Article Per Year (5 Year)
p-Index From 2020 - 2025
2.286
P-Index
This Author published in this journals
All Journal Jurnal Transformatika Jurnal Pengembangan Rekayasa dan Teknologi Jurnal Ilmiah Sinus Building of Informatics, Technology and Science Joined Journal (Journal of Informatics Education Journal of Computer System and Informatics (JoSYC) Information System Journal (INFOS) Tematik
Setiaji, Galet Guntoro
Unknown Affiliation
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mechanical Engineering Social Sciences Transportation Other

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

Found 16 Documents
Search

 1   2 
Komparasi Metode Naive Bayes dan C4.5 Pada Klasifikasi Persalinan Prematur Hanif, Mohammad Burhan; Rani, Handini Arga Damar; Rifai, Ahmad; Setiaji, Galet Guntoro
Joined Journal (Journal of Informatics Education) Vol 5 No 1 (2022): Volume 5 Nomor 1 (2022)
Publisher : Universitas Ivet

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31331/joined.v5i1.2242

Abstract

Persalinan prematur adalah persalinan diluar masa lahir bayi yang menyebabkan kematian bagi bayi serta komplikasi terhadap ibu bayi. Juga menjadi beban tenaga medis dengan tren peningkatan sebanyak 8%. Klasifikasi data mining hadir sebagai pemecah masalah deteksi pencegahan awal persalianan premature. Dengan memanfaatkan algoritma klasfikasi C4.5 dan algoritma naïve bayes yang dianggap baik secara kinerja. Untuk memilih algoritma terbaik dalam klasifikasi persalinan prematur maka harus diukur dengan baik kinerjanya. Dari hasil pebandingan algoritma naïve bayes dengan algoritma C4.5 didapatkan akurasi sebesar 98.75% dengan AUC 0.5. Sedangkan capaian dari algoritma naïve bayes sebesar 81.88% dan AUC 0.945. Maka dari hasil perbandingan nilai akurasi kedua algoritma tersebut disimpulkan bahwa algoritma C4.5 mampu lebih unggul dalam penanganan data persalianan premature dibandingakan dengan algortima naïve bayes.
PEMANFAATAN DESAIN FLYER UNTUK MENINGKATKAN PEMASARAN PRODUK PADA FORUM KOPERASI DAN USAHA MIKRO KECAMATAN SEMARANG LOR Hanif, Mohammad Burhan; rifai, ahmad; Setiaji, Galet Guntoro; Gunata, Krida Pandu
TEMATIK Vol. 3 No. 1 (2023): Januari
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/tmt.v3i1.6137

Abstract

Pengabdian ini dilatar belakangi oleh UMKM GERAI KOPIMI Kecamatan Semarang Lor, yang belum optimal dalam memasarkan produknya karena hanya mengandalkan model pemasaran konvensional yaitu dengan menawarkan dari pintu ke pintu dan memajang hasil usahanya di tempat masing-masing. Selain itu produk dan cara promosi yang ditawarkanpun hanya nampak sederhana terkesan kurang menarik serta kurang mencuri perhatian dan terlihat alakadarnya. Dalam pelaksanaannya, pengabdian kepada masyarakat ini dilaksanakan dalam rangkaian kegiatan untuk memberikan pengetahuan tentang meningkatkan marketing dengan desain flyer menggunakan aplikasi canva sebagai sarana pemasaran yang mencuri perhatian. Hasil desain flyer ini nantinya akan diterapkan pada sosial media menggunakan teknologi informasi. Kegiatan ini juga akan meningkatkan nilai tambah produk hasil dengan cara desain pengemasan ulang dalam bentuk yang lebih baik dan lebih menarik. Rangkaian kegiatan yang akan dilakukan meliputi inventarisasi permasalahan yang dialami mitra, melakukan perancangan metode pemasaran dan sarana promosi produk, melakukan sosialisasi dan pelatihan terhadap metode yang telah dibuat, evaluasi kegiatan, dan pelaporan hasil kegiatan.  Kata Kunci: UMKM, Desain Flyer, Pengemasan ProdukPEMANFAATAN DESAIN FLYERUNTUK MENINGKATKAN PEMASARAN PRODUK PADA FORUM KOPERASI DAN USAHA MIKRO KECAMATAN SEMARANG LOR
Peningkatan Pengelolaan Sampah Melalui Aplikasi Bank Sampah di Desa Truko Kendal Hanif, Mohammad Burhan; Setiaji, Galet Guntoro; Putri, Astrid Novita
TEMATIK Vol. 3 No. 2 (2023): Juli
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/tmt.v3i2.7354

