Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal JAIS (Journal of Applied Intelligent System) Jurnal Eksplora Informatika KOMPUTIKA - Jurnal Sistem Komputer
Wijanarto Wijanarto
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Automatic Power-up Items Placement on Shooter Game using Convolutional Neural Network Alvin Satria Nugraha; Abas Setiawan; Wijanarto Wijanarto
Journal of Applied Intelligent System Vol 5, No 1 (2020): Journal of Applied Intelligent System
Publisher : Universitas Dian Nuswantoro and IndoCEISS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/jais.v5i1.4213

Abstract

- A shooter game is a popular game genre with various components. To make a shooter game more attractive, some power-ups items can support players to achieve their goals. Power-ups items provide more power to players, some of which include ammo, extra lives, and invulnerability. The location of power-ups items should be in a special place so that it neither too easy to find nor too difficult to find. Item placement could be done manually by a human or a technical artist. It will need a relatively long time and high cost. In this paper, we try to mimic technical artist vision when placing an item. Visual images have been collected by scanning spatially the forest terrain by using a virtual camera on top. Each image data comply with the item placement rules according to the Tomb Raider and Uncharted 4 games. Convolutional Neural Network (CNN) is used to find out which images can be occupied by power-up items or not. From several experimental scenarios, the use of the Global Average Pooling layer is proven to produce a model that is not overfitting. The best CNN models are developed and got an accuracy of 90.5% with an architecture that includes the Global Average Pooling layer. That model is applied to the new forest terrain so that power-up items can automatically be placed in an appropriate location.
Algoritme Genetika untuk Desain Level Dinamis pada Game Edukasi Kebakaran Hutan Danny Wijaya; Hanny Haryanto; Erna Zuni Astuti; Wijanarto Wijanarto
Komputika : Jurnal Sistem Komputer Vol 10 No 1 (2021): Komputika: Jurnal Sistem Komputer
Publisher : Computer Engineering Departement, Universitas Komputer Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/komputika.v10i1.3586

Abstract

Kebakaran hutan dianggap sebagai ancaman yang memiliki potensi besar dalam menghambat pembangunan yang berkelanjutan karena efeknya langsung bagi ekosistem. Kebakaran hutan semakin menarik perhatian dari pihak lokal maupun internasional karena memiliki dampak terhadap lingkungan dan ekonomi. Sosialisasi kebakaran hutan terhadap masyarakat dapat dilakukan melalui berbagai cara. Video Game adalah permainan interaktif dengan antarmuka pengguna melalui gambar yang dihasilkan oleh piranti video. Game dapat berfungsi untuk menumbuhkan pengetahuan, kreativitas, emosi, kecerdasan dan nilai-nilai sikap, oleh karena itu game dapat digunakan sebagai sarana edukasi kebakaran hutan. Dalam pembuatan game, desain level merupakan salah satu faktor utama yang menentukan kualitas gameplay dari suatu game. Penelitian ini menggunakan algoritma genetika sebagai metode Procedural Content Generation dalam desain level dari game edukasi kebakaran hutan. Metode algoritma genetika dapat menghasilkan bentuk level yang optimal dari hasil iterasi dengan memilih kandidat terbaik.
Analisis Algoritma RSA Dan LSB pada One Time Password untuk Financial Technology Galuh Sitoresmi; Wijanarto Wijanarto
Jurnal Eksplora Informatika Vol 8 No 2 (2019): Jurnal Eksplora Informatika
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (553.898 KB) | DOI: 10.30864/eksplora.v8i2.157

Abstract

Financial Technology (fintech) merupakan inovasi dibidang pelayanan keuangan yang memanfaatkan teknologi untuk meningkatkan pelayanan dan mempermudah transaksi. Karena berkaitan dengan keuangan, maka keamanan dalam fintech harus kuat dan terjamin. Penyedia layanan fintech seperti GoPay, Paypro dan t-cash menggunakan One Time Password (OTP) dengan format 4 dan 6 digit bilangan acak numerik yang dikirimkan melalui SMS sebagai solusi otentikasi. Namun kode tersebut mudah terbaca sehingga rawan disalahgunakan oleh orang tidak bertanggungjawab dan dapat merugikan pengguna. Kriptografi merupakan teknik menyandikan informasi kedalam karakter tertentu dan disusun acak sehingga sulit dimengerti. RSA merupakan algoritma kriptografi yang handal karena menggunakan kunci berbeda untuk menyandikan informasi. Metode LSB merupakan teknik steganografi sederhana untuk menyembunyikan informasi ke dalam citra sehingga mempersulit informasi dapat dibaca dan disalahgunakan. Dengan menerapkan algoritma RSA dan teknik LSB maka dapat meningkatkan keamanan kode OTP, karena kode OTP yang tersembunyi didalam citra tidak dapat diketahui oleh mata manusia. Hasil dari penelitian ini, kedua algoritma tersebut melakukan keseluruhan proses sangat cepat, durasi rata-rata untuk memproses kode OTP format 4 digit yaitu 0,6738 detik, sedangkan format 6 digit sebesar 0,7005 detik. Hasil kualitas citra stego dengan pengujian MSE dan PSNR memiliki nilai rata-rata yang tinggi yaitu MSE sebesar 0,000531 dan PSNR sebesar 83,110348 dB.
Optimasi Algoritma Klasifikasi Biner dengan Tuning Parameter pada Penyakit Diabetes Mellitus Wijanarto Wijanarto; Rhatna Puspitasari
Jurnal Eksplora Informatika Vol 9 No 1 (2019): Jurnal Eksplora Informatika
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (496.088 KB) | DOI: 10.30864/eksplora.v9i1.257

