Article Per Year (5 Year)
p-Index From 2021 - 2026
2.607
P-Index
This Author published in this journals
All Journal TEKNIK INFORMATIKA Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Indonesian Journal on Computing (Indo-JC) Proceeding of the Electrical Engineering Computer Science and Informatics JURNAL MEDIA INFORMATIKA BUDIDARMA JTP - Jurnal Teknologi Pendidikan Building of Informatics, Technology and Science Jurnal Locus Penelitian dan Pengabdian eProceedings of Engineering Advance Sustainable Science, Engineering and Technology (ASSET)
Dade Nurjanah
Universitas Telkom
Aerospace Engineering Automotive Engineering Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mathematics

Published : 38 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 38 Documents
Search

 1   2   3   4 
Sistem Keamanan Rumah Sekunder Berbasis Multimedia Message Service (MMS) Maman Abdurohman; Johan NMP Simatupang; Dade Nurjanah
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2006
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

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

Abstract

Pada Penelitian ini dibangun sebuah sistem keamanan berbasis MMS. Sistem yang dibangun mengintegrasikan layanan SMS dan MMS yang disediakan oleh operator seluler dengan komputer, kamera web dan sensor infra merah untuk menyediakan sebuah sistem keamanan yang efisien dan praktis. Efisien dalam kebutuhan kapasitas penyimpanan dan praktis dalam pengoperasian.Untuk pembangunan sistem digunakan tools bantuan seperti Now SMS/MMS Gateway untuk menerima dan mengirimkan SMS/MMS, Active Port Pro untuk pengontrolan sensor infra merah, dan ActiveX VideoGrabber untuk melakukan capture gambar dan dokumentasi video. Metode kuesioner digunakan untuk melakukan pengujian kualitatif terhadap kepraktisan dari sistem yang dibangun.Pengujian dilakukan dengan membandingkan ukuran rata-rata file dari sistem yang dibangun dengan ukuran file dari sistem CCTV secara umum. Diperoleh kesimpulan bahwa sistem yang dibangun dapat meminimalkan kebutuhan kapasitas penyimpanan. Hasil pengujian kualitatif menunjukkan bahwa 93% responden mengatakan sistem yang dibangun dapat mendukung sistem keamanan utama yang sudah ada dan 100% responden mengatakan sistem praktis dalam pengoperasian.Kata kunci: CCTV, SMS, MMS, GPRS
Analisis dan Implementasi pendekatan Hybrid untuk Sistem Rekomendasi Pekerjaan dengan Metode Knowledge Based dan Collaborative Filtering Sari Rahmawati; Dade Nurjanah; Rita Rismala
Indonesia Journal on Computing (Indo-JC) Vol. 3 No. 2 (2018): September, 2018
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/INDOJC.2018.3.2.210

Abstract

Mencari pekerjaan secara online dapat menjadi kendala tersendiri baik pada pada pelamar pekerjaan maupun pada perusahaan yang mencari karyawan. Saat ini banyak pelamar dan perusahaan lebih memilih menggunakan situs rekruitasi online dibandingkan mencari dengan menggunakan mesin pencari. Recommender system menjadi salah satu kelebihan dari website rekruitasi karena website menyimpan informasi profil pekerja lalu memberikan rekomendasi sesuai dengan data yang mereka dapatkan. Pada penelitian ini penulis membuat hybrid recommender system dengan menggabungkan dua teknik yaitu knowledge based recommender system yang akan merekomendasikan pekerjaan berdasarkan profil user, kualifikasi pekerjaan dan pengaruh dari user lain yang akan memberikan rekomendasi pekerjaan berdasarkan user lain yang memiliki kesamaan. Hasil prediksi dari 2 metode itu akan digabungkan berdasarkan social aperture yang diberikan. Berdasarkan hasil pengujian hybrid recommender system memberikan hasil terbaik untuk memprediksi interaksi dan memberikan rekomendasi berdasarkan hasil RMSE dan f1 score.
Apriori Association Rule for Course Recommender system Fakhri Fauzan; Dade Nurjanah; Rita Rismala
Indonesia Journal on Computing (Indo-JC) Vol. 5 No. 2 (2020): September, 2020
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34818/INDOJC.2020.5.2.434