Abstract

Kegiatan pengabdian kepada masyarakat yang dilaksanakan sebenarnya bertujuan untuk meningkatkan proses dan cara  pengelolaan Bank Sampah Desa Truko Kendal. Bank sampah sejatinya bisa menjadi salah satu wujud pengelolaan sampah di lingkup masyarakat umum di mana limbah sampah rumah tangga akan dikelompokkan menjadi satu untuk dipilah, dan dijual kembali kepada pihak ketiga yaitu pengepul. Melalui bank sampah, limbah sampah rumah tangga dapat dikelola menjadi suatu hal yang bernilai ekonomis. Pengelolaan dengan cara bank sampah sendiri mengadopsi sistem perbankan pada dasarnya, namun bentuknya lebih kecil dan sederhana. Dimana Nasabah bank sampah adalah bagaian dari warga sekitar, yang akan menyerahkan sampah untuk dicatat sebagai saldo sesuai nilai ekonomisnya. Dalam prakteknya, pengelolaan bank sampah di Desa Truko Kendal mempunyai berbagai kendala. Program pengabdian masyarakat ini dilakukan untuk menyelesaikan kendala itu serta meningkatkan pengelolaan bank sampah melalui kegiatan yang bernilai ekonomis bagi warga. Peningkatan proses pengelolaan bank sampah dikerjakan dengan menerapkan Sistem Digital Manajemen melalui komputer. Selain itu, juga diadakan berbagai pendampingan juga pelatihan produk kreatif dari limbah hasil sampah plastik. Hal ini untuk meningkatkan kinerja pengelolaan bank sampah dan kegiatan operasional bank sampah di Desa Truko Kendal untuk program pengabdian berikutnya.
Pelatihan Editing Video Guru SMK Walisongo Dengan Adobe Premier Pramono, Basworo Ardi; Setiaji, Galet Guntoro; Rifa'i, Ahmad
TEMATIK Vol. 1 No. 2 (2021): Juli
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/tmt.v1i2.2549

Abstract

The development of technology in this modern era is very fast, currently technology has provided many benefits in advancing in various aspects. This development is not only in a matter of years, months or days, but hours, even minutes or seconds, especially in relation to information and communication technology supported by electronic technology. The use of technology by humans to help complete work is a necessity in life. The development of this technology must also be followed by developments in Human Resources (HR). The concept of service will teach vocational teachers who have minimal knowledge in the field of video editing. The video editing training with Adobe Premiere is expected to be a learning tool to create content for the learning of Walisongo Vocational School teachers. This training activity is carried out at the Walisongo Vocational School Lab and is supported by a question and answer session, a practicum module will also be given to each training participant. The purpose of implementing this community service is to increase the creativity of the Walisongo Vocational School teachers who will create learning content for their students. From the implementation of community service, it is hoped that it can improve skills and creativity by using Adobe Premiere software, so that later when they create interactive and interesting learning content, either making videos to be given to students or uploaded on YouTube and they can have an in-depth understanding of multimedia, especially the field. video editing with adobe premiere.
Random State Parameter Undersampling untuk Penanganan Data dengan Kelas Tidak Seimbang pada Algoritme Random Forest Setiaji, Galet Guntoro; Suntoro, Joko; Rifa'i, Ahmad
Jurnal Transformatika Vol. 21 No. 2 (2024): Januari 2024
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v21i2.8901

