Article Per Year (5 Year)
p-Index From 2020 - 2025
2.585
P-Index
This Author published in this journals
All Journal CALYPTRA : Jurnal Ilmiah Mahasiswa Universitas Surabaya Jurnal Teknologi Informasi dan Ilmu Komputer Jurnas Nasional Teknologi dan Sistem Informasi Sistemasi: Jurnal Sistem Informasi Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Network Engineering Research Operation [NERO] Indonesian Journal of Information System Applied Information System and Management Keluwih: Jurnal Sains dan Teknologi Jurnal Teknik Informatika (JUTIF) Teknika
Vincentius Riandaru Prasetyo
Program Studi Teknik Informatika, Universitas Surabaya, Surabaya, Jawa Timur
Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mechanical Engineering

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

Found 16 Documents
Search

 1   2 
Perhitungan Jarak Nyata Antara Dua Objek Pada Suatu Foto Dengan Metode Edge Detection Vincentius Riandaru Prasetyo
Teknika Vol 7 No 1 (2018): Juli 2018
Publisher : Center for Research and Community Service, Institut Informatika Indonesia (IKADO) Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34148/teknika.v7i1.83

Abstract

Gambar adalah sebuah artefak yang menggambarkan atau merekam persepsi visual. Gambar juga dapat diartikan sebagai pemetaan objek 3D ke media tertentu. Banyak informasi dapat ditemukan dari foto, misalnya: model kamera, perangkat lunak yang digunakan, kedalaman foto, fokus kamera, dan sebagainya. Ada beberapa informasi yang tidak dapat ditemukan dalam foto, yaitu jarak nyata antara objek dalam foto dan posisi kamera, dan jarak nyata antara 2 objek dalam foto. Sistem yang dibangun berguna untuk menghitung jarak nyata antara objek di foto dengan posisi kamera dan juga jarak nyata antara 2 objek pada suatu foto. Struktur data tree digunakan untuk menyimpan nilai-nilai abu-abu (hasil rata-rata nilai merah, hijau, dan biru). Edge detection dengan operator Sobel digunakan sebagai metode utama untuk mendapatkan margin (atas, bawah, kiri, dan kanan) dari objek dalam foto.
Penentuan Pembimbing Tugas Akhir Mahasiswa Jurusan Teknik Informatika Universitas Surabaya Dengan Metode Dice Coefficient Vincentius Riandaru Prasetyo; Budi Hartanto; Aldo Adhi Mulyono
Teknika Vol 8 No 1 (2019): Juli 2019
Publisher : Center for Research and Community Service, Institut Informatika Indonesia (IKADO) Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34148/teknika.v8i1.147

Abstract

Tugas Akhir (TA) adalah sebuah karya ilmiah yang harus dibuat oleh mahasiswa jurusan Teknik Informatika, Universitas Surabaya sebagai salah satu syarat kelulusan. Dalam mengajukan topik TA, mahasiswa wajib membuat dan mengumpulkan proposal TA tersebut. Setelah itu, ketua jurusan akan menentukan calon dosen pembimbing, dosen reviewer 1, dan dosen reviewer 2 sesuai dengan kompetensi untuk proposal tersebut. Dalam proses pengajuan proposal tersebut, terdapat beberapa masalah yang muncul, yakni adanya kemungkinan kesalahan penentuan pembimbing karena proses penentuannya berdasarkan pengetahuan pribadi dari ketua jurusan, kesulitan memantau perkembangan proses pengajuan proposal, dan kesulitan untuk melakukan pemerataan pembimbing TA. Untuk mengatasi masalah tersebut, dibuatlah sistem untuk melayani administrasi pengajuan topik TA beserta penentuan pembimbing. Proses penentuan pembimbing akan menggunakan metode Dice Coefficient. Dari hasil pengujian sistem dengan metode K-Fold Cross Validation dengan nilai k = 100 untuk 1000 data TA yang ada, didapatkan nilai akurasi sistem sebesar 36,25%. Apabila diambil 100 data TA yang memiliki dosen pembimbing yang ideal, sistem memberikan nilai akurasi yang lebih baik yaitu sebesar 45,5%.
Implementasi Natural Language Processing Dalam Pembuatan Chatbot Pada Program Information Technology Universitas Surabaya Vincentius Riandaru Prasetyo; Njoto Benarkah; Vioni Jannet Chrisintha
Teknika Vol 10 No 2 (2021): Juli 2021
Publisher : Center for Research and Community Service, Institut Informatika Indonesia (IKADO) Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34148/teknika.v10i2.370

