Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

0.817

P-Index

This Author published in this journals

All Journal Jurnal Informatika Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal Ilmu Komputer dan Informasi Jurnal Teknik ITS Proceedings of KNASTIK TELKOMNIKA (Telecommunication Computing Electronics and Control) JUTI: Jurnal Ilmiah Teknologi Informasi Sewagati

Yudhi Purwananto

Depertemen Teknik Informatika, Institut Teknologi Sepuluh Nopember, Surabaya

Author-ID : 349658

Arts Humanities Computer Science & IT Dentistry Education Engineering Languange, Linguistic, Communication & Media Library & Information Science Public Health Social Sciences Other

Published : 25 Documents Claim Missing Document

Claim Missing Document

Articles

1 2 3

STUDI PERBANDINGAN ANTARA ALGORITMA BIVARIATE MARGINAL DISTRIBUTION DENGAN ALGORITMA GENETIKA Purwananto, Yudhi; Fatichah, Chastine; Kusuma, Imam Artha
Jurnal Informatika Vol 7, No 2 (2006): NOVEMBER 2006
Publisher : Institute of Research and Community Outreach - Petra Christian University

Bivariate Marginal Distribution Algorithm is extended from Estimation of Distribution Algorithm. This heuristic algorithm proposes the new approach for recombination of generate new individual that without crossover and mutation process such as genetic algorithm. Bivariate Marginal Distribution Algorithm uses connectivity variable the pair gene for recombination of generate new individual. Connectivity between variable is doing along optimization process. In this research, genetic algorithm performance with one point crossover is compared with Bivariate Marginal Distribution Algorithm performance in case Onemax, De Jong F2 function, and Traveling Salesman Problem. In this research, experimental results have shown performance the both algorithm is dependence of parameter respectively and also population size that used. For Onemax case with size small problem, Genetic Algorithm perform better with small number of iteration and more fast for get optimum result. However, Bivariate Marginal Distribution Algorithm perform better of result optimization for case Onemax with huge size problem. For De Jong F2 function, Genetic Algorithm perform better from Bivariate Marginal Distribution Algorithm of a number of iteration and time. For case Traveling Salesman Problem, Bivariate Marginal Distribution Algorithm have shown perform better from Genetic Algorithm of optimization result. Abstract in Bahasa Indonesia : Bivariate Marginal Distribution Algorithm merupakan perkembangan lebih lanjut dari Estimation of Distribution Algorithm. Algoritma heuristik ini mengenalkan pendekatan baru dalam melakukan rekombinasi untuk membentuk individu baru, yaitu tidak menggunakan proses crossover dan mutasi seperti pada Genetic Algorithm. Bivariate Marginal Distribution Algorithm menggunakan keterkaitan pasangan variabel dalam melakukan rekombinasi untuk membentuk individu baru. Keterkaitan antar variabel tersebut ditemukan selama proses optimasi berlangsung. Aplikasi yang dibuat dalam penelitian ini ditujukan untuk membandingkan kinerja Genetic Algorithm sederhana persilangan satu titik dengan Bivariate Marginal Distribution Algorithm pada kasus Onemax, Fungsi De Jong F2, dan Traveling Salesman Problem. Dari uji coba yang dilakukan, didapat hasil bahwa kinerja dari kedua algoritma tersebut dipengaruhi oleh parameter masing-masing dan juga besar ukuran populasi yang digunakan. Untuk kasus Onemax dengan ukuran masalah yang kecil, Genetic Algorithm lebih unggul dalam hal jumlah iterasi yang lebih sedikit dan waktu yang lebih cepat untuk mendapat hasil optimal. Namun, Bivariate Marginal Distribution Algorithm lebih unggul dalam hal hasil optimasi pada kasus Onemax dengan ukuran masalah yang lebih besar. Untuk Fungsi De Jong F2, Genetic Algorithm lebih unggul dari Bivariate Marginal Distribution Algorithm utamanya dalam hal jumlah iterasi dan waktu. Sedangkan untuk kasus Traveling Salesman Problem, Bivariate Marginal Distribution Algorithm dapat menunjukkan kinerja yang lebih baik dari Genetic Algorithm dalam hal hasil optimasi. Kata kunci: heuristic algorithm, estimation of distribution algorithm, bivariate marginal distribution algorithm, genetic algorithm.

