Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

2.447

P-Index

This Author published in this journals

All Journal IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Jurnal Edukasi dan Penelitian Informatika (JEPIN) JUSIFO : Jurnal Sistem Informasi JMM (Jurnal Masyarakat Mandiri) CYBERNETICS BULETIN AL-RIBAATH Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Progresif: Jurnal Ilmiah Komputer Jurnal Teknika JUTECH : Journal Education and Technology

Alda Cendekia Siregar

Universitas Muhammadiyah Pontianak

Author-ID : 2881046

Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Other

Published : 21 Documents Claim Missing Document

Claim Missing Document

Articles

Title

Analytic Hierarchy Process Dalam Pembobotan Untuk Pengaturan Jadwal Dosen Menur Wahyu Pangestika; Alda Cendekia Siregar
CYBERNETICS Vol 2, No 01 (2018): CYBERNETICS
Publisher : Universitas Muhammadiyah Pontianak

Scheduling is one of the important things in teaching and learning process. The Analytical Hierarchy Process (AHP) method is a system analysis method that can be used to connect unstructured situation into a spesific part that used to make an effective decisions. The application of AHP based on the decomposition of objectives, evaluates values through pairwise comparisons in stages and able to choose the best alternative from some alternatives. The purpose of this study is to prove whether the AHP method can be used to determine scoring for the election of lecturer schedules and to knowing the result of AHP’s scoring The data in this study are: criteria of the subjects, lecturers, SKS, lecturer status, space, time to determine the score and alternative, namely in the form of even semester teachers. As for producing departmental recommendations, input is needed in the form of score resulting from the AHP calculation and calculating the space that shows the floor, day and course. This study uses comparative data and the same alternative from previous studies,that is scheduling data for the Even Semester of Mechanical Engineering Study Department that certain on scheduling for regular lectures. The final results of this study include several names that can be used for scheduling first. Judging from the previous research using the DS / AHP method, 17 lecturers got the order from 29 lecturers, but in this study, the whole can be sorted.

Perbandingan Metode Jaringan Syaraf Tiruan Pada Klasifikasi Motif Kain Tenun Sambas Alda Cendekia Siregar; Barry Ceasar Octariadi
CYBERNETICS Vol 4, No 02 (2020): CYBERNETICS
Publisher : Universitas Muhammadiyah Pontianak

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29406/cbn.v4i02.2489

Pengolahan citra digital merupakan bagian dari computer vision untuk menganalisa suatu citra atau gambar sehingga menghasilkan suatu informasi yang dapat dipahami manusia. Setiap tahapan dalam pengolahan citra digital memiliki metode masing-masing, untuk citra yang berbeda maka metode yang digunakan juga akan berbeda. Hal ini dikarenakan setiap objek memiliki karakteristik yang berbeda sehingga penggunaan metode perlu menyesuaikan dengan karakteristik citranya. Jaringan syaraf tiruan memiliki kelebihan yaitu sangat fleksibel terhadap data yang memiliki banyak noise, mampu mengklasifikasikan pola, cocok untuk input dan output yang bersifat continue, dapat diimplementasikan dengan mudah di semua aplikasi. Metode jaringan syaraf tiruan juga masih memiliki kekurangan diantaranya parameter terbaik perlu ditentukan secara trial and error, waktu iterasi yang relative lama, dan interpretability yang buruk Pada penelitian ini akan dilakukan percobaan untuk mendapatkan arsitektur jaringan syaraf tiruan yang optimal. Arsitektur jaringan syaraf tiruan yang akan diujicobakan untuk mendapatkan metode jaringan syaraf tiruan yang optimal untuk data citra kain tenun sambas adalah Backpropagation dan RBF. Akurasi maksimal yang dapat dihasilkan dengan menggunakan JST Backpropagation adalah sebesar 81,33 % dengan parameter nilai learning rate 0,3. Nilai MAE terkecil dihasilkan dari learning rate 0,5 sedangkan nilai RMSE terkecil dihasilkan dari learning rate 0,4. Akurasi maksimal yang dapat dihasilkan dengan menggunakan JST RBF adalah sebesar 88 % dengan parameter nilai learning rate 2. Nilai MAE terkecil dihasilkan dari learning rate 5 sedangkan nilai RMSE terkecil dihasilkan dari learning rate 3. Akurasi yang dihasilkan dari JST RBF lebih tinggi jika dibandingkan dengan JST Backpropagation yaitu 88% dan 81,33% hal ini dapat disimpulkan JST RBF lebih baik dalam mengklasifikasikan citra kain sambas daripada JST Backpropagation

