Article Per Year (5 Year)
p-Index From 2020 - 2025
1.532
P-Index
This Author published in this journals
All Journal INTEGER: Journal of Information Technology Indonesian Journal of Information System Journal of Information System,Graphics, Hospitality and Technology JTIM : Jurnal Teknologi Informasi dan Multimedia International Journal of Engineering, Science and Information Technology Insyst : Journal of Intelligent System and Computation Jurnal Sistem Informasi
Herman Budianto
Institut Sains Dan Teknologi Terpadu Surabaya
Astronomy Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Social Sciences Transportation Other

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 10 Documents
Search

 1 
Klasifikasi Topeng Pandawa dengan SVM Sanjaya, Andi; Setyati, Endang; Budianto, Herman
INTEGER: Journal of Information Technology Vol 5, No 1: April 2020
Publisher : Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (236.222 KB) | DOI: 10.31284/j.integer.2020.v5i1.910

Abstract

Klasifikasi merupakan tahapan tingkat lanjut dari sebuah keilmuan computer vision. Karena tujuan dari sebuah aplikasi rekognisi yaitu mengenali. Cara mengenali yaitu dengan cara klasifikasi. Banyak metode klasifikasi yang ada, namun pada penelitian ini menggunakan Support Vector Machine (SVM). SVM dipilih karena bisa mengatasi data dengan dimensi yang sangat besar tanpa mereduksi data, bekerja dengan data linier atau nonlinier dan membuat sebuah hyperplane yang memisahkan data antar kelas. Pada penelitian ini menggunakan data patung pandawa dengan lima kelas. Lima kelas terdiri dari kelas yudhistira, bima, arjuna, nakula dan sadewa. Kernel yang digunakan pada penelitian ini menggunakan  Radial Basis Function (RBF). Hasil ujicoba pada penelitian mempunya rata-rata akurasi sebesar 0,848.
The Adoption of Blended Learning in Non-Formal Education Using Extended Technology Acceptance Model Kurniawan, Ridho; Pramana, Edwin; Budianto, Herman
Indonesian Journal of Information Systems Vol 4, No 1 (2021): August 2021
Publisher : Program Studi Sistem Informasi Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/ijis.v4i1.4415

Abstract

This study aims to determine the influencing factors for understanding the intention of the learners in Non-Formal Education to use Blended Learning. In addition, it aims to investigate the relationships of the factors in a theoretical model. This study was conducted due to the lack of research in the world that discusses the adoption of Blended Learning in Non-Formal Education in Developing Countries such as Indonesia. Blended Learning at Non-Formal Education in the Covid-19 era is needed because the education institution has a limited place to accommodate more learners. A questionnaire based on google form was used to collect data. A sample of 566 users of Blended Learning from Non-Formal Education Institutions in Indonesia were used.  All variables from the theoretical model are measured using existing scales.  Structural Equation Model (SEM) was used to analyze the theoretical model.  SPSS and Amos were used as the software tools. This research contributes to the theoretical understanding of Blended Learning adoption as well as practice and provide guidance for Non-Formal Education to successfully implementing Blended Learning in their institutions. From the thirteen initial hypotheses, there are nine significant hypotheses. Three hypotheses with the largest magnitude are SI -> PU, CE -> PEU, and PU -> BI.  SI is the most influencing factor in the adoption of blended learning at non-formal education institutions.
Algoritma Improved Symbiotic Organism Search (I-SOS) sebagai Pendukung Keputusan dalam Penentuan Dosen Pengampu Matakuliah Zulkarnaen; Herman Budianto; Hendrawan Armanto
JTIM : Jurnal Teknologi Informasi dan Multimedia Vol 1 No 4 (2020): February
Publisher : Puslitbang Sekawan Institute Nusa Tenggara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35746/jtim.v1i4.64

Abstract

This study discusses the allocation of lecturers to apply courses by applying the concept of heuristic optimization using the Improved Symbiotic Organism Search (I-SOS) algorithm. The I-SOS Algorithm is a development of the previous algorithm, the Symbiotic Organism Search Algorithm, which is one of the latest metaheuristic methods inspired by the behavioral interactions seen between organisms in the universe. Optimizing the allocation of lecturers is very influential on the preparation of class schedules because scheduling a good course must be able to meet the needs of the parties directly related to the scheduling process. Conventional methods used today often cause problems in terms of efficiency and accuracy, imbalance of teaching load and inaccuracy in lecturer assignments requiring lecturers to take courses not in accordance with their interests and expertise.
Klasifikasi Topeng Pandawa dengan SVM Andi Sanjaya; Endang Setyati; Herman Budianto
INTEGER: Journal of Information Technology Vol 5, No 1: April 2020
Publisher : Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.integer.2020.v5i1.910

