Article Per Year (5 Year)
p-Index From 2021 - 2026
0.751
P-Index
This Author published in this journals
All Journal JIKSI (Jurnal Ilmu Komputer dan Sistem Informasi)
Teny Handayani
Unknown Affiliation
Computer Science & IT Mathematics Other

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
PENGENALAN KARAKTER SIBI MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK Fadhil Maulana Suryawan; Jeanny Pragantha; Teny Handayani
Jurnal Ilmu Komputer dan Sistem Informasi Vol 10, No 1 (2022): JURNAL ILMU KOMPUTER DAN SISTEM INFORMASI
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/jiksi.v10i1.17825

Abstract

Communication between humans is an important thing for the activities of daily life. However, Humans were created with the advantages and disadvantages of each person and one of them is the difficulty of establishing or communicating and interacting for people who are deaf and speech impaired. Meanwhile, what solutions can be given about these shortcomings. So that there is no gap in society.This has led to the development of sign language recognition systems, which can automatically translate sign language into text and speech with effective pre-processing and accurate sign classification. According to recent developments in the field of deep learning, neural networks may have broad implications and implementations for sign language analysis. In the proposed system, Convolutional Neural Network (CNN) is used to classify sign language images because convolutional networks are faster in feature extraction and image classification than other classifiers.CNN architecture is carried out in 3 stages, 25 epochs, 50 epochs and 100 epochs. Based on the experiments conducted, the accuracy value obtained continues to increase in each stage, starting from 91.03%, 92.69% to the highest accuracy value in the training process of 94.25%. Likewise, the data prediction process also increases in each stage, starting from 90.62%, 93.75% until the highest accuracy value in data prediction is same 95.83%.
Perbandingan Prediksi Harga Closing Saham BCA Menggunakan ADABoost, XGBoost, CATBoost Jason Wiedardi Limtara; Wilson Alfando; Ricky Cangniago; Aurellius Jeremiah Thomas; Teny Handayani
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 14 No. 1 (2026): Jurnal Ilmu Komputer dan Sistem Informasi
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/m9nf7804

Abstract

Penelitian ini membandingkan kinerja tiga algoritma boosting, yaitu AdaBoost, XGBoost, dan CatBoost, dalam memprediksi harga penutupan saham Bank Central Asia (BBCA). Tujuan dari penelitian ini adalah untuk menentukan algoritma mana yang memberikan model paling akurat dan efisien dalam hal akurasi prediksi, waktu komputasi, dan pemanfaatan sumber daya. Dataset yang digunakan terdiri dari data historis saham BCA, termasuk fitur seperti opening price, high, low, volume, dan previous closing prices. Metodologi penelitian meliputi data preprocessing, feature selection, pembagian data menjadi training set dan testing set, serta pelatihan model menggunakan masing-masing algoritma dengan hyperparameter tuning. Hasil eksperimen menunjukkan bahwa AdaBoost mencapai kinerja keseluruhan terbaik, memberikan akurasi prediksi tertinggi dan hasil yang stabil dengan waktu komputasi yang relatif lebih rendah dibandingkan dengan XGBoost dan CatBoost.
Indonesia Valentino Richardo Lim; Teny Handayani; Irvan Lewenusa
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 14 No. 1 (2026): Jurnal Ilmu Komputer dan Sistem Informasi
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/322cr596

Abstract

Disparitas pembangunan antarwilayah di Indonesia, yang tercermin dari perbedaan nilai Indeks Pembangunan Manusia (IPM), Angka Harapan Hidup (AHH), dan Pengeluaran per Kapita, menjadi tantangan dalam pencapaian Tujuan Pembangunan Berkelanjutan (SDGs). Diperlukan analisis yang mendalam untuk memetakan karakteristik wilayah guna mendukung perumusan kebijakan yang tepat sasaran. Penelitian ini bertujuan untuk merancang sebuah aplikasi sistematis yang mampu melakukan pengelompokan (clustering) wilayah berdasarkan indikator pembangunan tersebut. Algoritma K-Means tradisional memiliki kelemahan dalam penentuan jumlah klaster dan sensitivitas terhadap inisialisasi centroid. Oleh karena itu, aplikasi ini dirancang untuk mengimplementasikan algoritma Intelligent K-Means (IK-Means) yang mampu menentukan jumlah klaster optimal secara otomatis, dan DBSCAN yang unggul dalam mendeteksi klaster berbasis kepadatan serta menangani pencilan (outlier). Proses perancangan aplikasi ini menggunakan metodologi Software Development Life Cycle (SDLC) model Waterfall untuk memastikan pengembangan yang terstruktur dan runut. Sistem ini dibangun sebagai aplikasi web interaktif menggunakan Python dengan framework Streamlit. Aplikasi yang dihasilkan mampu memfasilitasi pengguna untuk mengunggah data (file .xlsx), melakukan proses clustering, dan memvisualisasikan hasilnya secara interaktif, termasuk melalui peta geografis menggunakan library Folium. Aplikasi ini diharapkan dapat menjadi alat bantu yang efektif bagi pemangku kepentingan dalam menganalisis dan mengurangi kesenjangan pembangunan di Indonesia.
Indonesia Gabriel Nathanael Irawan; Teny Handayani; Irvan Lewenusa
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 14 No. 1 (2026): Jurnal Ilmu Komputer dan Sistem Informasi
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/1kz3ap21

Abstract

Penelitian ini bertujuan untuk melakukan pengelompokan terhadap kabupaten/kota di Indonesia berdasarkan empat indikator utama ketahanan pangan, yaitu Indeks Ketahanan Pangan (IKP), Skor Pola Pangan Harapan (PPH), Rasio Angka Kecukupan Energi (AKE), dan Rasio Angka Kecukupan Protein (AKP) pada peridoe 2021-2023. Keempat indikator tersebut digunakan untuk menggambarkan kondisi ketersediaan, keragaman, dan kecukupan pangan di setiap wilayah Indonesia. Hasil pengujian menunjukkan bahwa algoritma Spectral Bridges memberikan performa terbaik pada jumlah cluster dua, dengan nilai silhouette sebesar 0,62 dan Davies-bouldin Index (DBI) sebesar 0,53. Nilai tersebut mengindikasikan bahwa metode ini mampu mengelompokkan wilayah dengan karakteristik ketahanan pangan yang akurat, terpisah dengan baik antar clusternya, serta memberikan hasil yang stabil dan dapat menjadi representatif wilayah ketahanan pangan Indonesia.
Co-Authors Aurellius Jeremiah Thomas Fadhil Maulana Suryawan Gabriel Nathanael Irawan Irvan Lewenusa Jason Wiedardi Limtara Jeanny Pragantha Ricky Cangniago Valentino Richardo Lim Wilson Alfando