Pengenalan Pola pada Citra Tanda Tangan Online dan Offline Menggunakan Jaringan Syaraf Tiruan Metode Backpropagation Barry Ceasar Octariadi; Alda Cendekia Siregar
CYBERNETICS Vol 5, No 01 (2021): CYBERNETICS
Publisher : Universitas Muhammadiyah Pontianak

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29406/cbn.v5i01.2490

Pengenalan pola pada citra tanda tangan merupakan versi miniartur yang digunakan untuk mengidentifikasi seseorang. Didalam penelitian ini disajikan pengenlan pola tanda tangan online dan offline dengan mempergunakan jaringan syaraf tiruan metode backpropagation (JST-BP) untuk 100 ciri citra tanda tangan online dan offline. Dimulai dari preprocessing, ekstraksi ciri dengan vertical and horizontal splitting sebagai ciri masukan untuk masing-masing citra tanda tangan untuk dilakukan pelatihan dengan klasifikasi JST BP. Menggunakan fungsi pembelajaran resilient backpropagasi. Pengujian JST-BP membandingkan data uji dengan data hasil tranning sebelumnya yang terdapat didalam database. Hasil pengujian tanda-tangan untuk sampel tanda tangan online dan offline dengan menggunakan metode JST-BP, terlihat bahwa dengan tanda tangan online masih bisa di identifikasi 153 citra dengan tingkat akurasi sebesar 76 % dari 200 data citra, untuk tanda tangan offline di identifikasi 197 citra dengan tingkat akurasi sebesar 98% dari 200 data citra.

Identifikasi Telinga Berdasarkan Fitur Geometrik dan KNN Alda Cendekia Siregar
CYBERNETICS Vol 1, No 01 (2017): CYBERNETICS
Publisher : Universitas Muhammadiyah Pontianak

Sistem identifikasi saat ini telah menjadi kebutuhan untuk keamanan sistem.Salah satu metode sistem identifikasi yang memiliki tingkat keamanan yang tinggi dan akurat adalah biometrik. Biometrik menggunakan bagian tubuh manusia yang dianggap unik dan dapat membedakan antar individu satu dan yang lainnya. Salah satu biometrik yang baru dan menjadi perhatian dalam dunia penelitian tentang biometrik adalah telinga. Telinga memiliki beberapa kelebihan yang tidak dimiliki oleh biometrik lainnya salah satunya adalah tidak terpengaruh oleh perubahan usia. Bentuk telinga manusia akan tetap sama mulai dari lahir hingga lanjut usia, yang mengalami perubahan hanyalah ukurannya saja sehingga fitur telinga yang dapat digunakan sebagai pembeda adalah bentuk geometriknya. Fitur yang digunakan dalam penelitian ini adalah nilai perbandingan antara panjang long axis dengan titik-titik fitur yang tidak terpengaruh terhadap perputaran, penskalaan, dan perpindahan sedangkan classifier yang digunakan sebagai tolak ukur akurasi sistem identifikasi telinga adalah KNN. Nilai akurasi yang dihasilkan dari sistem identifikasi telinga dengan menggunakan fitur geometrik dan KNN adalah sebesar 97%, nilai akurasi ini lebih tinggi bila dibandingkan dengan menggunakan classifier JST MLP Backpropagation yang menghasilkan akurasi 79,67%.Kata kunci: Biometrik, Identifikasi telinga, Fitur geometrik, KNN.Nowadays, needs for identification system is increasing. Biometric is considered as one of the most robust human identification method due to its high level of security and accuracy. Ear has been introduced as biometric recently. Ear has distinct feature that possess unique value for every individuals. One of ear features which can be used to differentiate one person from another is geometrical feature. Feature extraction produces the ratio of long axis to each feature point. This ratio are invariant to rotation, scaling and translation. System performance is evaluated using accuracy measure. Result of this research shows that KNN has 97% accuracy. Accuracy comparison is conducted among other classifier i.e. MLP backpropagation. KNN has 97% accuracy and MLP backropagation has 79,67% accuracy. KNN’s accuracy higher then MLP’sKeywords: Biometric, Ear identification, Geometrical feature, KNN.

