Article Per Year (5 Year)
p-Index From 2021 - 2026
4.35
P-Index
This Author published in this journals
All Journal TELKOMNIKA (Telecommunication Computing Electronics and Control) JAIS (Journal of Applied Intelligent System) SISFOTENIKA Jurnal Teknologi Informasi MURA Voice Of Informatics Zero : Jurnal Sains, Matematika, dan Terapan JOURNAL OF SCIENCE AND SOCIAL RESEARCH JURNAL TEKNOLOGI DAN ILMU KOMPUTER PRIMA (JUTIKOMP) CSRID (Computer Science Research and Its Development Journal) Jurnal Informatika Kaputama (JIK) Jurnal Mantik IT (INFORMATIC TECHNIQUE) JOURNAL ICIT (Innovative Creative and Information Technology) Journal REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer Journal of Computer Science, Information Technology and Telecommunication Engineering (JCoSITTE) Journal of Computer Networks, Architecture and High Performance Computing Jurnal Generic JUDIMAS (Jurnal Inovasi Pengabdian Kepada Masyarakat) Journal of Applied Computer Science and Technology (JACOST) DEVICE Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) INFOSYS (INFORMATION SYSTEM) JOURNAL Jurnal Ipteks Terapan : research of applied science and education International Journal of Research in Vocational Studies (IJRVOCAS) Jurnal Teknologi Informasi Mura Jurnal Abdimastek (Pengabdian Masyarakat Berbasis Teknologi) CSRID
Rika Rosnelly
Uiversitas Potensi Utama
Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Veterinary Other

Published : 41 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 41 Documents
Search

 1   2   3   4   5 
Implementation of Linear Congruent Methods and Multiplication Random Numbers for Academic Potential Tests Akbar Idaman; Roslina; Rika Rosnelly
International Journal of Research in Vocational Studies (IJRVOCAS) Vol. 2 No. 4 (2023): IJRVOCAS - Special Issues - International Conference on Science, Technology and
Publisher : Yayasan Ghalih Pelopor Pendidikan (Ghalih Foundation)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53893/ijrvocas.v2i4.160

Abstract

APT (Academic Potential Test) is a test that aims to measure a person's ability in the academic field in general. In the implementation of the APT exam, it is carried out in the admission of new students and its application online, using a website-based application, each prospective new student will be given a login account to take the APT exam simultaneously and at a predetermined time. While the process can be accessed anywhere with an internet network. The implementation of the APT exam does not always run smoothly or well, in fact almost every time the APT exam is carried out there are problems, problems that arise because the questions given do not have differences in workmanship which causes the APT exam results to be impure and accurate. To overcome the problems that continue to occur in the implementation of the APT exam, an algorithm or method is needed that can randomize the questions in the APT exam. In this study, the Linear Congruent (LCM) and Multiplicative Random Number Generator (Multiplicative RNG) methods are random methods that are applied to randomize the APT exam questions so that the APT exam question packages can have different question positions and between question packages and the results of the application of this method will be compared to measures how complex the randomization is for each method. By using the LCM model the level of complexity of the questions increases to 100% while by using the MRNG method the level of complexity of the questions increases to 50%.
ANALISIS ALGORITMA ADAPTIVE NEURO FUZZY INFERENCE SYSTEM PADA PENGENALAN POLA IKAN KOI MENGGUNAKAN RED, GREEN, BLUE, DAN HUE, SATURATION, VALUE IQBAL GIFFARI RITONGA; Rika Rosnelly; Pius Deski Manalu; Teresa Tamba; Kristine Wau
Device Vol 12 No 2 (2022): November
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/device.v12i2.3998

