Article Per Year (5 Year)
p-Index From 2021 - 2026
4.242
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Proceedings of KNASTIK Bulletin of Electrical Engineering and Informatics Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Indonesian Journal on Computing (Indo-JC) JIKO (Jurnal Informatika dan Komputer) J-SAKTI (Jurnal Sains Komputer dan Informatika) Komputasi: Jurnal Ilmiah Ilmu Komputer dan Matematika JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Aiti: Jurnal Teknologi Informasi Idealis : Indonesia Journal Information System J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Nasional Teknik Elektro dan Teknologi Informasi International Journal on Advanced Technology, Engineering, and Information System (IJATEIS) IT-Explore: Jurnal Penerapan Teknologi Informasi dan Komunikasi Innovative: Journal Of Social Science Research Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) The Indonesian Journal of Computer Science
Alz Danny Wowor
Universitas Kristen Satya Wacana
Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Public Health Other

Published : 31 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 31 Documents
Search

 1   2   3   4 
Air Quality and COVID-19 Patient Conditions in Jakarta: A Comparative Analysis of Classification Algorithms Wowor, Alz Danny; Jesajas, Marthen Billy; Dimara, Indri; Salama, Aditya; Pakereng, Magdalena Ariance Ineke
Jurnal Ilmiah Teknik Elektro Komputer dan Informatika Vol. 11 No. 3 (2025): September
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jiteki.v11i3.30826

Abstract

The COVID-19 pandemic has become a global challenge, with environmental factors such as air quality contributing to disease severity. This study analyzes the relationship between air pollution parameters (PM2.5, PM10, NO2, SO2, CO, and O3) and COVID-19 patient conditions in Jakarta, categorized into three groups: positive, recovered, and deceased. A comparative evaluation was conducted using five classification algorithms: Na¨ıve Bayes, Random Forest, k-Nearest Neighbors (kNN), Decision Tree, and Support Vector Machine (SVM). The results show that kNN achieved the highest accuracy of 80.71%, while Na¨ıve Bayes obtained the highest recall of 91.83% and a precision of 80.75%. This study contributes by evaluating the effectiveness of classification techniques in mapping the impact of air quality on patient conditions and by identifying the most accurate predictive model. The findings suggest that classification methods can serve as reliable predictive tools to assess the health impacts of air pollution on the population.
The Implementation of f(x) = 3(x 3 − x 2 − x) + 2 as CSPRNG Chaos-Based Random Number Generator Yopeng, Maria Rosalina; Wowor, Alz Danny
Indonesian Journal on Computing (Indo-JC) Vol. 6 No. 1 (2021): April, 2021
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34818/INDOJC.2021.6.1.546

Abstract

This research implemented the cubic function f(x) = 3(x^3 − x^2 − x) + 2 using a FixedPoint Iteration to produce several iteration functions that can be used as random number generator. The test results obtain six iteration functions, and based on graphic visualizationwith Scatter plot and randomness test with mono bit test, bit block, and run test, the results only obtain two iteration functions namely x2 − 1 + 2/(3x) and f(x) = 1 + 1/x − 2/(3x^2)which can produce CSPRNG Chaos-based random number. Encryption testing shows that both functions can generate keys that make plaintext and ciphertext statistically unrelated, so the f(x) = 1 + 1/x − 2/(3x^2) function can be used as a CSPNRG chaos-based random number generator function.
Sistem Pakar Indikasi Penyakit Berasal Dari Virus Menggunakan Forward Chaining Juanito, Yunias; Wowor, Alz Danny
Innovative: Journal Of Social Science Research Vol. 5 No. 3 (2025): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v5i3.19936

Abstract

Peningkatan kasus penyakit atau kematian yang signifikan dan berpotensi menjadi wabah disebut sebagai Kejadian Luar Biasa (KLB). KLB tidak hanya disebabkan oleh penyakit menular, tetapi juga penyakit tidak menular dan keracunan. Keterbatasan informasi mengenai penyakit virus yang dapat memicu KLB menjadi kendala dalam pencegahan. Oleh karena itu, deteksi dini sangat penting untuk memberikan informasi kepada masyarakat agar tindakan pengobatan dan pencegahan dapat dilakukan sedini mungkin. Sistem pakar, yang merupakan program dengan basis pengetahuan dan sistem inferensi menawarkan solusi untuk deteksi dini penyakit virus. Sistem ini menggunakan metode Forward Chaining untuk menarik kesimpulan. Sistem pakar yang dihasilkan mampu mendeteksi tujuh jenis penyakit virus, menyajikan informasi berupa penyakit, nilai kepercayaan atau persentase, dan nilai kepercayaan gejala terhadap penyakit yang lain
Analisis Perbandingan Performa YOLO v11 Dan v12 menggunakan model N dan S Putra, Gidion Albeth Anoraga; Wowor, Alz Danny
Innovative: Journal Of Social Science Research Vol. 5 No. 4 (2025): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v5i4.21004

