Articles
<![CDATA[Analisis Cluster Terhadap Karakteristik Mahasiswa Jalur Prestasi FTI UKDW ]]>
<![CDATA[Santosa, Raden Gunawan]]>;
<![CDATA[Chrismanto, Antonius Rachmat]]>;
<![CDATA[Kurniawan, Erick]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 6, No 1 (2020): Volume 6 No 1 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/jp.v6i1.37216
<![CDATA[Analisis Clustering merupakan analisis yang sangat bermanfaat untuk proses deskripsi dan eksplorasi sekumpulan data. Dengan tidak tahunya informasi terhadap karakteristik data mahasiswa jalur prestasi Universitas Kristen Duta Wacana (UKDW), maka akan sangat merugikan dalam pengambilan keputusan. Tujuan dari penelitian ini melihat karakteristik cluster masing-masing angkatan dari angkatan 2008 sampai dengan 2018. Dengan menggunakan analisis cluster, juga ingin diketahui kemiripan 10 angkatan mahasiswa jalur prestasi di FTI UKDW. Untuk melihat cluster tiap angkatan mahasiswa FTI UKDW digunakan metode K-Means Clustering. Sedangkan untuk menemukan kemiripan dari 10 angkatan mahasiswa FTI UKDW digunakan Hierarchial Clustering. Dari hasil penelitian didapat fakta bahwa sebagai berikut: dengan menggunakan K-Means Clustering untuk pengelompokkan menjadi dua cluster, maka diperoleh bahwa cluster yang mempunyai kecenderungan IP Semester 1 (IPS1) tinggi mempunyai karakteristik: status SMA swasta, lokasi SMA di Jawa, kategori SMA umum, level bahasa Inggris level 3, sedangkan cluster yang mempunyai kecenderungan IPS1 rendah mempunyai karakteristik: status SMA swasta, lokasi SMA luar Jawa, kategori SMA umum, level bahasa Inggris level 2. Apabila dilihat hasil pengelompokan tiap angkatan berdasarkan cluster yang terbentuk pada Dendrogram Hierarchical Clustering, maka Angkatan 2015 mempunyai kemiripan cluster yang paling berbeda dibandingkan dengan angkatan yang lainnya.]]>
<![CDATA[Implementasi Distance Weighted K-Nearest Neighbor Untuk Klasifikasi Spam & Non-Spam Pada Komentar Instagram ]]>
<![CDATA[Chrismanto, Antonius Rachmat]]>;
<![CDATA[Lukito, Yuan]]>;
<![CDATA[Susilo, Anton]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 6, No 2 (2020): Volume 6 No 2 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/jp.v6i2.39996
<![CDATA[Instagram (IG) menjadi salah satu sosial media yang sering dipakai untuk membagikan momen dari para penggunanya. Banyak pula public figure, termasuk artis yang menggunakan sosial media ini sebagai media berbagi mereka. Namun, popularitas dari artis tersebut membuat beberapa kalangan mengirimkan komentar spam, sehingga membuat komentar itu menjadi membingungkan saat dibaca. Tujuan penelitian ini adalah mengimplementasikan dan mengetahui akurasi algoritma DWKNN untuk deteksi komentar spam pada IG. Metode DWKNN digunakan sebagai perbaikan dari metode KNN melalui pelatihan sistem dengan data latih acak. Setelah proses pelatihan, dilakukan pengujian berdasarkan data uji dan latih dengan parameter nilai k dan persentase fitur yang akan digunakan untuk menguji dan membandingkan metode KNN maupun DWKNN berdasarkan hasil klasifikasinya. Kontribusi penelitian ini menunjukkan bahwa akurasi metode DWKNN lebih baik daripada KNN, perbedaan nilai k ini tidak memiliki dampak yang terlalu berarti dalam klasifikasi komentar spam, dan seleksi fitur (Features Selection) memiliki hasil success rate yang baik pada penggunaan FS antara 80% - 100%. Akurasi optimal dari KNN adalah 82.36% sedangkan menggunakan DWKNN mencapai 91.08% pada FS 80%.]]>
<![CDATA[Inovasi Pembelajaran Logika-Simbolik melalui Aplikasi DUTAlogic bagi Siswa Tunarungu ]]>
<![CDATA[Chrismanto, Antonius Rachmat]]>;
<![CDATA[Nendya, Matahari Bhakti]]>;
<![CDATA[Tampubolon, Junius Karel]]>;
<![CDATA[Santosa, R Gunawan]]>;
<![CDATA[Sudarma, Wayan Edi]]>;
<![CDATA[Hermawan, Handi]]>
