Article Per Year (5 Year)
p-Index From 2021 - 2026
4.116
P-Index
This Author published in this journals
All Journal JIKSI (Jurnal Ilmu Komputer dan Sistem Informasi) Computatio : Journal of Computer Science and Information Systems Jurnal Komunikasi Jurnal Pensil : Pendidikan Teknik Sipil Building of Informatics, Technology and Science Jurnal Muara Ilmu Ekonomi dan Bisnis Jurnal Teknologi Dan Sistem Informasi Bisnis Infotech: Journal of Technology Information Humantech : Jurnal Ilmiah Multidisiplin Indonesia Innovative: Journal Of Social Science Research International Journal of Application on Economics and Business
Dyah Erny Herwindiati
Faculty of Information Technolgy Tarumanagara University
Religion Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Public Health Social Sciences Other

Published : 35 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 18 Documents
Search
Journal : Computatio : Journal of Computer Science and Information Systems

 1   2 
Peramalan Pertumbuhan Jumlah Outlet Menggunakan Metode Gated Recurrent Unit (Studi Kasus: PT XYZ) Suluh, David; Herwindiati, Dyah Erny; Hendryli, Janson
Computatio : Journal of Computer Science and Information Systems Vol. 8 No. 1 (2024): Computatio: Journal of Computer Science and Information Systems
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/computatio.v8i1.21234

Abstract

Sebagai perusahaan telekomunikasi, PT XYZ mengguanakan outlet seluler sebagai mitra untuk melakukan pendistribusian komoditas mereka. Dalam memperluas jaringan outlet seluler merka, PT XYZ tentu perlu memikirkan strategi bisnis yang tepat agar pertumbuhan jumlah outlet dapat menjadi lebih maksimal.Peramalan dapat digunakan sebagai acuan dalam strategi bisnis dan meningkatkan efektivitas rencana penyebaran outlet. Penilitian ini membahas peramalan pertumbuhan jumlah outlet menggunakan metode Gated Recurrent Unit yang berfungsi untuk melakukan peramalan atau prediksi jumlah outlet yang dapat diraih oleh PT XYZ. Data yang digunakan merupakan data outlet yang ada di PT XYZ dimana data ini akan dikelempokkan berdasarkan minggu ketika outlet bergabung. Proses pelatihan data menggunakan 80% dari total dataset dan pengujian menggunakan 20% dari total dataset. Pada proses pengujian, model mendapatkan hasil evaluasi MAE sebesar 0.1230 ,RMSE sebersar 0.2103 dan MSE sebesar 0.0442.
Pemetaan Kecamatan di Wilayah Bogor Berdasarkan Tipe Lahan dengan Metode Gradient Boosting Susilo, Venezia Valen; Herwindiati, Dyah Erny; Hendryli, Janson
Computatio : Journal of Computer Science and Information Systems Vol. 8 No. 2 (2024): Computatio: Journal of Computer Science and Information Systems
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/computatio.v8i2.15829

Abstract

Kabupaten Kota Bogor merupakan tempat Gunung Salak, sumber mata air Jakarta, berada sehingga untuk air sampai di Jakarta, air harus melalui Bogor terlebih dahulu. Hal ini mengakibatkan perubahan terhadap lahan di Bogor akan berpengaruh pada proses aliran air dari Gunung Salak ke Jakarta. Oleh karena itu, dibutuhkan suatu sistem yang dapat digunakan untuk memantau perubahan fungsi lahan di Bogor. Sistem ini, diharapkan dapat memberi informasi tentang alih fungsi lahan secara periodik yang terjadi di daerah Bogor dan diharapkan dapat membantu pihak-pihak yang terkait dalam penanganan dampak-dampak yang terjadi akibat alih fungsi lahan. Data yang diperlukan adalah citra Landsat 8 band 2, 3, 4, 5, 6, dan 7 yang telah melalui proses pra-pemrosesan untuk kemudian diklasifikasikan dengan menggunakan model yang dibangun dengan metode Gradient Boosting Regression untuk klasifikasi. Model dibangun dengan nilai learning rate 0.1 dan banyak pohon 50. Akurasi yang didapat dari model ini adalah 99.3349% untuk data latih, 99.1658% untuk data validasi, dan membutuhkan waktu 13.91376 detik.
Prediksi Jumlah Penduduk Tingkat Kecamatan di Wilayah Bogor Menggunakan Metode Long Short Term Memory Djoenaedi, Owen; Herwindiati, Dyah Erny; Handhayani, Teny
Computatio : Journal of Computer Science and Information Systems Vol. 8 No. 2 (2024): Computatio: Journal of Computer Science and Information Systems
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/computatio.v8i2.16219