Abstract

Penelitian ini bertujuan untuk menganalisis perbandingan kinerja model deteksi objek YOLO (You Only Look Once) versi 11 dan versi 12, dengan fokus pada variasi N dan S pada kedua versi tersebut. Analisis dilakukan terhadap parameter waktu inferensi, kecepatan pemrosesan, penggunaan memori, dan ukuran model. Data diperoleh melalui eksperimen terhadap kedua versi dengan melakukan 100 epoch pelatihan pada masing-masing model. Hasil penelitian menunjukkan bahwa YOLO versi 11 secara umum memiliki waktu eksekusi yang lebih cepat dibandingkan versi 12, dengan total waktu eksekusi 219 detik untuk versi 11 N dan 228 detik untuk versi 11 S, sementara versi 12 N membutuhkan 303 detik dan versi 12 S membutuhkan 420 detik. Versi 11 juga menunjukkan penggunaan memori yang lebih efisien, sekitar 126-127 MB dibandingkan dengan versi 12 yang membutuhkan memori sekitar 3674-4309 MB. Penelitian ini menyimpulkan bahwa YOLO versi 11 menunjukkan keunggulan signifikan dalam efisiensi waktu pelatihan, penggunaan memori, dan waktu inferensi, menjadikannya pilihan optimal dalam hal sumber daya atau kebutuhan pemrosesan real-time. Sebaliknya, YOLO versi 12 menawarkan konsistensi kinerja yang lebih baik dan potensi akurasi yang lebih tinggi dengan biaya komputasi yang substansial
Studi Normalisasi pada Pemodelan Klasifikasi Kondisi Pasien COVID-19 Berdasarkan Data Kualitas Udara (Studi Kasus Gradient Boosting, Extra Trees, dan Logistic Regression) Sakalaty, Alfa Krisnanugrah; Wowor, Alz Danny
Innovative: Journal Of Social Science Research Vol. 5 No. 4 (2025): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v5i4.21040

Abstract

Abstrak Penelitian ini meneliti pengaruh penerapan normalisasi data terhadap kinerja model klasifikasi kondisi pasien COVID-19 berbasis data kualitas udara. Data diperoleh dari wilayah Lubang Buaya dan diolah menggunakan metode Min-Max Normalization untuk meningkatkan ketepatan prediksi. Tiga algoritma machine learning Logistic Regression, Gradient Boosting, dan Extra Trees diuji dalam mengklasifikasikan lima kategori kondisi pasien. Hasil penelitian mengungkap bahwa normalisasi mampu meningkatkan akurasi seluruh model secara signifikan, dengan Extra Trees mencatat kinerja tertinggi hingga 92,86% pada kategori Suspek. Meski demikian, kategori Rawat Inap tetap menjadi tantangan akibat ketidakseimbangan distribusi data dan keterbatasan fitur yang tersedia. Secara keseluruhan, Extra Trees tampil sebagai model dengan performa terbaik, disusul oleh Logistic Regression dan Gradient Boosting. Temuan ini menegaskan peran penting normalisasi dan strategi penanganan data tidak seimbang dalam meningkatkan akurasi, sekaligus menunjukkan potensi kualitas udara sebagai indikator pendukung prediksi kondisi pasien COVID-19.
Studi Normalisasi pada Pemodelan Klasifikasi Kondisi Pasien COVID-19 Berdasarkan Data Kualitas Udara (Studi Kasus: Gradient Boosting, Extra Trees, dan Logistic Regression) Sakalaty, Alfa Krisnanugrah; Wowor, Alz Danny
Innovative: Journal Of Social Science Research Vol. 5 No. 4 (2025): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v5i4.21058