Abstract

Algoritme Random Forest (RF) sangat populer digunakan pada metode klasifikasi karena waktu learning yang cepat, mampu melakukan pembobotan pada variabel, dan kinerja yang sangat baik pada dataset berukuruan besar, namun algoritme RF mempunyai performa yang buruk saat menangani data dengan kelas tidak seimbang. Data dengan kelas tidak seimbang adalah jumlah data pada kelas tertentu lebih banyak dibandingkan dengan jumlah data pada kelas lainnya. Undersampling (US-RF) adalah salah satu metode yang digunakan untuk penanganan data dengan kelas tidak seimbang, namun metode undersampling akan memilih dan mereduksi data secara acak pada kelas mayoritas sehingga berakibat hilangnya data yang berpotensi berguna. Untuk menghindari hilangnya data yang berpotensi berguna tersebut karena dipilih secara acak, maka akan diterapkan penetapan nilai random state pada metode undersampling. Metode yang diusulkan diberi nama random state parameter undersampling Random Forest (RSUS-RF). Dalam penelitian ini akan dibandingkan antara metode RF, US-RF dan RSUS-RF. Hasil penelitian menunjukkan nilai rata-rata akurasi metode RSUS-RF lebih tinggi dibandingkan dengan metode RF dan US-RF dengan nilai rata-rata akurasi metode RSUS-RF sebesar 0.8259, sedangkan nilai rata-rata akurasi metode RF dan metode US-RF sebesar 0.8035 dan 0.7945. Serta terdapat perbedaan secara signifikan diantara ketiga metode tersebut ketika diuji menggunakan Friedman Test dengan nilai p-value adalah 0.005. 
Perbandingan Algoritma K-Means dan K-Medoids Untuk Clustering Harga Beras di Provinsi Jawa Tengah Setiaji, Galet Guntoro; Putri, Astrid Novita; Wicaksana, Dinar Anggit
Jurnal Transformatika Vol. 22 No. 1 (2024): July 2024
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v22i1.10092

Abstract

Beras merupakan komoditas pangan utama bagi masyarakat di Indonesia khususnya di Jawa Tengah. Sebagai kebutuhan pokok, ketersediaan dan harga beras sangat mempengaruhi stabilitas ekonomi dan kesejahteraan masyarakat. Oleh karena itu, pemantauan dan analisis harga beras menjadi hal yang sangat penting. Salah satu hal dalam memahami harga beras adalah dengan melakukan clustering atau pengelompokan harga berdasarkan harga eceran beras medium. Clustering dapat memberikan gambaran lebih jelas variasi harga di jawa tengah metode yang digunakan yaitu K-Means dan K-Medoid dengan membandingkan metode  tersebut diharapkan mendapatkan informasi detail dan pola harga beras di berbagai daerah. Hasil yang didapatkan bahwa validitas DBI K-Means dengan K=3 dan K=5 lebih unggul dari pada menggunakan K-Medoids.
GA-SVM Wrapper Feature Selection untuk Penanganan Data Berdimensi Tinggi Rifa'i, Ahmad; Suntoro, Joko; Setiaji, Galet Guntoro
Jurnal Transformatika Vol. 21 No. 2 (2024): Januari 2024
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v21i2.8886

Abstract

Peningkatan data dalam beberapa tahun terakhir ini mengalami peningkatan yang sangat signifikan karena penggunaan sosial media dan peralihan menjadi era digital. Teknik untuk pengolahan data menjadi informasi yang berguna dinamakan dengan data mining. Namun masalah yang terjadi ketika menerapkan data mining, khususnya metode klasifikasi adalah data berdimensi tinggi karena data berdimensi tinggi mempengaruhi hasil evaluasi dalam klasifikasi menjadi rendah. Data berdimensi tinggi didefinisikan sebagai data dengan jumlah fitur yang banyak dan kompleks, kompleksitas fitur mengakibatkan sulitnya memilih subset fitur yang optimal karena terdapat fitur yang tidak relevan. Dalam penelitian ini akan digunakan teknik wrapper dengan menerapkan metode metaheuristik yaitu algoritma genetika (GA) untuk pemilihan subset fitur agar lebih optimal, dan algoritma pengklasifikasi yang digunakan adalah algoritma Support Vector Machine (SVM), metode ini disebut dengan GA-SVM WFS. Hasil akurasi metode GA-SVM WFS lebih tinggi dibandingkan dengan metode SVM, dengan rata-rata hasil akurasi masing-masing sebesar 0,902 dan 0,874. Dalam penelitian ini terdapat perbedaan secara signfikan antara metode GA-SVM WFS dan metode SVM setelah dilakukan uji paired t-test dengan nilai p-value sebesar 0,01 dengan nilai α sebesar 0,05.
Perbandingan Kinerja RNN dan CNN Dalam Klasifikasi Sentimen Ulasan Pengguna Aplikasi di Play Store Saputra, Satria Nugraha; Setiaji, Galet Guntoro; Widiyanto, Max Teja Ajie Cipta
Journal of Computer System and Informatics (JoSYC) Vol 6 No 1 (2024): November 2024
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josyc.v6i1.6408