Abstract

Program Information Technology di Jurusan Teknik Informatika, Universitas Surabaya, merupakan salah satu program yang menggunakan bahasa Inggris sebagai pengantar pada saat perkuliahan berlangsung. Akan tetapi, kurangnya informasi mengenai Program Information Technology menyebabkan kurangnya minat calon mahasiswa terhadap program tersebut. Oleh karena itu, penelitian ini bertujuan untuk membuat sebuah aplikasi chatbot yang dapat membantu user untuk memperoleh informasi-informasi terkait dengan Program Information Technology pada Jurusan Teknik Informatika, Universitas Surabaya. Chatbot yang dibangun hanya akan memproses pertanyaan dengan bahasa Inggris saja. Chatbot yang dibuat pada penelitian ini menggunakan pendekatan Natural Language Processing (NLP) untuk memproses pertanyaan yang disampaikan user dan untuk mendapatkan kata kunci dari informasi yang diinginkan user. Sistem akan melakukan pencarian informasi pada kamus informasi yang ada. Apabila informasi tidak ditemukan, maka sistem akan melakukan proses crawling untuk memperoleh informasi yang dibutuhkan user. Pada penelitian ini, validasi sistem dilakukan dengan dua metode yaitu cross validation dan user validation. Berdasarkan validasi dengan metode cross validation didapatkan akurasi sebesar 83,33%. User validation dilakukan dengan cara meminta 10 user untuk melakukan uji coba sistem dan didapatkan akurasi sebesar 76%.
Sistem Berbasis Web Untuk Koreksi Soal Esai Dengan Association Rules Vincentius Riandaru Prasetyo; Monica Widiasri; Michael Marly Angkiriwang
Teknika Vol 11 No 1 (2022): Maret 2022
Publisher : Center for Research and Community Service, Institut Informatika Indonesia (IKADO) Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34148/teknika.v11i1.449

Abstract

Soal tipe esai banyak dipilih oleh pengajar pada ujian dikarenakan mampu mengeksplorasi pemahaman peserta didik akan suatu topik atau materi. Saat mengoreksi jawaban peserta didik, para pengajar akan membaca jawaban dengan cermat dan teliti, sehingga proses penilaian menjadi akurat. Salah satu cara yang dilakukan oleh pengajar dalam mengoreksi soal esai adalah melihat pola jawaban dan menemukan kata kunci dari jawaban tersebut. Akan tetapi, ketelitian dan kecermatan dalam mengoreksi tersebut akan menurun karena kejenuhan dan kelelahan yang terjadi, sehingga mengakibatkan kekeliruan dalam memberikan nilai. Oleh karena itu, penelitian ini bertujuan untuk membuat suatu sistem berbasis web yang dapat mengoreksi jawaban peserta didik secara otomatis dengan association rules. Dengan menggunakan association rules, akan didapatkan pola-pola dari jawaban esai peserta didik berdasarkan kunci jawaban yang diberikan oleh pengajar. Selain itu, sistem juga menggunakan metode cosine similarity dalam mengoreksi jawaban, apabila tidak ditemukan pola-pola jawaban dengan metode association rules. Pengujian dilakukan dengan membandingkan hasil koreksi sistem dengan koreksi manual yang dilakukan oleh pengajar. Berdasarkan hasil pengujian yang dilakukan, sistem memiliki akurasi tertinggi sebesar 62,5%.
PREDIKSI RATING FILM PADA WEBSITE IMDB MENGGUNAKAN METODE NEURAL NETWORK Vincentius Riandaru Prasetyo; Mirella Mercifia; Anasthasya Averina; Lauren Sunyoto; Budiarjo Budiarjo
Network Engineering Research Operation Vol 7, No 1 (2022): NERO
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/nero.v7i1.268

