Article Per Year (5 Year)
p-Index From 2021 - 2026
4.06
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi JOIV : International Journal on Informatics Visualization Knowledge Engineering and Data Science JURNAL MEDIA INFORMATIKA BUDIDARMA ILKOM Jurnal Ilmiah EDUMATIC: Jurnal Pendidikan Informatika Indonesian Journal of Data and Science Buletin Sistem Informasi dan Teknologi Islam Linier: Literatur Informatika dan Komputer
Herdianti Darwis
Informatics Engineering, Faculty Of Computer Science, Universitas Muslim Indonesia
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Mathematics

Published : 23 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 23 Documents
Search

 1   2   3 
Backpropagation Neural Network with Combination of Activation Functions for Inbound Traffic Prediction Purnawansyah Purnawansyah; Haviluddin Haviluddin; Herdianti Darwis; Huzain Azis; Yulita Salim
Knowledge Engineering and Data Science Vol 4, No 1 (2021)
Publisher : Universitas Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17977/um018v4i12021p14-28

Abstract

Predicting network traffic is crucial for preventing congestion and gaining superior quality of network services. This research aims to use backpropagation to predict the inbound level to understand and determine internet usage. The architecture consists of one input layer, two hidden layers, and one output layer. The study compares three activation functions: sigmoid, rectified linear unit (ReLU), and hyperbolic Tangent (tanh). Three learning rates: 0.1, 0.5, and 0.9 represent low, moderate, and high rates, respectively. Based on the result, in terms of a single form of activation function, although sigmoid provides the least RMSE and MSE values, the ReLu function is more superior in learning the high traffic pattern with a learning rate of 0.9. In addition, Re-LU is more powerful to be used in the first order in terms of combination. Hence, combining a high learning rate and pure ReLU, ReLu-sigmoid, or ReLu-Tanh is more suitable and recommended to predict upper traffic utilization
SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BANTUAN SISWA MISKIN MENGGUNAKAN METODE MOORA Nur Afra Dimitri Pratiwi; Purnawansyah Purnawansyah; Herdianti Darwis
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 2, No 3 (2021)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v2i3.823

Abstract

Penelitian ini bertujuan untuk membangun aplikasi yang dapat membantu dalam proses pengambilan keputusan penerima bantuan siswa miskin dengan metode Multi-Objective Optimization On The Basic of Ratio Analysis (MOORA) pada sistem yang digunakan sebagai acuan hasil perangkingan agar penerima BSM tepat sasaran. Metode yang diterapkan dalam sistem ini adalah metode MOORA yang mengoptimasi banyak objekt yang berbasis analisis ratio. Cara kerja metode ini adalah memberikan bobot pada setiap kriteria yang telah ditentukan, dari penilaian bobot tersebut akan diambil hasil ranking yang paling tinggi untuk menentukan masyarakat yang akan menjadi penerima BSM tersebut. Dimana kriteria yang menjadi acuan dalam penyeleksian meliputi komponen memiliki Kartu Indonesia Pintar (KIP), Program Keluarga Harapan (PKH), Kartu Perlindungan Sosial (KPS). MOORA mampu diimplementasikan pada sistem dengan nilai akurat.
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN MENU MAKANAN BAGI PENDERITA HIPERTENSI MENGGUNAKAN METODE WEIGHTED AGGREGATED SUM PRODUCT ASSESMENT Masita Balla; Harlinda Harlinda; Herdianti Darwis
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 3, No 1 (2022)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (570.733 KB) | DOI: 10.33096/busiti.v3i1.1085

Abstract

Penyakit hipertensi dapat menyerang siapa saja dari berbagai kelompok umur maupun kelompok sosial ekonomi. Penentuan menu makanan dibutuhkan oleh penderita hipertensi untuk keadaan yang lebih baik. Namun sebagian besar penderita hipertensi tidak terlalu memahami asupan makanan yang harus dikonsumsi dan bagaimana pola makan yang baik bagi penderita hipertensi. Penelitian ini bertujuan untuk merancang sistem pendukung keputusan menu makanan untuk memberikan rekomendasi menu makanan yang baik untuk dikonsumsi bagi penderita hipertensi. Dalam proses pengolahan data untuk memudahkan pengambilan keputusan dalam penelitian ini menggunakan metode Wighted Aggregated Sum Product Assesment (WASPAS) yang akan melakukan proses perankingan berdasarkan kriteria dan bobotnya untuk menentukan alternatif mana yang lebih optimal untuk pemilihan menu makanan bagi penderita hipertensi. Sistem pendukung keputusan ini dibangun secara optimal dengan tingkat akurasi sebesar 100% dengan menggunakan sampel data sebanyak 40 jenis alternatif menu makanan dan tiga kriteria yaitu lemak, protein dan natrium.
Diagnosa Penyakit Tanaman Rumput Laut Menggunakan Metode Certainty Factor Berbasis Web Di Desa Wanabarue Kab. Pangkep Nur Chaerunnisa; Poetri Lestari L.B.; Herdianti Darwis
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 2, No 4 (2021)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v2i4.969