Reduced Rule Base Pada Sistem Pakar Untuk Diagnosa Penyakit Balita Gizi Buruk Di Kalimantan Barat menur wahyu pangestika; Alda Cendekia Siregar
CYBERNETICS Vol 3, No 01 (2019): CYBERNETICS
Publisher : Universitas Muhammadiyah Pontianak

Masalah kurang gizi masih menjadi masalah kesehatan masyarakat dan dapat menjadi penyebab kematian terutama pada kelompok resiko tinggi bayi dan balita. Sistem pakar sangat membantu untuk pengambilan keputusan karena mengandung pengetahuan dari satu atau lebih pakar manusia mengenai suatu bidang spesifik. Didalam sistem pakar terdapat aturan IF-Then yang mendefinisikan hubungan logis antara masalah yang ditetapkan. Penyederhanaan fungsi Boolean digunakan untuk mendapatkan reduced rule base dengan menggunakan K-map. Pembuatan k-map dibutuhkan 2n baris table kebenaran, dan pada K-map dibutuhkan 2n kotak persegi. Data gejala dan penyakit yang terjadi pada gizi buruk balita didapatkan dari hasil wawancara kepada pakar yaitu Ahli Gizi dan Dokter Spesialis Anak. Data penyakit yang digunakan pada penelitian ini adalah ISPA, TB Paru, dan Pneumonia. Penelitian ini membandingkan metode Reduce Rule Based dengan metode Certainty Factor pada kasus diagnosa penyakit balita gizi buruk dan didapatkan metode Certainty Factor lebih baik dari pada metode Reduce Rule Based dalam menentukan diagnosis pada kasus balita gizi buruk (Validitas CF sebesar 100% dan Validitas Reduce Rule Based sebesar 73,34%).

Perbandingan Model Arima dan Deep Learning untuk Peramalan Kasus Covid-19 Izhan Fakhruzi; Alda Cendekia Siregar; Putri Yuli Utami; Rodibelle F Leona
CYBERNETICS Vol 6, No 02 (2022): CYBERNETICS
Publisher : Universitas Muhammadiyah Pontianak

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29406/cbn.v6i02.5557

Jumlah kasus Covid-19 di kawasan Asia Tenggara terbilang tinggi. Di Asia Tenggara, Indonesia memiliki jumlah kasus dan kematian positif covid-19 tertinggi, diikuti oleh Filipina dan Malaysia. Penelitian ini bertujuan untuk menggunakan metode peramalan time series untuk memprediksi jumlah kasus Covid-19 sehingga akan membantu pemerintah di kawasan Asia Tenggara untuk membuat kebijakan berdasarkan hasil peramalan tersebut. Dua metode peramalan populer untuk data time series adalah Autoregressive Integrated Moving Average (ARIMA) dan Long Short Term Memory (LSTM). Kedua metode tersebut dibandingkan performa dan akurasinya untuk memprediksi jumlah kasus Covid-19. Hasil eksperimen menunjukkan bahwa LSTM mengungguli ARIMA dalam memprediksi jumlah kasus covid-19 di Asia Tenggara.

Co-Authors Abdurrahman Abdurrahman Alkadri, Syarifah Putri Agustini Anastasya Putri Sulistio Angga Prima Syahputra Asrul Abdullah Barry Ceasar Octariadi Chairul Syafar Putra Dedy Trianto Dila Adellia Eki Komariah Fakhruzi, Izhan Istikoma Istikoma Lea Candra Menur Wahyu Pangestika, Menur Wahyu Mi'andri Mi'andri Putri Yuli Utami Rachmat Wahid Saleh Insani Rodibelle F Leona Wawan Setiawan

Title Search

Found 6 Documents Search Journal : CYBERNETICS

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 6 Documents
Search
Journal : CYBERNETICS