Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

3.527

P-Index

This Author published in this journals

All Journal JIKSI (Jurnal Ilmu Komputer dan Sistem Informasi) Computatio : Journal of Computer Science and Information Systems Proceedings of The International Conference on Business and Economics

Dyah Erny Herwindiati

Unknown Affiliation

Author-ID : 3257215

Computer Science & IT Decision Sciences, Operations Research & Management Mathematics Other

Published : 36 Documents Claim Missing Document

Claim Missing Document

Articles

Title

KLASIFIKASI CITRA BATIK INDONESIA DAN MALAYSIA DENGAN METODE MODIFIED DISCRIMINANT ANALYSIS Cynthia Cynthia; Janson Hendryli; Dyah Erny Herwindiati
Computatio : Journal of Computer Science and Information Systems Vol 3, No 1 (2019): COMPUTATIO : JOURNAL OF COMPUTER SCIENCE AND INFORMATION SYSTEMS
Publisher : Faculty of Information Technology, Universitas Tarumanagara

The application of Indonesian and Malaysian batik image classification using the Linear Discriminant Analysis (LDA) and Modified Discriminant Analysis (MDA) method is an introduction application that is used to classify images in the form of batik. Making this application uses the Java programming language to run feature retrieval methods, namely Color Histogram and Daubechies Wavelet and classification methods, namely LDA and MDA. Testing is done by blackbox testing method and confusion matrix. Tests are performed using color features, texture features, and a combination of training images and new test images. The best percentage test results are testing using color features, whereas with texture and the combination of both features get a slightly lower test percentage result.Aplikasi klasifikasi citra batik Indonesia dan Malaysia dengan metode Linear Discriminant Analysis (LDA) dan Modified Discriminant Analysis (MDA) merupakan aplikasi pengenalan yang digunakan untuk mengklasifikasi citra berupa batik. Pembuatan aplikasi ini menggunakan bahasa pemrograman Java untuk menjalankan metode pengambilan fitur yaitu Color Histogram dan Daubechies Wavelet dan metode pengklasifikasian yaitu LDA dan MDA. Pengujian dilakukan dengan metode blackbox testing dan matriks konfusi. Pengujian dilakukan dengan menggunakan fitur ciri warna, ciri tekstur, dan gabungan dari citra latih dan citra uji baru. Hasil persentase pengujian terbaik adalah pengujian dengan menggunakan ciri warna, sedangkan dengan ciri tekstur dan gabungan mendapatkan hasil persentase pengujian sedikit rendah.

Klasifikasi Tanaman Obat Herbal Menggunakan Metode Support Vector Machine Arifin Arifin; Janson Hendyli; Dyah Erny Herwindiati
Computatio : Journal of Computer Science and Information Systems Vol 5, No 1 (2021): COMPUTATIO : JOURNAL OF COMPUTER SCIENCE AND INFORMATION SYSTEMS
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/computatio.v1i1.12811

Jamu adalah obat tradisional dari tanaman herbal yang dianggap atau dipercaya secara turun-temurun dapat membuat bugar badan. Jamu merupakan alternatif lain masyarakat dalam mencari obat berbahan herbal. Akan tetapi bagi banyak orang masih sulit membedakan antara rimpang jahe dengan lengkuas dan kunyit dengan temulawak. Dengan permasalahan tersebut maka, perlu adanya pengenalan untuk masalah tersebut dengan klasifikasi menggunaakan metode support vector machine. Pembuatan aplikasi ini menggunakan bahasa pemrogaman Python untuk pengambilan parameter pembeda yang digunakan yaitu warna menggunakan metode Color Histogram, bentuk menggunakan metode Sobel serta tekstur menggunakan metode Gray Level Co-occurrence Matrix untuk rempah jahe, kunyit, lengkuas dan temulawak yang akan dievaluasi. Evaluasi model yang terbaik yaitu menggunakan metode support vector machine dengan metode pencarian parameter Randomized Search Cross Validation kernel rbf dengan train 83.9% dan test 77.6%.