Abstract

The public frequently shares their thoughts and opinions on various topics, such as products, public figures, or government policies, through online platforms. The process of analyzing review data is referred to as sentiment analysis. This study aims to compare the performance of two deep learning models Recurrent Neural Network (RNN) and Convolutional Neural Network (CNN) in classifying user sentiments across five review categories from the Google Play Store: design, photography, gaming, social media, and streaming. Choosing the right algorithm is essential to achieving optimal accuracy, given the variations in language and expression patterns within reviews. The dataset used in this study consists of 50,000 reviews with an imbalanced distribution of positive and negative sentiments. To address this imbalance, oversampling techniques were applied using the Synthetic Minority Oversampling Technique (SMOTE). The evaluation process measured each model's accuracy and loss levels. The results show that CNN consistently outperformed RNN across most categories. For the design category, CNN achieved the highest accuracy of 85% with a loss value of 0.41, compared to RNN, which achieved 83% accuracy and a loss of 0.53. On the other hand, the streaming category showed the lowest performance, with CNN achieving an accuracy of 69% and a loss of 0.63, while RNN achieved 67% accuracy with a loss of 0.72. These findings highlight CNN's superior effectiveness in sentiment analysis across diverse user review categories.
PELATIHAN MEMBUAT WEBSITE DENGAN WORDPRESS DI SMK NEGERI 2 DEMAK Setiaji, Galet Guntoro; Hanif, Mohammad Burhan
TEMATIK Vol. 5 No. 1 (2025): Januari
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/tmt.v5i1.11189

Abstract

Kegiatan Tim PkM Program Studi Teknik Informatika Universitas Semarang menyelengarakan pelatihan membuat website dengan WordPress di SMK N 2 Demak. Kegiatan ini di ikuti oleh 35 siswa dan diselengarakan di Laboratorium Komputer SMK N 2 Demak. Sebelum dilakukan kegiatan ini siswa di berikan Pre-Test terkait kegiatan, dimana didapatkan sejumlah siswa masih belum begitu paham tentang website WordPress. Namun setelah dilakukan penjelasan dan praktik membuat website menggunakan WordPress, siswa lebih paham dan mengerti cara membuat website menggunakan WordPress.
Optimasi Clustering K-Means Menggunakan Algoritma Genetika Dengan Data View Dan Like Di Tiktok Setiaji, Galet Guntoro; Gunata, Krida Pandu; Setiarso, Galih
Jurnal Transformatika Vol. 22 No. 2 (2025): January 2025
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/y2tedy77

Abstract

K-Means merupakan algoritma yang sering digunakan untuk melakukan pengelompokkan atau sering juga disebut clustering. Dengan menentukan pusat centroid awal secara random pada algoritma K-Means akan ditingkatkan performanya menggunakan Algoritma Genetika (GA). Menggunakan data set publik di Kaglle, berupa data set tiktok dimana jumlah view dan like dengan record data sebanyak 19.084 setelah dilakukan pembersih data. Yang akan diuji dengan melakukan performa clustering K-Means dengan Algoritma Genetika. Dan untuk validitas nya nanti menggunakan Davis Boulden Index, dimana hasil validitas DBI ini nanti akan meningkatkan performance K-Means dengan menambahkan Algoritma Genetika. Dengan pengujian K-Means dengan jumlah k=3, k=4 dan k=5 menghasilkan masing-masing validitas DBI 0,64 ; 0,79 dan 0,72. Sedangkan untuk algoritma K-Means dengan peningkatan performa menggunakan GA didapatkan validitas dengan masing-masing DBI sebagai berikut 0,45 ; 0,40 dan 0,60. Dengan hasil penelitian menghasilkan bahwa peningkatan performa K-Means dengan menggunakan GA memberikan hasil validitas lebih kecil dari pada hanya menggunakan perhitungan KMeans saja.
Co-Authors Ahmad Rifai Ahmad Rifa’i Astrid Novita Putri, Astrid Basworo Ardi Pramono Gunata, Krida Pandu Hakim, Adya Abdu Azizul Handini Arga Damar Rani Hanif, Mohammad Burhan Joko Suntoro Khoirudin Khoirudin, Khoirudin Mohammad Burhan Hanif Pecaro, R Immanuel Giovanni Italiano Rifa i, Ahmad Rifa'i, Ahmad Saputra, Satria Nugraha Saputro, Rio Eko Setiarso, Galih Tirta Kumkamdani Veithzal Rivai Zainal Vensy Vydia Wicaksana, Dinar Anggit Widiyanto, Max Teja Ajie Cipta