Garuda - Garba Rujukan Digital

PENERAPAN METODE SUPPORT VECTOR MACHINE PADA APLIKASI DETEKSI TINGKAT KESEGARAN IKAN Carolina, Maria; Tendean, Sandi; Krisyesika, Krisyesika
INTEKSIS Vol 11 No 2: Nopember 2024
Publisher : LPPM Universitas Widya Dharma Pontianak

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

Indonesia is the second largest producer of marine fish in the world based on data from the Food and Agriculture Organization 2022. Fish is a food that contains excellent protein, fat, vitamins, and minerals. According to data from the Ministry of Marine Affairs and Fisheries, the national fish consumption rate continues to increase, reaching 57.27 kg/capita in 2022. Therefore, it is important to know which fish are fresh and suitable for consumption. In this research, fish freshness detection will be carried out using the Support Vector Machine (SVM) method. The detection process will be carried out using three classes, namely fresh, not fresh, and rotten. SVM is a linear classifier, but it is developed to work on nonlinear data with the concept of kernels in a high-dimensional workspace. The results of testing the SVM model show that the accuracy of the model with the Radial Basic Function (RBF) kernel produces 99 percent accuracy with parameters C = 10 and gamma = 0.5. Application testing using two smartphones with four tests resulted in 92 percent accuracy. Keywords: Support Vector Machine, Fish Freshness Detection, Web, Machine Learning

Prediksi Safety Stock Produk Filter Oli Sepeda Motor Berbasis Demand Response (DR) - ARMA Sandi Tendean; Jimmy Tjen; Riyadi Jimmy Iskandar
bit-Tech Vol. 8 No. 1 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v8i1.2282

Manajemen rantai pasokan merupakan hal krusial yang dibutuhkan dalam menjaga persediaan suatu produk supaya tetap tersedia selama masa tunggu. Hal ini bertujuan untuk menjaga keberlanjutan suatu bisnis sehingga penjualan produk tersebut tidak terganggu dengan permasalahan kurangnya persediaan. Namun, metode prediksi konvensional seperti ARMA-klasik dan ARMA-GARCH seringkali kurang akurat pada data riil yang bersifat sparse yang didominasi nilai nol dan fluktuatif. Penelitian ini bertujuan untuk menggagas sebuah metode Auto Regressive Moving Average (ARMA) baru yang menggabungkan konsep demand response dengan analisis galat yang bernama Demand Response-ARMA (DR-ARMA). Metode ini dikembangkan melalui tiga tahap, yaitu penurunan matematis berbasis RMSE dan analisis tren, adaptasi model untuk data sparse, dan validasi menggunakan data primer penjualan sparepart filter oli dari CV di Kalimantan Barat selama 60 hari. DR-ARMA mengoptimasi prediksi ARMA berdasarkan pada tren penjualan serta mengontrol ketidakpastian prediksi dengan memanfaatkan analisis galat, supaya kesalahan prediksi dapat berkurang selama perhitungan safety stock. Simulasi numerik dilakukan pada data penjualan filter oli dari sebuah perusahaan yang ada di Kalimantan Barat. Hasil simulasi menunjukkan bahwa metode DR-ARMA dapat memprediksi penjualan filter oli dengan akurasi 80%, lebih tinggi dibandingkan metode prediksi lainnya seperti ARMA-Generalized Auto Regressive Conditional Heteroskedasticity (GARCH) (74%) dan ARMA-klasik (57%). Metode DR-ARMA juga dapat digunakan untuk memprediksikan safety stock untuk 60 hari kedepan dengan tingkat kesalahan prediksi sekitar 17%. Hal ini menunjukkan bahwa metode DR-ARMA cocok digunakan untuk memprediksikan safety stock dari data yang bersifat sparse. Metode DR-ARMA dapat membantu pengguna dalam mengatur jumlah persediaan barang yang dibutuhkan tanpa perlu melakukan pengisian gudang secara berlebihan.