Abstract

Population growth is addition or reduction of the population which is influenced by several factors. In Indonesia, this is something that pays great attention and is monitored by the government, especially on Java Island. Worries of population increase is one of the reasons for this monitoring which can cause problems with the support power and capacity power of the environment. The purpose of this design is to predict the population and calculate population growth rate at sub-district level in the Bogor area for 2021 and 2022 using population data at different annual intervals in each areas. Prediction is done using Long Short Term Memory. The configuration parameters of the model used for training and testing is different for each areas which obtained from the results of the parameter experiment which was repeated 5 times for each configuration to obtain the best Mean Absolute Percentage Error (MAPE) average. All models for LSTM method gain an average MAPE below 10% in each areas so that the models for prediction were stated to be very good.
Perbandingan Metode Ekstraksi Fitur pada Sistem Pencarian Produk E-Commerce Berbasis Citra Hendryli, Janson; Herwindiati, Dyah Erny; Halim, Henry; Nagaputra, Hongi
Computatio : Journal of Computer Science and Information Systems Vol. 9 No. 1 (2025): Computatio: Journal of Computer Science and Information Systems
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/computatio.v9i1.33877

Abstract

Sistem temu kembali atau pencarian produk berbasis citra merupakan teknik pencarian yang bergantung pada konten suatu citra tanpa bergantung pada metadata yang umumnya digunakan pada pencarian berbasis teks. Untuk mendapatkan informasi obyek yang ada dalam suatu citra, berbagai metode ekstraksi fitur dapat digunakan. Tiga metode ekstraksi fitur, yaitu fitur warna, bentuk, dan tekstur, beserta kombinasi dari ketiganya dibahas pada penelitian ini. Fitur warna didapatkan dengan metode color moments dan metode histogram of gradients digunakan untuk ekstraksi fitur bentuk. Sedangkan, metode gray level co-occurrence matrix digunakan untuk ekstraksi fitur tekstur. Sementara itu, metode k-means clustering digunakan untuk membandingkan kesamaan antara citra pada basis data dengan citra kueri. Sistem kemudian menghasilkan 40 produk dengan kemiripan paling besar. Perbandingan dari metode-metode ekstraksi fitur tersebut beserta kombinasinya kemudian diuji dalam dua tahapan. Tahapan pertama adalah untuk mengetahui jumlah klaster terbaik dari metode k-means clustering. Dalam pengujian ini, metrik evaluasi yang digunakan adalah skor silhouette. Dari pengujian, jumlah klaster terbaik untuk fitur bentuk adalah 10. Jumlah klaster terbaik untuk kombinasi fitur warna dan bentuk adalah 4 klaster. Klaster terbaik untuk kombinasi fitur tekstur dan bentuk, serta kombinasi seluruh fitur warna, tekstur, dan bentuk adalah masing-masing sejumlah 2 klaster. Skor silhouette terbaik didapatkan dari kombinasi fitur tekstur dan bentuk, yaitu sebesar 0.658663941. Pengujian kedua adalah melihat mean average precision dari 40 hasil teratas menggunakan kombinasi fitur tersebut. Berdasarkan pengujian, fitur bentuk memberikan hasil terbaik, terutama untuk jenis produk dress.
Program Konversi Citra Notasi Balok Menjadi Notasi Angka Gunawan, Hendy; Hendryli, Janson; Herwindiati, Dyah Erny
Computatio : Journal of Computer Science and Information Systems Vol. 2 No. 2 (2018): COMPUTATIO : JOURNAL OF COMPUTER SCIENCE AND INFORMATION SYSTEMS
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/computatio.v2i2.2278

