Article Per Year (5 Year)
p-Index From 2020 - 2025
1.116
P-Index
This Author published in this journals
All Journal Computatio : Journal of Computer Science and Information Systems Simtek : Jurnal Sistem Informasi dan Teknik Komputer Progresif: Jurnal Ilmiah Komputer Journal of Dinda : Data Science, Information Technology, and Data Analytics
Janson Hendryli
Universitas Tarumanagara
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering

Published : 8 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 8 Documents
Search

 1 
DASHBOARD PENJUALAN DAN PENGIKLANAN TOKOPEDIA PADA CBP GENERAL Verrent Prischila; Dedi Trisnawarman; Janson Hendryli
Computatio : Journal of Computer Science and Information Systems Vol 5, No 2 (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.v5i2.16561

Abstract

Banyaknya pengguna internet menawarkan peluang baru dalam dunia bisnis, terutama terbentuknya konsep bisnis berbasis internet yang sering disebut dengan marketplace. Tokopedia salah satunya, banyaknya penjual di Tokopedia membuat persaingan antar penjual semakin ketat untuk menarik dan mempengaruhi konsumen untuk memilih, membeli produknya dan tidak beralih ke toko pesaing. Oleh karena itu, penjual mencoba melakukan hal ini dengan berbagai cara agar tokonya bisa muncul di awal pencarian (search engine). Pemasar online juga perlu mengembangkan promosi pemasaran yang efektif, terutama bagi konsumen. Tujuan dalam pembuatan Dashboard Pengiklanan dan Penjualan pada toko CBP General adalah untuk membantu mengolah data pengiklanan dan penjualan toko dalam bentuk file excel ke dalam bentuk dashboard yang mudah dipahami, agar dapat membantu pemilik dalam melakukan pengiklanan dan penjualan yang efektif.  Metode pengembangan perangkat lunak yang digunakan adalah metode Prototype, metode ini digunakan untuk mengetahui proses bisnis dan kebutuhan pengguna sebagai pemilik toko CBP General. Pembuatan dashboard ini menggunakan beberapa tools yaitu, seperti Microsoft SQL Server, Visual Studio, SSIS dan Power BI. Hasil dari pembuatan skripsi ini adalah berupa dashboard pengiklanan dan penjualan yang dapat membantu pemilik dalam melakukan analisa pengiklanan dan penjualan dengan mudah dan cepat.
Program Konversi Citra Notasi Balok Menjadi Notasi Angka Hendy Gunawan; Janson Hendryli; Dyah Erny Herwindiati
Computatio : Journal of Computer Science and Information Systems Vol 2, No 2 (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 (765.856 KB) | DOI: 10.24912/computatio.v2i2.2278

Abstract

The Image Conversion Program of Music Notation being Numeric Notation is a character recognition system that accepts input in form of music notation image that produces an output of a DOCX file containing the numeric notation from the input image. Music notation has notation value, ritmic value and written with a music stave. The system consists of four main processes: preprocessing (grayscale and thresholding), notation line segmentation, notation character segmentation, and template matching. Template matching is used to recognize the music notation that obtained after segmentation. The recognition process obtained by comparing the image with the template image that has been inputted before to the database. This system has 100% success rate on segmentation of the character and success rate 38,4843% on the character recognition with template matching.
Analisis Security Voice Authentication pada Sistem Login 2-FA Gilbert Alexandro Onggo; Dyah Erny Herwindiati; Janson Hendryli
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.v1i1.10915

Abstract

Program Sistem Login dengan API Otentikasi Suara merupakan sebuah program website yang dibuat untuk memberikan contoh untuk pengembang lain agar dapat membuat website sistem login yang aman. Program ini dibuat menggunakan bahasa pemrograman Python dengan program pengembangan Visual Studio Code, sedangkan berbagai modul dalam program menggunakan Flask dan MongoDB. Hasil dari pengujian program berupa analisa kerentanan program terhadap serangan injeksi SQL, XSS dan Replay. Hasil yang didapatkan berupa kerentanan terhadap penyerangan XSS dan terutama Replay. Serangan XSS dan injeksi dapat terjadi apabila program tidak ada proses filter terhadap bahasa pemrograman pada input. Serangan Replay dapat ditembus karena penggunaan token berbasis waktu. Penyerang dapat mengirim ulang data yang di rekam sebelum token kadaluwarsa. Untuk mencegah kebocoran data, program website dan API harus menggunakan Koneksi yang terenkripsi seperti SSL / TSL. API otentikasi suara dapat melakukan klasifikasi pengguna dengan akurasi 81.25% menggunakan 3 suara sebagai input awal. Namun, API otentikasi suara gagal dalam mencegah serangan replay spoofing dengan akurasi 66.66%. Kuesioner juga diberikan kepada pengembang lain mengenai contoh program yang dibuat dengan 32 responden. Hasil dari kuesioner menunjukkan bahwa “Analisis Security Voice Authenticator pada Sistem Login Two Factor Authentication” dapat menambah ilmu cybersecurity bagi pengembang lainnya.
SISTEM PERINGKAS OTOMATIS ABSTRAKTIF DENGAN MENGGUNAKAN RECURRENT NEURAL NETWORK Kuncoro Yoko; Viny Christanti Mawardi; Janson Hendryli
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 (249.911 KB) | DOI: 10.24912/computatio.v2i1.1481