Abstract

Klasifikasi merupakan tahapan tingkat lanjut dari sebuah keilmuan computer vision. Karena tujuan dari sebuah aplikasi rekognisi yaitu mengenali. Cara mengenali yaitu dengan cara klasifikasi. Banyak metode klasifikasi yang ada, namun pada penelitian ini menggunakan Support Vector Machine (SVM). SVM dipilih karena bisa mengatasi data dengan dimensi yang sangat besar tanpa mereduksi data, bekerja dengan data linier atau nonlinier dan membuat sebuah hyperplane yang memisahkan data antar kelas. Pada penelitian ini menggunakan data patung pandawa dengan lima kelas. Lima kelas terdiri dari kelas yudhistira, bima, arjuna, nakula dan sadewa. Kernel yang digunakan pada penelitian ini menggunakan  Radial Basis Function (RBF). Hasil ujicoba pada penelitian mempunya rata-rata akurasi sebesar 0,848.
The Adoption of Blended Learning in Non-Formal Education Using Extended Technology Acceptance Model Ridho Kurniawan; Edwin Pramana; Herman Budianto
Indonesian Journal of Information Systems Vol. 4 No. 1 (2021): August 2021
Publisher : Program Studi Sistem Informasi Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/ijis.v4i1.4415

Abstract

This study aims to determine the influencing factors for understanding the intention of the learners in Non-Formal Education to use Blended Learning. In addition, it aims to investigate the relationships of the factors in a theoretical model. This study was conducted due to the lack of research in the world that discusses the adoption of Blended Learning in Non-Formal Education in Developing Countries such as Indonesia. Blended Learning at Non-Formal Education in the Covid-19 era is needed because the education institution has a limited place to accommodate more learners. A questionnaire based on google form was used to collect data. A sample of 566 users of Blended Learning from Non-Formal Education Institutions in Indonesia were used.  All variables from the theoretical model are measured using existing scales.  Structural Equation Model (SEM) was used to analyze the theoretical model.  SPSS and Amos were used as the software tools. This research contributes to the theoretical understanding of Blended Learning adoption as well as practice and provide guidance for Non-Formal Education to successfully implementing Blended Learning in their institutions. From the thirteen initial hypotheses, there are nine significant hypotheses. Three hypotheses with the largest magnitude are SI -> PU, CE -> PEU, and PU -> BI.  SI is the most influencing factor in the adoption of blended learning at non-formal education institutions.
Faktor-Faktor yang Mempengaruhi Adopsi E-learning untuk Siswa SMA di Indonesia dengan Menggunakan Extended Technology Acceptance Model Audrey Ayu Dianaris; Edwin Pramana; Herman Budianto
Journal of Information System,Graphics, Hospitality and Technology Vol. 4 No. 01 (2022): Journal of Information System, Graphics, Hospitality and Technology
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37823/insight.v4i01.179

Abstract

Penggunaan berbagai macam aplikasi berbasis internet sudah meluas di Indonesia. Didukung dengan berbagai macam perangkat yang mampu mengaksesnya di kalangan remaja, terutama siswa sekolah pada bangku pendidikan di SMA. Gaya hidup serba mobile dan aktivitas penunjang akademis siswa di luar pendidikan formal, cukup menyita waktu. Sehingga waktu belajar secara tradisional pun semakin sedikit. Perkembangan teknologi yang pesat juga berdampak pada dunia pendidikan. Memanfaatkan teknologi, keterbatasan akses informasi dan materi belajar, terutama keterbatasan ruang dan waktu dapat dijembatani dengan menggunakan E-learning. Penelitian ini bertujuan untuk mencari tahu, faktor-faktor apa saja yang dapat mempengaruhi siswa SMA di Indonesia untuk mau mengadopsi E-learning. Sebuah model teoritis dibuat berdasarkan sejumlah penelitian sebelumnya dan memanfaatkan model dasar Technology Acceptance Model (TAM) dan konstruksi E-learning yang spesifik. Pengumpulan data dilakukan dengan menggunakan kuesioner berbasis online. Data akhir yang terkumpul berjumlah 517 data dari siswa SMA di Indonesia. Structural Equation Modeling (SEM) digunakan untuk menganalisis dan pengolahan model teoritis menggunakan software AMOS. Faktor-faktor dalam model teoritis adalah Self-Efficacy, Social Influence, Computer Anxiety, Prior Experience, Facilitating Conditions, dan Perceived Enjoyment. Bentuk dasar TAM yang digunakan meliputi Perceived Usefulness, Perceived Ease of Use, dan Behavioral Intention. Dalam proses Factor Analysis, Facilitating Conditions dihapus dari model teoritis, karena tidak mampu menunjukkan posisi konvergen dan diskriminan. Faktor Perceived Usefulness dan Perceived Enjoyment adalah dua faktor yang paling mempengaruhi Behavioral Intention di dalam proses adopsi E-learning. Hasil penelitian menunjukkan Perceived Enjoyment memiliki pengaruh secara langsung dan positif pada Perceived Usefulness yang tertinggi dibandingkan faktor lainnya. Self-Efficacy memiliki pengaruh secara langsung dan positif pada Perceived Ease of Use yang tertinggi dibandingkan faktor lainnya. Berdasarkan hasil penelitian ini, maka dapat ditekankan, bahwa untuk mencapai tujuan agar seseorang mau mengadopsi E-learning, instansi terkait harus menunjang kebutuhan penerapan E-learning dengan berfokus pada sisi manfaat dan kepuasan yang menyenangkan pengguna dalam pengalamannya menggunakan E-learning
PENYUSUNAN STRONG’S CONCORDANCE UNTUK ALKITAB PERJANJIAN BARU BAHASA INDONESIA . Gunawan; Devi Dwi Purwanto; Herman Budianto; Indra Maryati
Jurnal Sistem Informasi Vol. 5 No. 2 (2009): Jurnal Sistem Informasi (Journal of Information System)
Publisher : Faculty of Computer Science Universitas Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1024.99 KB) | DOI: 10.21609/jsi.v5i2.265

