Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

2.782

P-Index

This Author published in this journals

All Journal International Journal of Electrical and Computer Engineering Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal INKOM Jurnal Teknik Elektro International Journal of Advances in Intelligent Informatics CESS (Journal of Computer Engineering, System and Science) Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Jurnal Informatika Bianglala Informatika : Jurnal Komputer dan Informatika Akademi Bina Sarana Informatika Yogyakarta Indonesian Journal on Software Engineering (IJSE) Jurnal Pilar Nusa Mandiri Faktor Exacta Techno Nusa Mandiri : Journal of Computing and Information Technology Teknologi Indonesia Jurnal Manajemen Informatika dan Sistem Informasi Jurnal Tata Kelola dan Kerangka Kerja Teknologi Informasi Attractive : Innovative Education Journal Buletin Poltanesa Journal of Students‘ Research in Computer Science (JSRCS) Reputasi: Jurnal Rekayasa Perangkat Lunak JEEE- Journal of Electrical And Electronics Engineering eProceedings of Engineering Jurnal INFOTEL

Didi Rosiyadi

Pusat Penelitian Informatika Lembaga Ilmu Pengetahuan Indonesia Komplek LIPI, Jalan Cisitu No 21/154D Bandung 40135 Indonesia

Author-ID : 253929

Aerospace Engineering Agriculture, Biological Sciences & Forestry Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Other

Published : 44 Documents Claim Missing Document

Claim Missing Document

Articles

1 2 3 4 5

RANGKING INDEKS BERITA LARANGAN MUDIK PADA PORTAL MEDIA ONLINEDENGAN METODE TF-IDF DAN COSINE SIMILARITY MENGGUNAKAN MACHINE LEARNING Muhammad Syahrani; Kusnadi - Kusnadi; Bambang Joko Triwibowo; Yusuf Arif Setiawan; Fariszal Nova Arviantino; Didi Rosiyadi
Jurnal Manajemen Informatika dan Sistem Informasi Vol. 5 No. 1 (2022): MISI Januari 2022
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/misi.v5i1.500

Usaha pemerintah Indonesia dalam pencegahan penyebaran virus Covid 19 dengan dikeluarkannya peraturan yang diterapkan sampai tingkat daerah. Dan tradisi tahunan masyarakat Indonesia mudik lebaran 2021 telah dilarang. Opini berita tentang pelarangan mudik lebaran baik dimedia cetak maupun media online dan dimedia sosialpun ramai diperbincangkan, tentu masyarakat yang akan mudik merasakan kebingungan dengan pemberitaan tersebut dan belum mengetahui kapan dan sampai kapan diberlakukan. Hal ini peneliti bereksperimen mengumpulkan berita-berita yang ada di portal media online. Kumpulan berita tersebut dijadikan dataset, selanjutnya dilakukan preprocessing meliputi tahapan tokenizing, filtering dan stemming. Pencarian informasi berita yang akurasi dapat menggunakan algoritma vector space model dengan menghitung TF IDF dan cosine similarity pada setiap judul berita (dokumen) dan pada paper ini peneliti dengan menggunakan machine learning. Dataset yang digunakan 5 judul berita yang masing-masing diberi label D1, D2, D3, D4, dan D5. Hasil penelitian menunjukan bahwa rangking indek berita larangan mudik yang paling tinggi terdapat pada dokumen 5(D5) dengan skor 0,612. Hasil tersebut menguatkan akan tujuan penelitian yaitu untuk mengetahui keyword yang cocok digunakan agar dapat memperoleh berita yang relevan dan sesuai keinginan dengan menghitung dan merangking hasil nilai cosine similarity.

Improved point center algorithm for K-Means clustering to increase software defect prediction Riski Annisa; Didi Rosiyadi; Dwiza Riana
International Journal of Advances in Intelligent Informatics Vol 6, No 3 (2020): November 2020
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/ijain.v6i3.484

The k-means is a clustering algorithm that is often and easy to use. This algorithm is susceptible to randomly chosen centroid points so that it cannot produce optimal results. This research aimed to improve the k-means algorithm’s performance by applying a proposed algorithm called point center. The proposed algorithm overcame the random centroid value in k-means and then applied it to predict software defects modules’ errors. The point center algorithm was proposed to determine the initial centroid value for the k-means algorithm optimization. Then, the selection of X and Y variables determined the cluster center members. The ten datasets were used to perform the testing, of which nine datasets were used for predicting software defects. The proposed center point algorithm showed the lowest errors. It also improved the k-means algorithm’s performance by an average of 12.82% cluster errors in the software compared to the centroid value obtained randomly on the simple k-means algorithm. The findings are beneficial and contribute to developing a clustering model to handle data, such as to predict software defect modules more accurately.