Abstract

ANFIS adalah algoritma yang menggabungkan sistem fuzzy dengan sistem jaringan syaraf tiruan. ANFIS dapat membuat nilai masukan menjadi keluaran berdasarkan nilai yang sudah dilatihkan dalam bentuk fuzzy. ANFIS dapat digunakan dalam klasifikasi jenis ikan koi dengan melatih nilai red, green, blue, serta hue, saturation, value, dan biner untuk menghapus nilai background citra ikan koi. Pada penelitian ini digunakan 3 jenis dari ikan koi yaitu kohaku, sanke, dan showa. Data latih pada algoritma ini menggunakan 10 citra ikan koi kohaku, 10 citra ikan koi sanke, dan 10 citra ikan koi showa serta 6 data uji yang diambil dari 2 data latih dari setiap jenis ikan koi tersebut. Hasil Akurasi dari data latih menghasilkan 100% dan hasil Akurasi dari data uji menghasilkan 100%.
ANALISIS VARIATION K-FOLD CROSS VALIDATION ON CLASSIFICATION DATA METHOD K-NEAREST NEIGHBOR Ridha Maya Faza Lubis; Zakarias Situmorang; Rika Rosnelly
Jurnal Ipteks Terapan (Research Of Applied Science And Education ) Vol. 14 No. 3 (2020): Re Publish Issue
Publisher : Lembaga Layanan Pendidikan Tinggi Wilayah X

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (375.392 KB) | DOI: 10.22216/jit.v14i3.98

Abstract

To produce a data classification that has data accuracy or similarity in proximity of a measurement result to the actual numbers or data, testing can be done based on accuracy with test data parameters and training data determined by Cross Validation. Therefore data accuracy is very influential on the final result of data classification because when data accuracy is inaccurate it will affect the percentage of test data grouping and training data. Whereas in the K-Nearest Neighbor method there is no division of training data and test data. For this reason, researchers analyzed the determination of training data and test data using the Cross validation algorithm and K-Nearest Neighbor in data classification. The results of the study are based on the results of the evaluation of the Cross Validation algorithm on the effect of the number of K in the K-nearest Neighbor classification of data. The author tests using variations in the value of K K-Nearest Neighbor 3,4,5,6,7,8,9. While the training and test data distribution using Cross validation uses variations in the number of K-Fold 1,2,3,4,5,6,7,8,9,10
THE APPLICATION OF THE TRIPLE EXPONENTIAL SMOOTHING METHOD IN THE PREDICTION OF WAREHOUSE INVENTORY Gusti Firanda; Rika Rosnelly
Jurnal Informatika Kaputama (JIK) Vol 7 No 1 (2023): Volume 7, Nomor 1, Januari 2023
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jik.v7i1.6

Abstract

Prediction is an attempt to predict or predict something that will happen in the future by utilizing various relevant information in previous (historical) times through a scientific method. One of the applications of prediction in the business world is to predict future warehouse inventory based on the company's usage in the previous period. Prediction (Forecasting) is very helpful in planning and making decisions in an activity. Analysis is very important in learning, because research becomes more precise and focused. The problem faced by the company at this time is that the company has difficulty predicting warehouse inventory in the next period because there is no system that can be used by the company to predict. This predictive information will be very useful for companies in the process of planning clean water production to customers. In overcoming the problems mentioned above, a system is needed that can process data on goods that go in and out of the warehouse every period to get a prediction of warehouse inventory for the next period. To get optimal forecasting results, one method that can be used is the Triple Exponential Smoothing method. Triple Exponential Smoothing Method This method is a forecast method proposed by Brown, using quadratic equations .
KLASIFIKASI FITUR WARNA LEVEL ROASTING BIJI KOPI MENGGUNAKAN ARTIFICIAL NEURAL NETWORK Tri Andre Anu; Rika Rosnelly; Dedi Irawan; Ubaidullah Hasibuan; Progresif Bulolo5
Device Vol 13 No 1 (2023): Mei
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/device.v13i1.4094

