Garuda - Garba Rujukan Digital

p-Index From 2020 - 2025

0.659

P-Index

This Author published in this journals

All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal Edukasi dan Penelitian Informatika (JEPIN) Journal of Information Systems Engineering and Business Intelligence Sistemasi: Jurnal Sistem Informasi International Journal of Social Service and Research Jurnal Informatika: Jurnal Pengembangan IT

Eto Wuryanto

Prodi Sistem Informasi Fakultas Sains Dan Teknologi Universitas Airlangga

Author-ID : 3027392

Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Environmental Science Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Social Sciences

Published : 9 Documents Claim Missing Document

Claim Missing Document

Articles

Sistem Pendukung Keputusan Peramalan Jumlah Kunjungan Pasien Menggunakan Metode Extreme Learning Machine (Studi Kasus : Poli Gigi Rsu Dr. Wahidin Sudiro Husodo Mojokerto) Fardani, Delia Putri; Wuryanto, Eto; Werdiningsih, Indah
Journal of Information Systems Engineering and Business Intelligence Vol 1, No 1 (2015): April
Publisher : Program Studi Sistem Informasi, Fakultas Sains dan Teknologi, Universitas Airlangga

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (405.829 KB)

Abstrakâ Penelitian ini bertujuan merancang dan membangun sistem pendukung keputusan untuk meramalkan jumlah kunjungan pasien RSU Dr. Wahidin Sudiro Husodo Kota Mojokerto dengan menggunakan metode Extreme Learning Machine (ELM). Dengan adanyaÂ sistem pendukung keputusan ini direktur Rumah Sakit dapat meramalkan jumlah kunjungan pasien dan membantu dalam pembuatan kebijakan rumah sakit, mengatur sumber daya manusia dan keuangan, serta mendistribusikan sumber daya material dengan benar khususnya pada poli gigi. Dalam rancang bangun sistem pendukung keputusan ini dilakukan dalam beberapa tahap. Tahap yang pertama, pengumpulan data untuk mengidentifikasi inputan yang dibutuhkan dalam penghitungan metode ELM. Tahap kedua, pengolahan data, data dibagi menjadi data training dan data testing dengan komposisi data training sebanyak 80% (463 data) dari total 579 data dan 20% (116 data) sisanya sebagai data testing yang kemudian di normalisasi. Tahap ketiga, peramalan jumlah kunjungan pasien menggunakan metode ELM. Tahap terakhir, perancangan sistem menggunakan sysflow dan pembangunan sistem berbasis desktop serta evaluasi sistem. Hasil penelitian berupa aplikasi sistem pendukung keputusan untuk meramalkan jumlah kunjungan pasien. Dan melalui uji coba menggunakan 116 data testing berdasarkan fungsi aktivasi sigmoid biner dengan jumlah hidden layer sebanyak 7 unit dan Epoch 500 diperoleh hasil optimal MSE sebesar 0.027Â Kata Kunciâ Sistem Pendukung Keputusan, Peramalan, Jaringan Syaraf Tiruan, Extreme Learning MachineAbstractâ In this research, a decision support system to predict the number of patients visit RSU Dr. Wahidin Sudiro Husodo Kota Mojokerto was designed and developed using Extreme Learning Machine (ELM) method which aims to assist director in making decision for the hospital, managing human and financial resource, as well as distributing material resource properly especially in the Department of Dentistry. The design of this decision support system to predict the number of patients visit with ELM method is divided into several stages. The first stage is to identify the input data collection needed in the calculation method of ELM. The next stage is processing the data; the data is divided into training data and testing data and then normalized, in which training data is 80% (452 data) and testing 579 data 20% (116 data). The third stage is problem solving using ELM. The last stage is the design and development of systems using sysflow and desktop-based system that includes the implementation and evaluation of the system. The result of this research is an application of decision supporting system to predict number of patients. By using 116 testing data based on the binary sigmoid activation function using 7 units of hidden layer and 500 Epoch then Optimal MSE value that was obtained is 0.027.Â Keywordsâ Decision Supporting System, Prediction, Artificial Neural Network, Extreme Learning Machine