Abstract

Film adalah sebuah rekaman gambar bergerak yang menceritakan sebuah cerita atau kejadian yang dapat ditonton pada bioskop atau televisi. Kualitas atau kesuksesan dari film dapat dinilai dengan menggunakan sistem angka yang disebut rating. Rating biasanya diasosiasikan dengan rentang angka 0 sampai 5 atau 0 sampai 10. Rating film dapat dipengaruhi oleh banyak faktor, seperti alur cerita, sinematografi, pemeran, musik dan lainnya. Faktor-faktor tersebut merupakan data kualitatif sehingga untuk menentukan rating film berdasarkan rentang angka merupakan hal yang sulit. Untuk mengatasi masalah tersebut, maka dibuatlah sistem untuk memprediksi rating film berdasarkan kriteria-kriteria yang dimiliki oleh suatu film. Label Encoding, Normalizer, MinMax Scaler, dan Standard Scaler akan dipakai untuk preprocessing pada penelitian ini. Proses prediksi rating akan menggunakan metode Artificial Neural Network (ANN) dan Convolutional Neural Network (CNN). Dari hasil pengujian dengan menggunakan CNN didapatkan nilai akurasi sebesar 76.45%, dan hasil pengujian menggunakan ANN didapatkan nilai akurasi yang lebih baik yaitu sebesar 85.27%.
Penerapan Aplikasi RapidMiner Untuk Prediksi Nilai Tukar Rupiah Terhadap US Dollar Dengan Metode Linear Regression Vincentius Riandaru Prasetyo; Hamzah Lazuardi; Aldo Adhi Mulyono; Christian Lauw
Jurnal Nasional Teknologi dan Sistem Informasi Vol 7, No 1 (2021): April 2021
Publisher : Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v7i1.2021.8-17

Abstract

Kurs adalah sebuah nilai mata uang suatu negara terhadap mata uang lain. Oleh karena itu, kurs memiliki dua komponen utama yaitu mata uang domestik, dan mata uang asing. Mata uang asing yang sering digunakan sebagai patokan nilai tukar adalah US Dollar. Di berbagai negara termasuk Indonesia, nilai tukar mata uang terhadap US Dollar sangat mempengaruhi perekonomian yang berjalan, terutama harga jual suatu barang. Selain itu, nilai tukar mata uang juga berpengaruh terhadap keputusan seseorang untuk berinvestasi, baik saham, emas, atau yang lain. Penelitian ini mencoba memprediksi nilai tukar rupiah terhadap US Dollar dengan memanfaatkan aplikasi RapidMiner. Aplikasi tersebut merupakan aplikasi freeware yang didalamnya terdapat berbagai macam metode pengolahan data yang siap untuk digunakan secara mudah. Penelitian ini menerapkan metode linear regression yang terdapat pada aplikasi RapidMiner. Metode tersebut akan mengolah data-data yang sudah ada sebelumnya untuk membentuk suatu persamaan yang akan digunakan untuk prediksi nilai tukar rupiah terhadap US Dollar. Atribut yang digunakan untuk melakukan prediksi adalah nilai pembukaan, perubahan, tertinggi, dan terendah dari nilai tukar rupiah terhadap US Dollar. Data yang digunakan pada penelitian ini berasal dari situs investing.com. Dari hasil pengujian yang dilakukan, didapatkan akurasi metode linear regression sebesar 95% dengan nilai threshold adalah 30 rupiah. Selain itu, nilai root mean squared error yang didapatkan sebesar 14,951.
Translator of Indonesian Sign Language Video using Convolutional Neural Network with Transfer Learning Sesilia Shania; Mohammad Farid Naufal; Vincentius Riandaru Prasetyo; Mohd Sanusi Bin Azmi
Indonesian Journal of Information Systems Vol. 5 No. 1 (2022): August 2022
Publisher : Program Studi Sistem Informasi Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/ijis.v5i1.5865

Abstract

Sign language is a language used to communicate by utilizing gestures and facial expressions. This study focuses on classification of Bahasa Isyarat Indonesia (BISINDO). There are still many people who have difficulty communicating with the deaf people. This study builds video-based translator system using Convolutional Neural Network (CNN) with transfer learning which is commonly used in computer vision especially in image classification. Transfer learning used in this study are a MobileNetV2, ResNet50V2, and Xception. This study uses 11 different commonly used vocabularies in BISINDO. Predictions will be made in real-time scenario using a webcam. In addition, the system given good results in the experiment with an interaction approach between one pair of deaf and normal people. From all the experiments, it was found that the Xception architectures has the best F1 Score of 98.5%.
Gold Price Prediction Based on Gold.org Data Using the Long Short Term Memory Method Vincentius Riandaru Prasetyo; Stefan Axel; Juan Timothy Soebroto; David Sugiarto; Septian Ardi Winatan; Senradel Daniel Njudang
Sistemasi: Jurnal Sistem Informasi Vol 11, No 3 (2022): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32520/stmsi.v11i3.1999

