Article Per Year (5 Year)
p-Index From 2020 - 2025
3.582
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) IJoICT (International Journal on Information and Communication Technology) Syntax Literate: Jurnal Ilmiah Indonesia SEIKO : Journal of Management & Business Jurnal ULTIMATICS JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Building of Informatics, Technology and Science BERNAS: Jurnal Pengabdian Kepada Masyarakat KLIK: Kajian Ilmiah Informatika dan Komputer Indonesian Community Journal Jurnal Informatika Teknologi dan Sains (Jinteks) eProceedings of Engineering Community Service Seminar and Community Engagement (COSECANT)
Nungki Selviandro
Universitas Telkom
Religion Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Neuroscience Nursing Public Health Social Sciences Veterinary Other

Published : 31 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 31 Documents
Search

 1   2   3   4 
POTENTIAL BENEFITS, CHALLENGES, AND BUSINESS MODEL OF CLOUD LEARNING: A CASE STUDY OF INDONESIA Baginda Anggun Nan Cenka; Harry B. Santoso; Nungki Selviandro
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2012
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

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

Abstract

During the last years, the most of educational institution have applying e-learning, however it is becoming not in line for social changes and educational progress. Hence, redesign the educational system is strong required. At the same time, Cloud computing is growing rapidly and created a global phenomenon on Information and Communication Technology (ICT) which playing cross over in any area, including education and often called Cloud Learning. In this paper we elaborate why cloud learning is widely accepted today, what considerable risk when adopting this practices, and what about the business model on Cloud Learning.
Test Case Analysis with Keyword-Driven Testing Approach on Angkasa Website Using Katalon Studio Tools Reynaldi Prama Octavially; Rosa Reska Riskiana; Kusuma Ayu Laksitowening; Dana Sulistyo Kusumo; Monterico Adrian; Nungki Selviandro
Ultimatics : Jurnal Teknik Informatika Vol 13 No 2 (2021): Ultimatics : Jurnal Teknik Informatika
Publisher : Faculty of Engineering and Informatics, Universitas Multimedia Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31937/ti.v13i2.2391

Abstract

Abstract— Testing a software is an important stage of a series of software development. Functional testing of each feature on the Angkasa website is intended to try out the function to match the required specifications. To achieve a functional test result, there are elements of features on the web page that require keywords. These keywords are used to perform actions or actions in running a web page, these keywords will help in making Test Cases for the testing process. Because it takes the right keywords to test on the web. To overcome this problem, this study analyzes the use of the Keyword Driven Testing approach for making Test Cases through the Katalon Studio tools. Keyword Driven Testing is one of the concepts in ISO/IEC/IEEE 29119, namely Keyword Driven Testing in The Test Design Process. The results of the analysis show that making Test Cases with Keyword Driven testing is easier to understand and is fully supported by the Katalon Studio tools. However, when creating test cases, not all keywords can be added automatically, so they need to be added manually.
The Simulation of Autonomous Vehicle Using ROS2 Based on Convolutional Neural Networks for Object Recognition Muhammad Miftahudin; Nungki Selviandro; Muhammad Johan Alibasa
Building of Informatics, Technology and Science (BITS) Vol 4 No 2 (2022): September 2022
Publisher : Forum Kerjasama Pendidikan Tinggi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bits.v4i2.1965

Abstract

The main justification for implementing an Autonomous Vehicle (AV) system in the real world is the safety aspect of driving, because if there is an error in driving then the error will become a gap that can threaten the safety of the driver himself and other drivers, therefore an AV system is made to reduce driver errors. in driving. The aim of this research is to implement one of the parts of the AV system, that is object recognition, and in this study, we also conduct an experiment with simulating the object recognition feature that has been implemented in order to get more concrete results. Architectural object recognition is designed to extract key features from traffic sign images, the traffic sign detection uses the customized Convolutional Neural Networks (CNNs) architecture. After the architectural has been implemented, training will be carried out using Custom Traffic Sign Dataset and experiments will also be conducted to simulate object recognition by applying ROS2 as a car robotic system that represents a car's functionality system in the real world. the results of this study for the implementation of the modified CNNs architecture is 99.96% and the results of the simulations carried out show that the prototype can detect traffic signs objects with a distance of 10m
Pemanfaatan Ontologi Dengan Paradigma Pembangunan Combined Hierarchy Dalam Pengukuran Indeks Kebahagiaan Masyarakat Kota Bandung Anisa Herdiani; Nungki Selviandro; Muhammad Faris Adri Azka
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