Abstract

Penelitian ini meneliti pengaruh penerapan normalisasi data terhadap kinerja model klasifikasi kondisi pasien COVID-19 berbasis data kualitas udara. Data diperoleh dari wilayah Lubang Buaya dan diolah menggunakan metode Min-Max Normalization untuk meningkatkan ketepatan prediksi. Tiga algoritma machine learning Logistic Regression, Gradient Boosting, dan Extra Trees diuji dalam mengklasifikasikan lima kategori kondisi pasien. Hasil penelitian mengungkap bahwa normalisasi mampu meningkatkan akurasi seluruh model secara signifikan, dengan Extra Trees mencatat kinerja tertinggi hingga 92,86% pada kategori Suspek. Meski demikian, kategori Rawat Inap tetap menjadi tantangan akibat ketidakseimbangan distribusi data dan keterbatasan fitur yang tersedia. Secara keseluruhan, Extra Trees tampil sebagai model dengan performa terbaik, disusul oleh Logistic Regression dan Gradient Boosting. Temuan ini menegaskan peran penting normalisasi dan strategi penanganan data tidak seimbang dalam meningkatkan akurasi, sekaligus menunjukkan potensi kualitas udara sebagai indikator pendukung prediksi kondisi pasien COVID-19.
IDENTIFIKASI PENGARUH KUALITAS UDARA TERHADAP KONDISI PASIEN COVID-19 DENGAN 1 ALGORITMA NAIVE BAYES Febriyanti, Monica Dias; Wowor, Alz Danny; Pakereng, Magdalena A. Ineke
JURNAL INFORMATIKA DAN KOMPUTER Vol 8, No 2 (2024): September 2024
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v8i2.867

Abstract

Pandemi Covid-19 atau corona virus sangat meresahkan bagi masyarakat Indonesia karena penyebarannyayang sangat mudah, virus ini dapat ditularkan melalui tetesan kecil (droplet) dari mulut maupun hidung pen-derita covid-19. Pada kasus tertentu virus ini juga bisa menginfeksi pernafasan berat sehingga menyebabkanpneumonia (infeksi paru-paru). Masyarakat yang memiliki daya tahan tubuh lemah sangat mudah tertular virusini, salah satu penyebab daya tahan tubuh melemah yaitu kualitas udara yang tidak bagus oleh karena itu pene-litian ini melakukan identifikasi pengaruh dari kualitas udara terhadap kondisi pasien covid-19 menggunakanalgoritma Naïve Bayes. Data diperoleh melalui website corona.jakarta.go.id dan Jakarta OpenData, setelah prep-rocessing diperoleh 610 data yang dibagi menjadi 80% data training dan 20% data testing. Penggunaan denganAlgoritma Naïve Bayes menunjukkan nilai akurasi yang tinggi yaitu 82,73%. Hasil identifikasi berdasarkan al-goritma naïve bayes dalam empat class, class sangat berpengaruh 2,3%, class berpengaruh 62,8%, class kurangberpengaruh 34,5%, dan class tidak berpengaruh 0.4%. Dengan demikian kualitas udara ikut mempengaruhikondisi pasien covid-19 di wilayah Propinsi DKI Jakarta.
IMPLEMENTASI VARIASI FUNGSI XOR DALAM PEMBANGKITAN KUNCI LFSR PADA SKEMA A5/1 DENGAN TIGA BLOK BIT Ramadhani, Ahmad; Wowor, Alz Danny
JURNAL INFORMATIKA DAN KOMPUTER Vol 8, No 1 (2024): Februari 2024
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v8i1.1116

Abstract

Penelitian ini mengimplementasikan variasi fungsi XOR dalam pembangkit kunci LFSR (Linear Feedback Shift Register) dengan skema A5/1 dan tiga fungsi umpan balik untuk proses pembangkit bilangan acak. Untuk menentukan nilai bit yang baru pada iterasi berikutnya digunakan operasi XOR pada setiap fungsi umpan balik. Dilakukan pengujian keacakan dengan metode Run Test, Mono Bit, dan Block Bit untuk memperoleh hasil pengujian bahwa algoritma secara konsisten mampu mengasilkan luaran yang acak dengan berbagai variasi input. Dalam uji enkripsi didapat hasil korelasi antara plainteks dan cipherteks memiliki nilai yang sangat rendah karena setiap pengujian memiliki nilai mendekati 0. Perbandingan dengan penelitian terdahulu menyatakan kelima fungsi yang digunakan dapat menghasilkan luaran acak. Pembangkit kunci LFSR dengan skema A5/1dengan tiga fungsi XOR dapat menghasilkan keluaran bilangan acak yang sangat baik untuk digunakan dalam kriptografi.
Segmentasi pelanggan pada penjualan perusahaan air minum XYZ dengan analisis RFM dan K-Means clustering Dwi, Geizka Wasito Adi; Wowor, Alz Danny
IT Explore: Jurnal Penerapan Teknologi Informasi dan Komunikasi Vol 5 No 1 (2026): IT-Explore Februari 2026
Publisher : Fakultas Teknologi Informasi, Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/itexplore.v5i1.2026.pp75-85