Abstract

Gold is one form of precious metal with priceless value in this day and age. Therefore, many people are starting to invest in gold. Someone who wants to invest in gold must pay attention to changes in gold's buying and selling price. One site that can be used as a reference to see changes in the price of buying and selling gold is gold.org. Several factors influence gold price changes, namely changes in the value of the US Dollar exchange rate, the amount of world gold production, and the increase in demand for gold itself. This means that the price of gold tends to be unstable because of frequent changes. The LSTM or Long Short Term Memory method can be implemented to predict gold prices based on previous gold prices. The prediction model built in this study predicts gold price in the future based on 60 last gold price data. Based on the results of accuracy measure, an accuracy of 87.84% was obtained with the value of the difference between the original price and the prediction of 5 and the number of epochs being 100.
PEMBUATAN APLIKASI PENGENALAN WAJAH UNTUK SISTEM PRESENSI KELAS MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK Muhammad Alifian Fajar Pratama; Joko Siswantoro; Vincentius Riandaru Prasetyo
CALYPTRA Vol. 12 No. 1 (2023): Calyptra : Jurnal Ilmiah Mahasiswa Universitas Surabaya (November)
Publisher : Perpustakaan Universitas Surabaya

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

Abstract

Abstract—Attendance is a method used by an agency to record workers who work in an agency or students who are in an educational agency. During the pandemic, the University of Surabaya changed the attendance system it used, the system first used before the pandemic was paper, during the pandemic the University of Surabaya changed the attendance system to use a website. On this website, students only need to select courses that are currently in progress and carry out the attendance process. In 2022 the Indonesian government will allow universities and schools to carry out face-to-face learning processes. The University of Surabaya is also making a transition from online to face-to-face learning, however the attendance system used is still a website, this causes students to have fictitious attendance or make attendance but students do not attend class. Based on these problems, this research created an application that can help the university to prevent students from making fictitious attendance by using face recognition in the attendance process using the Convolutional Neural Network or CNN method. The process of creating a CNN model will use a pre-trained model, namely GoogleNet, which has 1 layer added and the Hyperparameter Tuning process will be used to get the best CNN model by looking for optimal Hyperparameter values based on the predetermined Hyperparameter values and types. One of the results of the CNN model making trial was that the best model was obtained with an accuracy rate of 97%. Keywords: convolutional neural network, face recognition, attendance Abstrak—Presensi merupakan sebuah metode yang digunakan oleh sebuah instansi untuk mencatat para pekerja yang bekerja di sebuah instansi tersebut atau para mahasiswa/i atau siswa/i yang berada di sebuah instansi pendidikan. Pada masa pandemi Universitas Surabaya mengubah sistem presensi yang digunakan, sistem yang pertama kali digunakan sebelum pandemi berupa kertas, saat pandemi Universitas Surabaya mengubah sistem presensi menggunakan website. Pada website ini mahasiswa hanya perlu memilih mata kuliah yang sedang berlangsung dan melakukan proses presensi. Pada tahun 2022 pemerintah Indonesia memperbolehkan Universitas serta Sekolah untuk melakukan proses pembelajaran secara tatap muka. Universitas Surabaya juga melakukan transisi dari pembelajaran online menjadi tatap muka, akan tetapi sistem presensi yang digunakan masih berupa website, hal ini menyebabkan mahasiswa presensi fiktif atau melakukan presensi namun mahasiswa tidak mengikuti kelas. Berdasarkan permasalahan tersebut pada penelitian ini dibuat sebuah aplikasi yang dapat membantu pihak universitas untuk mencegah mahasiswa melakukan presensi fiktif dengan digunakannya pengenalan wajah atau face recognition dalam proses presensi menggunakan metode Convolutional Neural Network atau CNN. Proses pembuatan model CNN akan digunakan model pre-trained yaitu GoogleNet yang ditambahkan 1 layer dan akan digunakan proses Hyperparameter Tuning untuk mendapatkan model CNN terbaik dengan mencari nilai Hyperparameter yang optimal berdasarkan nilai dan jenis Hyperparameter yang telah ditentukan. Salah satu hasil uji coba pembuatan model CNN didapatkan model terbaik dengan tingkat akurasi 97%. Kata kunci: convolutional neural network, face recognition, presensi
Automatic Text Summarization Berdasarkan Pendekatan Statistika pada Dokumen Berbahasa Indonesia Setyawan, Christopher; Benarkah, Njoto; Prasetyo, Vincentius Riandaru
Keluwih: Jurnal Sains dan Teknologi Vol. 2 No. 1 (2021): Keluwih: Jurnal Sains dan Teknologi (February)
Publisher : Direktorat Penerbitan dan Publikasi Ilmiah, Universitas Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24123/saintek.v2i1.4045

