Article Per Year (5 Year)
p-Index From 2020 - 2025
2.386
P-Index
This Author published in this journals
All Journal Infotech Journal METIK JURNAL bit-Tech Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Journal of Information Technology (JIfoTech) D'computare: Jurnal Ilmiah Teknologi Informasi dan Ilmu Komputer Jurnal Informatika Teknologi dan Sains (Jinteks) Teknomatika: Jurnal Informatika dan Komputer Explore Khazanah Informatika : Jurnal Ilmu Komputer dan Informatika
Kusrini
Universitas AMIKOM Yogyakarta
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Electrical & Electronics Engineering

Published : 19 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search
Journal : Teknomatika: Jurnal Informatika dan Komputer

 1 
Deteksi Plat Nomor Kendaraan Menggunakan Contour dan Adaptive Histogram Equalization Burhanudin Dwi Prakoso; Kusrini; Eko Pramono
Jurnal Teknomatika Vol 12 No 1 (2019): TEKNOMATIKA
Publisher : Fakultas Teknik dan Teknologi Informasi, Universitas Jenderal Achmad Yani Yogyakarta

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

Abstract

Setiap plat kendaraan memiliki informasi yang berkaitan dengan kepemilikan dari suatu kendaraan. Ketika terjadi tindak kejahatan, pihak berwajib dapat mengidentifikasi kendaraan tersebut dari plat nomor kendaraan yang digunakan. Dengan mengidentifikasi plat nomor kendaraan, maka pihak berwajib dapat mengetahui informasi tentang pemilik dari kendaraan tersebut maupun informasi lainnya. Deteksi plat kendaraan merupakan langkah yang harus dilakukan sebelum karakter dari plat tersebut diidenfitikasi. Sehingga, pada penelitian ini akan menyajikan metode untuk mendeteksi plat nomor kendaraan roda dua. Penelitian ini akan membagi proses deteksi plat kendaraan menjadi dua jenis, yaitu pra-pemrosesan dan deteksi plat. Percobaan telah dilakukan dengan 42 citra di dalam ruangan, dan masing – masing citra memiliki jarak 0.5 meter dan 1.0 meter dari kamera ke kendaraan roda dua. Hasilnya tingkat keberhasilan mencapai 24% untuk jarak 0.5 meter dan 19% untuk jarak 1.0 meter.
KONSTRUKSI SKEMA BASIS DATA VIRTUAL BERBASIS VIEW SQL UNTUK MEMBANTU PROSES EKSTRAKSI ONTOLOGI Choerun Asnawi; Kusrini; Sudarmawan
Jurnal Teknomatika Vol 11 No 2 (2019): TEKNOMATIKA
Publisher : Fakultas Teknik dan Teknologi Informasi, Universitas Jenderal Achmad Yani Yogyakarta

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

Abstract

Salah satu upaya untuk mewujudkan visi web semantik adalah terkait dengan penyediaan data yang dapat dimanfaatkan oleh teknologi terkait. Salah satu sumber data yang tersedia secara melimpah adalah basis data relasional. Berbagai upaya dilakukan agar dapat mengkonversi data tersebut menuju format yang dipahami oleh teknologi web semantik. Termasuk di dalamnya adalah untuk mempelajari makna yang terkandung di dalam data sumber lalu mengekstraknya dalam bentuk ontologi. Salah satu kendala yang muncul adalah bahwa basis data sumber tidaklah selalu sesuai dengan asumsi awal yang dipakai pada metode ekstraksi ontologi, sehingga hasilnya tak sesuai dengan harapan. Dalam penelitian ini, diusulkan suatu metode ekstraksi ontologi dari basis data relasional yang tidak mensyaratkan asumsi awal terhadap basis data sumbernya. Pada metode yang diusulkan ini, asumsi justru dibangun dan basis data sumber akan dibuat mengikuti asumsi tersebut, tanpa mengubah struktur yang sudah ada. Caranya adalah dengan mengkonstruksi skema virtual dari view-view khusus yang strukturnya dibuat menyesuaikan dengan asumsi yang ada. Selain itu, dengan metode ini maka view juga dapat dimanfaatkan untuk mengekspos semantik tersembunyi di dalam struktur basis data sumber. Metode yang diusulkan tersebut mampu menghasilkan output berupa ontologi yang lebih baik dibandingkan dengan metode sejenis lainnya. Selain itu, dengan metode ini juga dapat mengungkap semantik tersembunyi yang gagal diekstrak oleh metode lainnya, tanpa harus memakai bahasa pemetaan baru.
PREDIKSI PERFORMA MAHASISWA MENGGUNAKAN ALGORITMA NAIVE BAYES CLASSIFIER Hasnan Afif; Kusrini; M. Rudyanto Arief
Jurnal Teknomatika Vol 11 No 2 (2019): TEKNOMATIKA
Publisher : Fakultas Teknik dan Teknologi Informasi, Universitas Jenderal Achmad Yani Yogyakarta

