Article Per Year (5 Year)
p-Index From 2021 - 2026
3.67
P-Index
This Author published in this journals
All Journal Kompak : Jurnal Ilmiah Komputerisasi Akuntansi JIKSI (Jurnal Ilmu Komputer dan Sistem Informasi) Computatio : Journal of Computer Science and Information Systems Jurnal Komunikasi Building of Informatics, Technology and Science 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 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 : 31 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 31 Documents
Search

 1   2   3   4 
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.
Analisis Security Voice Authentication pada Sistem Login 2-FA Onggo, Gilbert Alexandro; Herwindiati, Dyah Erny; Hendryli, Janson
Computatio : Journal of Computer Science and Information Systems Vol. 5 No. 1 (2021): 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.v1i1.10915

Abstract

Program Sistem Login dengan API Otentikasi Suara merupakan sebuah program website yang dibuat untuk memberikan contoh untuk pengembang lain agar dapat membuat website sistem login yang aman. Program ini dibuat menggunakan bahasa pemrograman Python dengan program pengembangan Visual Studio Code, sedangkan berbagai modul dalam program menggunakan Flask dan MongoDB. Hasil dari pengujian program berupa analisa kerentanan program terhadap serangan injeksi SQL, XSS dan Replay. Hasil yang didapatkan berupa kerentanan terhadap penyerangan XSS dan terutama Replay. Serangan XSS dan injeksi dapat terjadi apabila program tidak ada proses filter terhadap bahasa pemrograman pada input. Serangan Replay dapat ditembus karena penggunaan token berbasis waktu. Penyerang dapat mengirim ulang data yang di rekam sebelum token kadaluwarsa. Untuk mencegah kebocoran data, program website dan API harus menggunakan Koneksi yang terenkripsi seperti SSL / TSL. API otentikasi suara dapat melakukan klasifikasi pengguna dengan akurasi 81.25% menggunakan 3 suara sebagai input awal. Namun, API otentikasi suara gagal dalam mencegah serangan replay spoofing dengan akurasi 66.66%. Kuesioner juga diberikan kepada pengembang lain mengenai contoh program yang dibuat dengan 32 responden. Hasil dari kuesioner menunjukkan bahwa “Analisis Security Voice Authenticator pada Sistem Login Two Factor Authentication” dapat menambah ilmu cybersecurity bagi pengembang lainnya.
Klasifikasi Tanaman Obat Herbal Menggunakan Metode Support Vector Machine Arifin, Arifin; Hendyli, Janson; Herwindiati, Dyah Erny
Computatio : Journal of Computer Science and Information Systems Vol. 5 No. 1 (2021): 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.v1i1.12811

Abstract

Jamu adalah obat tradisional dari tanaman herbal yang dianggap atau dipercaya secara turun-temurun dapat membuat bugar badan. Jamu merupakan alternatif lain masyarakat dalam mencari obat berbahan herbal. Akan tetapi bagi banyak orang masih sulit membedakan antara rimpang jahe dengan lengkuas dan kunyit dengan temulawak. Dengan permasalahan tersebut maka, perlu adanya pengenalan untuk masalah tersebut dengan klasifikasi menggunaakan metode support vector machine. Pembuatan aplikasi ini menggunakan bahasa pemrogaman Python untuk pengambilan parameter pembeda yang digunakan yaitu warna menggunakan metode Color Histogram, bentuk menggunakan metode Sobel serta tekstur menggunakan metode Gray Level Co-occurrence Matrix untuk rempah jahe, kunyit, lengkuas dan temulawak yang akan dievaluasi. Evaluasi model yang terbaik yaitu menggunakan metode support vector machine dengan metode pencarian parameter Randomized Search Cross Validation kernel rbf dengan train 83.9% dan test 77.6%.
Prediksi Kelembapan Tanah Pada Tingkat Kecamatan di Wilayah Bogor Dengan Metode CNN LSTM Sopany, Mitchell Ryu; Herwindiati, Dyah Erny; Hendryli, Janson
Computatio : Journal of Computer Science and Information Systems Vol. 6 No. 1 (2022): 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.v6i1.15740