Abstract

Abstract align="justify"Small and Medium Enterprises (SMEs) are using a manual method to notice the roasting level classification of coffee beans. However, the weaknesses in this technique are that the coffee roaster staff consumes time sorting the roasting level of the coffee beans. As a result, the coffee roaster focuses less because they take too long to sort the coffee beans—consequently, the mixed coffee beans in packages that should be elsewhere. Therefore a system is needed to help coffee roaster officers classify coffee beans using an artificial neural network. The data used are 60 coffee beans with three roasting levels: light roasted, medium roasted, and dark roasted. The classification process consists of a training stage and a testing stage. At the testing stage, using a sample of 30 coffee beans and based on the results of this study, the best results were obtained with a training value of 90%. In contrast, the testing accuracy was 66.67%.
Klasifikasi Kematangan Buah Mangga Madani Berdasarkan Bentuk Dengan Jaringan Syaraf Tiruan Metode Perceptron Finis Hermanto Laia; Rika Rosnelly; Karuniaman Buulolo; Mega Christin Lase; Alvinur Naswar
Device Vol 13 No 1 (2023): Mei
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/device.v13i1.4095

Abstract

Proses pendeteksian gambar secara otomatis merupakan bentuk dari kecerdasan buatan sehingga sistem dapat mengidentifikasi jenis gambar tertentu yang dikenal sebagai visi komputer. Mangga merupakan buah sesekali musiman yang memiliki banyak varietas namun beberapa jenis mangga memiliki bentuk yang hampir sama. Parameter pengenal yang diperoleh dari hasil ekstraksi ciri dapat dipadukan dengan teknik pengolahan citra digital sehingga terbentuk suatu sistem yang dapat mengklasifikasikan jenis mangga berdasarkan kematangan dari buah tersebut. Hal ini menyebabkan masyarakat keliru dalam memilih jenis kematangan buah mangga. Penentuan penamaman klasifikasi buah mangga madani dengan jaringan syaraf tiruan metode perceptron menggunakan software matlab. Pada penelitian ini data latih dan data uji yang digunakan masing-masing 40 citra buah mangga madani diantaranya 10 citra mentah, 10 citra cukup matang, 10 citra matang, dan 10 citra sangat matang. Pada proses data uji yang di hasilkan mendapatkan tingkat akurasi pengujian 50%. Kata Kunci : Mangga, Jaringan Syaraf Tiruan, Matlab
IDENTIFIKASI PENYAKIT BRUCELLOSIS PADA DAGING SAPI BERDASARKAN ANALISIS TEKSTUR MENGGUNAKAN GRAY LEVEL COOCURENT MATRIX (GLCM) Muhammad Fachrurrozi Nasution; Rika Rosnelly; Jazmi Hadi Matondang; Mega Marisani Ziraluo; Eri Triwanda
Device Vol 13 No 1 (2023): Mei
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/device.v13i1.4123

Abstract

Seiring dengan meningkatnya konsumsi daging sapi di masyarakat, membuat orang yang tak bertanggung jawab memanfaatkan kondisi dengan menjual daging sapi yang tidak layak konsumsi kepada masyarakat, hal ini terjadi karena kurangnya pengetahuan masyarakat tentang ciri-ciri daging sapi berkualitas, untuk mengetahui kualitas daging sapi dapat ditentukan dari tekstur daging sapi. Pada umumnya masyarakat menggunakan penglihatan kasat mata untuk menentukan kualitas daging sapi. Namun, cara tersebut masih kurang efektif karena mata memiliki kelemahan untuk melihat suatu objek secara detail. Penelitian ini bertujuan dalam menganalisis tekstur daging sapi untuk mengidentifikasi kualitas daging sapi dengan menggunakan proses pengolahan citra. Diharapkan dengan penelitian ini, menghasilkan perbedaan terhadap jenis daging yang terkena penyakit brucellosis berdasarkan tekstur daging sapi menggunakan metode Gray Level Co-Occurrence Matrix (GLCM). Parameter yang dianalisis adalah Contrast, Correlation, Energy, Homogeneity. Parameter tersebut akan diterapkan pada citra daging sapi sehat dan daging sapi terpapar brucellosis untuk dicari nilai dari masing - masing parameter. Hasil yang didapatkan, terdapat kesimpulan bahwa penyakit brucellosis dapat dikenali berdasarkan hasil proses ekstraksi fitur citra dengan metode GLCM. Lanjutan yang dapat dilakukan dari penelitian ini, diperlukan metode klasifikasi dalam membedakan citra daging sapi terpapar brucellosis atau daging sehat secara lebih detail.
Identifikasi Kesegaran Ikan Mujahir(Oreochormis mossabicus) secara otomatis Berdasarkan Citra Mata Menggunakan KNN Maradona Jonas Simanullang; Rika Rosnelly; Alan Prayogi; Alesia Lorenza Sinaga; Rais Affaruq Zunnurain
Device Vol 13 No 1 (2023): Mei
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/device.v13i1.4150

