Article Per Year (5 Year)
p-Index From 2020 - 2025
1.152
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Komputer JOURNAL OF APPLIED INFORMATICS AND COMPUTING Jurnal Informasi dan Komputer INFOMATEK: Jurnal Informatika, Manajemen dan Teknologi Systematics Jurnal Ilmiah Wahana Pendidikan
Garno Garno
Unknown Affiliation
Religion Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Mechanical Engineering Social Sciences Other

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
Analisis Sentimen Opini Pemindahan Ibu Kota Pada Twitter Dengan Metode Support Vector Machine Tezza Fazar Tri Hidayat; Garno Garno; Azhari Ali Ridha
Jurnal Ilmu Komputer Vol 14 No 1 (2021): Jurnal Ilmu Komputer
Publisher : Informatics Department, Faculty of Mathematics and Natural Sciences, Udayana University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24843/JIK.2021.v14.i01.p06

Abstract

The relocation of the capital city of Indonesia has now been inaugurated by President Joko Widodo on August 26, 2019, to Kalimantan, it is a new history in Indonesian history because it has never happened before, giving rise to many opinions or responses from the public. Sentiment analysis is an activity used to analyze a person's opinions or opinions on a topic. Twitter is a social media used to express user's opinions and united them on a topic. Support Vector Machine is a method of text mining which includes classification methods and Term Frequency - Inverse Document Frequency is a method of weighting characters. SVM and TF-IDF can be used to analyze public opinion sentiments on the topic of moving the Indonesian capital. The purpose of this study is to classify public opinion on the topic of moving the Indonesian capital from thousands of tweets that have been collected and filtered. Tweets that have been processed are 992 tweets from March 22-29, 2020 and, consist of 221 data with positive labels and 771 negative data. And using the SVM method which has an accuracy of 77.72% and combined with TFIDF which increases its accuracy to 78.33%.
DETEKSI DAN IDENTIFIKASI CITRA DIGITAL JENIS BERAS MENGGUNAKAN METODE ANFIS DAN PREWITT Nisrina Hasna Nataraharja; Riza Ibnu Adam; Garno Garno
INFOMATEK Vol 22 No 2 (2020): Volume 22 No. 2 Desember 2020
Publisher : Fakultas Teknik, Universitas Pasundan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23969/infomatek.v22i2.3250

Abstract

Indonesia termasuk negara penghasil beras terbanyak ketiga di dunia. Berkat itulah terdapat banyak jenis beras di Indonesia. Penelitian ini bertujuan untuk mengidentifikasi jenis beras menggunakan metode Adaptive Neuro Fuzzy Inference (ANFIS) yang dapat dilatih untuk mengidentifikasi jenis-jenis beras. Menggunakan nilai yang terdapat pada ekstraksi ciri bentuk yang meliputi metric dan eccentricity serta ekstraksi ciri tekstur yang meliputi LBP, contrast, correlation, dan energy. Penelitian ini juga bertujuan untuk mengetahui pengaruh penambahan deteksi tepi Prewitt terhadap akurasi dalam identifikasi jenis beras. Deteksi tepi ini ditambahkan pada pengambilan nilai ekstraksi ciri bentuk. Nilai ekstraksi diambil dari 100 citra latih dan 100 citra uji dengan masing-masing 25 citra per jenis beras. Hasil dari penelitian yang dilakukan menunjukkan bahwa ANFIS terbukti cukup baik dalam mengidentifikasi jenis beras dengan rerata akurasi diatas 70%, sedangkan penggunaan deteksi tepi Prewitt berpengaruh 1-5% terhadap akurasi.
Komparasi Algoritma K-Means dan K-Medoids Untuk Pengelompokkan Penyebaran Covid-19 di Indonesia Anisa Fira; Chaerur Rozikin; Garno Garno
Journal of Applied Informatics and Computing Vol 5 No 2 (2021): December 2021
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v5i2.3286

Abstract

COVID-19 merupakan bagian dari keluarga virus penyebab Severe Acute Respiratory Syndrome (SARS) dan Middle East Respiratory Syndrome (MERS), beberapa gejala yang dialami apabila terinfeksi virus ini antara lain batuk, demam, letih, sesak nafas, dan mengalami penurunan nafsu makan. Pada Penelitian ini data yang digunakan tahun 2019 - Februari 2021 yang bersumber pada website resmi www.covid19.go.id. Dalam upaya menemukan daerah yang memiliki kasus penyakit Covid-19 dapat menggunakan Data Mining. Negara indonesia merupakan salah satu dari negara di dunia yang cukup tinggi terkena virus covid-19. Tujuan penelitian ini yaitu untuk mengelompokan provinsi yang memiliki penyakit covid-19 dengan tingkat tinggi dan rendah di indonesia dan melakukan perbandingan dengan metode algoritma yang digunakan yaitu K-Means dan K-Medoids. hasil yang didapatkan pada penelitian ini adalah memiliki cluster optimal sebanyak 2 cluster, dengan menggunakan algoritma K-Means dimana cluster 1 beranggotakan 2 wilayah dan dikategorikan tinggi, sedangkan untuk cluster 2 sebanyak 32 wilayah dan dikategorikan rendah. Sedangkan menggunakan algoritma K-Medoids yaitu untuk cluster 1 beranggotakan 4 wilayah dan dikategorikan tinggi, sedangkan untuk cluster 2 sebanyak 30 wilayah dan dikategorikan rendah. Dari kedua perbandingan tersebut menghasilkan nilai Silhouette Coefficient dengan metode K-Means adalah sebesar 0,207. Sedangkan Nilai Silhouette Coefficient dengan metode K-Medoids adalah sebesar 0,347.
Perbandingan Algoritma Round Robin dan Algoritma Least Connection pada Haproxy untuk Load Balancing Web Server Arip Solehudin; Rini Mayasari; Garno Garno; Agung Susilo Yuda Irawan
SYSTEMATICS Vol 2 No 1 (2020): April 2020
Publisher : Universitas Singaperbangsa Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35706/sys.v2i1.3634

