Article Per Year (5 Year)
p-Index From 2020 - 2025
0.983
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah KOMPUTASI Journal of Applied Computer Science and Technology (JACOST) Prosiding SeNTIK STI&K
Rozi
STMIK Jakarta STI&K
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Languange, Linguistic, Communication & Media

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
PENGISIAN KRS BERBASIS WEB PADA STMIK JAKARTA STI&K Rozi
Jurnal Ilmiah KOMPUTASI Vol 18, No 1 (2019): Maret
Publisher : STMIK JAKARTA STI&K

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

Abstract

Artikel ini menyajikan pengembangan aplikasi berbasis WEB dan telah diuji menggunakan alpha testing, aplikasi yang dibangun telah dapat melakukan pengisian KRS sesuai dengan persyaratan yang berlaku antara lain: seorang mahasiswa dapat melakukan penambahan dan atau pembatalan mata kuliah secara langsung dengan syarat belum melakukan pencetakan KRS, mahasiswa tidak bisa mencetak KRS apabila belum melakukan pembayaran, pengambilan mata kuliah harus sesuai dengan jurusan dan jenjangnya. Dengan demikian, aplikasi pengisian KRS berbasis web yang telah dibangun siap diimplementasikan di STMIK Jakarta STI&K. Keunggulan aplikasi yang dikembangkan adalah dapat dilakukan dimana saja dan kapan saja, sehingga mahasiswa tidak harus mengisi di kampus dan dapat menghindari keterlambatan pengisian KRS.
Identifikasi Karakteristik Citra Berdasarkan pada Nilai Entropi dan Kontras Bheta Agus Wardijono; Lussiana ETP; Rozi
Journal of Applied Computer Science and Technology Vol 2 No 1 (2021): Juni 2021
Publisher : Indonesian Society of Applied Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52158/jacost.v2i1.136

Abstract

Abstract Determining the object boundaries in an image is a necessary process, to identify the boundaries of an object with other objects as well as to define an object in the image. The acquired image is not always in good condition, on the other hand there is a lot of noise and blur. Various edge detection methods have been developed by providing noise parameters to reduce noise, and adding a blur parameter but because these parameters apply to the entire image, but lossing some edges due to these parameters. This study aims to identify the characteristics of the image region, whether the region condition is noise, blurry or otherwise sharp (clear). The step is done by dividing the four regions from the image size, then calculating the entropy value and contrast value of each formed region. The test results show that changes in region size can produce different characteristics, this is indicated by entropy and contrast values ​​of each formed region. Thus it can be concluded that entropy and contrast can be used as a way to identify image characteristics, and dividing the image into regions provides more detailed image characteristics.
ANALISIS KINERJA OPTICAL CHARACTER RECOGNITION UNTUK MEMBACA DOKUMEN OTOMATIS Susan Siti Nurhaliza; M. Subali; Lussiana ETP; Rozi
Prosiding Seminar SeNTIK Vol. 6 No. 1 (2022): Prosiding SeNTIK 2022
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

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

Abstract

Optical character recognition ( OCR) merupakan teknologi untuk mengenali karakter pada suatu citra, termasuk text atau dokumen. Salah satu menfaat implementasi metode OCR adalah untuk pengenalan dokumen pada bagian customs clearance. Berdasarkan fakta penggunaan huruf suatu dokumen sangat beragam, tidak hanya jenis huruf Calibri. Berdasarkan hal tersebut tujuan penelitian ini adalah melakukan pengkajian kinerja OCR dalam mengenali karakter dokumen dengan menggunakan jenis huruf Arial, Bahnschrift Condensed, Georgia, Lucida Sans Unicode, Roman, Segoe UI Semibold, dan Times New Roman. Adapun tahapan-tahapan penelitian antara lain adalah preprocessing yang terdiri dari proses grayscaling, binerisasi, cropping selanjutnya adalah tahap segmentasi, ekstraksi fitur dan untuk proses terakhir adalah proses metode pencocokkan karakter berdasarkan pada template matching. Berdasarkan hasil pengujian metode OCR mampu mengenali dengan akurasi 100% untuk karakter jenis huruf Georgia, Lucida Sans Unicode, Roman dan Segoe UI Semibold sedangkan akurasi terendah 71.21% pada karakter jenis huruf Bahnschrift Condensed. Dengan demikian dapat disimpulkan bahwa metode OCR secara umum mampu mengenali karakter, namun demikian masih terbuka untuk melakukan pengembangan penelitian untuk meningkatkan akurasi jenis huruf lain. Ditinjau dari waktu proses metode OCR relatif singkat, yaitu rata-rata 1.33 detik.
STUDI PREDIKSI HARGA BITCOIN MENGGUNAKAN RECURRENT NEURAL NETWORK L. M. Rasdi Rere; Hariyanto; Rozi
Prosiding Seminar SeNTIK Vol. 6 No. 1 (2022): Prosiding SeNTIK 2022
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