VIDEO STREAMING TERKOMPRESI BERBASIS UPNP MENGGUNAKAN METODE KUANTISASI VEKTOR DENGAN ALGORITMA FAIR SHARE AMOUNT Shiddiqi, Ary Mazharuddin; Purwananto, Yudhi; Yanto, Dedy
Proceedings of KNASTIK 2009
Publisher : Duta Wacana Christian University

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

Salah satu contoh keunggulan teknologi yang ada saat ini yaitu streaming file. Definisi dari streaming file adalahteknik untuk mengirim file dari satu device ke device lain yang berjalan secara terus menurus sehingga user di device tujuanbisa menjalankan file yang dikirim dengan tidak menunggu semua file dari tempat asal selesai dikirimkan.Proses streaming membutuhkan bandwith yang besar, karena data audio dan video biasanya memiliki ukuran yangbesar. Dengan kondisi bandwidth yang terbatas, proses streaming sulit diimplementasikan. Oleh karena itu dibutuhkan solusiyang bisa melakukan streaming pada bandwidth yang terbatas. Salah satu solusi yang memungkinkan yaitu denganmenggunakan metode kompresi ke dalam data yang akan distreaming. Kompresi dilakukan menggunakan metode kuantisasivektor dengan menggunakan algoritma Fair Share Amount (FSA). Streaming juga mengimplementasikan teknologi UPnP(Universal Plug And Play) sehingga proses streaming bisa diautomatisasi tanpa perlu mengetahui address pada device -device yang terhubung. Source streaming disebut dengan device sedangkan tujuan streaming disebut dengan control point.Berdasarkan hasil uji coba menunjukan bahwa dengan menggunakan arsitektur UPnP, aplikasi video streamingterkompresi menggunakan metode quantisasi vektor dengan algoritma FSA bisa diterapkan dengan baik serta prosentasekompresi yang dihasilkan dengan metode ini mencapai 75,8 % sampai 85 % dari file aslinya.

Ovarian Cancer Identification using One-Pass Clustering and k-Nearest Neighbors Isye Arieshanti; Yudhi Purwananto; Handayani Tjandrasa
TELKOMNIKA (Telecommunication Computing Electronics and Control) Vol 11, No 4: December 2013
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/telkomnika.v11i4.1203

The identification of ovarian cancer using protein expression profile (SELDI-TOF-MS) is important to assists early detection of ovarian cancer. The chance to save patient’s life is greater when ovarian cancer is detected at an early stage. However, the analysis of protein expression profile is challenging because it has very high dimensional features and noisy characteristic. In order to tackle those difficulties, a novel ovarian cancer identification model is proposed in this study. The model comprises of One-Pass Clustering and k-Nearest Neighbors Classifier. With simple and efficient computation, the performance of the model achieves Accuracy about 97%. This result shows that the model is promising for Ovarian Cancer identification.

Comparative Study of Bankruptcy Prediction Models Isye Arieshanti; Yudhi Purwananto; Ariestia Ramadhani; Mohamat Ulin Nuha; Nurissaidah Ulinnuha
TELKOMNIKA (Telecommunication Computing Electronics and Control) Vol 11, No 3: September 2013
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/telkomnika.v11i3.1143

Early indication of Bankruptcy is important for a company. If companies aware of potency of their Bankruptcy, they can take a preventive action to anticipate the Bankruptcy. In order to detect the potency of a Bankruptcy, a company can utilize a model of Bankruptcy prediction. The prediction model can be built using a machine learning methods. However, the choice of machine learning methods should be performed carefully because the suitability of a model depends on the problem specifically. Therefore, in this paper we perform a comparative study of several machine leaning methods for Bankruptcy prediction. It is expected that the comparison result will provide insight about the robust method for further research. According to the comparative study, the performance of several models that based on machine learning methods (k-NN, fuzzy k-NN, SVM, Bagging Nearest Neighbour SVM, Multilayer Perceptron(MLP), Hybrid of MLP + Multiple Linear Regression), it can be concluded that fuzzy k-NN method achieve the best performance with accuracy 77.5%. The result suggests that the enhanced development of bankruptcy prediction model could use the improvement or modification of fuzzy k-NN.