Abstract

Tujuan penelitian ini untuk memberikan informasi tentang jenis penyakit rumput laut yang sesuai dengan gejala-gejala yang dilihat. Metode yang digunakan yaitu penerapan metode Certainty Factor dengan mesin Inferensi Forward Chaining. Jenis rumput laut yang digunakan dalam penelitian ini adalah jenis E. Cottoni (Euchema Cottoni) yang dapat ditemukan pada usaha budidaya rumput laut perairan indonesia, salah satunya usaha budidaya rumput laut Pak Maming. Data inputan yang digunakan yaitu variabel gejala pada rumput laut untuk menentukan jenis penyakit yang menyerang rumput laut. data gejala yang diinputkan dalam penelitian ini adalah Lambatnya pertumbuhan, Bintik-bintik putih atau bercak merah, Berubah menjadi kuning pucat, Mudah rapuh dan putus, Lembek dan busuk, Thallus berwarna putih, Busuk pada bagian ujung, Warna tidak cerah pada batang, Gelembung berwarna coklat, dan Timbulnya getah pada bagian tangkai. Data yang telah diinputkan akan diuji menggunakan mesin inferensi Forward Chaining yang bekerja untuk menghasilkan kesimpulan dari fakta yang ada dan kesimpulan tersebut akan diolah kembali untuk mendapatkan nilai kepastian dengan menggunakan metode Certainty Factor. Berdasarkan dari pengujian dan implementasi rumput laut jenis E.Cottoni menyatakan bahwa nilai rata- rata yang di dapatkan penyakit pucuk putih sebesar 81,75% dan penyakit ice-ice sebesar 76,5%. Oleh karna itu hasil ini menunjukkan sistem mampu menentukan jenis penyakit rumput laut berdasarkan gejala yang diinputkan oleh user.
Metode Double Exponential Smoothing pada Sistem Peramalan Tingkat Kemiskinan Kabupaten Pangkep Nur Almar' Atussaliha; Purnawansyah Purnawansyah; Herdianti Darwis
ILKOM Jurnal Ilmiah Vol 12, No 3 (2020)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v12i3.607.183-190

Abstract

Peramalan adalah kegiatan memperkirakan kejadian yang akan terjadi berdasarkan historical data kuantitatif suatu kejadian. Peramalan sering digunakan oleh pemerintah dalam membuat suatu kebijakan. Salah satu kebijakan pemerintah adalah menurunkan angka kemiskinan setiap tahunnya. Penelitian ini bertujuan untuk membangun sistem Peramalan Tingkat Kemiskinan Kabupaten Pangkep berbasis desktop untuk memberikan gambaran jumlah tingkat kemiskinan periode selanjutnya. Dalam penelitian ini, metode peramalan yang digunakan adalah Double Exponential Smoothing dengan nilai alpha 0.001, 0.01, 0.2, 0.3, 0.5, 0.7, 0.8, 0.99, dan 0.999. Dengan menggunakan data angka kemiskinan dari tahun 2010 sampai 2019, diperoleh bahwa dari 9 nilai alpha yang digunakan, tingkat kesalahan terkecil yaitu 1.2% diberikan oleh alpha 0.5 yang diukur menggunakan metode Mean Absolute Percentage Error (MAPE). Adapun tingkat akurasi peramalan yang didapatkan jumlah kesalahan tiap alpha sebesar 95.394%.
Penerapan Metode K-Nearest Neighbor untuk Mengidentifikasi Jenis Kayu sebagai Bahan Furniture Hilma Aszahrah; Siska Anraeni; Herdianti Darwis
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 3, No 4 (2022)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v3i4.1441