Abstract

Diabetes Melitus atau yang biasanya disebut dengan penyakit kencing manis merupakan penyakit yang terjadi akibat peningkatan kadar glukosa di dalam darah terlalu tinggi. Data World Health Organization (WHO), menunjukkan Indonesia menjadi negara keempat di dunia dengan angka penderita diabetes terbanyak dan mengalami peningkatan hingga 14 juta orang. Peningkatan kasus penyakit Diabetes melitus ini memerlukan suatu upaya penanggulangan dan pencegahan dini terhadap penyakit Diabetes melitus. Dalam penelitian ini akan dilakukan optimasi algoritma klasifikasi biner pada penyakit diabetes melitus mulai dari observasi, visualisasi, statistic deskriptif dataset, pre-processing dataset, penentuan baseline model, tuning parameter model dan finalisasi model. Penentuan baseline model diperoleh dengan mencari nilai akurasi tertinggi dari 3 algoritma linear (Logistic Regression, Linear Discriminant Analysis, K-nearest neighbor) atau 3 algoritma non- linear (Decision Tree, Naïve Bayes, Support Vector Machine) berdasarkan tuning parameternya dan yang menghasilkan akurasi optimal adalah Algoritma Support Vector Machine, sehingga dijadikan sebagai final model dengan parameter C sebesar 47 dengan kernel rbf dihasilkan rerata akurasi sebesar 77.3% pada data training dan 74.5% pada data testing, sementara berdasarkan confusion matrix dihasilkan precision 78%, recall 83%, f1-Score 81%, error rate 25%.
Peningkatan Performa Analisis Sentimen Dengan Resampling dan Hyperparameter pada Ulasan Aplikasi BNI Mobile Wijanarto Wijanarto; Seviana Pungki Brilianti
Jurnal Eksplora Informatika Vol 9 No 2 (2020): Jurnal Eksplora Informatika
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1221.456 KB) | DOI: 10.30864/eksplora.v9i2.333

Abstract

Penggunaan mobile banking meningkat seiring dengan kemajuan teknologi. Hampir setiap bank di Indonesia memiliki layanan mobile banking, termasuk BNI. Menurut survei dari Top Brand Award, BNI Mobile Banking menurun menjadi nomor 4 pada tahun 2016 dan 2017. Artinya terdapat relasi yang kuat antara ulasan pemakai aplikasi terhadap kinerja aplikasi. Dengan demikian membawa akibat pada pentingnya mempertahankan kualitas layanan serta kemampuan untuk bersaing dengan bank lain. Beberapa penelitian analisis sentimen sebelumnya belum melihat ketersediaan apakah dataset sudah dieksplorasi keseimbangannya atau tidak untuk meningkatkan performa model yang dipilih. Oleh karena itu, dalam artikel ini mencoba melakukan analisis sentimen pada ulasan pengguna aplikasi BNI Mobile Banking di Google Play sebanyak 6954 data terpilih dengan label positif dan negatif dan menggunakan 7 metode dasar sebagai baseline untuk dipilih satu yang mempunyai performa terbaik yitu Support Vector Classifier, setelah dilakukan resampling dataset dengan Repeated Edited Nearest Neighbours dan hyperparameter model C=1, degree=2 kernel poly didapatkan akurasi sebesar 98.54% pada data training dan akurasi 100% pada data uji. Selanjutnya dari 26 data mentah baru dilakukan eksperimen dan menghasilkan prediksi benar sebesar 19 sementara 7 salah dengan error rate sebesar 27%.
Co-Authors Abas Setiawan Alvin Satria Nugraha Danny Wijaya Erna Zuni Astuti Galuh Sitoresmi Hanny Haryanto Rhatna Puspitasari Seviana Pungki Brilianti