CONTENT-BASED IMAGE RETRIEVAL UNTUK PENCARIAN PRODUK PONSEL Nickolas Cornelius Siantar; Jaqnson Hendryli; Dyah Erny Herwindiati
Computatio : Journal of Computer Science and Information Systems Vol 3, No 1 (2019): COMPUTATIO : JOURNAL OF COMPUTER SCIENCE AND INFORMATION SYSTEMS
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Phone or smartphone and online shop, there is something that cannot be separated with human. There are so many type of smartphones show up in the market that people are confused on which one to get on the online stores. Smartphones recognition is done by using the Histogram of Oriented Gradient to recognize shapes of phones, Color Quantization to recognize the color, and Local Binary Pattern to recognize texture of the phones. The output of the Feature Extractor is a feature vector which is used on the LVQ to process recognize through finding the smallest Euclidean Distance between the trained vectors. The result of this paper is an application that can recognize 16 phone types using the image with the accuracy of 9.6%. Pada saat ini, ponsel dan toko online merupakan sesuatu yang tidak dapat dipisahkan dari manusia. Begitu banyak jenis ponsel bermunculan setiap tahunnya sehingga menyebabkan manusia bingung dalam mengenali ponsel tersebut. Pada program pengenalan ponsel ini digunakan Histogram of Oriented Gradient untuk mengambil fitur berupa bentuk ponsel, Color Quantization untuk mengambil fitur warna, dan Local Binary Pattern untuk mengambil fitur tekstur ponsel. Hasil dari pengambilan fitur berupa fitur vektor yang digunakan pada Learning Vector Quantization untuk proses pengenalan dengan mencari nilai terkecil Euclidean Distance antara vektor fitur dengan vektor bobot terlatih. Hasil dari program pengenalan ini yaitu program dapat melakukan pengenalan terhadap 16 jenis ponsel dengan akurasi sebesar 9.6%.

KLASIFIKASI KAIN TENUN BERDASARKAN TEKSTUR & WARNA DENGAN METODE K-NN Kevin Kevin; Janson Hendryli; Dyah Erny Herwindiati
Computatio : Journal of Computer Science and Information Systems Vol 3, No 2 (2019): COMPUTATIO : JOURNAL OF COMPUTER SCIENCE AND INFORMATION SYSTEMS
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Image classification of woven cloth based on texture and color using Gray Level Co-occurrence Matrix (GLCM), Local Binary Pattern (LBP), Color Moments and classification method KNearest Neighbour (KNN) is an application for classifying motive on woven cloth. The development of this application is using Python language programming for classification system and Android studio which using Java language programming as Front-end. Classification system consist of two main process namely feature extraction process and classification process. Feature extraction process is using GLCM, LBP and Color Moments which produce feature vector for every method and classification process is using KNN method. Feature used for classification process is feature vector which has best result. Based on experiment result, the best method that produce best feature vector is LBP method with accuracy percentage higher than other method. Klasifikasi citra kain tenun berdasarkan tekstur dan warna dengan metode Gray Level Cooccurrence Matrix (GLCM), Local Binary Pattern (LBP), Color Moments dan metode klasifikasi K-Nearest Neighbour (KNN) merupakan aplikasi yang digunakan untuk mengklasifikasi motif yang ada pada kain tenun. Pembuatan aplikasi ini menggunakan bahasa pemrograman Python sebagai sistem klasifikasi dan Android studio yang menggunakan bahasa pemrograman Java sebagai Front-end. Sistem klasifikasi dibagi menjadi dua proses utama yaitu proses ekstraksi fitur dan proses klasifikasi. Proses ekstraksi fitur dilakukan dengan metode GLCM, LBP dan Color Moments yang menghasilkan fitur vektor untuk setiap metode dan proses klasifikasi dilakukan dengan metode K-NN. Fitur yang digunakan dalam proses klasifikasi adalah fiturvektor yang memiliki hasil terbaik. Berdasarkan hasil pengujian yang telah dilakukan, metode yang dapat menghasilkan fitur terbaik adalah metode LBP dengan persentase akurasi lebih tinggi dibandingkan dengan dua metode lainnya.

