making this application uses the Java programming language to run feature retrieval methods, namely Color Histogram and Daubechies Wavelet and classification methods, namely LDA and MDA. Testing is done by blackbox testing method and confusion matrix. Tests are performed using color features, texture features, and a combination of training images and new test images. The best percentage test results are testing using color features, whereas with texture and the combination of both features get a slightly lower test percentage result.Aplikasi klasifikasi citra batik Indonesia dan Malaysia dengan metode Linear Discriminant Analysis (LDA) dan Modified Discriminant Analysis (MDA) merupakan aplikasi pengenalan yang digunakan untuk mengklasifikasi citra berupa batik. Pembuatan aplikasi ini menggunakan bahasa pemrograman Java untuk menjalankan metode pengambilan fitur yaitu Color Histogram dan Daubechies Wavelet dan metode pengklasifikasian yaitu LDA dan MDA. Pengujian dilakukan dengan metode blackbox testing dan matriks konfusi. Pengujian dilakukan dengan menggunakan fitur ciri warna, ciri tekstur, dan gabungan dari citra latih dan citra uji baru. Hasil persentase pengujian terbaik adalah pengujian dengan menggunakan ciri warna, sedangkan dengan ciri tekstur dan gabungan mendapatkan hasil persentase pengujian sedikit rendah.
KLASIFIKASI KAIN TENUN BERDASARKAN TEKSTUR & WARNA DENGAN METODE K-NN Kevin, Kevin; Hendryli, Janson; Herwindiati, Dyah Erny
Computatio : Journal of Computer Science and Information Systems Vol. 3 No. 2 (2019): COMPUTATIO : JOURNAL OF COMPUTER SCIENCE AND INFORMATION SYSTEMS
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/computatio.v3i2.6028

Abstract

Image classification of woven cloth based on texture and color using Gray Level Co-occurrence Matrix (GLCM), Local Binary Pattern (LBP), Color Moments and classification method KNearest Neighbour (KNN) is an application for classifying motive on woven cloth. The development of this application is using Python language programming for classification system and Android studio which using Java language programming as Front-end. Classification system consist of two main process namely feature extraction process and classification process. Feature extraction process is using GLCM, LBP and Color Moments which produce feature vector for every method and classification process is using KNN method. Feature used for classification process is feature vector which has best result. Based on experiment result, the best method that produce best feature vector is LBP method with accuracy percentage higher than other method.  Klasifikasi citra kain tenun berdasarkan tekstur dan warna dengan metode Gray Level Cooccurrence Matrix (GLCM), Local Binary Pattern (LBP), Color Moments dan metode klasifikasi K-Nearest Neighbour (KNN) merupakan aplikasi yang digunakan untuk mengklasifikasi motif yang ada pada kain tenun. Pembuatan aplikasi ini menggunakan bahasa pemrograman Python sebagai sistem klasifikasi dan Android studio yang menggunakan bahasa pemrograman Java sebagai Front-end. Sistem klasifikasi dibagi menjadi dua proses utama yaitu proses ekstraksi fitur dan proses klasifikasi. Proses ekstraksi fitur dilakukan dengan metode GLCM, LBP dan Color Moments yang menghasilkan fitur vektor untuk setiap metode dan proses klasifikasi dilakukan dengan metode K-NN. Fitur yang digunakan dalam proses klasifikasi adalah fiturvektor yang memiliki hasil terbaik. Berdasarkan hasil pengujian yang telah dilakukan, metode yang dapat menghasilkan fitur terbaik adalah metode LBP dengan persentase akurasi lebih tinggi dibandingkan dengan dua metode lainnya.
Co-Authors Augusfian, Fendy Budianto, Willson christian christian Cynthia Cynthia Dali Santun Naga Dedi Trisnawarman Dinata, Fredickson Dyah Erny Herwindiati Febri Setiawan gunawan, Hendy Halim, Henry Kevin kevin Nagaputra, Hongi Onggo, Gilbert Alexandro Prischila, Verrent Sopany, Mitchell Ryu Suluh, David Susilo, Venezia Valen Tanudy, Clara Teny Handhayani Viny Christanti M