ANALISA SENTIMEN TERHADAP TOKOH PUBLIK MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER DAN SUPPORT VECTOR MACHINE Deni Rusdiaman; Didi Rosiyadi
CESS (Journal of Computer Engineering, System and Science) Vol 4, No 2 (2019): JULI 2019
Publisher : Universitas Negeri Medan

Twitter merupakan salah satu sosial media yang banyak digunakan oleh masyarakat dalam kehidupan sehari-hari. Salah satunya adalah twitter digunakan sebagai tempat untuk menyampaikan setiap pendapat atau opini terhadap suatu hal seperti pendapat atau opini terhadap tokoh publik. Dalam penelitian ini akan dilakukan analisa sentimen terhadap tokoh publik yang diungkapkan masyarakat melalui jejaring sosial twitter. Ada beberapa tahap dalam melakukan sentiment analis diantaranya adalah pengumpulan data menggunakan API Twitter, memberikan label kepada setiap twit secara manual, Pre Processing Data dan POS Tagging. Untuk mendapatkan hasil esktraksinya, penelitian ini menggunakan metode Naïve Bayes Classifier dan Support Vector Mechine agar hasil tersebut dapat dibandingkan keakurasiannya. Hasil dari penilitian ini didapat bahwa algoritma Support Vector Machine memiliki tingkat keakurasian sebesar 73.96% sedangkan untuk algoritma Naïve Bayes Classifier memiliki tingkat keakurasian sebesar 71.94% dengan menggunakan dataset yang didata.

Metode Reduksi ISO Image Sistem Operasi Open Source Berbasis Linux Nana Suryana; Didi Rosiyadi
INKOM Journal Vol 6, No 2 (2012)
Publisher : Pusat Penelitian Informatika - LIPI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14203/j.inkom.193

In this paper, the Reduction Method of ISO image for Operating System of Linux Distro (Open Source Based on Linux) is proposed. IGOS Nusantara as a Linux Distro is used on this study. The reduction method of ISO image for IGOS Nusantara consists of modules elimination and usage of an optimal compression technique. Using the reduction method optimally on the rpm files of the application packages of IGOS Nusantara will decrease their sizes. Experiment results demonstrate that some of the rpm files can be reduced from 40 MB to 29 MB. All reduced rpm files and other modules are processed into ISO image. By this method, the original size 890 MB of ISO image can be shrinked into 685 MB. The small and compact size of ISO image are very useful to save the internet bandwidth in downloading IGOS Nusantara and also to make it more responsive when it is used by users.

Pengembangan Layanan Sistem Informasi dengan Enterprise Architecture Planning (Studi Kasus : Rumah Sakit Umum Daerah Kota Bandung) I Ketut Widhi Adnyana; Yeffry Handoko Putra; Didi Rosiyadi
INKOM Journal Vol 9, No 2 (2015)
Publisher : Pusat Penelitian Informatika - LIPI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14203/j.inkom.421

Perkembangan teknologi telah mengubah manusia dalam menyelesaikan semua pekerjaan dan segala aspekÂ kehidupan manusia. Teknologi informasi dan komunikasi yang berkembang semakin pesat selain berdampak padaÂ kegiatan manusia. Selain itu juga berdampak pada perilaku dan peta persaingan bagaimana cara mengelola perusahaanyang akhirnya berpengaruh pada perkembangan bisnis dunia. RSUD Kota Bandung belum menggunakan sistemÂ informasi dengan teknologi terkini yang dapat menunjang kemudahan akses.. Dilihat dari pemanfaatan sistemÂ informasi yang belum optimal dalam mendukung bisnis rumah sakit, ini merupakan suatu kekurangan dari efisiensiÂ organisasi.Dengan demikian diperlukan sebuah solusi untuk memperbaiki pelayanan system informasi saat ini dengan caraÂ mengajukan beberapa usulan aplikasi Metode yang digunakan untuk menggambarkan kondisi organisasi RSUDÂ Bandung saat ini adalah Enterprise Architecture Planning. Metode ini digunakan untuk menggambarkan dan mengembangkan enterprise architecture untuk mencapai strategi bisnis perusahaan. Penelitian ini menghasilkanÂ beberapa usulan aplikasi yang dapat memperbaiki pelayanan sistem informasi saat ini.