Abstract

The Image Conversion Program of Music Notation being Numeric Notation is a character recognition system that accepts input in form of music notation image that produces an output of a DOCX file containing the numeric notation from the input image. Music notation has notation value, ritmic value and written with a music stave. The system consists of four main processes: preprocessing (grayscale and thresholding), notation line segmentation, notation character segmentation, and template matching. Template matching is used to recognize the music notation that obtained after segmentation. The recognition process obtained by comparing the image with the template image that has been inputted before to the database. This system has 100% success rate on segmentation of the character and success rate 38,4843% on the character recognition with template matching.
KLASIFIKASI CITRA BATIK INDONESIA DAN MALAYSIA DENGAN METODE MODIFIED DISCRIMINANT ANALYSIS Cynthia, Cynthia; Hendryli, Janson; Herwindiati, Dyah Erny
Computatio : Journal of Computer Science and Information Systems Vol. 3 No. 1 (2019): COMPUTATIO : JOURNAL OF COMPUTER SCIENCE AND INFORMATION SYSTEMS
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/computatio.v3i1.2973

Abstract

The application of Indonesian and Malaysian batik image classification using the Linear Discriminant Analysis (LDA) and Modified Discriminant Analysis (MDA) method is an introduction application that is used to classify images in the form of batik. Making this application uses the Java programming language to run feature retrieval methods, namely Color Histogram and Daubechies Wavelet and classification methods, namely LDA and MDA. Testing is done by blackbox testing method and confusion matrix. Tests are performed using color features, texture features, and a combination of training images and new test images. The best percentage test results are testing using color features, whereas with texture and the combination of both features get a slightly lower test percentage result.Aplikasi klasifikasi citra batik Indonesia dan Malaysia dengan metode Linear Discriminant Analysis (LDA) dan Modified Discriminant Analysis (MDA) merupakan aplikasi pengenalan yang digunakan untuk mengklasifikasi citra berupa batik. Pembuatan aplikasi ini menggunakan bahasa pemrograman Java untuk menjalankan metode pengambilan fitur yaitu Color Histogram dan Daubechies Wavelet dan metode pengklasifikasian yaitu LDA dan MDA. Pengujian dilakukan dengan metode blackbox testing dan matriks konfusi. Pengujian dilakukan dengan menggunakan fitur ciri warna, ciri tekstur, dan gabungan dari citra latih dan citra uji baru. Hasil persentase pengujian terbaik adalah pengujian dengan menggunakan ciri warna, sedangkan dengan ciri tekstur dan gabungan mendapatkan hasil persentase pengujian sedikit rendah.
CONTENT-BASED IMAGE RETRIEVAL UNTUK PENCARIAN PRODUK PONSEL Siantar, Nickolas Cornelius; Hendryli, Jaqnson; Herwindiati, Dyah Erny
Computatio : Journal of Computer Science and Information Systems Vol. 3 No. 1 (2019): COMPUTATIO : JOURNAL OF COMPUTER SCIENCE AND INFORMATION SYSTEMS
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/computatio.v3i1.4271

Abstract

Phone or smartphone and online shop, there is something that cannot be separated with human. There are so many type of smartphones show up in the market that people are confused on which one to get on the online stores. Smartphones recognition is done by using the Histogram of Oriented Gradient to recognize shapes of phones, Color Quantization to recognize the color, and Local Binary Pattern to recognize texture of the phones. The output of the Feature Extractor is a feature vector which is used on the LVQ to process recognize through finding the smallest Euclidean Distance between the trained vectors. The result of this paper is an application that can recognize 16 phone types using the image with the accuracy of 9.6%. Pada saat ini, ponsel dan toko online merupakan sesuatu yang tidak dapat dipisahkan dari manusia. Begitu banyak jenis ponsel bermunculan setiap tahunnya sehingga menyebabkan manusia bingung dalam mengenali ponsel tersebut. Pada program pengenalan ponsel ini digunakan Histogram of Oriented Gradient untuk mengambil fitur berupa bentuk ponsel, Color Quantization untuk mengambil fitur warna, dan Local Binary Pattern untuk mengambil fitur tekstur ponsel. Hasil dari pengambilan fitur berupa fitur vektor yang digunakan pada Learning Vector Quantization untuk proses pengenalan dengan mencari nilai terkecil Euclidean Distance antara vektor fitur dengan vektor bobot terlatih. Hasil dari program pengenalan ini yaitu program dapat melakukan pengenalan terhadap 16 jenis ponsel dengan akurasi sebesar 9.6%.
KLASIFIKASI KAIN TENUN BERDASARKAN TEKSTUR & WARNA DENGAN METODE K-NN Kevin, Kevin; Hendryli, Janson; Herwindiati, Dyah Erny
Computatio : Journal of Computer Science and Information Systems Vol. 3 No. 2 (2019): COMPUTATIO : JOURNAL OF COMPUTER SCIENCE AND INFORMATION SYSTEMS
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/computatio.v3i2.6028