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

Abstract

Bitcoin adalah salah satu jenis cryptocurrency yang semakin dikenal dan terus meningkat pemakaiannya dalam beberapa tahun terakhir. Mata uang digital ini memungkinkan orang untuk bertukar nilai tanpa memerlukan perantara pihak ketiga. Terlepas dari banyak kelebihan yang dimiliki dibandingkan mata uang kripto lainnya, harga Bitcoin adalah kelas aset yang sangat fluktuatif karena murni hanya bergantung pada penawaran dan permintaan. Hal ini menghadirkan peluang yang menarik untuk membuat model prediksi peramalan. Dengan model sistem prediksi harga Bitcoin, investor baik institusi maupun perorangan dapat mengambil keputusan yang tepat, sehingga dapat terhindar dari kerugian yang tidak diinginkan. Penelitian ini menghadirkan salah satu metode machine learning yang populer dalam kasus data time series, yaitu Recurrent Neural Network untuk prediksi harga Bitcoin, dengan sejumlah variasi pada parameternya, menggunakan dataset yang diperoleh dari website yahoo finance. Hasil terbaik yang didapatkan adalah nilai RMSE untuk proses training 1621,95 dan test 730,42 dengan menggunakan Dense 3(128, 64, 1), persentase data training/test 90/10, serta jenis optimizer adam.
IMPLEMENTASI ARSITEKTUR MICROSERVICES PADA SISTEM INFORMASI AKADEMIK STMIK JAKARTA STI&K MENGGUNAKAN MODEL ENTERPRISE JAVABEANS (EJB) DAN POLYMER JS Febianto Arifien; Rozi
Prosiding Seminar SeNTIK Vol. 5 No. 1 (2021): Prosiding SeNTIK 2021
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

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

Abstract

IMPLEMENTASI ARSITEKTUR MICROSERVICES PADA SISTEM INFORMASI AKADEMIK STMIK JAKARTA STI&K MENGGUNAKAN MODEL ENTERPRISE JAVABEANS (EJB) DAN POLYMER JS
Aplikasi Penjualan Oleh-Oleh Khas Kuningan Produk UMKM Agnes Berbasis Web Wiwit Muliawati; Laras Dewi Adistia; Rozi
Prosiding Seminar SeNTIK Vol. 7 No. 1 (2023): Prosiding SeNTIK 2023
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

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

Abstract

UMKM Agnes dibangun untuk membantu melestarikan makanan tradisional yang menjadi ciri khas Desa Seda seperti emping melinjo, keripik pisang dan gemblong. Sistem penjualan yang digunakan oleh UMKM Agnes masih menggunakansystem konvensional yaitu yang masih mengharuskan pembeli datang langsung ke tempat.Pemilik usaha belum memanfaatkan kemajuan teknologi seperti pemasaran digital. Oleh karena itu, dibuatlah aplikasi penjualan online untuk oleh-oleh khas Kuningan Produk UMKM Agnes. Perancangan aplikasi ini dibuat menggunakan metode System Development Life Cycle (SLDC) dan menggunakan bahasa pemrograman MySQL yang menjadikan pembuatan aplikasi ini menjadi lebih terstruktur dan tepat guna. Hasil dari penelitian ini adalah terbentuknya sistem informasi penjualan online sehingga pembeli dapat membeli produk-produk UMKM Agnes tanpa harus datang langsung ke toko
Co-Authors Bheta Agus Wardijono Febianto Arifien Hariyanto L. M. Rasdi Rere Laras Dewi Adistia Lussiana ETP M. Subali Susan Siti Nurhaliza Wiwit Muliawati