Abstract

Sekolah Menengah Atas (SMA), Sekolah Menengah Kejuruan (SMK) atau yang sederajat menyelenggarakan ujian kenaikan kelas menggunakan Computer Based Test (CBT). Akan tetapi, dalam pelaksanaanya mengalami permasalahan, salah satunya beban server. Hal tersebut diakibatkan oleh permintaan pengguna yang melebihi kemampuan server. Untuk mengatasi permasalah tersebut digunakanya load balancing web server menggunakan haproxy. Namun penggunaan load balancing web server, sering mengalami inkonsistensi data tiap server. Oleh karena itu digunakan replikasi database yang dapat menjamin konsistensi data dalam load balancing web server. Penelitian ini menggunakan pendekatan deksriptif dengan metode perancangan sitem jaringan PPDIOO. Ada dua algoritma load balancing yang dibandingkan, yaitu algoritma round robin dan algoritma least connection. Berdasarkan hasil pengujian httperf, parameter throughput kedua algoritma memperoleh nilai rata-rata yang sama yaitu 99,5 Kb / second. Pada pengujian parameter response time algoritma least connection lebih unggul yaitu 6,9 ms dibandingkan dengan round robin yang memiliki nilai rata-rata sebesar 7,2 ms, namun pada pengujian parameter CPU Utilization algoritma round robin bernilai 23,7 % lebih unggul dibandingkan algoritma least connection yaitu 24,3 %. 
Implementasi Sistem Pakar Dengan Metode Certainty Factor Dan Forward Chaining Pada Helpdesk UPT TIK Unsika Muhammad Fahmi Prasetio; Apriade Voutama; Garno Garno
Jurnal Ilmiah Wahana Pendidikan Vol 8 No 13 (2022): Jurnal Ilmiah Wahana Pendidikan
Publisher : Peneliti.net

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (315.171 KB) | DOI: 10.5281/zenodo.6962437

Abstract

UPT TIK as one of the service units at Singaperbangsa KarawangUniversity which helps overcome problems related to the use ofinformation facilities within the Singaperbangsa Karawang University.One of the efforts made by UPT TIK to improve services is by providingHelpdesk services. Over time this Helpdesk still has a weakness, when thenumber of problems is very large but the number of technicians availableis very limited and all problems must be solved with the possibility of notdisturbing activities on the campus of Singaperbangsa KarawangUniversity. Therefore, it is necessary to optimize services so that they areable to serve without the help of a technician who is an expert in their fieldto deal with existing problems. An expert system is a use of artificialintelligence technology to support every activity. This study aims to applythe system to the existing Helpdesk service with Certainty Factor reasoningand Forward Chaining methods. At the development stage, this systemuses the ESDLC (Expert System Development Life Cycle) method whichconsists of knowledge, conceptualization, formalization, implementation,and testing. The results obtained in the study were as many as 13 rules thatwere implemented in the UPT TIK Helpdesk service at SingaperbangsaKarawang University with an accuracy rate of 90%.
Analisis Sentimen Program Migrasi TV Digital Menggunakan Algoritma Naive Bayes dengan Chi Square Virgaria Zuliana; Garno Garno; Iqbal Maulana
Jurnal informasi dan komputer Vol 10 No 2 (2022): Jurnal Sistem Informasi dan Komputer yang terbit pada tahun 2022 pada bulan 10 (
Publisher : STMIK Dian Cipta Cendikia Kotabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35959/jik.v10i2.366

Abstract

Currently, television occupies the number 2 position as a source of information after social media. The analog TV broadcast system will be replaced with digital TV based on a plan issued by the Ministry of Communication and Information in Indonesia. Social media is useful for sharing thoughts and opinions about events, products and more, for example on the ongoing digital TV migration. The advantages of digital TV include superior technology and clear, crisp picture clarity. Some people argue that they are satisfied with the transition to digital TV, while others are the opposite. So that researchers are interested in these two opinions and are interested in analyzing public sentiment regarding the migration program for digital TV broadcasts on Twitter social media because of these two responses. The Naive Bayes method with Chi Square feature selection is used in the research process to examine differences in public opinion about migration to digital TV broadcasts. The results of the classification with 191 positive sentiment data and 185 negative sentiment data resulted in 96% accuracy, 93% precision and 100% recall.
Co-Authors Agung Susilo Yuda Irawan Anisa Fira Apriade Voutama Arip Solehudin Azhari Ali Ridha Chaerur Rozikin Iqbal Maulana Muhammad Fahmi Prasetio Nisrina Hasna Nataraharja Rini Mayasari Riza Ibnu Adam Tezza Fazar Tri Hidayat Virgaria Zuliana