<![CDATA[ Jurnal Pendidikan (Teori dan Praktik) Vol 5, No 1 (2020): Volume 5, Nomor 1, April 2020 ]]>
Publisher : <![CDATA[Fakultas Ilmu Pendidikan Universitas Negeri Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26740/jp.v5n1.p%p
<![CDATA[Logic is an analysis of methods of thinking. Logic emphasizes the form more than the content of arguments. mathematical logic is often also called the symbolic-logic is a part of mathematics that explores the application of formal logic to mathematics. This has a close relationship with the basic fundamental thinking of mathematics and theoretical computer science.In this research we do three important things, the first is conventional symbolic-logic training for SLB Negeri 1 Bantul. The second step is making of symbolic-logic learning application for deaf students called DUTAlogic and the third is seeing the comparison between conventional learning and learning using the DUTAlogic.Based on data analysis that was done. Thar result show that increase in symbolic logic ability (T) is 50%, increase in the ability of symbolic natural accuracy (N) is 50%. The used of DUTAlogic application is more attractive to deaf students because they feel happier, easier, more-understanding, more concentrated and more creative when doing symbolic-logic learning.]]>
<![CDATA[Implementasi Metode TwoStep Clustering untuk Klasterisasi Karakteristik Akademik Mahasiswa ]]>
<![CDATA[Santosa, Raden Gunawan]]>;
<![CDATA[Lukito, Yuan]]>;
<![CDATA[Chrismanto, Antonius Rachmat]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 7, No 2 (2021): Volume 7 No 2 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/jp.v7i2.47735
<![CDATA[Salah satu algoritma clustering yang paling banyak dipakai adalah K-Means dimana algoritma ini membutuhkan masukan jumlah klaster yang ingin dibentuk. Pada kenyataannya jumlah klaster yang tepat tidak bisa diketahui sehingga pemilihan nilai k bergantung pada subyektifitas peneliti. Kemudian algoritma K-Means hanya bisa menangani atribut dalam bentuk numerik kontinyu padahal ada atribut dalam bentuk kategorikal atau campuran keduanya. Pada penelitian ini dilakukan pengelompokkan data akademik mahasiswa dengan menggunakan algoritma twostep clustering yang dapat menentukan jumlah klaster secara otomatis dan dapat menangani atribut dalam bentuk kategorikal, numerik kontinyu atau campuran keduanya. Metode twostep clustering diterapkan pada data mahasiswa angkatan 2008-2019 dengan analisis diterapkan pada setiap angkatannya. Penelitian ini menghasilkan klaster-klaster yang mencerminkan tingkat heterogenitas setiap angkatan mahasiswa. Klaster-klaster yang didapat merupakan klaster yang optimal setelah diukur menggunakan Bayesian Information Criterion dan Ratio Distance Measure.]]>
<![CDATA[Sistem Cerdas Permainan Papan The Battle Of Honor dengan Decision Making dan Machine Learning ]]>
<![CDATA[Diasmara, Arnan Dwika]]>;
<![CDATA[Mahastama, Aditya Wikan]]>;
<![CDATA[Chrismanto, Antonius Rachmat]]>
<![CDATA[ Jurnal Buana Informatika Vol 12, No 2 (2021): Jurnal Buana Informatika Volume 12 - Nomor 2 - Oktober 2021 ]]>
Publisher : <![CDATA[Universitas Atma Jaya Yogyakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24002/jbi.v12i2.4905
<![CDATA[Abstract. Intelligent System of the Battle of Honor Board Game with Decision Making and Machine Learning. The Battle of Honor is a board game where 2 players face each other to bring down their opponent's flag. This game requires a third party to act as the referee because the players cannot see each other's pawns during the game. The solution to this is to implement Rule-Based Systems (RBS) on a system developed with Unity to support the referee's role in making decisions based on the rules of the game. Researchers also develop Artificial Intelligence (AI) as opposed to applying