Abstract

Kelembapan tanah pada kecamatan di wilayah Bogor perlu diperhatikan sebagai acuan sumber air bersih untuk mencukupi kebutuhan air bersih yang tinggi di wilayah Jakarta. Aplikasi prediksi kelembapan tanah dibuat menggunakan bahasa pemrograman Python dengan metode CNN LSTM bertujuan untuk memprediksi kelembapan tanah pada tingkat kecamatan wilayah Bogor dalam kelompok kelembapan tanah tinggi, kelembapan tanah rendah, dan kering menggunakan data citra satelit Landsat 8. Citra satelit Landsat 8 dilakukan preprocessing dengan transformasi menjadi bernilai 8 bit dan pemotongan tiap kecamatan dalam wilayah Bogor terhadap band 2, 3, 4, 5, 6, dan 7. Prediksi kelembapan tanah dilakukan menggunakan metode CNN lSTM dengan input berupa nilai kelembapan tanah menggunakan nilai NDVI citra satelit Landsat 8. Output berupa citra prediksi kelembapan tanah yang dikelompokkan pada kelembapan tanah tinggi, kelembapan tanah rendah, dan kering. Hasil penelitian menunjukkan model prediksi kelembapan tanah memiliki nilai rata-rata R2 Score 0.7422, MAE 0.0798, dan MSE 0.0416 sehingga model dapat memprediksi kelembapan tanah dengan baik.
SISTEM INFORMASI GEOGRAFIS UNTUK TUTUPAN LAHAN HIJAU PADA WILAYAH BOGOR BERDASARKAN DATA REMOTE SENSING Ariesta, Cindy Maharani; Herwindiati, Dyah Erny; Lauro, Manatap Dolok
Computatio : Journal of Computer Science and Information Systems Vol. 7 No. 1 (2023): 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.v7i1.16170

Abstract

Perubahan luas tutupan lahan hijau tanah pada wilayah Bogor perlu diperhatikan sebagai acuan tindakan preventif untuk mencegah fenomena alam yang merugikan masyarakat yang tinggal di wilayah sekitarnya. Aplikasi Sistem informasi geografis (SIG) untuk tutupan lahan hijau dirancangan dengan menggunakan bahasa pemrograman PHP dan Javascript dengan metode EVI yang memiliki tujuan untuk memberikan informasi luas tutupan lahan pada kelas impervious, hijau sebagian, dan hijau pada wilayah Bogor di tingkat kecamatan menggunakan data citra satelit Landsat 8 pada tahun 2014 hingga 2020. Preprocessing dilakukan pada citra satelit Landsat 8 dengan melakukan transformasi citra menjadi 8 bit dan pemotongan tiap wilayah kecamatan dalam wilayah Bogor terhadap band 2, 3, 4, 5, 6, dan 7. Data input yang digunakan pada SIG berupa nilai piksel dari citra Landsat 8 pada band 2, 4, dan 5. Output berupa citra pemetaan dan luas lahan setiap kelas tutupan lahan. Hasil penelitian dapat memberikan informasi untuk mempermudah instansi terkait dalam me-monitoring luas tutupan lahan pada setiap kelas di wilayah Bogor pada tingkat kecamatan
SISTEM REKOMENDASI MAKANAN TIO CIU MENGGUNAKAN COLLABORATIVE FILTERING halim, philip bryan; Herwindiati, Dyah Erny; Lauro, Manatap Dolok
Computatio : Journal of Computer Science and Information Systems Vol. 6 No. 2 (2022): 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.v6i2.16227

Abstract

With the advancement of technological innovation, people can order any kind of food easily and this impacts the culinary industries. As people became aware of any kind of foods available to be ordered, people began to eat a different kinds of food varieties. One kind of food variety available to be ordered is the tio ciu food. Therefore, an information system program was designed that can be used by people who like to eat tio ciu foods to be able to get another tio ciu food recommendation so that they can find out more about tio ciu foods that they haven’t eaten yet. The design of this program applies the Collaborative Filtering method. Based on the test, Collaborative Filtering can give user a food recommendation based on their rating beforehand.
Penerapan Klasifikasi Suara Sebagai Autentikasi Keamanan Sistem Login Menggunakan Gaussian Mixture Models Milson, Audie; Herwindiati, Dyah Erny; Perdana, Novario Jaya
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.v8i1.16229