Program Pendeteksi Perubahan Fungsi Lahan Menggunakan Metode Ridge Regression Dan Support Vector Machine (Studi Kasus: 95 Kecamatan Di Wilayah Bekasi, Depok Dan Tangerang) Christian Christian; Janson Hendryli; Dyah Erny Herwindiati
Computatio : Journal of Computer Science and Information Systems Vol 4, No 1 (2020): COMPUTATIO : JOURNAL OF COMPUTER SCIENCE AND INFORMATION SYSTEMS
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/computatio.v4i1.7190

Tulisan ini membahas tentang perubahan fungsi lahan yang terjadi pada tingkat kecamatan di wilayah Bekasi, Depok dan Tangerang perlu dipertimbangkan ketika melakukan pengembangan di sekitar kota penyangga Jakarta. Program untuk mendeteksi perubahan penggunaan lahan menggunakan metode Ridge Regression dan Support Vector Machine bertujuan untuk melihat perubahan penggunaan lahan di wilayah Bekasi, Depok dan Tangerang dengan mengklasifikasikan jenis tanah menjadi 4 kelas yaitu kelas hijau, kelas sebagian hijau, kelas impervious, dan sebagian impervious menggunakan citra satelit Landsat 7 dan Landsat 8 pada band Biru, Hijau, Merah, NIR, SWIR-1, dan SWIR-2. Gambar Landsat yang digunakan akan melalui proses preprocessing menggunakan metode koreksi radiometrik Pengurangan Gelap untuk gambar Landsat 7 dan Landsat 8 dan metode gap fill untuk gambar Landsat 7. Setelah itu, pemotongan citra Landsat akan dilakukan ke tingkat kecamatan pada wilayah Bekasi, Depok dan Tangerang. Hasil klasifikasi akan digunakan untuk menentukan perubahan lahan dengan membandingkan dua gambar hasil klasifikasi dengan tahun yang berbeda. Hasil dari makalah ini menunjukkan bahwa model yang menggunakan metode mesin Support Vector memiliki akurasi gain yang lebih baik sebesar 83,00% untuk data Landsat 7 dan 8 dibandingkan dengan model yang menggunakan metode Ridge Regression, yang memiliki akurasi perolehan 61,96% untuk data Landsat 7 dan 61,28% untuk data Landsat 8.

PERANCANGAN APLIKASI PENDETEKSI TINGKAT KESAMAAN ANTAR DOKUMEN DENGAN ALGORITMA WINNOWING Arnold Pramudita Tjiawi; Dyah Erny Herwindiati; Lely Hiryanto
Computatio : Journal of Computer Science and Information Systems Vol 2, No 1 (2018): Computatio : Journal of Computer Science and Information Systems
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Perancangan aplikasi pendeteksian tingkat kesamaan antar dokumen ini dimaksudkan untuk menyimpan data tesis mahasiswa dan aplikasi dapat digunakan untuk membandingkan data skripsi mahasiswa dengan data baru yang ada. Hasil dari proses deteksi adalah persentase tingkat kesamaan. Algoritma yang digunakan dalam merancang aplikasi ini adalah Algoritma Winnowing. Algoritma ini termasuk dalam salah satu metode fingerprinting dokumen. Algoritma ini menggunakan rolling hashing untuk melakukan proses hashing dan menggunakan koefisien jaccard untuk menghitung tingkat kemiripan. Dalam pengujian aplikasi ini dengan data dummy diketahui bahwa aplikasi ini sangat bergantung pada urutan masing-masing lokasi sub string. Aplikasi ini juga telah diuji untuk membandingkan sejumlah data skripsi yang ada dengan persentase tingkat kesamaan di bawah 30 persen. Aplikasi ini tidak bisa menentukan apakah sebuah dokumen plagiat atau tidak, namun aplikasi ini bisa memberikan informasi berupa persentase tingkat kesamaan dan persentase dapat digunakan oleh pihak yang memiliki wewenang untuk menentukan.

