Tatang Rohana Cucu
UBP Karawang

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

Kajian Teknik Pengendalian Rute Circuit Switching Pada Jaringan Telekomunikasi Berbasis Simulasi Tatang Rohana Cucu
Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi Vol 5 No 1 (2020): Techno Xplore: Jurnal Ilmu Komputer dan Teknologi Informasi
Publisher : Teknik Informatika, Fakultas Teknik dan Ilmu Komputer, Universitas Buana Perjuangan Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36805/technoxplore.v5i1.906

Abstract

Perutean (routing) dimaksudkan untuk memperoleh konfigurasi jaringan optimum yang diperlukan dalam menangani trafik secara sistematis dan efisiean. Sasaran utamanya adalah menentukan semua rute yang merupakan bagian dari jaringan telekomunikasi berdasarkan ketentuan dan petunjuk yang disepakati untuk menjamin terlaksananya suatu koneksi secara cepat. Penelitian ini berisi tentang kajian teknik perutean yang merupakan bagian dari circuit swithing, yaitu alternate hierarchical routing (AHR) dan dynamic nonhierarchical routing (DNHR). Dalam Alternate Hierarchical Routing (AHR), berbagai alternatif perutean didefinisikan sebagai lintasan routing. Mekanisme perpindahan trafik ke rute alternatif didasarkan pada overflow dari trafik yang diprioritaskan, sedangkan dynamic nonhierarchical routing (DNHR) keputusan pemilihan rute didasarkan pada tabel dinamik yang merupakan fungsi waktu. Metode penelitian yang digunakan adalah metode kajian pustaka dan metode pengujian. Metode pengujian digunakan sebagai alat bantu terhadap perhitungan dan analisa secara pustaka. Penilaian performansi teknik perutean yang dikaji diukur dari keefektifan dan efisiensi dalam penentuan rute trafik, trafik yang ditemukan, dan efisiensi waktu pencarian rute trafik. Berdasarkan hasil pengujian yang sudah dilakukan pada penelitian ini, diperoleh hasil bahwa berdasarkan jumlah rute yang ditemukan teknik alternate hierarchical routing lebih efektif dibandingkan teknik dynamic nonhierarchical routing. Sedangkan berdasarkan efisiensi waktu pencarian trafik, teknik dynamic nonhierarchical routing lebih efisien 5.55 % dibanding teknik alternate hierarchical routing.
Implementasi Adaptive Neural Fuzzy Inference System (ANFIS) Untuk Menguji Kualitas Printed Circuit Board (PCB) Tatang Rohana Cucu
Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi Vol 5 No 2 (2020): Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi
Publisher : Teknik Informatika, Fakultas Teknik dan Ilmu Komputer, Universitas Buana Perjuangan Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36805/technoxplore.v5i2.907

Abstract

Pengujian kualitas menggunakan teknik pengolahan citra dan kecerdasan tiruan banyak diterapkan dalam berbagai industri, misalnya industri tekstil, perakitan kendaraan, makanan, minuman, perakitan elektronik, dan lain – lain. Pengujian model ini sering disebut dengan istilah Automated Visual Inspection System (AVIS) atau dalam bahasa Indonesia Sistem Inspeksi Visual Otomatis (SIVO). Penelitian ini mengacu pada model sistem inspeksi, di mana objek pengujiannya adalah keping Printed Circuit Board (PCB). Banyak penelitian tentang pengujian PCB yang sudah dilakukan, tetapi masih banyak yang belum memberikan hasil yang optimum, diantaranya waktu akses yang masih lambat, keakuratan data masih rendah, dan tingkat kesalahan yang masih tinggi. Berdasarkan hasil penelitian dan pengujian yang sudah dilakukan, model ANFIS sangat layak dijadikan sebagai model inferensi kecerdasan buatan dalam sistem yang berbasis inspeksi otomatis khususnya menguji kualitas keping PCB, karena terbukti model ANFIS dengan model hybrid trapesium mf memiliki tingkat kesalahan yang sangat kecil yaitu 4.0186e-007 dan untuk tingkat akurasi pengujian datanya mencapai 99%.
Kajian Adaptive Neuro-Fuzzy Inference System (ANFIS) Dalam Memprediksi Penerimaan Mahasiswa Baru Pada Universitas Buana Perjuangan Karawang Tatang Rohana Cucu
Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi Vol 6 No 1 (2021): Techno Xplore: Jurnal Ilmu Komputer dan Teknologi Informasi
Publisher : Teknik Informatika, Fakultas Teknik dan Ilmu Komputer, Universitas Buana Perjuangan Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36805/technoxplore.v6i1.1371

Abstract

Abstract - The process of admitting new students is an annual routine activity that occurs in a university. This activity is the starting point of the process of searching for prospective new students who meet the criteria expected by the college. One of the colleges that holds new student admissions every year is Buana Perjuangan University, Karawang. There have been several studies that have been conducted on predictions of new students by other researchers, but the results have not been very satisfying, especially problems with the level of accuracy and error. Research on ANFIS studies to predict new students as a solution to the problem of accuracy. This study uses two ANFIS models, namely Backpropagation and Hybrid techniques. The application of the Adaptive Neuro-Fuzzy Inference System (ANFIS) model in the predictions of new students at Buana Perjuangan University, Karawang was successful. Based on the results of training, the Backpropagation technique has an error rate of 0.0394 and the Hybrid technique has an error rate of 0.0662. Based on the predictive accuracy value that has been done, the Backpropagation technique has an accuracy of 4.8 for the value of Mean Absolute Deviation (MAD) and 0.156364623 for the value of Mean Absolute Percentage Error (MAPE). Meanwhile, based on the Mean Absolute Deviation (MAD) value, the Backpropagation technique has a value of 0.5 and 0.09516671 for the Mean Absolute Percentage Error (MAPE) value. So it can be concluded that the Hybrid technique has a better level of accuracy than the Backpropation technique in predicting the number of new students at the University of Buana Perjuangan Karawang. Keywords: ANFIS, Backpropagation, Hybrid, Prediction