Abstract

Program penerapan klasifikasi suara sebagai auntetikasi keamanan sistem login merupakan sebuah program berbasis website yang dibuat untuk menguji efektivitas metode autentikasi suara sebagai alternatif metode autentikasi biometrik dalam meningkatkan keamanan sistem login suatu aplikasi. Program website yang dibuat terdiri dari bagian Frontend dan bagian Backend yang dibangun dengan modul Python Flask dalam pembentukan API yang berfungsi sebagai fungsionalitas website dan modul Vue Js dalam pembuatan tampilan aplikasi. Aplikasi yang dibuat kemudian diuji dari segi fungsionalitas, tingkat akurasi model dalam mengklasifikasikan suara dan keamanannya dengan metode blackbox testing dan serangkaian security test seperti penetration testing, SQL Injection, dan XSS Attack dengan hasil pengujian aplikasi berfungsi sesuai ekspektasi dan tidak rentan terhadap serangan SQL Injection ataupun XSS Attack, sedangkan hasil dari pengujian tingkat akurasi model dalam mengklasifikasikan suara menghasilkan tingkat akurasi sebesar 67% dengan menggunakan 5 suara sebagai input awal. Hasil dari serangkaian pengujian yang telah dilakukan menunjukan bahwa perpaduan metode Linear Predictive Coding dan Gaussian Mixture Model kurang efektif dalam mengklasifikasikan suara, akan tetapi metode Autentikasi Suara berhasil meningkatkan tingkat keamanan sistem login pada aplikasi.
PEMILIHAN BAHAN MAKANAN ANAK BALITA DENGAN PENERAPAN FINITE COVERING Chandriyani, Ika; Herwindiati, Dyah Erny; Sutrisno, Tri
Computatio : Journal of Computer Science and Information Systems Vol. 6 No. 1 (2022): 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.v6i1.16231

Abstract

Sistem pemilihan bahan makanan berdasarkan kebutuhan jenis zat gizi merupakan program website yang dibuat untuk memberikan rekomendasi kepada ibu yang memiliki anak balita agar anak balita tersebut dapat terpenuhi kebutuhan zat gizinya sehingga pertumbuhan dan perkembangannya dapat lebih optimal. Diterapkannya metode finite covering agar sistem dapat mengeluarkan rekomendasi kombinasi bahan makanan dengan jumlah jenis paling sedikit namun mencakup seluruh kebutuhan jenis zat gizi penting anak balita. Pada proses perhitungan, dibentuk graf dengan sisi mewakili zat gizi dan simpul mewakili jenis bahan makanan. Graf tersebut kemudian direpresentasikan dalam bentuk matriks untuk dilakukan proses pencarian sel esensial dan pereduksian agar ditemukan minimal covering yaitu himpunan covering dengan jumlah simpul paling sedikit. Pada sistem ini, pengguna dapat memasukkan berbagai jenis bahan makanan kemudian sistem akan memberikan hasil rekomendasi berdasarkan metode finite covering. Sistem difokuskan pada 11 jenis zat gizi, jika bahan makanan yang dimasukkan tidak mengandung kesebelas jenis zat gizi, maka sistem akan memberikan informasi zat gizi yang masih kurang. Berdasarkan percobaan 10 hasil rekomendasi bahan makanan, jika dianalisa secara langsung oleh dokter gizi, didapatkan akurasi 80% dan jika dievaluasi berdasarkan bahan makanan pada sistem didapatkan 93.69%. Kesimpulan yang didapat adalah sistem bekerja dengan baik dan sesuai dengan tujuan pembuatan sistem.
Penerapan Data Mining Dengan Algoritma Apriori Untuk Analisa Pola Pembelian Pelanggan Pada Penjualan Martabak Surya Kencana Albert, Bryan; Herwindiati, Dyah Erny; Sitorus, Manatap Dolok Lauro
Computatio : Journal of Computer Science and Information Systems Vol. 7 No. 2 (2023): 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.v7i2.21265

Abstract

The purpose of this study is to analyze customer buying patterns at Martabak Surya Kencana. The method used is the Apriori algorithm, the Apriori algorithm is one of the most well-known algorithms in data mining in finding data patterns or patterns of occurrence/data frequency. Usually the Apriori algorithm is used to find customer buying patterns at a minimarket based on purchase transactions. The results of this study are with a minimum support value of 20% and a minimum confidence value of 70%, it produces 2 rules, namely if you buy Martabak Telor 3 Super Eggs, you will buy Martabak Sultan Cheese with a support value of 26.8% and a confidence value of 79. 8% and if you buy "Chocolate Sweet Martabak" then you will buy "Dry Nutella / Ovomaltine / Toblerone Thin Martabak" with a support value of 24.2% and a confidence value of 78.9%.
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 Dohim, Mas’ud Ferdinand, Kelvin Gozali, Carisha Puspa gunawan, Hendy halim, philip bryan Handoyo, Rico Hapsari, Claudia Gita Hendryli, Janson Hendryli, Jaqnson Hendyli, Janson Jong, Fenny Karendef Karendef Kevin kevin Kevin Setiawan Lely Hiryanto Manatap Dolok Lauro, Manatap Dolok Martha, Regina Milson, Audie Muhammad Idrus Taba 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 Tommy Setiawan Ruslim, Tommy Setiawan Tony Tony TRI SUTRISNO Wenda Kartika, Wenda