Penerapan Model Technology-to-Performance Chain pada Cyber Campus Effendy, Faried; Wuryanto, Eto; Marentina, Livia Felisia
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 5, No 2 (2019): Volume 5 No 2
Publisher : Program Studi Informatika

Model Technology to Performance Chain (TPC) merupakan suatu model komprehensif dari dua hal yang komplementer yaitu: sikap pengguna sebagai prediktor utilisasi atau pemanfaatan dan Task Technology Fit sebagai prediktor kinerja. Penelitian ini bertujuan untuk mengidentifikasi pengaruh antar variabel dari model TPC terhadap lingkungan Cyber Campus serta memberikan rekomendasi atau saran untuk peningkatan kualitas Cyber Campus. Pengolahan data menggunakan metode PLS-SEM dengan menggunakan responden 100 mahasiswa pengguna Cyber Campus. Dari hasil penelitian didapatkan 6 hipotesis diterima dan 2 hipotesis ditolak. Rekomendasi yang disarankan agar penggunaan Cyber Campus dapat meningkat adalah dengan pemberdayaan fitur yang sudah ada dan peningkatan layanan Helpdesk.

Perbandingan Algoritma Pengelompokan Non-Hierarki untuk Dataset Dokumen Dyah Herawatie; Eto Wuryanto; Purbandini Purbandini
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2014
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Tujuan penelitian ini adalah membandingkan beberapa algoritma pengelompokan non-hierarki : K-Means, Bisecting K-Means, K-Median dan K-Medoid untuk data dokumen. Perbandingan dilakukan dengan menggunakan Fmeasure dan akurasi sebagai ukuran kualitas ketepatan hasil pengelompokan. Dalam penelitian ini data yang dipakai untuk eksperimen adalah artikel media masa yang berbahasa Indonesia yang diambil dari website Kompas (www.kompas.com) dan Detik (www.detik.com). Tahapan yang digunakan dalam penelitian ini adalah sebagai berikut : Tahap pertama adalah pengambilan dan pemrosesan data. Sebelum dilakukan pengelompokan data, data dokumen terlebih dahulu harus melalui tahap pra proses, yaitu Detagging, Stopword removal, dan Stemming. Hal ini dimaksudkan agar kata-kata yang digunakan untuk membentuk term-document matrix hanyalah kata-kata khusus yang dapat merepresentasikan dokumen yang ada. Langkah selanjutnya adalah penentuan fitur dan penyusunan term-document matrix. Jumlah fitur yang digunakan untuk pengelompokan dinyatakan dengan persentase dari total fitur. Langkah terakhir : melakukan pengelompokan data set dokumen dengan menggunakan algoritma K-Mean, Bisecting K-Mean, K-Median, dan K-Medoid dengan menggunakan jarak Euclid dan cosinus. Dari hasil eksperimen dapat diambil kesimpulan bahwa algoritma pengelompokan yang memberikan hasil yang terbaik adalah K-Mean. Disamping itu Bi-secting K-Mean juga menghasilkan pengelompokan yang memuaskan. Selain itu jarak cosinus juga memberikan hasil yang paling baik dibandingkan dengan jarak Euclid. Dari hasil ekperimen, hanya dengan menggunakan 10% sampai 30% fitur yang digunakan telah menghasilkan pengelompokan yang memuaskan.