An Optimized Demand Response-ARMA Model for Inventory Management Under Intermittent Product Demand Vedano Gustine; Sandi Tendean; Jimmy Tjen
bit-Tech Vol. 8 No. 2 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v8i2.3326

Forecasting accuracy serves a crucial role in supply chain management, especially in calculating safety stock and purchase limit, particularly under demand fluctuations such as those observed for air filter products, which are characterized as slow moving and intermittent. The DR-ARMA method was designed to model sparse data effectively, despite the model heavily relies on manual tuning factor selection. In this case, the model still face limitation in handling intermittent demand. To address such methodological gap, this study proposes an optimized version of the Demand Response-ARMA (DR-ARMA) model which is able to handle intermittent demand, named Optimized Demand Response-ARMA (ODR-ARMA) by applying optimization problems that lead to an adaptive error multiplier factor. Using air filter sales data with a sparsity level of 62.3% and a varying lead time assumption from a company located in Pontianak. The comparative analysis of ODR-ARMA against LSTM, GBRT, and DR-ARMA reveals that the ODR-ARMA model demonstrates the best performance for both safety stock and purchase limit calculations with an average accuracy of 81.11% and 96.09%, respectively. The optimization results in a significant improvement, as the DR-ARMA model achieves an average accuracy of 51.26% for safety stock calculation and 30.48% for purchase limit calculation. As the ODR-ARMA model has the capability to generate an accurate demand forecast and requires low computational resources, this model can be used as a basis for enterprises, especially SMEs in decision making related to inventory management, which allows enterprises to avoid the risks of stockout, excess stock, and dead stock.

Rancang Bangun Sistem Informasi Administrasi Pada Dadung Gym Hendra Wijaya; Tony Darmanto; Sandi Tendean
INTEKSIS Vol 12 No 2: November 2025
Publisher : LPPM Universitas Widya Dharma Pontianak

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.66003/inteksis.v12i2.10589

The rapid development of fitness centers has prompted the need for efficient administrative systems. Dadung Gym in Pontianak faces challenges in managing member data and transactions due to reliance on traditional administrative methods. This study aims to design a mobile-based information system to reduce data processing errors, enhance service quality, and support strategic decision-making. Using an object-oriented approach with UML modeling, the system is developed with Flutter for the application framework, Firebaseas the database, and Visual Studio Code as the development tool. The new system automates data recording and offers features such as membership management, GPS-based attendance, and integrated reporting. Implementation of this mobile-based system is expected to improve service quality, simplify administrative processes, and provide a foundation for future business development at Dadung Gym Pontianak.

APLIKASI PENCATATAN LAYANAN KESEHATAN BERBASIS WEB PADA POSYANDU FAMILY Happy Natalin; Sandi Tendean; Hendro Hendro
INTEKSIS Vol 13 No 1: Mei 2026
Publisher : LPPM Universitas Widya Dharma Pontianak

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.66003/inteksis.v13i1.10613

Posyandu Family yang terletak di Jalan K.H.W Hasyim, Gang Family, Kelurahan Mariana, Kecamatan Pontianak Kota, merupakan salah satu posyandu aktif di wilayah kerja UPT Puskesmas Kampung Bali. Posyandu ini memberikan layanan kesehatan yang meliputi penimbangan dan pemantauan tumbuh kembang balita. Selama ini pencatatan data masih dilakukan secara manual, termasuk pencatatan tumbuh kembang dan laporan kegiatan, sehingga menimbulkan kendala seperti kesalahan pencatatan dan rendahnya efisiensi akibat belum adanya sistem digital. Oleh karena itu, diperlukan sistem informasi berbasis website untuk menunjang pelayanan kesehatan di Posyandu Family. Sistem ini dirancang untuk mengelola data, memantau kesehatan balita, serta menyediakan akses informasi seperti jadwal kegiatan, riwayat layanan, dan informasi kesehatan lainnya. Pengumpulan data dilakukan melalui wawancara, observasi, dan studi literatur, sedangkan perancangan sistem menggunakan Unified Modeling Language (UML). Sistem diimplementasikan menggunakan Visual Studio Code dan MySQL sebagai database. Aplikasi pendukung untuk merancang sistem yaitu Xampp, Laravel, HTML, PHP, dan CSS. Hasil yang diharapkan adalah sistem yang efektif, interaktif, serta memudahkan kader dan orang tua dalam mengakses informasi secara online.