Abstract

Image classification of woven cloth based on texture and color using Gray Level Co-occurrence Matrix (GLCM), Local Binary Pattern (LBP), Color Moments and classification method KNearest Neighbour (KNN) is an application for classifying motive on woven cloth. The development of this application is using Python language programming for classification system and Android studio which using Java language programming as Front-end. Classification system consist of two main process namely feature extraction process and classification process. Feature extraction process is using GLCM, LBP and Color Moments which produce feature vector for every method and classification process is using KNN method. Feature used for classification process is feature vector which has best result. Based on experiment result, the best method that produce best feature vector is LBP method with accuracy percentage higher than other method.  Klasifikasi citra kain tenun berdasarkan tekstur dan warna dengan metode Gray Level Cooccurrence Matrix (GLCM), Local Binary Pattern (LBP), Color Moments dan metode klasifikasi K-Nearest Neighbour (KNN) merupakan aplikasi yang digunakan untuk mengklasifikasi motif yang ada pada kain tenun. Pembuatan aplikasi ini menggunakan bahasa pemrograman Python sebagai sistem klasifikasi dan Android studio yang menggunakan bahasa pemrograman Java sebagai Front-end. Sistem klasifikasi dibagi menjadi dua proses utama yaitu proses ekstraksi fitur dan proses klasifikasi. Proses ekstraksi fitur dilakukan dengan metode GLCM, LBP dan Color Moments yang menghasilkan fitur vektor untuk setiap metode dan proses klasifikasi dilakukan dengan metode K-NN. Fitur yang digunakan dalam proses klasifikasi adalah fiturvektor yang memiliki hasil terbaik. Berdasarkan hasil pengujian yang telah dilakukan, metode yang dapat menghasilkan fitur terbaik adalah metode LBP dengan persentase akurasi lebih tinggi dibandingkan dengan dua metode lainnya.
Sistem Prediksi Customer Loyalty Dengan Metode RFM dan Fuzzy C-Means David, David; Lauro, Manatap Dolok; Herwindiati, Dyah Erny
Computatio : Journal of Computer Science and Information Systems Vol. 4 No. 1 (2020): COMPUTATIO : JOURNAL OF COMPUTER SCIENCE AND INFORMATION SYSTEMS
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/computatio.v4i1.7099

Abstract

This paper discusses about customer loyalty using RFM method and Fuzzy C-Means. RFM stands for Recency, Frequency, and Monetary. What is meant by Recency is the date range of transactions made by customers, while Frequency is the number of transactions made by customers during  a certain period, and Monetary is the nominal amount of money spent during a certain period. Data is taken from Toko Cianjur with transactions history from January 2018 to December 2018 consisting of 892 transactions. Fuzzy C-Means is one of clustering algoritm which applies fuzzy approach to determine the clusters based on the degree of membership. Partition Coefficient Index and Partition Entropy Index are used as the evaluation methods.The goals of making this application that the store can find customers who have a high loyalty value to store and can be used as consideration for store to provide discounts to customers. The test results obtained state that the results of the cluster formation of two clusters with m = 2 indicate that customers quite often shop at stores until December 2018. While the results of the formation of three clusters with m = 2 indicate that customers often make transactions and a large monetary value to the store.AbstrakTulisan ini membahas tentang customer loyalty dengan menggunakan metode RFM dan Fuzzy C-Means. RFM adalah kepanjangan dari Recency, Frequency dan Monetary. Yang dimaksud dengan Recency adalah rentang tanggal transaksi yang dilakukan pelanggan, sedangkan Frequency adalah jumlah transaksi yang dilakukan pelanggan selama periode tertentu, dan Monetary adalah jumlah nominal uang yang dikeluarkan selama periode tertentu. Data diambil dari Toko Cianjur dengan riwayat transaksi dari Januari 2018 hingga Desember 2018 yang terdiri dari 892 transaksi. Fuzzy C-Means adalah salah satu algoritma clustering yang menerapkan pendekatan fuzzy untuk menentukan cluster berdasarkan degree of membership. Partition Coefficient Index dan Partition Entropy Index digunakan sebagai metode evaluasi. Tujuan pembuatan sistem prediksi customer loyalty ini yaitu mengetahui pelanggan manakah yang memiliki loyalitas yang tinggi terhadap toko sehingga dapat menjadi bahan pertimbangan toko untuk memberikan diskon kepada pelanggan. Hasil pengujian yang didapat menyatakan bahwa hasil cluster pembentukan dua klaster dengan m=2 menunjukkan bahwa pelanggan cukup sering berbelanja terhadap toko sampai Desember 2018. Sedangkan hasil pembentukan tiga klasterdengan m=2 menunjukkan bahwa pelanggan sering melakukan transaksi serta nilai monetary yang cukup besar terhadap toko.
Program Pendeteksi Perubahan Fungsi Lahan Menggunakan Metode Ridge Regression Dan Support Vector Machine (Studi Kasus: 95 Kecamatan Di Wilayah Bekasi, Depok Dan Tangerang) Christian, Christian; Hendryli, Janson; Herwindiati, Dyah Erny
Computatio : Journal of Computer Science and Information Systems Vol. 4 No. 1 (2020): COMPUTATIO : JOURNAL OF COMPUTER SCIENCE AND INFORMATION SYSTEMS
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/computatio.v4i1.7190