Sistem Pendukung Keputusan Peramalan Jumlah Kunjungan Pasien Menggunakan Metode Extreme Learning Machine (Studi Kasus : Poli Gigi Rsu Dr. Wahidin Sudiro Husodo Mojokerto) Delia Putri Fardani; Eto Wuryanto; Indah Werdiningsih
Journal of Information Systems Engineering and Business Intelligence Vol. 1 No. 1 (2015): April
Publisher : Universitas Airlangga

Abstrak— Penelitian ini bertujuan merancang dan membangun sistem pendukung keputusan untuk meramalkan jumlah kunjungan pasien RSU Dr. Wahidin Sudiro Husodo Kota Mojokerto dengan menggunakan metode Extreme Learning Machine (ELM). Dengan adanya sistem pendukung keputusan ini direktur Rumah Sakit dapat meramalkan jumlah kunjungan pasien dan membantu dalam pembuatan kebijakan rumah sakit, mengatur sumber daya manusia dan keuangan, serta mendistribusikan sumber daya material dengan benar khususnya pada poli gigi. Dalam rancang bangun sistem pendukung keputusan ini dilakukan dalam beberapa tahap. Tahap yang pertama, pengumpulan data untuk mengidentifikasi inputan yang dibutuhkan dalam penghitungan metode ELM. Tahap kedua, pengolahan data, data dibagi menjadi data training dan data testing dengan komposisi data training sebanyak 80% (463 data) dari total 579 data dan 20% (116 data) sisanya sebagai data testing yang kemudian di normalisasi. Tahap ketiga, peramalan jumlah kunjungan pasien menggunakan metode ELM. Tahap terakhir, perancangan sistem menggunakan sysflow dan pembangunan sistem berbasis desktop serta evaluasi sistem. Hasil penelitian berupa aplikasi sistem pendukung keputusan untuk meramalkan jumlah kunjungan pasien. Dan melalui uji coba menggunakan 116 data testing berdasarkan fungsi aktivasi sigmoid biner dengan jumlah hidden layer sebanyak 7 unit dan Epoch 500 diperoleh hasil optimal MSE sebesar 0.027 Kata Kunci— Sistem Pendukung Keputusan, Peramalan, Jaringan Syaraf Tiruan, Extreme Learning MachineAbstract— In this research, a decision support system to predict the number of patients visit RSU Dr. Wahidin Sudiro Husodo Kota Mojokerto was designed and developed using Extreme Learning Machine (ELM) method which aims to assist director in making decision for the hospital, managing human and financial resource, as well as distributing material resource properly especially in the Department of Dentistry. The design of this decision support system to predict the number of patients visit with ELM method is divided into several stages. The first stage is to identify the input data collection needed in the calculation method of ELM. The next stage is processing the data; the data is divided into training data and testing data and then normalized, in which training data is 80% (452 data) and testing 579 data 20% (116 data). The third stage is problem solving using ELM. The last stage is the design and development of systems using sysflow and desktop-based system that includes the implementation and evaluation of the system. The result of this research is an application of decision supporting system to predict number of patients. By using 116 testing data based on the binary sigmoid activation function using 7 units of hidden layer and 500 Epoch then Optimal MSE value that was obtained is 0.027. Keywords— Decision Supporting System, Prediction, Artificial Neural Network, Extreme Learning Machine

Penyusunan Panduan Pengelolaan Keamanan Informasi Untuk Firewall Configuration Berdasarkan Kerangka Kerja PCI DSS v.3.1 dan COBIT 5 Bagus Puji Santoso; Eva Hariyanti; Eto Wuryanto
Journal of Information Systems Engineering and Business Intelligence Vol. 2 No. 2 (2016): October
Publisher : Universitas Airlangga