Abstract

Until recently, recommender systems have been applied in learning, such as to recommend appropriate courses. They are based on users’ ratings, learning history, or curriculum that provide relationship between courses. The last approach, however, can’t be applied to Massive Open Online Courses (MOOCs) that don’t maintain such information. Hence, course recommender systems for MOOCs must be based on other learners’ experience. This paper discusses such recommender systems. We apply Apriori Association Rule and the case study used in this study is the Canvas Network dataset and the HarvardX-MITx dataset. The proposed recommender system consists of a pre-processing to normalize data and reduce anomalous data, data cleaning to handle empty data, K-Modes clustering to group users, grouping registration transactions for filtering user registration transaction, and finally, rule formation using the Apriori Association Rule. The performance of the association rules obtained, a lift ratio evaluation metric is used. The experiments results show the best parameters in this study are 0.01 for minimum support and 0.6 for minimum confidence. With these two parameters, the number of rules and the average lift ratio value on the Canvas Network dataset are 110 rules and 19.055, while the HarvardX-MITx dataset is 48 rules and 3.662.
Group Formation Using Multi Objectives Ant Colony System for Collaborative Learning Fitra Zul Fahmi; Dade Nurjanah
Proceeding of the Electrical Engineering Computer Science and Informatics Vol 5: EECSI 2018
Publisher : IAES Indonesia Section

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (885.641 KB) | DOI: 10.11591/eecsi.v5.1711

Abstract

Collaborative learning is widely applied in education. One of the key aspects of collaborative learning is group formation. A challenge in group formation is to determine appropriate attributes and attribute types to gain good group results. This paper studies the use of an improved ant colony system (ACS), called Multi Objective Ant Colony System (MOACS), for group formation. Unlike ACS that transforms all attribute values into a single value, thus making any attributes are not optimally worth, MOACS tries to gain optimal values of all attributes simultaneously. MOACS is designed for various combinations of attributes and can be used for homogeneous, heterogeneous or mixed attributes. In this paper, sensing/intuitive learning styles (LSSI) and interests in subjects (I) are used in homogeneous group formation, while active/reflective learning style (LSAR) and previous knowledge (KL) are used for heterogeneous or mixed group formation. Experiments were conducted for measuring the average goodness of attributes (avgGA) and standard deviation of goodness of attributes (stdGA). The objectives of MOACS for homogeneous attributes were minimum avgGA and stdGA, while those for heterogeneous attributes were maximum avgGA and minimum stdGA. As a conclusion, MOACS was appropriate for group formation with homogeneous or mixed.
Measuring and Mitigating Bias in Bank Customers Data with XGBoost, LightGBM, and Random Forest Algorithm Berliana Shafa Wardani; Siti Sa'adah; Dade Nurjanah
Jurnal Ilmiah Teknik Elektro Komputer dan Informatika Vol 9, No 1 (2023): March
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jiteki.v9i1.25768

Abstract

To retain its clients, the Portuguese banking institution conducts direct marketing in the form of phone calls to conduct marketing so that clients subscribe to the bank's term deposit. The data used is named bank customers data. Important client features are considered in the acquisition process. This research was conducted with bank customers data from Portuguese banking institution which implements agent acquisition. With a large number of data on bank customers, it can lead to a diversity of data which allows the results of agent acquisition to be unfair. With this, a bias detection and mitigation algorithm are needed to achieve fairness. AI fairness 360 (AIF 360) is a toolkit that provided a bias detection and mitigation algorithm. The bias mitigation algorithm in AIF 360 is divided into three processes, namely reweighing and learning fair representation at the pre-processing stage, prejudice remover and adversarial debasing at the in-processing stage, and equalized odds and reject option classification at the post-processing stage. The output of this study is a comparison of the calculation of bias detection with disparate impact (DI) and statistical parity differences (SPD) before and after mitigation. The adversarial debiasing algorithm performed best than others with 0.943 of DI, -0.004 of SPD, and also increased the 0.015% of the AUC score. Conducting this research can help the prediction of client’s term deposits in Portuguese banking institution more fairly.
Implementasi Dan Analisis Ripple-down Rule Pada Diagnosa Penyakit Jantung Adiyaka Niastya Ihsan Maulana; Dade Nurjanah
eProceedings of Engineering Vol 2, No 2 (2015): Agustus, 2015
Publisher : eProceedings of Engineering