Abstract

Ikan merupakan sumber protein yang tinggi untuk tubuh manusia. Salah satu ikan yang digemari dan banyak tersedia di pasar ikan adalah ikan mujair. Karena banyaknya permintaan akan ikan mujair tersebut sehingga hal tersebut dimanfaatkan oleh penjual dengan melakukan kecurangan seperti menjual ikan yang sudah tidak segar(tidak layak konsumsi) oleh tubuh manusia. Untuk mengatasi masalah tersebut dibutuhkan suatu metode dalam mengidentifikasi kesegaran ikan, serta untuk mengetahui jenis ikan yang segar. Metode yang digunakan adalah K-Nearest Neighbor untuk klasifikasi berdasarkan kelas target dengan memanfaatkan citra mata ikan berbasis nilai fitur warna RGB dirubah ke grayscale melakukan contrast kemudian melakukan histogram equalization. Hasil pengujian menunjukkan bahwa nilai akurasi nilai sebesar 98% untuk klasfikasi KNN . Berdasarkan hasil akurasi tersebut maka metode KNN dapat menjadi model pengembangan identifikasi kesegaran ikan mujair menggunakan citra mata.
Klasifikasi Penyakit Daun Pada Tanaman Jagung Menggunakan Algoritma Support Vector Machine, K-Nearest Neighbors dan Multilayer Perceptron Jaka Kusuma; Rubianto; Rika Rosnelly; Hartono; B. Herawan Hayadi
Journal of Applied Computer Science and Technology Vol 4 No 1 (2023): Juni 2023
Publisher : Indonesian Society of Applied Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52158/jacost.v4i1.484

Abstract

Corn is one of the substitute staple foods in Indonesia after rice. Maize crops grown in Indonesia often experience considerable losses due to maize plant diseases. Generally, plant diseases are initially caused by morphological changes in the leaves. Accurate detection and classification of diseases that appear on the leaves will prevent the widespread spread of the disease. This study will compare classification algorithms, namely Support Vector Machine, K-Nearest Neighbors, and Multilayer Perceptron to find the best algorithm in the classification of leaf disease in corn plants, namely, cercospora leaf spot gray, common rust, and northern leaf blight using the VGG-16 deep learning model used as image feature extraction. The results showed that the Multilayer Perceptron algorithm produced the best values with accuracy, precision, and recall of 97.4% each.
Model Klasifikasi Jenis Hewan Dengan SVM, KNN, Logistic Regression Menggunakan Pre-Trained VGG 16 Jaka Tirta Samudra; Rika Rosnelly; Zakarias Situmorang; Puji Sari Ramadhan
Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Vol 22, No 2 (2023): Agustus 2023
Publisher : PRPM STMIK TRIGUNA DHARMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jis.v22i2.8314