Abstrak — Keamanan informasi merupakan bagian dari sebuah sistem yang sangat penting untuk dijaga validitas dan integritas data serta menjamin ketersediaan layanan bagi penggunaannya. Sistem keamanan informasi harus dilindungi dari segala macam serangan dan usaha-usaha penyusupan atau pemindaian oleh pihak yang tidak berhak. Salah satu mekanisme yang dapat diterapkan dalam meningkatkan keamanan informasi adalah dengan menggunakan firewall. Firewall merupakan sebuah mekanisme pengamanan yang dilakukan dengan cara melakukan kegiatan penyaringan paket data yang masuk dan keluar jaringan. Sehingga untuk dapat mengelola keamanan informasi dengan baik, maka dibutuhkan suatu tata kelola TI. Salah satu tata kelola TI yang dimaksud adalah berupa penyusunan panduan pengelolaan keamanan informasi. Penelitian ini bertujuan untuk membuat sebuah refrensi keamanan informasi berupa panduan pengelolaan keamanan informasi untuk firewall configuration yang mengacu pada standar PCI DSS v.3.1 dan COBIT 5. Penyusunan panduan pengelolaan keamanan informasi untuk firewall configuration dilakukan dalam empat tahap. Tahap pertama adalah penyusunan prosedur pengelolaan keamanan informasi untuk firewall configuration yang terdiri dari tahap analisis pemetaan proses, tahap penyusunan prosedur dan tahap penentuan peran dan deskripsi kerja. Tahap kedua adalah tahap verifikasi panduan pengelolaan keamanan informasi yang dilakukan melalui pemberian kuesioner penilaian. Verifikasi dilakukan dengan mengambil studi kasus di DSIK Universitas Airlangga dan dilakukan tanpa adanya penyesuaian atau spesifikasi terhadap DSIK Universitas Airlangga. Tahap ketiga adalah tahap perbaikan panduan pengelolaan keamanan informasi. Tahap perbaikan ini dilakukan untuk memperbaiki kekurangan yang dihasilkan saat verifikasi. Hasil penelitian ini berupa panduan pengelolaan keamanan informasi untuk firewall configuration. Hasil verifikasi menunjukkan bahwa sebanyak 42,86% responden menyatakan panduan pengelolaan yang dibuat, secara operasional sangat mudah untuk dilaksanakan.Kata Kunci — Assessment, COBIT 5, Keamanan Sistem Informasi, PCI DSS v.3.1, Panduan Pengelolaan.

Sistem Pendukung Keputusan Pemilihan Mahasiswa Berprestasi dengan Metode Fuzzy TOPSIS Dyah Herawatie; Eto Wuryanto
Journal of Information Systems Engineering and Business Intelligence Vol. 3 No. 2 (2017): October
Publisher : Universitas Airlangga