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

Abstract

Abstract—RDR (ripple-down rules) adalah algoritma suatu metode pengakuisisi basis pengetahuan yang digunakan pada sistem pakar. Algoritma ini dapat menentukan hasil klasifikasi sekaligus memperbarui basis pengetahuan dari sistem pakar yang menggunakannya. Karena itu paper ini bertujuan untuk mengimplementasikan metode RDR ini pada sistem pakar untuk mendiagnosa penyakit jantung berdasarkan gejala-gejala yang ada. Hasil dari pengujian yang telah dilakukan dapat disimpulkan sistem pakar dengan algoritma RDR ini dapat memperbarui basis pengetahuannya tanpa memerlukan Knowledge Engineer dan hasil dari diagnosanya tergantung pada urutan masukan kasus yang diterima sistem pakar dan bagaimana pakar (user) menentukan hasil diagnosa pakar. Sistem pakar yang menggunakan algoritma RDR ini efektifitasnya akan meningkat seiring dengan banyaknya kasus yang diterima oleh sistem. Keywords—RDR (Ripple-down Rules), expert system, medical diagnosis
Sistem Informasi Posyandu Dengan Sms Gateway Menggunakan Metode Ontology Dalam Menjawab Pertanyaan Wahyu Setiawan; Dade Nurjanah
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Angka kematian ibu hamil di Indonesia masih tergolong tinggi. Hal ini salah satunya disebabkan kurangnya pengetahuan seorang ibu akan kebutuhan nutrisi yang harus dipenuhi saat masa – masa kehamilan serta jenis makanan yang mengandung nutrisi tersebut. Jarak yang jauh dengan posyandu, keterbatasan transportasi, maupun ketersediaan biaya yang minim membuat kebanyakan ibu hamil malas untuk mencari informasi. Di waktu yang sama tingkat pertumbuhan teknologi mobile sangat tinggi, seperti Handphone yang memiliki fasilitas SMS(Short Message Service) telah banyak digunakan. Fasilitas ini bisa dimanfaatkan dalam menyampaikan informasi, karena penggunaan yang mudah, biaya terjangkau, serta terdapat cakupan wilayah pelayanan yang luas. Dengan adanya SMS Gateway sering digunakan dalam mengelola pesan termasuk juga sistem autoreplay yang secara otomatis bisa dijalankan dengan triger tertentu, ibu hamil bisa mengirimkan pertanyaan seputar infomasi kebutuhan nutrisi ibu hamil melalui SMS. SMS yang diterima oleh sistem melalui modem akan diambil menjadi inputan free text yang nantinya digunakan metode ontology dalam memetakan kata kunci yang ada pada pertanyaan dari user sehingga diharapkan jawaban yang dikirim melalui layanan SMS secara autoreplay bisa relevan sesuai dengan domain yang ada pada ontology. Selama masih terdapat jaringan Handphone, maka layanan ini bisa digunakan oleh ibu hamil. Pemilihan ontology sebagai representasi pengetahuan pada sistem ini, karena mekanisme dalam ontology mampu memetakan data yang kompleks agar mudah diakses. Kata kunci : Angka kematian Ibu, SMS(Short Message Service), SMS gateway, Ontology.
Sistem Automatic Speech Recognition Menggunakan Metode Mfcc Dan Hmms Untuk Deteksi Kesalahan Pengucapan Kata Bahasa Inggris Rahmawati Sitti Azizah; Dade Nurjanah; Florita Diana Sari
eProceedings of Engineering Vol 2, No 3 (2015): Desember, 2015
Publisher : eProceedings of Engineering