Abstract

Sampai saat ini belum pernah ditemukan Alkitab Perjanjian Baru Bahasa Indonesia secara online yang dilengkapi dengan Strong’s Concordance. Oleh karena itu penelitian ini melakukan penyusunan Strong’s Concordance ke dalam Alkitab Perjanjian Baru Bahasa Indonesia. Penyusunan Strong’s Concordance dilakukan dengan menggunakan pedoman teori yang ada pada Natural Language Processing (NLP) dan teori Web Mining. Penyusunan nomor strong tersebut dimulai dengan melakukan pendekatan nomor strong berdasarkan kemunculan katanya. Kemudian pada tahap selanjutnya digunakan pendekatan alignment antara kata yang ada pada Alkitab Bahasa Indonesia dengan nomor strong yang terdapat pada Alkitab Bahasa Inggris dengan menggunakan word alignment. Pendekatan ketiga menggunakan pendekatan n-gram dengan perhitungan mutual information untuk mencari arti kata yang terdiri lebih dari satu kata. Pendekatan keempat dilakukan dengan cara melakukan stemming pada corpus Alkitab Perjanjian Baru Bahasa Indonesia yang mana nantinya digunakan sebagai corpus baru untuk melakukan pencarian pada tahap satu sampai dengan tahap tiga. Dilakukan juga pendekatan lain seperti pencarian proper name, pencarian nomor strong yang hanya memiliki satu frekuensi dan pendataan nomor strong yang termasuk dalam conjuction, preposition, dan pronoun. Hasil penelitian adalah adanya Alkitab Perjanjian Baru Bahasa Indonesia yang dilengkapi dengan nomor strong, pembelajaran Alkitab menjadi lebih mudah. Until now have not found a New Bible Testamen in Bahasa online which is equipped with a Strong's Concordance. Therefore, this study prepare a Strong's Concordance to the New Bible Testament Indonesian. Preparation of Strong's Concordance is done using the existing guidelines on the theory of Natural Language Processing (NLP) and the theory of Web Mining. The preparation of these strong numbers begins with based on the word strong numbers aproach. Then on the next phase alignment approach between existing words in the Bible Bahasa with strong numbers contained in the English Bible using the word alignment. The third approach uses n-gram approach with the calculation of mutual information to find the meaning of words consisting in more than one word. The fourth approach is performed by stemming the New Bible Testament corpus Bahasa which will be used as a new corpus to perform a search in stage one up to stage three. There is also another approach such as the proper name search, the search for strong numbers that have only one frequency, and data collection that included strong numbers in conjuction, preposition, and pronoun. The result is the New Bible Testament Bahasa which comes with a number of strong more easier to learn.
Optimization of LPG Distribution for a Multiplatform-Based LPG Marketplace Budianto, Herman; Mustaqin, Farhan Faisal Zainul; Setiawan, Esther Irawati; Santoso, Joan
International Journal of Engineering, Science and Information Technology Vol 5, No 3 (2025)
Publisher : Malikussaleh University, Aceh, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52088/ijesty.v5i3.994

Abstract

Marketplace applications have become an essential digital solution supporting online transactions, including LPG distribution. The development of this application adopts a multiplatform approach, enabling the application to run on various devices, particularly Android platforms and websites. Using the React Native framework, developers can build applications with a single, efficient codebase for multiple platforms. This study aims to provide users with convenience in purchasing LPG without leaving their homes while offering a more practical and effective user experience. This research includes features for selling, buying, payment, and delivery via courier. The transaction feature facilitates sellers' recording of sales within the application. The results of alpha testing indicate that the Elpijiku marketplace app works well despite some significant errors or bugs. However, acceptance testing results were very positive, with 91% of respondents rating the application and user experience as good. These findings indicate that the Elpijiku application meets user needs in terms of convenience and efficiency and is suitable for use as a digital solution for LPG distribution.
Aspect Based Sentimen Analysis Opini Publik Pada Instagram dengan Convolutional Neural Network Muhammad Arief Rahman; Herman Budianto; Setiawan, Esther Irawati
Intelligent System and Computation Vol 1 No 2 (2019): INSYST:Journal of Intelligent System and Computation
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52985/insyst.v1i2.83