Abstrak—Pemilihan mahasiswa berprestasi adalah kegiatan untuk memilih dan memberikan penghargaan kepada siswa yang mencapai kinerja tinggi dalam kurikuler, ko-kurikuler, maupun ekstrakurikuler. Kegiatan ini dilaksanakan secara berjenjang mulai dari tingkat program studi, departemen, fakultas, perguruan tinggi, hingga di tingkat nasional. Mawapres secara langsung atau tidak langsung dapat mengangkat martabat mahasiswa dan perguruan tingginya. Dalam proses seleksinya melibatkan pertimbangan atau kriteria yang sifatnya crisp : IPK, karya ilmiah, prestasi unggulan dan kemampuan bahasa Inggris. Tetapi dalam kenyataannya kriteria tersebut ada yang bersifat fuzzy, dengan demikian memungkinkan adanya kriteria bersifat campuran antara crisp dan fuzzy sehingga timbul kesulitan dalam melakukan pengurutan. Untuk mengatasi permasalahan yang ada diperlukan sistem pendukung keputusan dengan multi kriteria. Penelitian ini bertujuan untuk merancang dan membangun sistem pengambilan keputusan pemilihan mahasiswa berprestasi di Fakultas Vokasi Universitas Airlangga. Dari aplikasi ini bisa diperoleh hasil perangkingan selain dengan metode standard (sesuai pedoman Dikti), juga ditampilkan hasil perangkingan dengan metode TOPSIS, dan Fuzzy TOPSIS. Dengan beberapa alternatif perangkingan, diharapkan dapat memberi masukan buat pimpinan fakultas sebelum melakukan pengambilan keputusan. Dari 10 kandidat yang mengikuti seleksi pada tahun 2016, menunjukkan bahwa dengan menggunakan ketiga metode memberikan hasil yang berbeda untuk beberapa rangking. Sedangkan beberapa rangking yang lain sama. Terjadinya perbedaan ini disebabkan karena nilai dari beberapa kriteria dari kandidat berdekatan. Adanya perbedaan hasil perangkingan, saat memberikan masukan kepada pimpinan fakultas sebagai dasar pengambilan keputusan.Kata Kunci— Fuzzy TOPSIS, Pemilihan Mahasiswa Vokasi Berprestasi , Sistem Pendukung KeputusanAbstract— Achievement student election is an activity to select and provide awards to students who reached high performance in curricular, co-curricular, and extracurricular. This activity is carried out gradually from the level of the study program, department, faculty, university, up to the national level. Achievement Student election directly or indirectly can raise the dignity of the students and the university. In the process of selection involves crisp consideration or criteria: GPA, scientific work, achievement seeded and English. Actually, there are one or more fuzzy criteria in this case. Since there are many criteria that is a mix between crisp and fuzzy cause difficulty in sorting process so that it becomes an interesting problem. To solve the problem, we need a decision support system with multi-criteria. This research aims to design and build a decision support system in achievement Student election at the Vocational Faculty of Airlangga University. From this application can be obtained the results of rank as an alternative to the standard method (according to the guidelines of Higher Education), also display a resulted rank from both TOPSIS method and Fuzzy TOPSIS. With some alternatives, rank can provide an important information for faculty leaders before making a decision. In 2016, the output of selection to 10 candidates shows that by using the three methods gave different results for some rank. There were differences are due to the value of some of the criteria of the adjacent candidate. The distinction of obtained rank can be a consideration to the faculty leaders in decision making.Keywords— Achievement Student Election, Vocational Faculty of Airlangga University, Fuzzy TOPSIS

Optimizing Uncapacitated Facility Location Problem with Cuckoo Search Algorithm based on Gauss Distribution Mohammad Agung Nugroho; Eto Wuryanto; Kartono Faqih
Sistemasi: Jurnal Sistem Informasi Vol 12, No 2 (2023): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32520/stmsi.v12i2.2467

The objective of this study was to assess the capability of the Gauss distribution-based Cuckoo Search algorithm (GCS) in solving the Uncapacitated Facility Location Problem (UFLP). UFLP is an optimization problem that there are number of locations available to be built a facility so that it can serve number of customers, assuming each facility has no limits to serve customers and only a single facility is allowed to provide services to each customer. The objective function of UFLP is to minimize the combined costs of constructing facilities in an area and providing services to customers. UFLP falls under the category of NP-Hard Problems, where the computation complexity increases with the size of the data. The Cuckoo Search algorithm, which mimics the breeding behavior of Cuckoo birds, has been extensively used to tackle optimization problems. GCS was introduced to overcome the weaknesses of Cuckoo Search algorithm in terms of computational time and search accuracy. GCS used Gaussian distribution instead of Levy Flight which based on Levy distribution. In this study, the GCS algorithm was implemented using JavaScript and the dataset used was obtained from ORLib. The research outcomes showed that the GCS algorithm could achieve optimal result in all dataset.

THE PERSPECTIVE OF MILLENIALS AND GENERATION Z USERS ON ONLINE INVESTMENT PLATFORMS USING PERSONA APPROACH AND USER JOURNEY Maulidya, Syafira Nurilhaq; Effendy, Faried; Wuryanto, Eto
International Journal of Social Service and Research Vol. 4 No. 9 (2024): International Journal of Social Service and Research
Publisher : Ridwan Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46799/ijssr.v4i9.932

