Garuda - Garba Rujukan Digital

Article Per Year (5 Year)

p-Index From 2020 - 2025

0.23

P-Index

This Author published in this journals

All Journal Techno.Com: Jurnal Teknologi Informasi Journal of Information System CogITo Smart Journal

Wijanarto Wijanarto

Universitas Dian Nuswantoro

Author-ID : 2406300

Computer Science & IT Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering

Published : 6 Documents Claim Missing Document

Claim Missing Document

Articles

Penemu Jalur Optimal Untuk Rute Jalan Dengan New Bidirectional A* Di Semarang Ardian Fajar Rahmanto; Wijanarto Wijanarto
Techno.Com Vol 16, No 2 (2017): Mei 2017
Publisher : LPPM Universitas Dian Nuswantoro

Lalulintas jalan merupakan masalah yang terjadi hampir di seluruh kota besar di dunia, terutama mengenai kemacetan. Untuk menangani permasalahan kmacetan dan menguraikanny merupakan tantangan tersendiri dan dengan alat bantu kemajuan teknoologi informasi dan system navigasi, nampaknya hal tersbut menjadi terobosan baru. Pencarian rute jalan sehingga didapatkan rute yang optimum diharapkan dapat membantu mengatasi dan mengurai kemacetan jalan, namun demikian seringkali juga menjadi biasÂ karena butuh waktu tempuh yang lebih lama. Sistem Informasi Geografis atau SIG merupakan salah satu sistem yang menunjang pengetahuan rute dari sebuah peta dan informasi suatu wilayah. Paper ini menyajikan solusi penemu atau pencari rute pada SIG dengan menerapkan teknik New Bidirectional A* atau NBA* pada SIG dapat melakukan komputasi penemu jalur optimal. Aplikasi yang dihasilkan dari teknik ini dapat menampilkan jalur optimal dari lokasi awal ke tujuan. Perbandingan hasil uji perjalanan secara langsung dengan komputasi yang di lakukan sebanyak 4 kali, teknik ini terbukti valid dan sinkron sebanyak 3 kali dan menghasilkan waktu tempuh optimal dengan nilai heuristic yang di tentukan secara statis. Kedepan penentuan fungsi heuristic secara statis perlu di buat dinamis sesuai dengan lokasi pencarian dari peta digital

Tuning Model Analisis Sentimen Tweeter Sepakbola Pada Dataset Kecil dan Seimbang Wijanarto Wijanarto; Adelia Puspita Sari; Asih Rohmani
JOINS (Journal of Information System) Vol 5, No 1 (2020): Edisi Mei 2020
Publisher : Universitas Dian Nuswantoro

Suporter bola adalah orang yang mendukung dan memberikan motivasi serta semangat untuk pemain klub bola yang memiliki fanatisme positif maupun negatif, baik dalam dunia nyata atau social media, tweeter. Penelitian ini menghasilkan model klasifikasi untuk prediksi tweet supporter sepakbola dengan sedikit data dan berimbang. Model klasifikasi dibangunÂ berdasarkan ekplorasi analisis data dan penentuan baseline model dari akurasi null, polarisasi dan subyektivitas, seleksi fitur, klasifikasi linier dan non linier. Model terpilih akan dilakukan tuning untuk mendapatkan hasil yang lebih presisi dan akurat serta dievaluasi denganÂ confusion matrik serta laporan klasifikasi untuk memberikan intuisi lebih dalam tentang perilaku classifier atas akurasi global. Hasil penelitian ditemukannya polarisasi kata bermakna negative yang berada dikelas positif sebesar 88% dengan frekuensi 4% dan rerata harmoni 8%. Model klasisfikasi Multinomial NaÃ¯ve Bayes terpilih sebagai model terbaik dengan akurasi 99%, error 0.8% pada data train dan 100%, error 0% pada data validasi. Eksperimen untuk menguji model terhadap 30 entri data test baru, menghasilkan prediksi denganakurasinya 87% dengan error 13%, artinya hanya terdapat 4 kesalahan prediksi. Kedepan disarankan untuk menguji model ektraksi fitur atau melakukan boosting, bagging dan deep learning untuk mengetahui apakah hasilnya menjadi lebih baik.