Pemerintah kota Bandung saat ini sedang mengembangkan sebuah sistem untuk mengukur indeks kebahagiaan masyarakatnya. Pengukuran indeks kebahagiaan tersebut menggunakan parameter-parameter tertentu yang disesuaikan dengan hal-hal yang dapat membuat masyarakat Bandung menjadi bahagia. Sering kali orang- orang menyampaikan apa yang ada di pikirannya melalui sosial media. Penelitian ini mengusulkan sistem untuk mengukur indeks kebahagiaan tersebut menggunakan data yang ada di media sosial kemudian dilakukan perhitungan sesuai dengan parameter-parameter yang ada. Penelitian ini akan terbagi atas beberapa tahap. Tahap pertama adalah melakukan crawling data dari media social twitter dengan pembatasan area crawling hanya dari kota Bandung. Tahap kedua adalah melakukan proses text processing untuk mendapatkan data tweet yang bersih. Tahap ketiga adalah melakukan pembuatan ontologi yang dijadikan dasar klasifikasi data tweet berdasarkan parameter-parameter indeks kebahagiaan. Tahap keempat adalah mengklasifikasikan tweet dengan menggunakan ontologi yang telah dibuat pada tahap sebelumnya. Tahap kelima adalah klasifikasi sentimen dari data hasil klasifikasi ontologi yang telah dilakukan. Tahap terakhir adalah menghitung indeks kebagagiaan dari hasil klasifikasi sentimen. Keluaran dari penelitian ini adalah nilai indeks kebahagiaan masyarakat kota Bandung. Indeks kebahagiaan yang didapatkan pada penelitian ini adalah sebesar 58%. Hasil dari penelitian ini dapat digunakan sebagai alternatif perhitungan indeks kebahagiaan Kota Bandung disamping perhitungan indeks kebahagiaan secara manual. Kata kunci : Indeks Kebahagiaan, Ontologi, Analisis Sentimen, Twitter
Implementasi Mesin Pencarian Berbasis Ontologi Pada Twitter Untuk Membantu Pengukuran Happiness Index Kota Bandung Muhammad Arifino Setyawan; Anisa Herdiani; Nungki Selviandro
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

Media sosial merupakan tren teknologi yang terus meningkat dalam beberapa tahun terakhir. Seiring dengan peningkatan penggunanya, semakin banyak pengguna yang menyalurkan opininya melalui media sosial. Opini masyarakat merupakan salah satu hal yang bisa digunakan untuk menjadi input dari pengukuran happiness index. Happiness index merupakan suatu nilai yang dapat menggambarkan tingkat kesejahteraan masyarakat suatu wilayah. Namun untuk mengukur happiness index dibutuhkan data yang banyak, sehingga diperlukan suatu sistem yang dapat mengumpulkan data dari media sosial. Search engine merupakan salah satu cara yang bisa digunakan untuk mengumpulkan data, namun karena domain pencarian yang spesifik, penggunaan search engine biasa yang berbasis keyword dianggap kurang efisien sehingga diperlukan search engine yang dapat mencari data berdasarkan suatu domain yang spesifik. Penggunaan ontologi dalam pencarian dapat menangani masalah tersebut. Ontologi merupakan salah satu cara merepresentasikan pengetahuan, dengan bermula dari domain happiness index dapat dibangun sebuah ontologi yang dapat merepresentasikan happiness index. Paradigma top-down dan metodologi Noy McGuinness digunakan dalam konstruksi ontologi. Dalam melakukan penilaian dengan ontologi, metode dari Ehrig akan dipilih karena karakteristik data yang memiliki kemiripan dengan data yang akan diperoleh dari media sosial. Kemudian data tersebut akan diklasifikasi menggunakan metode klasifikasi berbasis kedalaman ontologi. Pada penelitian ini akan diuji performa search engine yang menggunakan ontologi menggunakan komputasi Ehrig dan klasifikasi menggunakan ontologi. Berdasarkan hasil pengujian yang dilakukan, diperoleh hasil yang memuaskan dengan nilai F1-Measire 86% untuk penilaian data berdasarkan ontologi dan hasil yang mencapai 84% dan 100%, untuk perbandingan relevansi hasil pencarian dibandingkan dengan search engine tanpa ontologi. Untuk klasifikasi diperoleh nilai accuracy mencapai 81% yang cukup baik untuk metode klasifikasi yang diusulkan. Kata kunci: happiness index, media sosial, ontologi, search engine, klasifikasi
Analisis Dan Implementasi Algoritma Gspan Dan Lpboost Pada Klasifikasi Struktur Molekul Kimia Ahmad Ridwan Rezani; Kemas Rahmat Saleh Wiharja; Nungki Selviandro
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