Pengelompokan Dampak Gempa Bumi Dan Kerusakan Pada Wilayah Berpotensi Gempa Di Provinsi Sumatra Barat: Indonsesia Ipin Sugiyarto; Rama Irawan; Didi Rosiyadi
Journal of Students‘ Research in Computer Science Vol. 2 No. 2 (2021): November 2021
Publisher : Program Studi Informatika Fakultas Ilmu Komputer Universitas Bhayangkara Jakarta Raya

Earthquake disaster data represent knowledge from the West Sumatra Province, data taken from the official website of the National Disaster Management Agency that occurred in the period 2001 to 2018. Clustering data mining techniques are used to determine the earthquake impact area using Knowledge Discovery Data. Mining Method (KDD) consisting of Domain Understanding, Additional Selection (Data Selection), Preprocessing (Data Cleaning, Data Sampling), Transformation (Data Normalization), Data Mining (K-means & Linear Regression), Evaluation and Interpretation (cluster & Prediction). The results showed that the use of the K-Means method resulted in 3 clusters with the largest earthquake impact in the city of Padang in 2009, while the use of Linear Regression estimates the impact of victims and damage to facilities and units that often occur in earthquake locations. The purpose of the research is to implement and categorize and predict to find out the results of the impact and damage of the earthquake that occurred in the province of West Sumatra. Keywords: Clustering, Data mining, Earthquakes, K-Means, Linear Regression. Abstrak Data bencana gempa bumi mewakili pengetahuan dari wilayah Provinsi Sumatera Barat, data diambil dari situs resmi Badan Nasional Penanggulangan Bencana yang terjadi pada periode 2001 hingga 2018. Teknik penambangan data klastering digunakan untuk menentukan daerah dampak gempa menggunakan Pengetahuan Discovery Data. Metode Penambangan (KDD) yang terdiri dari Pemahaman Domain, Seleksi tambahan (Seleksi Data), Preprocesing (Pembersihan Data, Pengambilan Sampel Data), Transformasi (Normalisasi Data), Penambangan Data (K-means & Linear Regresi), Evaluasi dan Interpretasi (klaster & Prediksi). Hasil penelitian membuktikan bahwa penggunaan metode K-Means menghasilkan 3 klaster dengan dampak gempa paling besar di kota Padang pada tahun 2009, sedangkan penggunaan Liniear Regresi memperkirakan dampak korban dan kerusakan pada fasilitas dan unit yang sering terjadi di lokasi gempa. Tujuan penelitian mengimplementasikan dan mengkategorikan dan memprediksi untuk mengetahui hasil dampak dan kerusakan gempa yang terjadi di provinsi Sumatera Barat. Kata kunci: Data mining, Gempa Bumi, Klastering, K-Means, Linier Regresi.

Klasifikasi Berita Menggunakan Algoritma Naive Bayes Classifer Dengan Seleksi Fitur Dan Boosting Bobby Suryo Prakoso; Didi Rosiyadi; Heru Sukma Utama; Dedi Aridarma
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 3 No 2 (2019): Agustus 2019
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Penelitian yang dilakukan ini merupakan bagian dari text mining untuk klasifikasi konten berita yang telah memiliki label berdasarkan katagori berita pada situs detik.com . Proses yang dilakukan adalah melakukan permodelan dan pengolahan data, mulai proses pre-processing, proses seleksi fitur information gain, dan penerapan model algoritma Naive Bayes Classifier dengan Bayesian Boosting. Hasil yang diperoleh atas model tersebut mendapatkan nilai evaluasi terhadap akurasi, recall, dan presisi sebesar 73.2%. Sedangkan dengan model yang lebih ringkas yaitu model algoritma Naive Bayes Classifier, dengan Bayesian Boosting mendapatkan nilai evaluasi yang sama besar yaitu 73.2%. Penilaian atas hasil evaluasi model yang telah terlaksankan berkesimpulan bahwa penerapan seleksi fitur Information Gain tidak berpengaruh besar atas kenaikan hasil performa terhadap kondisi label Polynomial.

Analisis Sentimen Sistem Ganjil Genap di Tol Bekasi Menggunakan Algoritma Support Vector Machine Heru Sukma Utama; Didi Rosiyadi; Bobby Suryo Prakoso; Dedi Ariadarma
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 3 No 2 (2019): Agustus 2019
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Analysis of the odd even-numbered sentiment systems in Bekasi toll using the Support Vector Machine Algorithm, is a process of understanding, extracting, and processing textual data automatically from social media. The purpose of this study was to determine the level of accuracy, recall and precision of opinion mining generated using the Support Vector Machine algorithm to provide information community sentiment towards the effectiveness of the odd system of Bekasi tiolls on social media. The research method used in this study was to do text mining in comments-comments regarding posts regarding even odd oddities on Bekasi toll on Twitter, Instagram, Youtube and Facebook. The steps taken are starting from preprocessing, transformation, datamining and evaluation, followed by information gaon feature selection, select by weight and applying SVM Algorithm model. The results obtained from the study using the SVM model are obtained Confusion Matrix result, namely accuracyof 78.18%, Precision of 74.03%, and Sensitivity or Recall of 86.82%. Thus this study concludes that the use of Support Vector Machine Algorithms can analyze even odd sentiments on the Bekasi toll road.