KLASIFIKASI KEPRIBADIAN MELALUI GAMBAR TULISAN TANGAN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK Thomas Aldo; Sandi Tendean; Susana Susana
INTEKSIS Vol 13 No 1: Mei 2026
Publisher : LPPM Universitas Widya Dharma Pontianak

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.66003/inteksis.v13i1.10619

Salah satu alasan mengapa teknologi berkembang pesat adalah karena efektivitas dan efisiensi waktu. Masalah yang ditemukan oleh penulis yaitu tentang ilmu psikologis yang tidak banyak dikuasai orang khususnya ilmu pembacaan tulisan tangan sehingga membutuhkan pelatihan dan pembelajaran khusus. Peneliti bertujuan membangun dan mencari nilai parameter paling optimal untuk pengenalan tulisan tangan dengan sebuah gambar berbasis deep learning. Peneliti menggunakan mengumpulkan gambar dengan teknik Simple Random Sampling untuk dijadikan dataset dan metode CNN (Convolutional Neural Network) berbasis AlexNet sebagai metode untuk melakukan pengujian dan percobaan pengenalan gambar tulisan tangan. Penelitian ini menghasilkan nilai-nilai parameter paling optimal berdasarkan pengujian dari beberapa parameter yang ada. Tujuan dari penelitian ini adalah untuk mempermudah para peneliti lain yang ingin membuat aplikasi deep learning pengenalan gambar. Sumber dataset yang dipakai pada penelitian ini didapatkan dari gambar scan atau foto tulisan tangan orang-orang sekitar sebanyak 418 gambar. Pengujian dilakukan dengan aplikasi MatLab dan beberapa parameter yang dilakukan ujicoba yaitu input size, epoch, mini batch size dan learning rate. Pada akhir pengujian peneliti mendapatkan hasil akurasi pengenalan sebesar 94.17 persen dan telah memberikan hasil yang sangat baik dan sesuai harapan. Peneliti menyimpulkan bahwa pembangunan aplikasi deep learning pengenalan tulisan tangan ini berjalan dengan baik. Peneliti menyimpulkan bahwa aplikasi deep learning pengenalan tulisan tangan ini berjalan dengan baik. Peneliti lain dapat menjadikan penelitian ini sebagai acuan untuk mengembangkan menjadi lebih baik lagi.

UI/UX Design for New Student Admission Queue System Using the Design Thinking Method Antonius Antonius; Genrawan Hoendarto; Tony Darmanto; Sandi Tendean
International Journal of Multidisciplinary Sciences and Arts Vol. 5 No. 2 (2026): International Journal of Multidisciplinary Sciences and Arts, Article April 202
Publisher : Information Technology and Science (ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/ijmdsa.v5i2.8347

The new student admission process (PMB) often faces queue management issues, as prospective students must wait in line to submit documents, verify data, and consult staff. This study designed a user interface (UI) for a PMB queueing system at Universitas Widya Dharma Pontianak (UWDP) using the Design Thinking approach. The UI was created with Figma as an interactive prototype and later developed into a web-based application. Design Thinking consists of five stages: empathize, define, ideate, prototype, and test to ensure the solution meets user needs. During empathize, interviews and observations were conducted with students and the PMB committee to identify queue-related problems. The findings were turned into user personas and problem statements in the define stage. Next, the ideate stage produced prioritized solution ideas, followed by a user interface prototype in Figma. The resulting prototype visualizes the queueing process from registration to student call-outs, featuring remote queue number retrieval, and the real-time queue display. The prototype was tested using the System Usability Scale (SUS) questionnaire with 30 prospective students. The average SUS score was 78.5, classified as "acceptable" with a grade B (Good). This indicates that the prototype has good acceptance and meets user needs in terms of ease of use and clarity of queue information. This research contributes to the development of digital queueing systems in higher education and enriches the literature on applying Design Thinking to new student admissions.

Rancang Bangun Sistem Informasi Administrasi Pada Dadung Gym Hendra Wijaya; Tony Darmanto; Sandi Tendean
INTEKSIS Vol 12 No 2: November 2025
Publisher : LPPM Universitas Widya Dharma Pontianak

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.66003/inteksis.v12i2.10589

The rapid development of fitness centers has prompted the need for efficient administrative systems. Dadung Gym in Pontianak faces challenges in managing member data and transactions due to reliance on traditional administrative methods. This study aims to design a mobile-based information system to reduce data processing errors, enhance service quality, and support strategic decision-making. Using an object-oriented approach with UML modeling, the system is developed with Flutter for the application framework, Firebaseas the database, and Visual Studio Code as the development tool. The new system automates data recording and offers features such as membership management, GPS-based attendance, and integrated reporting. Implementation of this mobile-based system is expected to improve service quality, simplify administrative processes, and provide a foundation for future business development at Dadung Gym Pontianak.