Perkembangan teknologi dan informasi tentang pemodelan data elektronik yang semakin meningkat seperti xml text, html,graph, senyawa kimia dan lain lain menyebabkan jumlah aplikasi untuk memodelkan data tersebut semakin pesat. Salah satu yang popular dan banyak dikembangkan yaitu Graph. Graph sangat powerful karena bisa memodelkan struktur yang kompleks. Salah satu penerapannya yaitu risk assessment, toxic prediction dan regulatory decision. Studi mengenai graph berbasis classification masih kurang dan untuk penerapannya masih jarang sehingga perlu penelitian lebih lanjut guna mendapatkan pemodelan data yang baik. Berbagai penelitian telah dilakukan dengan menggunakan teknik dalam klasifikasi graph salah satunya Graph Classification yang bisa diterapkan untuk chemical compound. Dalam penelitian Tugas Akhir ini akan membahas tentang metode Graph Classification dengan menggunakan algoritma gSpan dan Boosting dalam melakukan klasifikasi molekul kimia dan menghitung akurasi yang diperoleh. Tujuannya untuk menentukan dan mengidentifikasi apakah suatu molekul kimia mengandung mutagen atau tidak berdasarkan model klasifikasi yang dibuat. Model klasifikasi ini akan membuat prediction rule dengan beberapa iterasi untuk mendapatkan pola. Pola ini didapatkan dengan cara mengenumerasi secara frequent kemunculan pola subgraph yang bisa digunakan sebagai feature dalam klasifikasi. Pemilihan teknik yang tepat dan rancangan sistem yang benar akan menghasilkan performansi sistem yang maksimal. molekul kimia dipilih karena keunggulan dan keunikannya yaitu memiliki ciri vertex berlabel dan edge yang tidak berarah sehingga molekul kimia cocok jika direpresentasikan dengan graph. Metode Graph Classification akan mengklasifikasi graph yang mempunyai karakteristik struktural information serta menggunakan semua subgrah yang terseleksi sebagai set fitur. Hasil dari penelitian ini menunjukan efisiensi dari algoritma gSpan dan Boosting untuk molekul kimia dengan akurasi tertinggi yaitu 78,18 %. Kata kunci: Graph Classification, Frequent Subgraph Mining, Klasifikasi, Cheminformatics
Implementasi Rekomendasi Materi Ajar Berdasarkan Kerangka Kerja Siluens Irvan Dwi Putra Manurung; Anisa Herdiani; Nungki Selviandro
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

Keberagaman learning style yang ada pada siswa menjadi salah satu faktor yang perlu dipertimbangkan dalam mengimplementasikan e-learning. Penyampaian materi pembelajaran harus dapat disajikan tidak hanya dalam bentuk file materi saja, tetapi juga harus mampu menyesuaikan dengan learning style masing – masing siswa. Kerangka kerja SILUENS yang merupakan sistem evaluasi berinteligensia dalam e- learning digunakan dalam memberikan rekomendasi strategi belajar berupa materi pembelajaran yang beragam yang disesuaikan dengan learning style atau preferensi belajar siswa dengan menggunakan metode clickstream analysis yang didasarkan pada content visit atau view dari masing – masing pengguna. Pengimplementasian rekomendasi materi ajar ini pada Learning Management System (LMS) yang bersifat open source mampu membantu menentukan gaya belajar siswa, merekomendasikan strategi belajar dan membantu perkembangan tingkat pemahaman siswa terhadap materi pembelajaran. Kata kunci: e-learning, SILUENS, learning style, learning management system.
Pengukuran Happiness Index Masyarakat Kota Bandung Pada Media Sosial Twitter Menggunakan Pendekatan Ontologi Top-down Hierarchy Ika Rahayu Ponilan; Anisa Herdiani; Nungki Selviandro
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