Abstract

Internet sebagai sarana informasi dan komunikasi sudah sangat dikenal di kalangan masyarakat dalam menawarkan kemudahan dan fleksibilitas yang cukup memadai ketika menjadi media. Oleh karena itu opini publik terhadap Operator Telekomunikasi merupakan hal yang sangat penting untuk dijadikan patokan. Namun, untuk mengevaluasi umpan balik online itu, bukan masalah sederhana. Kadang-kadang ketika menganalisis ulasan online yang berkembang pesat ini, menjadi sulit untuk mengkategorikan apakah opini pelanggan puas atau tidak puas terhadap produk dan layanan. Selain itu, sebagai bagian dari peningkatan kualitas mereka, organisasi seperti jasa ini perlu mengklasifikasikan aspek produk dan layanan yang paling disukai pelanggan. Deep Learning adalah area baru dalam penelitian Machine Learning, yang telah diperkenalkan dengan tujuan menggerakkan Machine Learning lebih dekat dengan salah satu tujuan aslinya yaitu Artificial Intelligence. Deep Learning adalah tentang belajar beberapa tingkat representasi dan abstraksi yang membantu untuk memahami data seperti gambar, suara, dan teks. Convolutional Neural Network adalah salah satu contoh metode Deep Learning. Metode Convolutional Neural Network diharapkan dapat digunakan dalam pengimplementasian opini publik untuk keperluan data training yang dikumpulkan dari beragam data yang dianotasikan kelas sentimennya secara otomatis. Hasil dari penelitian menunjukkan dari 4 aspek dan 3 sentimen maka didapatkan nilai rata-rata precision, recall, dan f1-score adalah precision 97.6%, recall 84%, f1-score 90.3%. Bisa disimpulkan score representation ini dapat digunakan untuk klasifikasi sentimen.
Hyper Sudoku Solver dengan Menggunakan Harris Hawks Optimization Algorithm Dinata, Eric; Budianto, Herman; Armanto, Hendrawan
Intelligent System and Computation Vol 2 No 1 (2020): INSYST:Journal of Intelligent System and Computation
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52985/insyst.v2i1.153

Abstract

Sudoku merupakan salah satu permainan klasik yang digemari banyak orang. Sebagai salah satu permainan papan, Sudoku mempunyai banyak varian, salah satunya Hyper Sudoku. Hyper Sudoku mempunyai tingkat kesulitas yang lebih tinggi daripada Sudoku biasa. Tingkat kompleksitas yang tinggi membuat pemainan ini menjadi brain teaser yang baik dan sangat cocok diambil sebagai media untuk menguji algoritma metaheuristik. Algoritma yang populer pada dekade terakhir ini adalah algoritma metaheuristik berbasis populasi, yang mengadaptasi perilaku binatang dalam memecahkan permasalahan optimasi, salah satunya adalah Harris Hawks Optimization (HHO). Seperti kebanyakan metode swarm intelligence (SI) lainnya, algoritma ini mengandalkan proses diversification dan intensification. Selain itu, HHO mempunyai empat strategi khusus untuk mencari solusi dengan kondisi yang berbeda. HHO mampu mencakup solusi multi dimensi, sehingga sangat cocok diimplementasikan pada persoalan Hyper Sudoku. Untuk uji coba, peneliti menggunakan bantuan aplikasi Visual Studio 2017 dan MATLAB R2018a. Pada proses pengujian, digunakan dua setting parameter yang berbeda, tiga macam persoalan Hyper Sudoku, dan tiga puluh independent run untuk mencapai hasil yang diinginkan. Berdasarkan hasil pengujian, dapat disimpulkan bahwa tingkat keberhasilan untuk mencari solusi pada persoalan Hyper Sudoku dengan menggunakan HHO berkisar antara 86 hingga 88%, dilihat dari fitness value-nya.
Co-Authors . Gunawan . Gunawan . Gunawan Andi Sanjaya Andi Sanjaya Audrey Ayu Dianaris Devi Dwi Purwanto Dinata, Eric Edwin Pramana Endang Setyati Esther Irawati Setiawan Hendrawan Armanto Indra Maryati Joan Santoso Muhammad Arief Rahman Mustaqin, Farhan Faisal Zainul Ridho Kurniawan RIDHO KURNIAWAN, RIDHO Zulkarnaen