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

Abstract

Automatic Speech Recognition (ASR) memiliki kemampuan yang dapat membuat komputer mengenali apa yang diucapkan oleh seseorang berdasarkan sinyal suara yang diucapkan oleh seseorang. Dengan kemampuan tersebut sistem ini dapat digunakan untuk mengenali jika seseorang salah dalam mengucapkan sebuah kata. Terutama pada masalah kesalahan pengucapan akibat tertukarnya satu kata dengan kata lain yang mirip. Metode yang digunakan dalam tugas akhir ini adalah Mel Frequency Cepstral Coefficient (MFCC) untuk ekstraksi ciri yang akan mengubah deretan nilai amplitudo menjadi frame-frame yang kemudian akan diolah menggunakan mel-filterbank yang mengadaptasi cara kerja pendengaran manusia sehingga terbentuklah nilainilai koefisien yang menjadi fitur ciri. Hasil dari MFCC kemudian diolah menjadi codebook yang nantinya akan menjadi masukkan dalam Hidden Markov Models (HMM) untuk menghasilkan sebuah model yang merepresentasikan kata tersebut. Hasil dari ekstraksi ciri dari data tes kemudian dikuantisasi untuk menjadi data yang akan dikenali menggunakan model yang telah didapat. Pengujian dilakukan dengan menggunakan 10 pasangan kata dengan tingkat kemiripan yang tinggi dan sering tertukar jika dilafalkan secara terpisah. Dari hasil pengujian didapat tingkat akurasi rata-rata setiap pasangan kata sebesar 78,89% pada model HMM 3 state dan 78,33% pada model HMM 5 state. Kata Kunci : Automatic Speech Recognition, MFCC, HMM
Pembentukan Grup Homogen Pada Pembelajaran Kolaboratif Menggunakan Performance Factor Analysis Josua Deston Girsang; Dade Nurjanah
eProceedings of Engineering Vol 3, No 3 (2016): Desember, 2016
Publisher : eProceedings of Engineering