Case-Based reasoning (CBR). The application of CBR is supported by the nearest neighbor algorithm to find cases that have a high degree of similarity. In the basic test, the results of the CBR test were obtained with the highest formulated accuracy of the 3 examiners, namely 97.101%. In testing the AI scenario as a referee, it is analyzed through colliding pieces and gives the right decision in determining victoryKeywords: The Battle of Honor, CBR, RBS, unity, AIAbstrak. The Battle of Honor merupakan permainan papan dimana 2 pemain saling berhadapan untuk menjatuhkan bendera lawannya. Permainan ini membutuhkan pihak ketiga yang berperan sebagai wasit karena pemain yang saling berhadapan tidak dapat saling melihat bidak lawannya. Solusi dari hal tersebut yaitu mengimplementasikan Rule-Based Systems (RBS) pada sistem yang dikembangkan dengan Unity untuk mendukung peran wasit dalam memberikan keputusan berdasarkan aturan permainan. Peneliti juga mengembangkan Artificial Intelligence (AI) sebagai lawan dengan menerapkan Case-Based reasoning (CBR). Penerapan CBR didukung dengan algoritma nearest neighbour untuk mencari kasus yang memiliki tingkat kemiripan yang tinggi. Pada pengujian dasar didapatkan hasil uji CBR dengan accuracy yang dirumuskan tertinggi dari 3 penguji yaitu 97,101%. Pada pengujian skenario AI sebagai wasit dianalisis lewat bidak yang bertabrakan dan memberikan keputusan yang tepat dalam menentukan kemenangan.Kata Kunci: The Battle of Honor, CBR, RBS, unity, AI]]>
<![CDATA[PEMBANGUNAN APLIKASI E-COMMERCE PERTANIAN DUTATANI STORE BERBASIS ANDROID ]]>
<![CDATA[Tanujaya, Yoel]]>;
<![CDATA[Delima, Rosa]]>;
<![CDATA[Chrismanto, Antonius Rachmat]]>;
<![CDATA[Wibowo, Argo]]>
<![CDATA[ Informatika Pertanian Vol 30, No 1 (2021): Juni 2021 ]]>
Publisher : <![CDATA[Sekretariat Badan Penelitian dan Pengembangan Pertanian ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.21082/ip.v30n1.2021.p39-54
<![CDATA[E-commerce di Indonesia terus meningkat dari tahun ke tahun, baik jumlah transaksi dan pengguna maupun jumlah aplikasi e-commerce, masing-masing memiliki sasaran market produk yang berbeda. Namun sektor pertanian di Indonesia belum merasakan dampak e-commerce. Hal ini disebabkan oleh rendahnya pilihan aplikasi e-commerce pertanian dan antarmuka sistem belum memenuhi tingkat kepuasan. Oleh karena itu, melalui penelitian ini dibangun aplikasi e-commerce berbasis android yang diberi nama Dutatani Store. Pembangunan aplikasi Dutatani Store menggunakan framework antarmuka Flutter, dan bahasa pemrograman Dart. Pengembangan aplikasi menggunakan metode Rapid Application Development (RAD), dalam kurun waktu dua bulan dengan tim beranggotakan empat orang. Evaluasi sistem dilakukan melalui uji usabilitas terhadap aplikasi untuk mengetahui tingkat kebergunaan aplikasi. Hasil pengujian menunjukkan setiap responden dapat menyelesaikan keseluruhan task skenario. Tampilan list view memiliki nilai usabilitas yang lebih tinggi dengan tingkat kesuksesan yang lebih tinggi pula dibandingkan dengan card view.]]>
<![CDATA[Chrome Extension untuk Data Grabber Media Sosial Twitter dengan Metode XPath Selector ]]>
<![CDATA[Erinda Resha Astanti]]>;
<![CDATA[Antonius Rachmat C.]]>;
<![CDATA[Yuan Lukito]]>
<![CDATA[ Techno.Com Vol 19, No 4 (2020): November 2020 ]]>
Publisher : <![CDATA[LPPM Universitas Dian Nuswantoro ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33633/tc.v19i4.4006