Penerapan Algoritma AES pada Dokumen Penting Yang Disisipkan Dalam Citra Berbasis Algoritma LSB Dan Sobel Yunita Dwi Setyaningrum; Wijanarto Wijanarto; Asih Rohmani
JOINS (Journal of Information System) Vol 4, No 2 (2019): Edisi November 2019
Publisher : Universitas Dian Nuswantoro

Kemajuan teknologi berimbas pada kegiatan sehari-hari, misalnya sekarang ini masyarakat mudah mengirim dan menerima dokumen melalui e-mail tanpa terbatas oleh waktu dan jarak. Perkembangan teknologi ini juga berimbas pada peningkatan dampak negatif yang merugikan, seperti munculnya cybercrime, pishing, trojan, hackers. Penelitian ini bertujuan untuk meningkatkan pengamanan data pada dokumen penting yang tersimpan di server maupunÂ sistem lain yang terdapat di PT Nasmoco Majapahit sebagai obyek penelitian. Metode yang dipakai adalah dengan menerapkan teknik kriptografi Advanced Encryption Standard (AES) pada dokumen yang akan disisipkan dalam citra dengan algoritma Least Significant Bit (LSB) dengan deteksi tepi Sobel. Teknik ini diharapkan mampu merahasiakan atau mengamankan dokumen penting milik perusahaan yang disisipkan dalam gambar, sedemikian sehingga gambar asli denganÂ gambar yang telah disisipi oleh dokumen penting tersebut menjadi sulit dibedakan oleh mata normal manusia pada umumnya. Hasil yang diperoleh dari penelitian ini menunjukkan bahwa algoritma AES dapat melakukan proses enkripsi dengan cukup cepat, yaitu rata-rata durasi sebesar 37,0976 detik. Pada deteksi tepi dalam proses penyisipan pesan bergantung pada objek dalam citra bukan hanya ukuran piksel saja semakin objek rumit maka semakin banyak koordinat yang digunakan untuk menyisipkan teks. Dan hasil kualitas citra stego setelah dilakukan pengujian menggunakan PSNR dan MSE hasil rata-ratanya juga cukup tinggi yaitu MSE sebesar 0,0425 dan PSNR sebesar 62,9392.Â Kata kunci: kriptografi, dokumen, steganografi, citra

Penerapan Algoritma Apriori Dalam Menentukan Pola Pembeli Untuk Strategi Pemasaran Kerajinan Rilliant Indra Sukma Ananta; Wijanarto Wijanarto; Asih Rohmani
JOINS (Journal of Information System) Vol 3, No 2 (2018): Edisi November 2018
Publisher : Universitas Dian Nuswantoro

Persoalan pihak pemilik usaha kerajinan rajut dalam menentukan strategi pemasaran produk usahanya menjadi latar belakang untuk melakukan inovasi agar produk usaha yang dijual tetap laku.Berbagai jenis pembelian produk rajut membuat pemilik usaha kesulitan dalam hal produksi barang, untuk itu perlu adanya suatu strategi pemasaran tertentu untuk meningkatkan penjualan produk dengan melihat pola pembeli.Rilliant adalah salah satu brand usaha kerajinan rajut yang memiliki sekitar 800 item lebih terjual dalam periode waktu bulan Agustus hingga November, data ini belum diolah dengan baik oleh pihak brand sehingga menjadi kurang bermanfaat. Data mining adalah suatu proses ekstraksi informasi dari kumpulan data - data melalui penggunaan algoritma dan teknik yang melibatkan bidang ilmu statistik, sistem manajemen database, serta machine learning, dan algoritma data mining yang tepat untuk mengolah data tersebut adalah Apriori. Apriori melakukan perhitungan iterasi dengan menghitung support dan confidence, berfungsi untuk menemukan pola pembeli dalam satu kali transaksi berdasarkan data transaksi penjualan dengan melihat parameter minimal support dan minimal confidence yang sudah ditentukan. Hasil yang diperoleh dari penelitian ini yaitu algoritma apriori dapat menemukan pola pembeli sebanyak 24 pola pembeli yang memenuhi nilai minimal support 40% dan minimal confidence 80%, tetapi setelah dilakukan pengujian dengan menggunakan lift ratio hanya ditemukan 6 pola pembeli yang valid dan bisa dijadikan strategi pemasaran selanjutnya.

