Article Per Year (5 Year)
p-Index From 2021 - 2026
3.173
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
Computer Science & IT Decision Sciences, Operations Research & Management Mathematics Other

Published : 34 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 34 Documents
Search

 1   2   3   4 
SISTEM REKOMENDASI PEMILIHAN ART SHOP MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS DAN ELIMINATION ET CHOIX TRADUISANT LA REALITE (STUDI KASUS WILAYAH KABUPATEN BADUNG BALI) I Dewa Ketut Satria Wahyu Perdana; Dyah Erny Herwindiati; Tri Sutrisno
Jurnal Ilmu Komputer dan Sistem Informasi Vol 9, No 1 (2021): JURNAL ILMU KOMPUTER DAN SISTEM INFORMASI
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (696.72 KB) | DOI: 10.24912/jiksi.v9i1.11573

Abstract

Art shops in Bali are developing, but only a few areas are known to tourists as central art shops. Lack of knowledge of tourists about art shops in an area, tourists have to go around to many art shops to get an art shop that matches the tourist criteria. To overcome the problems, it is necessary to design a computerized system, because with a computerized system, finding an art shop in the Badung Regency, Bali will be easier and faster. A computerized system can also help to see which art shop recommendations are available in an area, and what criteria are available in the art shop. The decision support system (Decision Support System / DSS) is one type of application system that is very well known among organizational management. DSS is designed and created to help management in the decision-making process and the quality of decision making, one of which is Multi Attribute Decision Making. In Multi Attribute Decision Making, there are many decision support system methods, such as the Analytical Hierarchy Process (AHP) and Elimination Et Choix Traduisant la Realité (ELECTRE). In this decision support system, it uses two methods, namely the Analytical Hierarchy Process (AHP) to determine the weight of each criteria and the next process is to rank the best attributes using the Elimination Et Choix Traduisant (ELECTRE) method. With this method, it is hoped that it can make it easier to find an Art Shop that fits the desired criteria.
PEMBUATAN APLIKASI OPTIMASI PENJUALAN PRODUK PADA TOKO LANCAR ABADI BLORA DENGAN MENGGUNAKAN METODE LINEAR PROGRAMMING METODE SIMPLEKS Yonico Ariando Pratama; Dyah Erny Herwindiati; Tri Sutrisno
Jurnal Ilmu Komputer dan Sistem Informasi Vol 9, No 1 (2021): JURNAL ILMU KOMPUTER DAN SISTEM INFORMASI
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1572.599 KB) | DOI: 10.24912/jiksi.v9i1.11600

Abstract

Every sale is bound to experience a problem. For example, the constraints of limited storage space, budget constraints and the number of goods sold. Toko Lancar Abadi Blora also experienced similar problems in selling its products, so that often the income generated from sales was less than optimal. Based on the above problems, a method in Operations Research is needed, namely Linear Programming, the Simplex Method to solve the above problems. Linear Programming Method Simplex method can determine the optimum value of a linear problem. In a linear problem there is a linear function which can be called an objective function or a constraint function. The requirements, constraints, and constraints in linear problems are systems of linear inequalities. The calculation accuracy of the Simplex method reaches 100% by comparison with the manual calculation of 12 trial cases that have been made with 12 different months. From these results it can be concluded that the Linear Programming method Simplex method can determine the optimum result of an inequality and can be applied in the sale of goods.
SMART PRESENSI MENGGUNAKAN QR CODE DENGAN SECURE HASH ALGORITHM 2 (SHA-2) Ivan Wijaya; Dyah Erny Herwindiati; Janson Hendryli
Jurnal Ilmu Komputer dan Sistem Informasi Vol 9, No 1 (2021): JURNAL ILMU KOMPUTER DAN SISTEM INFORMASI
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1727.745 KB) | DOI: 10.24912/jiksi.v9i1.11576

Abstract

This research was motivated by problems during the process of attendance at the Mid-Semester Examination (UTS) and Final Semester Examination (UAS). The problem begins when the student attendance process is still manual and not online or connected to the database. This study aims to determine the online student attendance system so that exam supervisors no longer give signatures on student exam cards so that the exam runs well and efficiently. The data that will be used are student data taken when the administrator fills in the student detail data. The system design made is by using a QR Code Scanner and data encryption using the SHA 512 method. Using this application system includes the QR Code Scanning process, inserting a QR Code into the student exam card. Then the smart phone application is used as a QR Code scanner. The test used to give a test the feasibility of the system in this study is to use system error level testing, black box testing and the presence of QR Code testing in certain cases. In the testing that has been done, it can be concluded that the Smart Presensi application can make it easier to do attendance and student attendance data recapitulation because the system application is directly connected to the database.
APLIKASI PENJADWALAN DAN ESTIMASI PRODUKSI PADA PT. INDOMETIC Stella Ester Rantung; Tri Sutrisno; Dyah Erny Herwindiati
Jurnal Ilmu Komputer dan Sistem Informasi Vol 7, No 1 (2019): JURNAL ILMU KOMPUTER DAN SISTEM INFORMASI
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (299.764 KB) | DOI: 10.24912/jiksi.v7i1.5927

Abstract

PT. Indometic is a company that producing stainlees steel product which is they need to use a lot of machine for producing their product. Campbell Dudek Smith is one of schedule method that will help this company to determine the optimum job sequences that can minimize makespan. Recently, this company faces some problem such as production lateness because they don’t have any scheduling system and they don’t have any forecast system for their product selling. Time Series method is a series of data that have some forecast method that can help this company to know how many product can be selling for the future time. The result from forecast method will be processed with Economic Order Quantity to find how many material that company needs to producing their product. Some  products from PT. Indometic that will going to get scheduling and forecasting are deep fryer, bread mixer and hotsnack. For scheduling the optimum sequence are hotsnack, bread mixer and deep fryer. And then for forecasting deep fryer product is 14 pieces, hotsnack  9 pieces and bread mixer is 1 piece
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

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (295.394 KB) | DOI: 10.24912/computatio.v3i1.2973

Abstract

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

Abstract

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

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (207.282 KB) | DOI: 10.24912/computatio.v3i1.4271

Abstract

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

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (934.621 KB) | DOI: 10.24912/computatio.v3i2.6028

Abstract

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

Abstract

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

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (833.94 KB) | DOI: 10.24912/computatio.v2i1.1918

Abstract

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.
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 Rina Indah Hariyanti Rizki Nofrian Wahyudi 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