Abstract

Pengenalan jenis kayu dapat dilakukan dengan melakukan pengamatan berdasarkan pada ciri-ciri tertentu yaitu dengan menggunakan parameter tekstur, berat, warna dan lain sebagainya. Begitupun dengan memilih jenis kayu sebagai bahan furniture, selama ini sering dilakukan adalah dengan melihat saja atau memegang kayu secara umum dengen memperhatikan teksturnya. Selain akurasi yang kurang, cara ini juga membutuhkan pengalaman yang cukup banyak apalagi dalam memilih kayu yang akan digunakan dalam membuat dekorasi rumah seperti jendela dan kursi dibutuhkan kayu yang kuat dan kokoh karena itu sistem pengenalan jenis kayu yang akurat dan praktis sangat penting untuk dikembangkan. Mengingat banyaknya jenis kayu yang memiliki kesamaan ciri sehingga sulit mengindetifikasi jenis kayu yang akan digunakan sebagai bahan furniture oleh karena itu dikembangkan suatu sistem teknik klasifikasi untuk identifikasi jenis kayu dengan metode GLCM. Metode ini merupakan suatu metode yang melakukan analisis terhadap suatu piksel pada citra dan mengetahui tingkat keabuan yang sering terjadi, metode yang paling sering digunakan untuk analisis tekstur yang didasarkan pada ciri statistik citra yang dimana dalam perhitungan statistiknya menggunakan distribusi derajat keabuan (histogram) dengan mengukur tingkat kekontrasan, granularitas, dan kekasaran suatu daerah dari hubungan ketetanggaan antar piksel di dalam citra. Hasil penelitian menunjukkan dari tahap pengujian dengan nilai K=1,K=7,K=10,K=12, dan K=15 dengan jumlah data training sebanyak 45 data didapatkan nilai K=1 sebagai nilai persentase tertinggi dengan tingkat akurasi sistem sebesar 91%.
Implementasi Analisis Volume Capacity Ratio Untuk Memprediksi Kepadatan Lalu Lintas Di Kota Makassar Fina Febriana; Yulita Salim; Herdianti Darwis
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 3, No 3 (2022)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v3i3.864

Abstract

Kemacetan di Kota Makassar sudah menjadi hal yang lumrah. Hampir setiap ruas jalan yang ada di pusat Kota Makassar mengalami kemacetan akibat pertumbuhan penduduk yang meningkat dari tahun ketahun yang menyebabkan ketidak seimbangan antara jumlah moda transportasi yang ada di jalan raya dengan kapasitas jalan yang tersedia. Dampak yang akan ditimbulkan seperti kemacetan, meningkatnya polusi udara, pelanggaran lalu lintas, dan kecelakaan lalu lintas. Oleh karena itu tujuan dari penelitian ini adalah untuk memprediksi kepadatan lalu lintas di Kota Makassar menggunakan metode Volume Capacity Ratio (VCR). Sumber pengumpulan data yang dilakukan yaitu berupa data primer dan sekunder dengan menggunakan metode analisis data, analisis sistem, dan analisis pengujian. Penelitian ini menghasilkan sebuah sistem yang dapat membantu pihak-pihak yang membutuhkan dan dapat mengefisienkan waktu dalam mengatasi kepadatan lalu lintas.
Sistem Pendukung Keputusan Pemilihan Menu Makanan Penderita Obesitas Menggunakan Metode Visekriterijumsko Kompromisno Rangiranje Fitrah Wahyu Ningsih; Harlinda Harlinda; Herdianti Darwis
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 3, No 3 (2022)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v3i3.871

Abstract

Gaya hidup yang serba modern saat ini banyak sekali jenis makanan beredar yang tidak sesuai sehingga manusia lebih rentan terhadap penyakit. Makanan yang semakin beragam akan dikonsumsi sehingga menyebabkan banyaknya masyarakat baik anak-anak maupun dewasa terserang obesitas. Hal tersebut menuntut seseorang harus pandai dalam memilih makanan dan mengatur pola makanan yang sesuai dengan kebutuhan tubuh. Penelitian ini bertujuan untuk membangun sebuah sistem pendukung keputusan yang dapat membantu para penderita obesitas dalam memilih menu makanan yang tepat dan baik dengan memperhatikan kandungan-kandungan makanan yang baik dikonsumsi ataupun tidak. Metode yang digunakan dalam penelitian ini adalah metode Višekriterijumsko Kompromisno Rangiranje (VIKOR) untuk mengatasi permasalahan multikriteria sistem yang berfokus pada ranking dan seleksi dari sebuah alternatif. Selain itu Metode VIKOR bertujuan untuk menyelesaikan permasalahan sistem pendukung keputusan pemilihan menu makanan pada penderita obesitas. Pada sistem pendukung keputusan ini mempertimbangkan 4 kriteria yaitu karbohidrat, protein, lemak dan serat dengan 40 jenis menu makanan alternatif. Berdasarkan hasil pengujian, sistem yang dibangun dapat melakukan perankingan dengan performansi 100%.
Klasifikasi Daun Herbal Menggunakan K-Nearest Neighbor dan Support Vector Machine dengan Fitur Fourier Descriptor Putri Regina Prayoga; Purnawansyah Purnawansyah; Tasrif Hasanuddin; Herdianti Darwis
Jurnal Pendidikan Informatika (EDUMATIC) Vol 7 No 1 (2023): Edumatic: Jurnal Pendidikan Informatika
Publisher : Universitas Hamzanwadi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29408/edumatic.v7i1.17521

