Article Per Year (5 Year)
p-Index From 2021 - 2026
1.006
P-Index
This Author published in this journals
All Journal Telematika CESS (Journal of Computer Engineering, System and Science) SISFOTENIKA RESEARCH : Computer, Information System & Technology Management DoubleClick : Journal of Computer and Information Technology JurTI (JURNAL TEKNOLOGI INFORMASI) Informasi Interaktif Majalah Ilmiah Bahari Jogja CCIT (Creative Communication and Innovative Technology) Journal TAFAQQUH: Jurnal Hukum Ekonomi Syariah Dan Ahwal Syahsiyah Infotekmesin Jurnal Informa: Jurnal Penelitian dan Pengabdian Masyarakat Teknomatika: Jurnal Informatika dan Komputer Explore
Hanif Al Fatta
Universitas AMIKOM Yogyakarta
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Mechanical Engineering Transportation

Published : 26 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : JurTI (JURNAL TEKNOLOGI INFORMASI)

 1 
ANALISIS PERBANDINGAN PREDISKSI OBAT DENGAN MENGGUNAKAN METODE ABC ANALISYS DAN SVR PADA APLIKASI “MORBIS” Tutik Maryana; Kusrini Kusrini; Hanif Al Fatta
(JurTI) Jurnal Teknologi Informasi Vol 3, No 2 (2019): DESEMBER 2019
Publisher : Universitas Asahan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36294/jurti.v3i2.1016

Abstract

Permasalahan rumah sakit mengenai pengolahan persediaan obat adalah kondisi obat yang habis, dikarenakan rumah sakit dalam satu tahun mengeluarkan 33% dari biaya investasi untuk investasi obat. Untuk mengtasi permasalahan diatas rumah sakit harus memiliki pengeloaan logistic dengan baik, cara pengelolaan adalah dengan melakukan perencanaan yang baik. Penulis akan memakai algoritma ABC Analysis dan SVR. ABC Analysis akan digunakan untuk proses klasifikasi obat yaitu dengan cara membagi obat manjadi tiga kelompok utama berdasarkan kepentingan yaitu kelompok A, B dan C. Penulis akan menggunakan metodo SVR untuk menghitung prediksi obat. Hasil penelitian ini adalah ABC analisys dapat membagi  obat. Menjadi tiga bagian  yaitu kelompo A 276  item dengan presentase 22,96% dari jumlah item keseluruhan, kelompok B sejumlah 396 item dengan presentase 33,11% dan C sejumlah 528 dengan presenrase 43,94% dengan kesluruhan obat adlah 1202 item obat. Pengujian prediksi dilakukan dengan cara mengambil sample lima obat dari hasil klasifikasi. Proses perhitungan SVR adalah membandingkan metode preprocessing linier scaling dan z normalization. Hasil dari penelitian tersebut adalah MAPE menunjukan bahwa  dengan menambahkan preprocessing dengan linier scaling dapat membuat proses SVR lebih optimal dari pada menggunakan z nomrlization dan perhitungan dengan klasifikasi ABC analisys.
Pengaruh Dimensi Gambar pada Klasifikasi Motif Batik Menggunakan Convolutional Neural Network Rizki Mawan; Kusrini Kusrini; Hanif Al Fatta
(JurTI) Jurnal Teknologi Informasi Vol 4, No 2 (2020): DESEMBER 2020
Publisher : Universitas Asahan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36294/jurti.v4i2.1342

Abstract

Abstract – Indonesia is a country with many fascinating cultural assets. Batik is one of the most beautiful cultural assets that should be preserved. Batik existed with many motifs and styles and has been a significant cultural cloth for many regions spread along the Java island. This research proposed the computation for identifying three popular motifs and styles: megamendung, kawung, and parang. This research employed a Convolutional Neural Network classifier to identity those three popular batik motifs. This research used an image size of  64x64, 128x128, and 256x256  for the input images, and the influence of the size or dimension for these inputs have been analyzed. The final result showed that the highest accuracy is reached at 92.85 % on epoch = 240 and batch size = 5.Keywords  - Batik, Convolutional Neural Network, Accuracy, Dimension Abstrak - Banyak budaya di Indonesia yang masih menjadi kebanggan dan dijaga kelestarian nya. Salah satunya adalah batik. Jika berbicara tentang batik sekilas kita mengingat tentang berbagai macam motif yang dimiliki yang tersbar di Indonesia terutama di pulau Jawa. Pada penelitian kali ini motif batik yang diteliti adalah batik megamendung,batik kawung dan batik parang. Alasan pemilihan ketiga motif tersebut karena ketiga motif tersebut sangat diminati oleh khalayak ramai(Populer) , dan ketiga motif tersebut memliki makna tersendiri yang sangat mewakili masyarakat Indonesia. Tujuan dari klasifikasi batik adalah untuk mengetahui keakuratan akurasi motif batik khusus nya motif batik kawung,megamendung, dan parang. Fokus pada penelitian ini  adalah penggunaan dimensi gambar yang dapat mempengaruhi akurasi yang dihasilkan. Dimensi yang digunakan adalah 64x64,128x128, dan 256x256. Akurasi yang dihasilkan dengan menggunakan metode Convolutional Neural Network yang paling tinggi yaitu 92,85% dengan menggunakan  epoch= 240 dan batch_size=5.Kata Kunci - Batik, Convolutional Neural Network, Akurasi, Dimensi
Co-Authors Abidarin Rosidi Ahmad Hajar Alvhinia Meinda Amitaba Andi Sunyoto Anggie Ariawan Dewa Putra Arief Setyanto Bambang Soedijono Chan Uswatun Khasanah Dwi Sari Widyowaty Ema Utami Fandli Supandi Hafidh Rezha Maulana Hendra Kurniawan HENDRA SETIAWAN Khairullah Khairullah Kusrini . Kusrini Kusrini M Suyanto M. Imam Budi Laksamana M. Nuraminudin M. Suyanto Moh Taufik H Noor Abdul Haris Nugroho Setio Wibowo Olivia Maria Inacio Tavares Purwidiantoro, Moch. Hari Rizki Mawan Tutik Maryana Wahyu Sindu Prasetya Yetman Erwadi Yulia Rahmi Yuliana Yuliana Yusuf Fadlila Rachman Zul Hisyam