Abstract

Proses komputasi serta filtering pada komputer untuk melaksanakan suatu tugas yang diinginkan untuk melakukan kegiatan tertentu tentunya tidak lepas dari sebuah metode pada pembelajaran. Dalam proses pembelajaran tersebut ada beberapa dari berbagai metode dapat dilakukan untuk dapat memenuhi periode training dan uji tersebut untuk memberikan komputer suatu keahlian tertentu. Salah satu cara tujuan untuk melakukan penunjang pada periode tersebut adalah dengan menggunakan algoritma support vector machine, k-nearest neighbor, dan logistic regression. Dimana pada algoritma ini mampu memuat keseluruhan skala informasi klasifikasi objek tanpa kehilangan dari pengetahuan keakuratannya. Tujuan dari penelitian ini adalah memberikan pada komputer dalam menggali kemampuan untuk mengenali jenis binatang dan memprediksi jenis binatang berdasarkan gambar yang dimasukan. Penelitian ini juga bertujuan untuk menilai keakuratan hasil training metode pembelajaran dibangkan dengan hasil keluaran dari pembelajaran. Metode yang digunakan dalam penelitian ini adalah mentraining secara komputasi, sejumlah gambar dari bebrapa hewan yang memiliki 10 jenis hewan yang dekat kepada manusia salah satunya hewan ternak, peliharaan, dan buas. Kemudian test akan dilakukan dengan cara yang sama setelah melalui tahapan konvulasi training. Hasil dari penelitian ini keakuratan hasil training mencapai 84%.
Co-Authors Abwabul Jinan Aditia Rangga Agung RM Alam Agus F Nduru Agus Fahmi Akbar Idaman Alan Prayogi Alesia Lorenza Sinaga Alvinur Naswar Alvinur Naswar Ameliana Sihotang Anton Purnama Arselan Ashraf B. Herawan Hayadi Batubara, Muhammad Akbarri Bob Subhan Riza Cindy Paramitha Cindy Paramitha Dedi Irawan Dedi Irawan Della Syahrani Desi Irfan Dian Maya Sari Diky Wahyudi Edy Victor Haryanto, Edy Victor Eko Setyo Budi Putra Aji Elly Veronika Sihite Elsa Aditya Eri Triwanda Esmawaty Sinaga Finis Hermanto Laia Gusti Firanda Hardianto Hardianto Hardianto Hardianto Hartono Hartono Hetty Zahrani IQBAL GIFFARI RITONGA Jaka Kusuma Jaka Tirta Samudra Jazmi Hadi Matondang Junaidi Junaidi Karuniaman Buulolo Kristine Wau Linda Wahyuni Linda Wahyuni Linda Wahyuni Lubis, Cindy Paramitha M Suhada WD M. Agung Oki Prayugo Maradona Jonas Simanullang MARIA BINTANG Masri Wahyuni Mega Christin Lase Mega Christin Morys Lase Mega Marisani Ziraluo Mimi Chintya Adelina Mira Kartiwi Muhammad Fachrurrozi Nasution Muhammad Sadikin Muhammad Zulkarnain Lubis Mutiara S. Simanjuntak Pius Deski Manalu Progresif Bulolo Progresif Bulolo5 Puji Sari Ramadhan Rabiatul Adawiyah Hasibuan Rahmatika Hizria Rais Affaruq Zunnurain Ramadhani Ritonga Ridha Maya Faza Lubis Ritonga, Iqbal Giffari Rofiqoh Dewi Rohima, Rohima Rony, Zahara Tussoleha Roslina, Roslina Rubianto Rubianto Rubianto Sartika Mandasari Sarwadi Sarwadi Sarwadi, Sarwadi Setiawan, Adil Syawaluddin Kadafi Parinduri Teddy Gunawan Teddy Surya Gunawan Teddy Surya Gunawan Teresa Tamba Tri Andre Anu Triandi, Budi Ubaidullah Hasibuan Wahyuni, Linda Wanayumini Wulandari, Wulandari Yuni Franciska Zakarias Situmorang Zuriati Janin