Optimasi Penjadwalan Penugasan Crane dengan Algoritma Branch and Price Yudhi Purwananto; Chastine Fatichah; Anna Kholilah; Rully Soelaiman
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2006
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

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

Perusahaan persewaan crane merupakan perusahaan jasa yang berprinsip memenuhi pesanan dari pelanggan. Karena keterbatasan sumber daya yang dimiliki, maka tidak semua pesanan yang datang dapat diterima. Pesanan dapat diterima apabila sebuah perusahaan sanggup memenuhinya tanpa mengabaikan pesanan-pesanan yang datang terlebih dahulu, karena pesanan yang datang terlebih dahulu seharusnya dilayani terlebih dahulu. Untuk menyelesaikan pesanan-pesanan yang diterimanya, sebuah perusahaan persewaan memiliki seorang planner yang bertugas untuk mendistribusikan semua sumber daya yang ada. Salah satu biaya operasional adalah biaya pengoperasian sumber daya yang dimiliki perusahaan persewaan. Untuk dapat memaksimalkan keuntungan, maka salah satunya adalah dengan meminimalkan biaya operasional yang dikeluarkan.Permasalahan tersebut dapat dirumuskan sebagai permasalahan integer programming yang dapat diselesaikan dengan menggunakan algoritma branch and price. Dua proses yang akan dilakukan yaitu percabangan pada variabel keputusan yang belum integer dan pengecekan adanya reduced cost negatif pada tiap variabel keputusannya. Pengecekan reduced cost ini dilakukan agar tidak melakukan penelusuran pada semua kemungkinan solusi integer, seperti yang dilakukan pada algoritma branch and price. Hasil optimal dicapai pada solusi integer yang semua variabel keputusannya tidak memiliki reduced cost negatif.Uji coba dan evaluasi dilakukan dengan menggunakan data yang didapatkan dari sebuah perusahaan persewaan crane pada NRL. Dari beberapa hasil uji coba yang dilakukan menunjukkan bahwa aplikasi dapat merumuskan integer programming dan dengan algoritma branch and price permasalahan penjadwalan penugasan crane dapat diselesaikan. Dari hasil uji coba yang dilakukan pada data NRL dibuktikan adanya peningkatan solusi optimal lebih dari 10%.Kata kunci: Graph, Integer Programming, Branch and Price, Column Generation

METODE EKSTRAKSI FITUR PADA PENGKLASIFIKASIAN DATA MICROARRAY BERBASIS INFORMASI PASANGAN GEN Rully Soelaiman; Sheila Agustianty; Yudhi Purwananto; I.K. Eddy Purnama
Jurnal Ilmu Komputer dan Informasi Vol 2, No 1 (2009): Jurnal Ilmu Komputer dan Informasi (Journal of Computer Science and Information)
Publisher : Faculty of Computer Science - Universitas Indonesia

Pengenalan teknologi DNA microarray membuat perolehan data microarray menjadi lebih mudah. Hal ini semakin memicu persoalan tentang bagaimana cara terbaik dalam mengekstraksi dan memilih fitur dari data yang berdimensi besar tersebut. Metode-metode terdahulu mengabaikan adanya hubungan antargen sehingga memungkinkan hilangnya informasi penting yang tersimpan dalam suatu gen pada saat ekstraksi fitur. Meskipun berbagai macam metode telah digunakan, pengembangan metode ekstraksi dan seleksi fitur dari data microarray yang lebih powerful dan efisien masih diperlukan untuk meningkatkan performa klasifikasi kanker. Dalam penelitian ini diimplementasikan sebuah metode dalam melakukan ekstraksi fitur dari data microarray yang memanfaatkan model klasifikasi berbasis informasi pasangan gen, yaitu pasangan gen yang memiliki perbedaan signifikan pada dua jenis sampel tissue. Hasil uji coba terhadap dua data microarray menunjukkan bahwa fitur hasil ekstraksi menggunakan metode ini dapat meningkatkan performa klasifikasi. Bahkan akurasi 100% dapat diperoleh pada uji coba terhadap data lymphoma.