Analisis Sentimen Analisis Sentimen E-Wallet Pada Google Play Menggunakan Algoritma Naive Bayes Berbasis Particle Swarm Optimization Suwanda Aditya Aaputra; Didi Rosiyadi; Windu Gata; Syepry Maulana Husain
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 3 No 3 (2019): Desember 2019
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Increasingly sophisticated technology brings various conveniences both in transportation, information, education to the convenience of transactions in shopping, such as the development of E-wallet can now be easily done using a smartphone. From a number of e-wallet products, researchers took a case study, which is OVO product, which is currently being discussed by many groups, especially in the capital of Jakarta today. Customers or clients who are not satisfied with the services or products offered by a company will usually write their complaints on social media or reviews on Google play. However, monitoring and organizing opinions from the public is also not easy. For this reason, we need a special method or technique that is able to categorize these reviews automatically, whether positive or negative. The algorithm used in this study is Naive Bayes Classifier (NB), with the optimization of the use of Particle Swarm Optimization Feature Selection (FS). The results of cross validation NB without FS are 82.30% for accuracy and 0.780 for AUC. Whereas for NB with FS is 83.60% for accuracy and 0.801 for AUC. Very significant improvement with the use of Feature Selection (FS) Particle Swarm Optimization.

Integrasi N-gram, Information Gain, Particle Swarm Optimation di Naïve Bayes untuk Optimasi Sentimen Google Classroom Fajar Pramono; Didi Rosiyadi; Windu Gata
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 3 No 3 (2019): Desember 2019
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

The use of Learning Management System (LMS) applications made by Google with name Google Classroom since 2015 in junior and senior high schools in Bekasi City helps the learning process become easier. However, its use can have positive and negative effects on students. Google Class Sentiment by integrating N-grams, Information Gain, Particle Swarm Optimization, and Naïve Bayes Classifiers that have never been done by researchers before. From the experiments carried out, N-gram can increase the accuracy of 6.7% and AUC 4%, while using PSO can increase the Accuracy of 9.9% and AUC of 10.4%.

Co-Authors -, Cucu Abdul Mahatir Najar Abdullah, Ifnu Abdul Aziz Ade Cahyana Adiwijaya Adnyana, I Ketut Widhi Agus Indra Jaya Agus Salim Akbari Basuki Akbari Indra Basuki Alvi Alvi Aridarma, Dedi Bambang Joko Triwibowo Basuki, Akbari Indra Bobby Suryo Prakoso Bobby Suryo Prakoso Cahya, El Rangga Un Chandra Nugraha Chandra Nugraha, Chandra Cucu Cucu Daniati Uki Eka Saputri Dedi Ariadarma Dedi Aridarma Deni Rusdiaman Dwi, F Lia Dwiza Riana Eko Arif Riyanto, Eko Arif Eko Saputro Endang Sri P Fajar Pramono Fajar Priyono Fariszal Nova Arviantino Fauzi, Fariz Furqon Hensan Muttaqien Hadi Susanto Harianto Harianto Heru Sukma Utama Heru Sukma Utama Heru Susanto Horng, Shi Jinn Husain, Syepry Maulana Ifnu Abdul Aziz abdullah Imam Amirulloh Ipin Sugiyarto Iqbal Dzulfiqar I Irawan, Rama Irwansyah Saputra Iwan Setiawan Iwan Setiawan Jamil, Muh. Juninisvianty, Tri Kurniawan W. Handito Kurniawan, Rohim Kusnadi - Kusnadi Muh. Jamil Muhammad Syahrani Mulyanto, Yudi Nana Suryana Nana Suryana Nana Suryana nanang ruhyana Nila Hardi Nuryani Nuryani Prakoso, Bobby Suryo Prasetyo, Heri Putra, Yeffry Handoko Qhomar, Mohammad Arifin Nurul Qurrota Ayun Hariyanto Putra RACHMAT HIDAYAT Rama Irawan Riski Annisa Salim, Taufik Ibnu Salsabila, Unik Hanifah Saputra, Surya Fajar Seimahuira, Syarah Sidiq, Muhammad Fajar Sriyadi Sriyadi Sugiyarto, Ipin Surti Kanti Surya Fajar Saputra Sutiyono Sutiyono Suwanda Aditya Aaputra Taufik Iqbal Ramdhani Tiska Pattiasina Utama, Heru Sukma Windu Gata Yeffry Handoko Putra Yusnan Hasani Siregar Yusuf Arif Setiawan Zulfikar Fauzi

Title

Found 44 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 44 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 44 Documents
Search