<![CDATA[Kebutuhan dataset sebagai sumber penelitian untuk analisis oleh data scientist terus meningkat seiring dengan semakin meningkatnya rasa keingintahuan manusia. Misalnya seperti suatu perusahaan ingin mengetahui tanggapan konsumennya tentang produk yang baru saja diluncurkan, sehingga mereka dapat menyusun langkah selanjutnya yang akan diambil oleh perusahaan tersebut. Tentu saja untuk mengetahui hal tersebut, perlu dilakukan analisis terhadap tanggapan konsumen terlebih dahulu. Analisis dilakukan menggunakan sumber data yang dapat ditemukan salah satunya pada sosial media seperti Twitter. Penelitian ini dimaksudkan untuk menyediakan aplikasi yang dapat digunakan menjadi data grabber untuk mengumpulkan data dari media sosial Twitter. Aplikasi data grabber dirancang sebagai Chrome Extension dengan implementasi metode XPath Selector diharapkan dapat mengumpulkan data tanpa terbatasi oleh batasan akses API Twitter. Sebagai gantinya dengan menerapkan metode ini, aplikasi perlu mengakses halaman web Twitter. Pemasangan aplikasi sebagai Chrome Extension memudahkan untuk menjalankan aplikasi sembari mengakses halaman web Twitter pada browser. Aplikasi TweetGrabberERA berhasil dibangun pada penelitian ini sesuai kebutuhan yang diharapkan. Pengujian yang dirancang telah menunjukkan bahwa aplikasi data grabber dengan mengimplementasikan metode XPath Selector berjalan dengan baik dan membuktikan bahwa aplikasi dapat menghasilkan dataset yang untuk keperluan keperluan analisis oleh data scientist.]]>
<![CDATA[Sistem Cerdas Permainan Papan The Battle Of Honor dengan Decision Making dan Machine Learning ]]>
<![CDATA[Arnan Dwika Diasmara]]>;
<![CDATA[Aditya Wikan Mahastama]]>;
<![CDATA[Antonius Rachmat Chrismanto]]>
<![CDATA[ Jurnal Buana Informatika Vol. 12 No. 2 (2021): Jurnal Buana Informatika Volume 12 - Nomor 2 - Oktober 2021 ]]>
Publisher : <![CDATA[Universitas Atma Jaya Yogyakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24002/jbi.v12i2.4905
<![CDATA[Abstract. Intelligent System of the Battle of Honor Board Game with Decision Making and Machine Learning. The Battle of Honor is a board game where 2 players face each other to bring down their opponent's flag. This game requires a third party to act as the referee because the players cannot see each other's pawns during the game. The solution to this is to implement Rule-Based Systems (RBS) on a system developed with Unity to support the referee's role in making decisions based on the rules of the game. Researchers also develop Artificial Intelligence (AI) as opposed to applying Case-Based reasoning (CBR). The application of CBR is supported by the nearest neighbor algorithm to find cases that have a high degree of similarity. In the basic test, the results of the CBR test were obtained with the highest formulated accuracy of the 3 examiners, namely 97.101%. In testing the AI scenario as a referee, it is analyzed through colliding pieces and gives the right decision in determining victoryKeywords: The Battle of Honor, CBR, RBS, unity, AIAbstrak. The Battle of Honor merupakan permainan papan dimana 2 pemain saling berhadapan untuk menjatuhkan bendera lawannya. Permainan ini membutuhkan pihak ketiga yang berperan sebagai wasit karena pemain yang saling berhadapan tidak dapat saling melihat bidak lawannya. Solusi dari hal tersebut yaitu mengimplementasikan Rule-Based Systems (RBS) pada sistem yang dikembangkan dengan Unity untuk mendukung peran wasit dalam memberikan keputusan berdasarkan aturan permainan. Peneliti juga mengembangkan Artificial Intelligence (AI) sebagai lawan dengan menerapkan Case-Based reasoning (CBR). Penerapan CBR didukung dengan algoritma nearest neighbour untuk mencari kasus yang memiliki tingkat kemiripan yang tinggi. Pada pengujian dasar didapatkan hasil uji CBR dengan accuracy yang dirumuskan tertinggi dari 3 penguji yaitu 97,101%. Pada pengujian skenario AI sebagai wasit dianalisis lewat bidak yang bertabrakan dan memberikan keputusan yang tepat dalam menentukan kemenangan.Kata Kunci: The Battle of Honor, CBR, RBS, unity, AI]]>
<![CDATA[PENGUJIAN USABILITAS PORTAL DUTATANI MENGGUNAKAN METODE WEBQUAL DAN IMPORTANCE PERFORMANCE ANALYSIS (IPA) ]]>