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

Abstract

Computer-Supported Collaborative Learning (CSCL) adalah bentuk pembelajaran kolaboratif yang dibantu oleh komputer. CSCL memanfaatkan teknologi komputer dalam berbagai aspek, mulai dari untuk meningkatkan interaksi antar anggota kelompok, berbagi pengetahuan, hingga membagi dan menggabungkan pekerjaan kelompok tersebut. CSCL tidak dapat berjalan tanpa adanya Computer-Supported Group Formation (CSGF). Pada tugas akhir ini penulis menganalisis dan merancang CSGF yang cocok untuk pengimplementasian algoritma Performance Factor Analysis. Pengimplementasian dan pengujian sistem serta parameter – parameter yang dibutuhkan oleh Performance Factor Analysis ditentukan dengan pendekatan bounded. Sistem CSGF yang dibangun menggunakan Stereotype model yang menggunakan knowledge base dan average performance sebagai atribut yang menjadi stereotype. Stereotype model dibangun menggunakan K-means clustering. Grup yang dibentuk bersifat ability group dan beranggotakan 3 orang. Parameter – parameter Performance Factor Analysis yaitu β, γ, dan ρ berpengaruh terhadap homogenitas grup yang dibentuk. Ketiga parameter berbanding terbalik dan memiliki pengaruh yang tidak begitu besar dengan homogenitas grup yang dibentuk. Sebaliknya, inisialisasi centroid pada saat pembuatan stereotype model menggunakan K-means memiliki pengaruh yang signifikan terhadap grup yang dibentuk, termasuk homogenitasnya. Dimana beberapa inisialisasi centroid yang dilakukan menghasilkan grup yang homogenitasnya baik, dan beberapa tidak. Kata Kunci: stereotype model, user model, performance factor analysis, , K-means clustering, knowledge base, average performance, homogenitas, grup
Bayesian Personalized Ranking – Matrix Factorization untuk Rekomendasi Buku Fikri Bahiransyah; Dade Nurjanah; Rita Rismala
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Pada umumnya, sistem merekomendasi sejumlah barang yang dibutuhkan oleh pengguna, terutama dalam merekomendasikan sebuah buku, namun terkadang sistem rekomendasi merekomendasikan beberapa buku yang tidak dibutuhkan oleh pengguna. Penyebab sebuah sistem rekomendasi merekomendasikan buku yang tidak sesuai kebutuhan pengguna, salah satunya dikarenakan sistem rekomendasi tersebut berfokus hanya pada rating buku dan tidak pada personal atau kepribadian pengguna. Metode Bayesian Personalized Ranking (BPR) merupakan metode yang berfokus ranking item yang berdasarkan pada item yang lebih disukai atau diketahui oleh user, dibandingkan menerapkan teknik dengan memprediksi rating. Pada tugas akhir ini, akan menerapkan metode Bayesian Personalized Ranking (BPR) dalam sistem rekomendasi buku, dataset yang akan digunakan dalam sistem menggunakan dataset Goodreads dan Bookcrossing. Dataset yang digunakan akan dimodelkan menggunakan teknik Matrix Factorization (MF). Tugas akhir ini bertujuan untuk mengetahui nilai Area Under Curve (AUC) yang dihasilkan dengan menggunakan metode BPR-MF. Dari hasil tugas akhir ini didapatkan nilai skor ( ) = 0.962 untuk dataset Goodreads dan ( ) = 0.95518 untuk dataset Bookcrossing. Dari skor yang didapat menjelaskan bahwa metode BPR-MF bekerja dengan baik dalam memprediksi buku untuk direkomendasikan kepada user. Kata kunci : sistem rekomendasi, bayesian personalized ranking, matrix factorization, buku Abstract In general, the recommendation system is recommending a number of items that the user needs, especially in recommending a book, but sometimes recommendation systems is recommending some books that are not required by the user. The cause of a recommendation system recommends books that do not fit the needs of users, which is because the recommendation system focuses only on book ratings and not on personal or user personalities. The Bayesian Personalized Ranking (BPR) method is a method of rankingbased items that are based on favored items or items that known by the user, rather than applying a technique by predicting a rating. In this final project, will implementing Bayesian Personalized Ranking (BPR) method in recommendation system for recommending books, the dataset will be used in the system using Goodreads and Bookcrossing dataset. Dataset will be modeled using the Matrix Factorization (MF) technique. This final project aims to find out the value of Area Under Curve (AUC) produced by using BPR-MF method. From the results of this final task is obtained value of ( ) = 0.962 for datasets Goodreads and AUC (u) = 0.95518 for Bookcrossing datasets. From the scores obtained explained that the BPR-MF method works well in predicting books to be recommended to users.. Keywords: recommendation system, bayesian personalized ranking, matrix factorization, book
Co-Authors Ade Romadhony Aditia Rafif Khoerulloh Aditiyan Iswahyudin Adiyaka Niastya Ihsan Maulana Agung Toto Wibowo Arbaatun, Cepthari Ningtyas Ardiyanto, Fajar Widhi Ayu, Ravika Berliana Shafa Wardani Dhuki Dwi Rachman Diffo Elza Pratama Fahmi, Fitra Zul Fakhri Fauzan Fikri Bahiransyah Fitra Zul Fahmi Florita Diana Sari Hani Nurrahmi Henri Tantyoko Henri Tantyoko Hilmi Eko Arianto Irfansyah, Muhammad Rafi Ismail, Asep Maulana Jayaperwira, Iklil Johan NMP Simatupang Josua Deston Girsang Julia Julia Maman Abdurohman Mohammad Fathurrahman Muhammad Rafi Irfansyah Muttaqien, Rifqi Fauzia Odia Pratama Putri Waisnawa, Ni Luh Putu Mawar Silveria R. Hatim Muhammad Amin Rahmawati Sitti Azizah Razaq, Muhammad Thaariq Rifqi Fauzia Muttaqien Riki Nur Afifuddin Rita Rismala Rusmawati, Yanti sa'adah, siti Sari Rahmawati Selly Meliana Setyadi Putra Rahmandya Shendy Murty Siti Sa'adah Wahyu Setiawan Wardani, Berliana Shafa Yanti Rusmawati Yunanda, Gisela Zaki Mudzakir Hidayatullah