Sistem Prediksi Customer Loyalty Dengan Metode RFM dan Fuzzy C-Means David David; Manatap Dolok Lauro; Dyah Erny Herwindiati
Computatio : Journal of Computer Science and Information Systems Vol 4, No 1 (2020): COMPUTATIO : JOURNAL OF COMPUTER SCIENCE AND INFORMATION SYSTEMS
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/computatio.v4i1.7099

This paper discusses about customer loyalty using RFM method and Fuzzy C-Means. RFM stands for Recency, Frequency, and Monetary. What is meant by Recency is the date range of transactions made by customers, while Frequency is the number of transactions made by customers during a certain period, and Monetary is the nominal amount of money spent during a certain period. Data is taken from Toko Cianjur with transactions history from January 2018 to December 2018 consisting of 892 transactions. Fuzzy C-Means is one of clustering algoritm which applies fuzzy approach to determine the clusters based on the degree of membership. Partition Coefficient Index and Partition Entropy Index are used as the evaluation methods.The goals of making this application that the store can find customers who have a high loyalty value to store and can be used as consideration for store to provide discounts to customers. The test results obtained state that the results of the cluster formation of two clusters with m = 2 indicate that customers quite often shop at stores until December 2018. While the results of the formation of three clusters with m = 2 indicate that customers often make transactions and a large monetary value to the store.AbstrakTulisan ini membahas tentang customer loyalty dengan menggunakan metode RFM dan Fuzzy C-Means. RFM adalah kepanjangan dari Recency, Frequency dan Monetary. Yang dimaksud dengan Recency adalah rentang tanggal transaksi yang dilakukan pelanggan, sedangkan Frequency adalah jumlah transaksi yang dilakukan pelanggan selama periode tertentu, dan Monetary adalah jumlah nominal uang yang dikeluarkan selama periode tertentu. Data diambil dari Toko Cianjur dengan riwayat transaksi dari Januari 2018 hingga Desember 2018 yang terdiri dari 892 transaksi. Fuzzy C-Means adalah salah satu algoritma clustering yang menerapkan pendekatan fuzzy untuk menentukan cluster berdasarkan degree of membership. Partition Coefficient Index dan Partition Entropy Index digunakan sebagai metode evaluasi. Tujuan pembuatan sistem prediksi customer loyalty ini yaitu mengetahui pelanggan manakah yang memiliki loyalitas yang tinggi terhadap toko sehingga dapat menjadi bahan pertimbangan toko untuk memberikan diskon kepada pelanggan. Hasil pengujian yang didapat menyatakan bahwa hasil cluster pembentukan dua klaster dengan m=2 menunjukkan bahwa pelanggan cukup sering berbelanja terhadap toko sampai Desember 2018. Sedangkan hasil pembentukan tiga klasterdengan m=2 menunjukkan bahwa pelanggan sering melakukan transaksi serta nilai monetary yang cukup besar terhadap toko.

Prediksi Kelembapan Tanah Pada Tingkat Kecamatan di Wilayah Bogor Dengan Metode CNN LSTM Mitchell Ryu Sopany; Dyah Erny Herwindiati; Janson Hendryli
Computatio : Journal of Computer Science and Information Systems Vol 6, No 1 (2022): Computatio: Journal of Computer Science and Information Systems
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/computatio.v6i1.15740

Kelembapan tanah pada kecamatan di wilayah Bogor perlu diperhatikan sebagai acuan sumber air bersih untuk mencukupi kebutuhan air bersih yang tinggi di wilayah Jakarta. Aplikasi prediksi kelembapan tanah dibuat menggunakan bahasa pemrograman Python dengan metode CNN LSTM bertujuan untuk memprediksi kelembapan tanah pada tingkat kecamatan wilayah Bogor dalam kelompok kelembapan tanah tinggi, kelembapan tanah rendah, dan kering menggunakan data citra satelit Landsat 8. Citra satelit Landsat 8 dilakukan preprocessing dengan transformasi menjadi bernilai 8 bit dan pemotongan tiap kecamatan dalam wilayah Bogor terhadap band 2, 3, 4, 5, 6, dan 7. Prediksi kelembapan tanah dilakukan menggunakan metode CNN lSTM dengan input berupa nilai kelembapan tanah menggunakan nilai NDVI citra satelit Landsat 8. Output berupa citra prediksi kelembapan tanah yang dikelompokkan pada kelembapan tanah tinggi, kelembapan tanah rendah, dan kering. Hasil penelitian menunjukkan model prediksi kelembapan tanah memiliki nilai rata-rata R2 Score 0.7422, MAE 0.0798, dan MSE 0.0416 sehingga model dapat memprediksi kelembapan tanah dengan baik.