Abstract

A suitable and targeted marketing plan is required because of the intense competition in the retail drinking water sector. Customer segmentation using RFM (Recency, Frequency, and Monetary) analysis is one of the techniques employed. Additionally, K-Means clustering, a clustering technique based on machine learning, is employed. This study's goal is to present the findings in the form of graphs that can be used to examine consumer trends according to their attributes. With a value of 10286, the Calinski Harabaz index is a suitable metric to move on to the segmentation step in this study, which also tests three metrics using the clustering method. An ideal cluster is created for every cluster evaluation by dividing the Calinski Harabaz index into three more manageable clusters. This contrasts with other evaluation metrics that only yield two clusters. For instance, when XYZ drinking water sales transaction data was distributed, it was discovered that, out of the total drinking water sales, woodsale had 422 customers, diamond had 1061 customers, and star diamond had 2005 customers. The management of the XYZ drinking water company and other marketing fields are expected to encounter more intense competition as a result of the study's findings.
Identifikasi Nilai Acak Melalui Pemosisian Ulang Fungsi XOR di Blok Pertama LFSR A5/1 Susilo Wibowo, Ayub; Wowor, Alz Danny
The Indonesian Journal of Computer Science Vol. 12 No. 6 (2023): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i6.3601

Abstract

Skema A5/1 menggunakan linear feedback shift register (LFSR) untuk menghasilkan keacakan. Reposisi awal dari fungsi linier pertama didasarkan pada pemilihan 4 dari 19-bit menurut hukum komutatif, dengan paling banyak 60 peristiwa reposisi.  Bit-bit yang dipilih ini menjalani proses iterasi fungsi XOR yang menghasilkan output bit acak maksimum. Hasil akhir dihasilkan oleh XOR yang memproses output dari setiap fungsi linier. Pengujian ekstensif dilakukan pada kemampuan algoritma untuk menghasilkan bit keluaran acak menggunakan metode perhitungan statistik seperti Runs Test, Block Bit, dan Mono Bit untuk mengukur keacakan. Hasilnya secara konsisten menunjukkan bahwa algoritma ini menghasilkan output acak untuk berbagai jenis input. Untuk mengevaluasi kemampuan enkripsi, sepuluh keluaran dipilih dan diuji tingkat korelasinya. Sembilan dari keluaran tersebut menghasilkan tingkat korelasi yang 'sangat rendah', sementara satu keluaran memiliki tingkat korelasi 'rendah'. Hasil ini mendukung keandalan desain sebagai generator kunci untuk melindungi informasi.
Co-Authors A.A. Ketut Agung Cahyawan W Andeka Rocky Tanaamah Aneria, Gianina Dea Ardika, Zefanya Aryatama, Andrew Ananta Bakar, Theis Huyo Rooney Bambang Susanto David Lihananto Dimara, Indri Dwi, Geizka Wasito Adi Febriyanti, Monica Dias Jesajas, Marthen Billy Juanito, Yunias Kaho, Monica Louisa Ratu Kuniarti Paraditasari Kuniarti Paraditasari Liwandouw, Vania Beatrice Magdalena A. Ineke Pekereng Magdalena Ariance Ineke Pakereng Maria Rosalina Yopeng Nathanael, Hizkia Pallangan, Jorghie Theodore Pallangan, Jorghie Theodore Kenzo Pambudi, Rizky Satya Putra, Gidion Albeth Anoraga Putri, Febyola Kurnia Tiara Ramadhani, Ahmad Sakalaty, Alfa Krisnanugrah Salama, Aditya Simanjuntak, Yohanes Albryan Susilo Wibowo, Ayub Teguh Septianto Nahading Vania Beatrice Liwandouw Vania Beatrice Liwandouw Wibowo, Alvin Cahyo Widiana, Kadek Yopeng, Maria Rosalina