Article Per Year (5 Year)
p-Index From 2021 - 2026
1.556
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 : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 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.
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.
SISTEM PENGOREKSIAN EJAAN TEKS BAHASA INDONESIA DENGAN DAMERAU LEVENSHTEIN DISTANCE DAN RECURRENT NEURA L NETWORK Augusfian, Fendy; Mawardi, Viny Christanti; Hendryli, Janson; Naga, Dali Santun
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.v3i2.6038

Abstract

This research was intended to create Indonesian Text Spelling Correction system with the capability to handle and make correction to both kind of spelling errors, non-word and real-word errors. Existing spelling correction system was analyzed and made some adjustment and modifications to boost its accuracy. The proposed spelling correction system is built with Damerau-Levenshtein Distance that used in existing spelling correction system along with the adjustment and modifications. The result that achieved by the system that uses by existing spelling correction with the word level accuracy of 40.6% and an average processing speed of 18.4 ms per sentence while the result that achieved by the system that uses Damerau-Levenshtein Distance and Recurrent Neural Network with the word level accuracy of 21.3% and an average processing speed of 29.21 ms per sentence. The result of retest text that achieved by the system that uses Damerau-Levenshtein Distance and Recurrent Neural Network with the word level accuracy of 74%. Tujuan dari penelitian ini adalah untuk membuat sistem pengoreksian ejaan teks Bahasa Indonesia, yang memiliki kemampuan untuk menangani dan memperbaiki kesalahan ejaan, baik kesalahan kata tidak sah maupun kesalahan kata sah. Sistem koreksi ejaan yang sudah ada dianalisis kembali dan dilakukan beberapa penyesuaian dan koreksi untuk meningkatkan akurasi. Sistem koreksi ejaan yang diusulkan dibuat dengan metode Damerau-Levenshtein, yang digunakan dengan penyesuaian dan koreksi dalam sistem koreksi ejaan yang sudah ada. Pencapaian yang dicapai oleh sistem koreksi ejaan yang sudah ada menghasilkan akurasi kata sebesar 40,6% dan kecepatan pemrosesan rata-rata 18,4 milidetik per kalimat dibandingkan hasil yang dicapai oleh sistem yang menggunakan Damerau-Levenshtein Distance dan Recurrent Neural Network Akurasi menghasilkan akurasi kata sebesar 21,3% dan kecepatan pemrosesan rata-rata adalah 29,21 milidetik per kalimat. Hasil pengujian ulang teks yang dicapai oleh sistem menggunakan Damerau-Levenshtein Distance dan Recurrent Neural Network menunjukkan akurasi kata sebesar dari 74%. 
Program Pendeteksi Perubahan Fungsi Lahan Menggunakan Metode Ridge Regression Dan Support Vector Machine (Studi Kasus: 95 Kecamatan Di Wilayah Bekasi, Depok Dan Tangerang) Christian, Christian; Hendryli, Janson; Herwindiati, Dyah Erny
Computatio : Journal of Computer Science and Information Systems Vol. 4 No. 1 (2020): 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.v4i1.7190

Abstract

Tulisan ini membahas tentang perubahan fungsi lahan yang terjadi pada tingkat kecamatan di wilayah Bekasi, Depok dan Tangerang  perlu dipertimbangkan ketika melakukan pengembangan di sekitar kota penyangga Jakarta. Program untuk mendeteksi perubahan penggunaan lahan menggunakan metode Ridge Regression dan Support Vector Machine bertujuan untuk melihat perubahan penggunaan lahan di wilayah Bekasi, Depok dan Tangerang dengan mengklasifikasikan jenis tanah menjadi 4 kelas yaitu kelas hijau, kelas sebagian hijau, kelas impervious, dan sebagian impervious menggunakan citra satelit Landsat 7 dan Landsat 8 pada band Biru, Hijau, Merah, NIR, SWIR-1, dan SWIR-2. Gambar Landsat yang digunakan akan melalui proses preprocessing menggunakan metode koreksi radiometrik Pengurangan Gelap untuk gambar Landsat 7 dan Landsat 8 dan metode gap fill untuk gambar Landsat 7. Setelah itu, pemotongan citra Landsat akan dilakukan ke tingkat kecamatan pada wilayah Bekasi, Depok dan Tangerang. Hasil klasifikasi akan digunakan untuk menentukan perubahan lahan dengan membandingkan dua gambar hasil klasifikasi dengan tahun yang berbeda. Hasil dari makalah ini menunjukkan bahwa model yang menggunakan metode mesin Support Vector memiliki akurasi gain yang lebih baik sebesar 83,00% untuk data Landsat 7 dan 8 dibandingkan dengan model yang menggunakan metode Ridge Regression, yang memiliki akurasi perolehan 61,96% untuk data Landsat 7 dan 61,28% untuk data Landsat 8.
Analisis Security Voice Authentication pada Sistem Login 2-FA Onggo, Gilbert Alexandro; Herwindiati, Dyah Erny; Hendryli, Janson
Computatio : Journal of Computer Science and Information Systems Vol. 5 No. 1 (2021): 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.v1i1.10915

Abstract

Program Sistem Login dengan API Otentikasi Suara merupakan sebuah program website yang dibuat untuk memberikan contoh untuk pengembang lain agar dapat membuat website sistem login yang aman. Program ini dibuat menggunakan bahasa pemrograman Python dengan program pengembangan Visual Studio Code, sedangkan berbagai modul dalam program menggunakan Flask dan MongoDB. Hasil dari pengujian program berupa analisa kerentanan program terhadap serangan injeksi SQL, XSS dan Replay. Hasil yang didapatkan berupa kerentanan terhadap penyerangan XSS dan terutama Replay. Serangan XSS dan injeksi dapat terjadi apabila program tidak ada proses filter terhadap bahasa pemrograman pada input. Serangan Replay dapat ditembus karena penggunaan token berbasis waktu. Penyerang dapat mengirim ulang data yang di rekam sebelum token kadaluwarsa. Untuk mencegah kebocoran data, program website dan API harus menggunakan Koneksi yang terenkripsi seperti SSL / TSL. API otentikasi suara dapat melakukan klasifikasi pengguna dengan akurasi 81.25% menggunakan 3 suara sebagai input awal. Namun, API otentikasi suara gagal dalam mencegah serangan replay spoofing dengan akurasi 66.66%. Kuesioner juga diberikan kepada pengembang lain mengenai contoh program yang dibuat dengan 32 responden. Hasil dari kuesioner menunjukkan bahwa “Analisis Security Voice Authenticator pada Sistem Login Two Factor Authentication” dapat menambah ilmu cybersecurity bagi pengembang 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 Kevin kevin Onggo, Gilbert Alexandro Prischila, Verrent Sopany, Mitchell Ryu Suluh, David Tanudy, Clara Teny Handhayani Viny Christanti M