Optimasi Kinerja Algoritma Klasterisasi K-Means untuk Kuantisasi Warna Citra Irwanto Irwanto; Yudhi Purwananto; Rully Soelaiman
Jurnal Teknik ITS Vol 1, No 1 (2012)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Kuantisasi warna citra merupakan operasi penting pada banyak aplikasi grafik dan pengolahan citra. Metode kuantisasi warna banyak dilakukan dengan menggunakan algoritma klasterisasi data. Kepopuleran k-means sebagai algoritma klasterisasi data yang telah umum, ternyata belum mendapat cukup perhatian pada literatur kuantisasi warna. Hal ini disebabkan karena mahalnya biaya komputasi dan sensitivitasnya terhadap pengaruh pemilihan pusat klaster. Penelitian ini memberikan metode percepatan algoritma k-means untuk kuantisasi warna. Metode yang diajukan melibatkan beberapa modifikasi pada k-means konvensional, seperti pengurangan data, pembobotan data, dan penggunaan prinsip pertidaksamaan segitiga untuk mempercepat pencarian ketetanggaan terdekat. Ujicoba dilakukan dengan beragam citra dan menunjukkan bahwa modifikasi yang telah dilakukan mampu memperlihatkan bahwa k-means juga sangat kompetitif sebagai algoritma kuantisasi warna citra, baik dalam segi efektivitas maupun efisiensinya.

Implementasi Algoritma Particle Swarm untuk Menyelesaikan Sistem Persamaan Nonlinear Ardiana Rosita; Yudhi Purwananto; Rully Soelaiman
Jurnal Teknik ITS Vol 1, No 1 (2012)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Penyelesaian sistem persamaan nonlinear merupakan salah satu permasalahan yang sulit pada komputasi numerik dan berbagai aplikasi teknik. Beberapa metode telah dikembangkan untuk menyelesaikan sistem persamaan ini dan metode Newton merupakan metode yang paling sering digunakan. Namun metode ini memerlukan perkiraan solusi awal dan memilih perkiraan solusi awal yang baik untuk sebagian besar sistem persamaan nonlinear tidaklah mudah. Pada makalah ini, algoritma Particle Swarm yang diusulkan oleh Jaberipour dan kawan-kawan[1] diimplementasikan. Algoritma ini merupakan pengembangan dari algoritma Particle Swarm Optimization (PSO). Algoritma ini meyelesaikan sistem persamaan nonlinear yang sebelumnya telah diubah menjadi permasalahan optimasi. Uji coba dilakukan terhadap beberapa fungsi dan sistem persamaan nonlinear untuk menguji kinerja dan efisiensi algoritma. Berdasarkan hasil uji coba, beberapa fungsi dan sistem persamaan nonlinear telah konvergen pada iterasi ke 10 sampai 20 dan terdapat fungsi yang konvergen pada iterasi ke 200. Selain itu, solusi yang dihasilkan algoritma Particle Swarm mendekati solusi eksak.

Implementasi Sistem Klasifikasi Fuzzy Berbasis Optimasi Koloni Semut untuk Diagnosa Penyakit Diabetes Junian Triajianto; Yudhi Purwananto; Rully Soelaiman
Jurnal Teknik ITS Vol 2, No 1 (2013)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Diabetes merupakan penyakit metabolis yang ditandai dengan tingginya tingkat glukosa dalam darah. Banyak pasien yang tidak menyadari adanya gejala diabetes dalam dirinya. Oleh karena itu diperlukan sistem pakar yang bisa memberikan peringatan apakah seseorang menderita diabetes atau tidak. Dalam makalah ini diimplementasikan sistem klasifikasi fuzzy berbasis optimasi koloni semut untuk diagnosa penyakit diabetes. Sistem pakar ini menggunakan mesin inferensi fuzzy untuk melakukan prediksi penyakit diabetes. Aturan-aturan fuzzy yang digunakan untuk membentuk mesin inferensi fuzzy didapatkan dengan menerapkan optimasi koloni semut yang bertugas mempelajari data latih. Uji coba sistem dilakukan dengan menggunakan data set Pima Indian Diabetes. Performa terbaik yang dihasilkan oleh model adalah akurasi sebesar 78,55%, precision sebesar 79,61%, recall sebesar 78,56%, dan F-measure sebesar 79,02%.