Klasifikasi Gambar Perkotaan dengan Lahan Hijau Menggunakan SVD dan KNN Ryan Satria; Dyah Erny Herwindiati
Computatio : Journal of Computer Science and Information Systems Vol. 9 No. 2 (2025): Computatio: Journal of Computer Science and Information Systems
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/computatio.v9i2.35313

Penelitian ini bertujuan untuk mengklasifikasikan citra perkotaan dan lahan hijau dengan memanfaatkan metode Singular Value Decomposition (SVD) untuk reduksi dimensi dan K-Nearest Neighbors (KNN) sebagai algoritma klasifikasi. Dataset yang digunakan terdiri dari 60 gambar, masing-masing 30 citra perkotaan dan 30 citra lahan hijau, dengan ukuran 40×40 piksel yang diambil dari berbagai sumber daring. Setiap citra diubah menjadi vektor fitur berdimensi tinggi kemudian direduksi menggunakan SVD untuk mengekstraksi komponen utama yang paling signifikan. Hasil analisis scree plot menunjukkan bahwa tiga komponen utama sudah cukup untuk mewakili variansi terbesar dalam data. Selanjutnya, dataset dibagi menjadi 80% data latih dan 20% data uji untuk proses klasifikasi menggunakan KNN dengan parameter k=3. Evaluasi kinerja dilakukan dengan membandingkan hasil prediksi model terhadap label asli melalui tabel perbandingan kelas, confusion matrix, serta perhitungan akurasi. Hasil penelitian menunjukkan bahwa model mampu mengklasifikasikan citra dengan akurasi sempurna sebesar 100%. Namun hasil akurasi sempurna diakibatkan oleh jumlah dataset yang kecil. Temuan ini membuktikan bahwa kombinasi metode SVD dan KNN efektif dalam membedakan citra perkotaan dan lahan hijau berdasarkan karakteristik warna dominannya.

Prediksi Jumlah Penduduk Tingkat Kecamatan di Wilayah Bogor Menggunakan Metode Long Short Term Memory Owen Djoenaedi; Dyah Erny Herwindiati; Teny Handhayani
Computatio : Journal of Computer Science and Information Systems Vol. 8 No. 2 (2024): Computatio: Journal of Computer Science and Information Systems
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/computatio.v8i2.16219

Population growth is addition or reduction of the population which is influenced by several factors. In Indonesia, this is something that pays great attention and is monitored by the government, especially on Java Island. Worries of population increase is one of the reasons for this monitoring which can cause problems with the support power and capacity power of the environment. The purpose of this design is to predict the population and calculate population growth rate at sub-district level in the Bogor area for 2021 and 2022 using population data at different annual intervals in each areas. Prediction is done using Long Short Term Memory. The configuration parameters of the model used for training and testing is different for each areas which obtained from the results of the parameter experiment which was repeated 5 times for each configuration to obtain the best Mean Absolute Percentage Error (MAPE) average. All models for LSTM method gain an average MAPE below 10% in each areas so that the models for prediction were stated to be very good.

Co-Authors Aditya Halimawan Arifin Arifin Arnold Pramudita Tjiawi Arya Triansyah Caesar Calendo Sumarga Christian Christian Cynthia Cynthia David David Edwin Leonardo Hongi Nagaputra I Dewa Ketut Satria Wahyu Perdana Ivan Wijaya Janson Hendryli Janson Hendyli Jaqnson Hendryli Jasmine Kezia Halim Jessen Yaputra Setiawan Kevin kevin Kristopher Halim Lely Hiryanto Leonardo Josua Lubby Gennady Mahlia Muis Manatap Dolok Lauro, Manatap Dolok Mitchell Ryu Sopany Nadia Ramadhani Nickolas Cornelius Siantar Novario Jaya Perdana Owen Djoenaedi Rina Indah Hariyanti Rizki Nofrian Wahyudi Ryan Satria Stella Ester Rantung Stephen Adhikurnia Stephen Christian Tania Kantacarini Teny Handhayani Tony Tony TRI SUTRISNO Veri Wenda Kartika William Kristianto Willyanto Wijaya Yanto Yanto Yonico Ariando Pratama

Title Search

Found 10 Documents Search Journal : computatio journal of computer science and information systems

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 10 Documents
Search
Journal : computatio journal of computer science and information systems