Abstract

Indonesia is a rich country in herbal plants that can be used as traditional medicine. Leaves are one of the main components of herbal plants that are difficult to distinguish in texture and shape. This study aims to classify two types of herbal leaves, namely Sauropus androgynus and Moringa leaves using the K-nearest neighbor (KNN) and Support vector machine (SVM) with fourier descriptor (FD) feature extraction on texture and shape features. The research uses primary data collected through a smartphone camera as much as 480 image data with light and dark scenarios which are then divided into 80:20 training and testing data. Based on the research that has been done, it is found that the KNN for light scenario data and dark scenarios get 92% and 94% accuracy respectively. The test results using SVM with FD feature extraction obtain an accuracy of 96% for light and dark scenarios. Thus, SVM is more recommended in the classification of herbal leaf images.
K-Nearest Neighbor dan Convolutional Neural Network pada Klasifikasi Penyakit Tanaman Bawang Merah - Nurhikma; - Purnawansyah; Herdianti Darwis; Harlinda L
Techno.Com Vol 22, No 3 (2023): Agustus 2023
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v22i3.8533

Abstract

Bawang merah merupakan suatu kebutuhan masyarakat terutama pada bahan makanan dan juga digunakan untuk Kesehatan. Dengan banyaknya manfaat bawang merah, dibalik itu juga memiliki suatu kendala atau resiko pada penanaman bawang merah salah satu resikonya adalah hama atau penyakit yang dapat merugikan petani bawang merah. Tujuan dari penelitian ini yaitu mengklasifikasi penyakit daun bercak ungu dan moler pada tanaman bawang merah, yang di implementasikan menggunakan metode ekstraksi fitur Gray Level Co-Occurance Matix (GLCM) yang digunakan untuk ekstraksi fitur tekstrur. Selain itu ada lima jarak yaitu Eucludiean, Manhattan, Chebyshev, Minkowski, Hamming digunakan dalam metode klasifikasi  K-Nearest Neighbor (KNN). Penelitian ini juga menggunakan metode klasifikasi Convolutional Neural Network (CNN). Hasil dari penelitian ini yang diperoleh menggunakan metode GLCM dan KNN dengan jarak Euclidean, Manhattan, Chebyshev, dan Minkowski mendapatkan hasil akurasi yang tinggi yakni sebesar 100%, sedangkan nilai akurasi terendah terdapat pada KNN jarak Hamming nilai akurasi yaitu sebesar 42%, adapun klasifikasi dari gabungan dari metode GLCM dan CNN mendapatkan hasil akurasi sebesar 100% dan pada metode CNN yang tanpa metode ekstraksi memiliki nilai akurasi sebesar 100%.
Co-Authors - Nurhikma A. Muh. Syafei Emil Ma’arif A. Nurjulianty Adela Regita Azzahra Alfitriana Riska Andi Ranreng Sombeng Annisa Febrianti Arif Kurnia Dedy Atmajaya Dewi Widyawati Dian Dolly Indra Erick Irawadi Alwi Farniwati Fattah Fauzy Fathrurahman Fina Febriana Fitrah Wahyu Ningsih Harlinda Harlinda L Harlinda Lahuddin Haviluddin Haviluddin Hilma Aszahrah Huzain Azis Ihwana As’ad Ikmar Mawardi Irawati Irawati Jumrayanti Arfah lilis nurhayati Lokapitasari Belluano, Poetri Lestari M. Dimas Taufiqurahman Masita Balla Muh Aristsyah Malik Muh Firman Abd Rahman Muh. Arsyil Karimi Muh. Rifqi Zulkifli Muhammad Faiq Rahmatullah Nur Afra Dimitri Pratiwi Nur Almar' Atussaliha Nur Chaerunnisa Purnawansyah Purnawansyah Putri Regina Prayoga Rahma Puspitasari Ramdan Sastra Siska Anraeni Sunarti Passura Backar Tanaka Kazuaki Tasrif Hasanuddin Tasrif Hasanuddin Wistiani Astuti Wistiani Astuti Yulita Salim Zahrizhal Ali