<![CDATA[Argo Wibowo]]>;
<![CDATA[Halim Budi Santoso]]>;
<![CDATA[Rosa Delima]]>;
<![CDATA[Antonius Rachmat C]]>;
<![CDATA[Mikhael Meier]]>
<![CDATA[ Prosiding SNST Fakultas Teknik Vol 1, No 1 (2019): PROSIDING SEMINAR NASIONAL SAINS DAN TEKNOLOGI 10 2019 ]]>
Publisher : <![CDATA[Prosiding SNST Fakultas Teknik ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (536.716 KB)
<![CDATA[Portal DutaTani merupakan halaman awal dari prototipe sistem informasi bagi pertanian dan dapat diakses pada halaman dutatani.id. Prototype ini memiliki beberapa fitur seperti Forum Diskusi, Tentang Kami, Berita pertanian, dan informasi pertanian lainnya. Pengujian usabilitas diterapkan untuk melakukan uji terhadap portal DutaTani dengan menggunakan dua pendekatan, yaitu WEBQUAL dan Importance Performance Analysis (IPA). Dari hasil uji usabilitas, diharapkan dapat memberikan gambaran terkait dengan kualitas prototipe portal DutaTani menurut sudut pandang pengguna. Pendekatan Webqual merupakan sarana untuk mendapatkan data-data mentah kemudian diolah dengan Importance Performance Analysis yang akan menghasilkan sebuah prioritas dalam proses perbaikan prototipe sistem. Uji usabilitas ini melibatkan 48 responden petani dan 3 responden admin sistem. Hasil dari uji usabilitas ini adalah 1). Nilai kesenjangan rata-rata mencapai -0,41% yang berarti bila dimasukan kedalam grafik Importance Performance Matrix akan berada pada kuadran III, 2). Dalam pengujian waktu rata-rata kegagalannya mencapai 69,88%, 3). Berdasarkan hasil uji usabilitas dilakukan perbaikan pada halaman “Forum Diskusi”, dan “Tentang Kami”. Untuk perbaikan lainnya tombol-tombol yang penting diberikan icon yang sesuai dengan fungsinya dengan maksud agar para user dapat dengan mudah berinteraksi dengan website Dutatani.Kata kunci : DutaTani Portal, Uji usabilitas, WEBQUAL, Importance Performance Analysis (IPA). ]]>
<![CDATA[Classification and Prediction of Students’ GPA Using K-Means Clustering Algorithm to Assist Student Admission Process ]]>
<![CDATA[Raden Gunawan Santosa]]>;
<![CDATA[Yuan Lukito]]>;
<![CDATA[Antonius Rachmat Chrismanto]]>
<![CDATA[ Journal of Information Systems Engineering and Business Intelligence Vol. 7 No. 1 (2021): April ]]>
Publisher : <![CDATA[Universitas Airlangga ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.20473/jisebi.7.1.1-10
<![CDATA[Background: Student admission at universities aims to select the best candidates who will excel and finish their studies on time. There are many factors to be considered in student admission. To assist the process, an intelligent model is needed to spot the potentially high achieving students, as well as to identify potentially struggling students as early as possible.Objective: This research uses K-means clustering to predict students’ grade point average (GPA) based on students’ profile, such as high school status and location, university entrance test score and English language competence.Methods: Students’ data from class of 2008 to 2017 are used to create two clusters using K-means clustering algorithm. Two centroids from the clusters are used to classify all the data into two groups: high GPA and low GPA. We use the data from class of 2018 as test data. The performance of the prediction is measured using accuracy, precision and recall.Results: Based on the analysis, the K-means clustering method is 78.59% accurate among the merit-based-admission students and 94.627% among the regular-admission students.Conclusion: The prediction involving merit-based-admission students has lower predictive accuracy values than that of involving regular-admission students because the clustering model for the merit-based-admission data is K = 3, but for the prediction, the assumption is K = 2. ]]>