Millennials and Generation Z, especially those under 30, show strong interest in digital investment but often feel uncertain due to a lack of knowledge and confidence. This study aims to explore their perspective on online investment platforms by focusing on their motivations, goals, obstacles, and needs. The research begins with Desk Research and User Interviews, which are analyzed using Affinity Diagrams to understand these key areas. Based on the findings, a User Persona is created to represent typical users, offering insights into their behaviors and preferences. Additionally, a User Journey is mapped to illustrate users' activities before and after gaining investment experience. The study identifies the ‘Ardian’ Persona, a Millennial who is motivated by the desire to learn, save, and generate additional income. Ardian values safe and user-friendly investment platforms that meet his needs while avoiding potential obstacles. The User Journey reveals that before gaining investment experience, users focus on preparation and self-education, while after gaining experience, they shift their focus to managing investments to achieve their financial goals. This research contributes to UX by providing two key documents: the User Persona and the User Journey. These offer a detailed view of user motivations, challenges, and needs, which can guide the design and improvement of online investment platforms to better serve Millennials and Generation Z users.

Analisis Berbasis Convolutional Neural Network untuk Pendeteksian Kanker Prostat dengan Citra Magnetic Resonance Imaging (MRI) Rosyidan, Fikri Yoma; Hendradi, Rimuljo; Wuryanto, Eto
Jurnal Informatika: Jurnal Pengembangan IT Vol 10, No 3 (2025)
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/jpit.v10i3.8397

Kanker prostat adalah tumor ganas yang berada dari kelenjar prostat, yang merupakan bagian penting dari sistem reproduksi pria. Adanya peningkatan prevalensi kanker prostat maka diperlukan deteksi dini yang akurat. Penelitian ini memfokuskan pada pemanfaatan deep learning, khususnya metode Convolutional Neural Network (CNN) untuk mendiagnosis kanker prostat melalui citra MRI. Diperlukan penelitian untuk mengkaji tiga arsitektur CNN: U-Net, nnU-Net, dan nnDetection agar didapatkan arsitektur yang terbaik. Data penelitian ini menggunakan data sekunder sejumlah 1294 citra MRI dari The PI-CAI Challenge “Artificial Intelligence Radiologists Prostate Cancer Detection in MRI” tahun 2022. Data tersebut menjalani proses pre-processing, termasuk normalisasi intensitas piksel, augmentasi data seperti rotasi dan scaling, serta pemotongan gambar untuk menghilangkan area yang tidak relevan. Proses selanjutnya data tersebut akan masuk ke tahap pelatihan model dengan menggunakan ketiga arsitektur. Hasil dari pelatihan tersebut akan dievaluasi kinerja modelnya dengan menggunakan metrik Area Under the Receiver Operating Characteristic Curve (AUROC) dan Average Precision (AP). Hasil evaluasi menunjukkan bahwa arsitektur U-Net mencapai AUROC 89,94% dan AP 51,22%, arsitektur nnU-Net mencapai AUROC 97,75% dan AP 86,67%. dan arsitektur nnDetection mencapai AUROC 83,66% serta AP 49,91%. Dari perbandingan hasil ketiga arsitektur maka didapatkan hasil terbaik adalah arsitektur nnU-Net dengan capaian AUROC 97,75% dan AP 86,67%. Penelitian ini menunjukkan potensi penggunaan CNN dalam diagnosis kanker prostat melalui citra MRI. Temuan penelitian menegaskan pentingnya pemilihan arsitektur yang tepat dalam aplikasi deep learning untuk citra medis.

Co-Authors Bagus Puji Santoso Delia Putri Fardani Delia Putri Fardani, Delia Putri Dyah Erawati, Dyah Eva Hariyanti Faried Effendy Indah Werdiningsih Kartono Kartono Marentina, Livia Felisia Maulidya, Syafira Nurilhaq Mohammad Agung Nugroho Purbandini Soeparman, Purbandini Rimuljo Hendradi Rosyidan, Fikri Yoma Sembiring, Rinawati

Title

Found 9 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 9 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 9 Documents
Search