Paradigma pengukuran tingkat kemakmuran suatu negara dari pendapatan per kapita Gross National Product (GNP), sekarang telah digeser oleh paradigma happiness index atau Gross National Happiness (GNH). Esensi dari GNH adalah kedamaian dan kebahagiaan dari setiap orang, selain itu juga keamanan dan kedaulatan bangsa. Belakangan ini, Bandung menjadi kota pertama di Indonesia yang mengadopsi inovasi peningkatan happiness index masyarakat. Pemerintah kota Bandung berharap agar inovasi ini dapat dijadikan review untuk menjadikan kota Bandung nyaman ditinggali dan memperbaiki value kota Bandung. Penelitian ini akan menganalisis tweet dari Twitter secara berkala, ke dalam parameter happiness berdasarkan Badan Pusat Statistik (BPS) Bandung dengan menggunakan pendekatan ontologi. Penelitian ini terbagi atas enam tahap. Tahap pertama yaitu crawling (pengambilan) data Twitter berdasarkan wilayah kota Bandung dan melabelkan data. Tahap kedua yaitu preprocessing data yang mencakup data cleaning, case folding, tokenizing, stopword removal, dan lemmatization. Tahap ketiga yaitu sentiment analysis untuk mengklasifikasikan tweet (opini) ke dalam opini positif dan negatif. Tahap keempat yaitu ontology construction berdasarkan parameter happiness index BPS Bandung. Tahap kelima yaitu pengelompokkan tweet berdasarkan ontologi yang telah dibangun. Tahap keenam yaitu perhitungan happiness index per parameter yang telah ditentukan sebelumnya. Pada penelitian ini menghasilkan nilai happiness index masyarakat kota Bandung sebesar 55.50% dari data aktual dan 52.22% dari data prediksi oleh sistem. Nilai tersebut dapat dijadikan sebagai salah satu alat bantu dalam pengambilan kebijakan Pemerintahan Kota Bandung. Kata kunci: Twitter, ontology, sentiment analysis, happiness index
Feature-based Opinion Menggunakan Algoritma High Adjective Count Dan Max Opinion Score ( Studi Kasus Review Di Google Play). Eri Angga Pradana; Shaufiah Shaufiah; Nungki Selviandro
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

Banyaknya jumlah aplikasi pada Google Play terkadang terjadi ketidak sesuaian aplikasi yang dibeli tidak sesuai dengan kebutuhan, hal tersebut terjadi dikarenakan sulitnya menemukan informasi terkait kelebihan dan keunggulan fitur aplikasi pada google playstore. Pemanfaatan review diharapkan dapat memberikan informasi terkait kelebihan dan kekurangan fitur pada pengguna dengan mengekstrak fitur berdasarkan opini yang terdapat dalam review. Opini yang didapatkan akan menjadi penilaian pada fitur. Untuk mendapatkan nilai fitur diperlukan beberapa tahapan proses dari pengumpulan data review, data review adalah file .html hasilpenyimpanan website aplikasi google dengan cara manual. Data yang sudah terkumpul akan di proses beberapa tahap antara lain tahap preprocessing, tahap ekstraksi fitur dengan algoritma High Adjective Count(HAC) dan tahap penilaian fitur dengan algoritma Max Opinion Score(MOS). Untuk validasi kebenaran fitur penulis menggunakan pelabelan fitur secara manual menggunakan responden. Hasil yang didapatkan diketahui HAC memiliki akurasi 80% untuk ekstraksi fitur pada top 5 fitur yang dihasilkan dari keseluruhan review. HAC memiliki akurasi 28.78% nilai ekstraksi fitur dalam satu review atau single review. Hasil yang diberikan pada MOS dapat memberikan fitur beserta nilai fitur. Kata kunci : feature based, opini, high adjective count, max opinion score, review, googleplay
Pengukuran Indeks Kebahagiaan Masyarakat Kota Bandung Dari Jejaring Sosial Twitter Menggunakan Ontologi Dengan Paradigma Bottom-up Anisa Herdiani; Nungki Selviandro; Dimas Ikhsanu Fitra
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

