Article Per Year (5 Year)
p-Index From 2021 - 2026
1.116
P-Index
This Author published in this journals
All Journal Prosiding Semnastek Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Jurnal Ilmiah FIFO CogITo Smart Journal Jurnal Ilmiah Matrik JUTEI (Jurnal Terapan Teknologi Informasi) JITTER (Jurnal Ilmiah Teknologi Informasi Terapan) Jurnal Infomedia Jurnal RESISTOR (Rekayasa Sistem Komputer) Jurnal SITECH : Sistem Informasi dan Teknologi Aiti: Jurnal Teknologi Informasi Jurnal Algoritma, Logika dan Komputasi Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) Media Abdimas Jurnal Karya untuk Masyarakat (JKuM)
Hakim, Lukman
Bunda Mulia University
Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Library & Information Science Mechanical Engineering Public Health Social Sciences Other

Published : 23 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : CogITo Smart Journal

 1 
Penerapan Genetic Neural Network dalam Pemilihan Color Palette untuk Desain Skema Warna Jason Alexander; Daniel Ronaldo Pangestu; Ferdy Nicolas; Lukman Hakim
CogITo Smart Journal Vol 6, No 2 (2020): Cogito Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31154/cogito.v6i2.271.284-297

Abstract

Artificial Neural Network (ANN) is a branch of Artificial Intelligence which possesses great potential. However, ANN has a huge drawback: the need for complex parameters to train a developed ANN in order to provide the right solution to the proposed problem. One way to overcome this weakness is the use of Genetic Algorithm as the best parameter selection method for a ANN. In this study, said concept was applied in an application that aims to help solve one of the aspects of design that has a high significance, namely color selection, by implementing both technologies simultaneously into a predictive system. To predict colors based on given parameters, the algorithm is formed to distinguish how colors are used so that they are able to group colors into specific color categories to then be combined to form a palette, which can be the basis of a color scheme for various design purposes. Based on the results of this study, researchers hope to provide additional insights into various fields that can synergize with Artificial Intelligence and its derivative disciplines to improve efficiency in various occupations, of which design is one of them.
Modifikasi Algoritma Steepest-Ascent Hill Climbing Dan Backtracking Untuk Pencarian Lintasan Kritis Proyek Elvina Elvina; Lukman Hakim
CogITo Smart Journal Vol 4, No 2 (2018): CogITo Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (733.104 KB) | DOI: 10.31154/cogito.v4i2.133.268-282

Abstract

Lintasan kritis merupakan suatu hal yang sangat penting dan perlu diperhatikan dalam penjadwalan proyek, karena lintasan kritis mempunyai dampak terhadap terlambat atau tidaknya suatu proyek. Terdapat kenaikan pada angka pertumbuhan proyek di Indonesia. Oleh karena itu, untuk mendukung keberhasilan proyek tersebut, maka dilakukanlah penelitian terhadap pencarian lintasan kritis. Sehingga nantinya hasil dari penelitian ini berguna bagi para developer yang ingin membuat aplikasi yang menerapkan pencarian lintasan kritis. Parameter dari algoritma ini adalah waktu, yaitu : Earliest Start (ES), Early Finish (EF), Last Start (LS), dan Last Finish (LF). Algoritma Steepest-ascent Hill Climbing  berguna untuk mencari goal berdasarkan nilai heuristik terbaik. Nilai heuristik terbaik yang dijadikan acuan adalah slack time dari kegiatan. Algoritma Backtracking merupakan perbaikan dari algoritma Brute-Force yang berbasis DFS (Deep-First Search). Jurnal ini membahas tentang algoritma Steepest-ascent Hill Climbing yang berguna untuk mencari slack (keterlambatan) guna menjadi tolak ukur dari lintasan kritis, dan backtracking yang berguna untuk mencari ES, EF, LS, dan LF guna menjadi parameter dalam mencari slack (keterlambatan). Angka keberhasilan dari penggabungan algoritma ini untuk mencari lintasan kritis adalah sebesar 80%.
Co-Authors Aldo Aldo Alvin Kennedy Andre Valerian Andy Wijaya Brian Christian Chiquitha Danuputri Chyquitha Danuputri Damian Victor Putra Rape Tupen Daniel Ronaldo Pangestu David Andrean Destriana Widvaninqrum Destriana Widyaningrum Elvina Elvina Eric Fammaldo Ester Lumba Ferdy Nicolas Fernando Dedi Samuel Halim Agung Harvin Seruni Jason Alexander Maya Cendana, Maya Nur Fanny Savira Paula Juniana Rama Utama Putra Suprijanto Renaldy Prabowo Stefanus Andree Gunawan Vidi Yonatan Vivi Juliana Wahyu Eko Sridaryanto Willy Stevanus Susilo