Aplikasi Hybrid Filtering Dan NaÃ¯ve Bayes Untuk Sistem Rekomendasi Pembelian Laptop Eri Eli Lavindi; wijanarto wijanarto; Asih Rohmani
JOINS (Journal of Information System) Vol 4, No 1 (2019): Edisi Mei 2019
Publisher : Universitas Dian Nuswantoro

Perkembangan E-commerce telah menjadi terobosan dalam strategi bisnis modern yang dapat menghasilkan kenaikan pendapatan secara virtual. Belanja merupakan kegiatan sosial dan biasanya pembeli mendapatakan rekomendasiÂ dari orang lain untuk membeli suatu produk. Ketika mendapatkan rekomendasi, tingkat kepercayaan untuk membeli produk tersebut akan meningkat. Seiring perkembangan zaman laptop telah menjadi kebutuhan pokok bagi masyarakat. Toko â€“ toko yang menawarkan penjualan laptop saat ini melakukan rekomendasi produk laptop dengan mengacu pada pembelian konsumen lain. Selain itu, informasi mengenai harga, spesifikasi laptop, kemudahan, serta rekomendasi dalam proses pembelian yang akurat bagi calon pembeli. Pada penelitian ini peneliti membuat sistem menggunakan metode Hybrid Filtering dan klasifikasi NaÃ¯ve Bayes untuk Sistem Rekomendasi Penjualan Laptop. Untuk menentukan apakah suatu laptop di rekomendasikan atau tidak, digunakan 95 data spesifikasi, beserta rating dari laptop yang di rekomendasikan dan tidak di rekomendasikan. Dengan menggunakan 20 data testing, Berdasarkan pengujian menggunakan confusion matrix Algoritma NaÃ¯ve Bayes mampu mengklasifikasikan suatu laptop di rekomendasikan atau tidak dengan tingkat akurasi 80%.Kata kunciâ€”Sistem Rekomendasi, Hybrid Filtering, NaÃ¯ve Bayes

Implicit Social Trust Dan Support Vector Regression Untuk Sistem Rekomendasi Berita Melita Widya Ningrum; Wijanarto Wijanarto
CogITo Smart Journal Vol 3, No 2 (2017): CogITo Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Situs berita merupakan salah satu situs yang sering diakses masyarakat karena kemampuannya dalam menyajikan informasi terkini dari berbagai topik seperti olahraga, bisnis, politik, teknologi, kesehatan dan hiburan. Masyarakat dapat mencari dan melihat berita yang sedang populer dari seluruh dunia. Di sisi lain, melimpahnya artikel berita yang tersedia dapat menyulitkan pengguna dalam menemukan artikel berita yang sesuai dengan ketertarikannya. Pemilihan artikel berita yang ditampilkan ke halaman utama pengguna menjadi penting karena dapat meningkatkan minat pengguna untuk membaca artikel berita dari situs tersebut. Selain itu, pemilihan artikel berita yang sesuai dapat meminimalisir terjadinya banjir informasi yang tidak relevan. Dalam pemilihan artikel berita dibutuhkan sistem rekomendasi yang memiliki pengetahuan mengenai ketertarikan atau relevansi pengguna akan topik berita tertentu. Pada penelitian ini, peneliti membuat sistem rekomendasi artikel berita pada New York Times berbasis implicit social trust. Social trust dihasilkan dari interaksi antara pengguna dengan teman-temannya dan bobot kepercayaan teman pengguna pada media sosial Twitter. Data yang diambil merupakan data pengguna Twitter, teman dan jumlah interaksi antar pengguna berupa retweet. Sistem ini memanfaatkan algoritma Support Vector Regression untuk memberikan estimasi penilaian pengguna terhadap suatu topik tertentu. Hasil pengolahan data dengan Support Vector Regression menunjukkan tingkat akurasi dengan MAPE sebesar 0,8243075902233644%. Keywords : Twitter, Rekomendasi Berita, Social Trust, Support Vector Regression

Co-Authors Adelia Puspita Sari Ardian Fajar Rahmanto Asih Rohmani Eri Eli Lavindi Indra Sukma Ananta Melita Widya Ningrum Yunita Dwi Setyaningrum

Title

Found 6 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 6 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 6 Documents
Search