APLIKASI PENCATATAN LAYANAN KESEHATAN BERBASIS WEB PADA POSYANDU FAMILY Happy Natalin; Sandi Tendean; Hendro Hendro
INTEKSIS Vol 13 No 1: Mei 2026
Publisher : LPPM Universitas Widya Dharma Pontianak

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.66003/inteksis.v13i1.10613

Posyandu Family yang terletak di Jalan K.H.W Hasyim, Gang Family, Kelurahan Mariana, Kecamatan Pontianak Kota, merupakan salah satu posyandu aktif di wilayah kerja UPT Puskesmas Kampung Bali. Posyandu ini memberikan layanan kesehatan yang meliputi penimbangan dan pemantauan tumbuh kembang balita. Selama ini pencatatan data masih dilakukan secara manual, termasuk pencatatan tumbuh kembang dan laporan kegiatan, sehingga menimbulkan kendala seperti kesalahan pencatatan dan rendahnya efisiensi akibat belum adanya sistem digital. Oleh karena itu, diperlukan sistem informasi berbasis website untuk menunjang pelayanan kesehatan di Posyandu Family. Sistem ini dirancang untuk mengelola data, memantau kesehatan balita, serta menyediakan akses informasi seperti jadwal kegiatan, riwayat layanan, dan informasi kesehatan lainnya. Pengumpulan data dilakukan melalui wawancara, observasi, dan studi literatur, sedangkan perancangan sistem menggunakan Unified Modeling Language (UML). Sistem diimplementasikan menggunakan Visual Studio Code dan MySQL sebagai database. Aplikasi pendukung untuk merancang sistem yaitu Xampp, Laravel, HTML, PHP, dan CSS. Hasil yang diharapkan adalah sistem yang efektif, interaktif, serta memudahkan kader dan orang tua dalam mengakses informasi secara online.

KLASIFIKASI KEPRIBADIAN MELALUI GAMBAR TULISAN TANGAN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK Thomas Aldo; Sandi Tendean; Susana Susana
INTEKSIS Vol 13 No 1: Mei 2026
Publisher : LPPM Universitas Widya Dharma Pontianak

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.66003/inteksis.v13i1.10619

Salah satu alasan mengapa teknologi berkembang pesat adalah karena efektivitas dan efisiensi waktu. Masalah yang ditemukan oleh penulis yaitu tentang ilmu psikologis yang tidak banyak dikuasai orang khususnya ilmu pembacaan tulisan tangan sehingga membutuhkan pelatihan dan pembelajaran khusus. Peneliti bertujuan membangun dan mencari nilai parameter paling optimal untuk pengenalan tulisan tangan dengan sebuah gambar berbasis deep learning. Peneliti menggunakan mengumpulkan gambar dengan teknik Simple Random Sampling untuk dijadikan dataset dan metode CNN (Convolutional Neural Network) berbasis AlexNet sebagai metode untuk melakukan pengujian dan percobaan pengenalan gambar tulisan tangan. Penelitian ini menghasilkan nilai-nilai parameter paling optimal berdasarkan pengujian dari beberapa parameter yang ada. Tujuan dari penelitian ini adalah untuk mempermudah para peneliti lain yang ingin membuat aplikasi deep learning pengenalan gambar. Sumber dataset yang dipakai pada penelitian ini didapatkan dari gambar scan atau foto tulisan tangan orang-orang sekitar sebanyak 418 gambar. Pengujian dilakukan dengan aplikasi MatLab dan beberapa parameter yang dilakukan ujicoba yaitu input size, epoch, mini batch size dan learning rate. Pada akhir pengujian peneliti mendapatkan hasil akurasi pengenalan sebesar 94.17 persen dan telah memberikan hasil yang sangat baik dan sesuai harapan. Peneliti menyimpulkan bahwa pembangunan aplikasi deep learning pengenalan tulisan tangan ini berjalan dengan baik. Peneliti menyimpulkan bahwa aplikasi deep learning pengenalan tulisan tangan ini berjalan dengan baik. Peneliti lain dapat menjadikan penelitian ini sebagai acuan untuk mengembangkan menjadi lebih baik lagi.

Title

Found 36 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 36 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 36 Documents
Search