Klinik Penyusunan Rencana Program Pembelajaran (RPP) dan Pelatihan TIK bagi Guru Pos PAUD Terpadu (PPT) Mawar di Surabaya Victor Hariadi; Joko Lianto Buliali; Ahmad Saikhu; Yudhi Purwananto; Bilqis Amaliah; Arya Yudi Wijaya
Sewagati Vol 6 No 1 (2022)
Publisher : Pusat Publikasi ITS

Pendidikan Anak Usia Dini (PAUD) merupakan pondasi awal bagi pertumbuhan dan perkembangan selanjutnya. Ontologis anak sebagai makhluk mempunyai aspek biologis dan psikologis. Pembelajaran pada anak usia dini haruslah menggunakan konsep belajar melalui bermain, belajar sambil berbuat, serta melalui stimulasi PAUD berdasarkan aspek pedagogis. Dari segi empiris PAUD sangat penting, antara lain menjelaskan bahwa pada waktu manusia lahir, kelengkapan organisasi otak memuat 100-200 milyar sel otak yang siap dikembangkan serta diaktualisasikan mencapai tertinggi. Selain itu tujuan PAUD yang ingin dicapai adalah mengembangkan pengetahuan dan pemahaman orang tua dan guru serta pihak-pihak yang terkait dengan pendidikan dan perkembangan anak usia dini. Oleh karenanya sangat penting bagi guru-guru PAUD untuk senantiasa mengevaluasi dan memperbaharui kurikulum dan metode pengajaran kepada anak-anak usia dini ini. Selain melalui pemahaman dan pengaplikasian penduan yang dibuat oleh dinas pendidikan setempat, juga yang tidak pentingnya adalah berdiskusi dan memahami perkembangan teknologi informasi terkini, baik dijadikan sebagai sisipan bahan ajar, maupun sebagai perangkat bantu pengajaran. Dalam pelaksanaan kegiatan pengabdian kepada masyarakat ini akan dilaksanakan diskusi penyusunan Rencana Program Pembelajaran (RPP) serta pelatihan Teknologi Informasi dan Komunikasi (TIK) yang dapat dimanfaatkan sebagai media pembelajaran kepada anak-anak usia dini. Diharapkan melalui kegiatan ini guru-guru PAUD dapat mengikuti perkembangan teknologi terkini serta dapat meningkatkan kualitas pembelajaran kepada siswa-siswa PAUD yang diasuhnya

Co-Authors Aby Herwendo Agus Purwono Ahmad Saikhu Anna Kholilah Ardiana Rosita Ariestia Ramadhani Arif Bramantoro Aris Nurahman Nihayanto Ary Mazharuddin Shiddiqi Ary Mazharuddin Shidiqy Arya Yudi Wijaya Arya Yudi Wijaya Bilqis Amaliah Buliali, Joko Lianto Chastine Fatichah Chastine Fatichah Darlis Heru Murti Dedy Yanto Deni Hendrawan Diana Purwitasari Handayani Tjandrasa I.K. Eddy Purnama Imam Artha Kusuma Irwanto Irwanto Isye Arieshanti Isye Arieshanti Joko Lianto Joko Lianto Junaidi Junaidi Junian Triajianto Kurniawan E. Permana Luluk Harini M. Rifqi Febrianto Mohamat Ulin Nuha Nurissaidah Ulinnuha Putu Utami Andarini S. Rully Soelaiman Sheila Agustianty Suhadi Lili Suwadi Suwadi Victor Hariadi Wijaya, Arya Yudi Yos Nugroho

Title

Found 25 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 25 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 25 Documents
Search