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

Abstract

Salah satu dalam menentukan performa mahasiswa dapat dilihat dari ketepatannya dalam menyelesaikan masa studinya di universitas. Penelitian ini bertujuan untuk melakukan klasifikasi terhadap data mahasiswa Universitas Amikom Yogyakarta Fakultas Ilmu Komputer angkatan 2012 dan 2013 jenjang S1 dengan memanfaatkan proses data mining dengan menggunakan teknik klasifikasi. Algoritma yang digunakan untuk klasifikasi kelulusan adalah algoritma Naïve Bayes, dimulai dari proses Diagnosing, Action Planning, Action Taking, Evaluating dan Specifying Learning. Penelitian ini juga bertujuan untuk menemukan faktor-faktor yang mempengaruhi prediksi kelulusan mahasiswa melalui data kinerja akademik mahasiswa dan beberapa variabel lainnya. Variabel yang digunakan adalah Jenis Kelamin, umur, asal sekolah, IPS1(Indeks Prestasi Semester satu) sampai dengan IPS4, SKS, IPK, dan kehadiran. Pengujian data dalam penelitian ini adalah sebanyak 1170 data, 936 data digunakan untuk data training dan 234 data untuk data testing dengan menggunakan 5 k fold cross validation Hasil pengujian menunjukkan bahwa faktor yang paling berpengaruh dalam penentuan klasifikasi kinerja akademik mahasiswa yaitu SKS dengan nlaai akurasi 96,15%, umur 79,02%, IPK 77,72%, dan kehadiran 77,67%. Dalam penelitian ini hasil yang dicapai dalam penerapan metode algoritma Naïve Bayes menggunakan seluruh variabel dengan tingkat akurasi sebesar 93,93% kemudian setelah menggunakan variabel terbaik akurasi meningkat menjadi 96,15%.
PENERAPAN METODE AHP DAN ELECTRE DALAM PROSES SELEKSI KARYAWAN PADA PT. GAWIH JAYA BANJARMASIN Mahmudi; Kusrini; Henderi
Jurnal Teknomatika Vol 11 No 2 (2019): TEKNOMATIKA
Publisher : Fakultas Teknik dan Teknologi Informasi, Universitas Jenderal Achmad Yani Yogyakarta

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

Abstract

Karyawan merupakan sebagai SDM yang sangat berperan penting dalam memajukan sebuah perusahaan. Sumber Daya Manusia (SDM) yang berkualitas akan menghasilkan kinerja dan prestasi baik untuk perusahaan. Pada penelitian ini menggunakan metode AHP dan Electre, dimana metode AHP dilakukan pembobotan dan metode ELECTRE dilakukan perangkingan dari pembobotan AHP. Dengan data menggunakan 11 kriteria yaitu Pencapaian tujuan jabatan, Pengembangan kemampuan intelektual, Interaksi yang dilakukan, Kemampuan manajerial, Kematangan / Kedewasaan, Pelaksanaan wewenang, Inisiatif, Kreativitas, Sikap kerja / perilaku, Disiplin, Kerjasama. Hasil penelitian menggunakan Metode AHP dan Electre berupa ranking alternatif yang dihasilkan oleh sistem. Dan dijadikan sebagai rekomendasi kepada pengguna dalam mengambil keputusan seleksi karyawan.
PEMODELAN PEMILIHAN BIBIT TANAMAN MELON (CUCUMIS MELO C) MENGGUNAKAN METODE NAÏVE BAYES STUDI KASUS KELOMPOK PETANI MELON “TANI MULYO” Dayat Subekti; Kusrini; Sudarmawan
Jurnal Teknomatika Vol 11 No 2 (2019): TEKNOMATIKA
Publisher : Fakultas Teknik dan Teknologi Informasi, Universitas Jenderal Achmad Yani Yogyakarta

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

Abstract

Kebutuhan tentang buah bagi kesehatan sangat diperlukan tubuh, karena kandungan vitamin dalam tubuh salah satu buah melo, selain kandungan vitamin A dan C yang ada dalam buah melon, buah melon tidak mengandung lemak dan kolesterol juga rendah kalori. Kebutuhan konsumsi buah melon dari tahun meningkat dan dapat dipastikan untuk petani melon lokasi belum bisa memenuhi konsumsi untuk dalam negeri. Cara pemilihan bibit dalam menanam melon menjadi salah satu kendala dalam keberhasilan menanam melon, disebabkan tidak memperhatikan kriteria yang menjadi prioritas utama pada varian bibit melon. Pengolahan data yang digunakan dalam menganalisa data adalah Algoritma Naïve Bayes. Kriteria pemilihan bibit dipengaruhi oleh masa tanam, tingkat kemanisan, berat buah dan daya cambah benih. Kriteria-kriteria yang sisebutkan dijadikan sebagai attibut dalam menentukan hasil akhir dari pemilihan bibit melon. Hasil akhir setelah diadakan pengolahan data adalah nilai untuk varian bibit yang diterima yaitu sebesar 53,8%, dan yang tidak diterima sebesar 46,2%, varian yang memiliki angka probabilitas paling tinggi yaitu pada varian bibit Suny Red M267 dan Sonya yaitu pada nilai 0,107.
Co-Authors Abdul Ra'uf Alfansani Akhmad Syarif Andi Syahrul Ramdana Angga Kurniawan Asro Nasiri Azib Widad Zuhaily Imam Burhanudin Dwi Prakoso Candra Rusmana Choerun Asnawi dayat subekti Dina Maulina Eko Pramono Fajar Sudana Putra Hafidz Sanjaya, Hafidz Hanafi Hanafi Hasnan Afif Henderi Hidayatunnisa'i Ibnu Ickwantoro Iqbal Kusnawi Kusnawi M. Rudyanto Arief M.Andi Rohmat MAHMUDI Mei P Kurniawan Muhammad Ricky Perdana Putra Muhirin Pramudya Insan Rama Ashari Rizal Khadarusman Sudarmawan Teguh Arlovin Widdi Djatmiko Yusuf Fadlila Rachman Zumratul Muahidin