Kebahagiaan masyarakat dapat dijadikan parameter untuk menentukan pencapaian dari suatu negara. Dalam cakupan yang lebih kecil, hal ini dapat diaplikasikan juga ke sebuah kota. Pemerintah kota Bandung mengembangkan sistem yang dapat menghitung indeks kebahagiaan masyarakatnya. Pemerintah kota Bandung telah melakukan perhitungan indeks kebahagiaan dengan survey sampling secara acak kepada kepala keluarga atau pasangannya. Dalam pengambilan data dengan survey memerlukan usaha serta biaya yang besar. Dapat dilakukan upaya lain selain dari menggunakan survey dalam pengambilan data, yaitu dengan mengambil data berupa opini dari masyarakat dari media sosial. Pada penelitian ini dibuat suatu sistem yang mampu mengolah data berupa opini yang berasal dari media sosial Twitter yang sangat banyak digunakan masyarakat kota Bandung. Data tweet pada Twitter diklasifikasikan sesuai dengan kebutuhan perhitungan indeks kebahagiaan masyarakat kota Bandung. Klasifikasi dibantu ontologi yang dapat memetakan pengetahuan yang diketahui manusia untuk diketahui sistem. Ontologi dibangun dengan paradigma bottom-up yang pembangunannya bermula dari term-term pada tweet. Untuk mendapatkan sentimen dari data tweet digunakan klasifikasi sentiment menggunakan classifier pada Weka. Hasil klasifikasi ontologi dan sentiment digunakan untuk mengukur indeks kebahagiaan. Dilakukan pengujian terhadap sistem dengan mencari nilai F1 measure dan akurasi. Dari hasil pengujian ditemukan bahwa kelengkapan ontologi berpengaruh kepada performansi hasil klasifikasi yang dianalisis dari nilai akurasi dan F1 measure pada dua versi ontologi. Dengan data yang ada, jumlah data latih berpengaruh terhadap performansi classifier Weka dalam melakukan klasifikasi sentimen. Semakin besar jumlah data maka semakin besar nilai akurasi dan nilai F1 measure. Semakin besar akurasi maka semakin valid hasil perhitungan indeks kebahagiaan yang didapat. Kata kunci: indeks kebahagiaan, pengambilan data, ontologi, twitter, analisis sentimen
Co-Authors Aditya Khawandi Putra Ady Purna Kurniawan Afifah , Haniyah Risda Afinda, Angel Metanosa Agista Putri Ahmad Muflih Nawir Ahmad Ridwan Rezani Al Ghozali, Yazid Alghifari , Rizky Naufal Anisa Herdiani Aprianti Putri Sujana Arfive Gandhi Baginda Anggun Nan Cenka Dana Sulistyo Kusumo Dimas Ikhsanu Fitra Elis Hernawati Eri Angga Pradana Fadhila Bhinar Jaya , Asyrafbilal Firdaus , Muhammad Adam Firdaus, Fauzan Gede Agung Ary Wisudiawan Gia Septiana Wulandari Gia Wulandari Harry B. Santoso Husnul Khotami Kindi Ika Rahayu Ponilan Indra Lukmana Sardi Irvan Dwi Putra Manurung Joseph, Aaron Kemas Rahmat Saleh Wiharja Khaerunnisa Khaerunnisa Kusumo , Dana Sulistyo Kusumo, Dana Sulistyo Laksitowening, Kusuma Ayu M Haikal Abdussalam Mahesa, Indra Mira Kania Sabariah Mira Sabariah Monterico Adrian Muhammad Arifino Setyawan Muhammad Bambang Hidayanto Muhammad Faris Adri Azka Muhammad Johan Alibasa Muhammad Miftahudin Muthia Khairunissa Niam, Wildan Syukri Pursita Kania Praisar Putri Larasati Raihan Sulthon Yaafi Reynaldi Prama Octavially Rikman Aherliwan Rudawan Rohaendi, Ricky Rosa Reska Riskiana Ryan Adeputra Sutopo Shaufiah . Shinta Yulia Puspitasari Situmeang, Reinhard Efraim Sulistyo Kusumo, Dana Suryatiningsih Tasyrika Nurul Hajar Teguh Surya Apri Handoyo Warih Maharani Zhafran Hafizh Izdihar Riyadi ZK Abdurahman Baizal