Abstract

Abstract—Propelled by the modern technological innovations data and text will be more abundant throughout the year. With this much text, automatic text summarization is needed now more than ever to help summarize a text. Automatic text summarization is defined as the creation of a shortened version of a text by a computer program, the product of this procedure still contains the most important points of the original text. Statistical approaches is one of automatic text summarization method. There is 5 statistical approaches that being used namely aggregation similarity method, frequency method, location method, title method (if text has a title), dan tf-based query method (if text doesn’t have a title). Cosine similarity is used to calculate title method, aggregation similarity method, and tf- based query method. There is two type of validation, user validation and system validation. For system validation compare the similarity between human summary and summary generated by program, which result in accuracy of 76.7647% for summary with 30% length of the original journal. For user validation result in 82% accuracy. The conclusion based on user validation and system validation is statistical approaches is suitable for automatic text summarization.Keywords: automatic text summarization, statistical approaches, Indonesian document, cosine similarity Abstrak— Dengan kemajuan teknologi jumlah data dan teks akan semakin melimpah sepanjang tahun. Dengan banyaknya teks ini dibutuhkan bantuan automatic text summarization untuk merangkum teks tersebut. Automatic text summarization didefinisikan sebagai versi singkat dari suatu teks menggunakan program komputer yang hasilnya masih memiliki informasi penting berupa gagasan dasar dan kata atau kalimat yang dapat merepresentasikan keseluruhan teks original. Salah satu metode dalam automatic text summarization adalah pendekatan statistika. Pendekatan statistika yang digunakan ada 5 yaitu aggregation similarity method, frequency method, location method, title method (bila teks memiliki judul), dan tf-based query method (bila teks tidak memiliki judul). Cosine similarity dipakai untuk perhitungan title method, tf-based query method, dan aggregation similarity method. Validasi dilakukan dengan dua macam validasi. Pertama adalah validasi sistem dengan membandingkan similaritas antara rangkuman program dan rangkuman manusia, yang menghasilkan akurasi 76.7647% untuk rangkuman dengan panjang 30% dari jurnal original. Kedua adalah validasi user yang menghasilkan akurasi 81%. Kesimpulannya berdasarkan validasi user dan validasi sistem yang cukup baik maka pendekatan statistika cocok dipakai dalam kasus automatic text summarization.Kata kunci: automatic text summarization, pendekatan statistika, cosine similarity, dokumen berbahasa Indonesia
Co-Authors Aldo Adhi Mulyono Anasthasya Averina Budi Hartanto Budiarjo Budiarjo Christian Lauw Christopher Kelvin Pintoro Kwan David Sugiarto Erlangga, Gatum Fitri Dwi Kartikasari Hamzah Lazuardi Joko Siswantoro Juan Timothy Soebroto Kevin Wijaya, Kevin Lauren Sunyoto Michael Marly Angkiriwang Mirella Mercifia Mohammad Farid Naufal, Mohammad Farid Mohd Sanusi Bin Azmi Monica Widiasri, Monica Muhammad Alifian Fajar Pratama Njoto Benarkah Prakarsa, Andreas Bayu Prima, Delta Ardy Rahmad, Bayu Aji Hamengku Senradel Daniel Njudang Septian Ardi Winatan Sesilia Shania Setyawan, Christopher Soetiyono, Jehuda Rivaldo Stefan Axel Vioni Jannet Chrisintha