Abstract

Tulisan ini membahas tentang perubahan fungsi lahan yang terjadi pada tingkat kecamatan di wilayah Bekasi, Depok dan Tangerang  perlu dipertimbangkan ketika melakukan pengembangan di sekitar kota penyangga Jakarta. Program untuk mendeteksi perubahan penggunaan lahan menggunakan metode Ridge Regression dan Support Vector Machine bertujuan untuk melihat perubahan penggunaan lahan di wilayah Bekasi, Depok dan Tangerang dengan mengklasifikasikan jenis tanah menjadi 4 kelas yaitu kelas hijau, kelas sebagian hijau, kelas impervious, dan sebagian impervious menggunakan citra satelit Landsat 7 dan Landsat 8 pada band Biru, Hijau, Merah, NIR, SWIR-1, dan SWIR-2. Gambar Landsat yang digunakan akan melalui proses preprocessing menggunakan metode koreksi radiometrik Pengurangan Gelap untuk gambar Landsat 7 dan Landsat 8 dan metode gap fill untuk gambar Landsat 7. Setelah itu, pemotongan citra Landsat akan dilakukan ke tingkat kecamatan pada wilayah Bekasi, Depok dan Tangerang. Hasil klasifikasi akan digunakan untuk menentukan perubahan lahan dengan membandingkan dua gambar hasil klasifikasi dengan tahun yang berbeda. Hasil dari makalah ini menunjukkan bahwa model yang menggunakan metode mesin Support Vector memiliki akurasi gain yang lebih baik sebesar 83,00% untuk data Landsat 7 dan 8 dibandingkan dengan model yang menggunakan metode Ridge Regression, yang memiliki akurasi perolehan 61,96% untuk data Landsat 7 dan 61,28% untuk data Landsat 8.
Co-Authors Albert, Bryan Andri Muliawan Angel Angel Ariesta, Cindy Maharani Arifin Arifin Budianto, Willson Carlos, Daniel Chairisni Lubis Chandriyani, Ika christian christian Cokki , Cokki Cynthia Cynthia David David Denny, Mandy Sandra Djoenaedi, Owen Ferdinand, Kelvin Gozali, Carisha Puspa gunawan, Hendy Halim, Henry halim, philip bryan Handoyo, Rico Hapsari, Claudia Gita Hendryli, Janson Hendryli, Jaqnson Hendyli, Janson Jong, Fenny Karendef Karendef Kevin kevin Kevin Setiawan Lely Hiryanto Mahlia Muis Manatap Dolok Lauro, Manatap Dolok Martha, Regina Milson, Audie Muhammad Idrus Taba Nagaputra, Hongi Nova Nova Novario Jaya Perdana Onggo, Gilbert Alexandro Otto Randa Payangan Pamungkas, Ary Satria Sani M. Isa Sari, Endah Murtiana Siantar, Nickolas Cornelius Sitorus, Manatap Dolok Lauro Soelaiman, Lydiawati Sopany, Mitchell Ryu Stephen Christian, Stephen Sukamdani, Ryan Rici Suluh, David Susilo, Venezia Valen Teny Handhayani Tommy Setiawan Ruslim, Tommy Setiawan Tony Tony TRI SUTRISNO Turangan, Joyce Wenda Kartika, Wenda Yasmin, Yamani