Abstract

Abstractive Text Summarization try to creates a shorter version of a text while preserve its meaning. We try to use Recurrent Neural Network (RNN) to create summaries of Bahasa Indonesia text. We get corpus from Detik dan Kompas site news. We used word2vec to create word embedding from our corpus then train our data set with RNN to create a model. This model used to generate news. We search the best model by changing word2vec size and RNN hidden states. We use system evaluation and Q&A Evaluation to evaluate our model. System evaluation showed that model with 6457 data set, 200 word2vec size, and 256 RNN hidden states gives best accuracy for 99.8810%. This model evaluated by Q&A Evaluation. Q&A Evaluation showed that the model gives 46.65% accurary.
Penerapan Metode Extreme Learning Machine untuk Peramalan Harga Cryptocurrency Leonardo Tejaya; Desi Arisandi; Janson Hendryli
Progresif: Jurnal Ilmiah Komputer Vol 19, No 1: Februari 2023
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v19i1.1080

Abstract

Cryptocurrency is in great demand as an investment medium to gain financial benefits. A common problem that is often faced is how to predict the movement of the value of electronic money in the future. Investors/traders usually only see price movements and buy/sell Cryptocurrency assets intuitively, so mistakes often occur in making transactions. To anticipate and minimize this, you can use an algorithm that can help predict Cryptocurrency price movements. Extreme Learning Machine (ELM) is a development method of a simple feedforward neural network using one hidden layer or commonly known as Single Hidden Layer Feedforward Neural NetworksTesting is done by doing several trials for each percentage value, namely 60%, 65%, 70%, 75%, 80%. Tests were carried out using the binary sigmoid activation function, the number of hidden neurons was 20 and the weight range was [-1,1]. The best prediction results using MAPE are generated on Bitcoin data with the smallest error value of 2.8590%Keywords: Cryptocurrency; Investation; Extreme Learning Machine; Prediction AbstrakCryptocurrency banyak diminati untuk menjadi media investasi dalam meraih keuntungan finansial. Masalah umum yang sering dihadapi adalah bagaimana meramalkan pergerakan nilai dari uang elektronik pada masa mendatan. Investor/trader biasanya hanya melihat pergerakan harga dan melakukan jual/beli aset Cryptocurrency secara intuitif, sehingga sering terjadi salah dalam melakukan transaksi. Untuk mengantisipasi dan meminimalisir hal tersebut maka dapat menggunakan sebuah algoritme yang dapat membantu dalam meramalkan pergerakan harga Cryptocurrency. Extreme Learning Machine (ELM) merupakan metode pengembangan dari jaringan syaraf tiruan feedforward sederhana dengan menggunakan satu hidden layer atau biasa dikenal dengan Single Hidden Layer Feedforward Neural Networks. Pengujian dilakukan dengan melakukan beberapa kali percobaan untuk setiap nilai persentase yaitu 60%, 65%, 70%, 75%, 80%. Pengujian dilakukan menggunakan fungsi aktivasi sigmoid biner, jumlah hidden neuron 20 serta rentang bobot [-1,1]. Hasil prediksi terbaik menggunakan MAPE dihasilkan pada data Bitcoin dengan nilai kesalahan terkecil yaitu 2.8590%Kata Kunci: Cryptocurrency; Investasi; Extreme Learning Machine; Prediksi
PENERAPAN METODE LONG SHORT-TERM MEMORY DALAM MEMPREDIKSI DATA METEOROLOGI DI KALIMANTAN TIMUR David Jansen; Teny Handhayani; Janson Hendryli
Simtek : jurnal sistem informasi dan teknik komputer Vol. 8 No. 2 (2023): Oktober 2023
Publisher : STMIK Catur Sakti Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51876/simtek.v8i2.202

Abstract

Meteorologi adalah cabang dari ilmu atmosfer yang memiliki banyak variabel didalamnya. Variabel seperti curah hujan, kecepatan angin, temperatur, dan kelembapan mempengaruhi aktivitas dan keputusan yang akan diambil pada kehidupan manusia dalam banyak bidang. Variabel pada meteorologi ini dapat membahayakan sebagian bahkan seluruh dunia. Memprediksi variabel tersebut dapat meningkatkan keputusan yang akan diambil sehingga meningkatkan kualitas hidup manusia dalam berbagai bidang. Deep Learning adalah cabang dari Machine Learning yang dapat digunakan untuk mempelajari data inputan yang belum terklasifikasi dengan tujuan untuk melakukan klasifikasi pada data tersebut dan mendeteksi objek atau pola yang ada. Long Short-Term Memory adalah bagian dari Deep Learning yang dapat digunakan untuk memprediksi variabel tersebut. Menggunakan Recurrent Neural Network (RNN) sebagai dasarnya dan menambahkan sel memori didalamnya yang telah terbukti menyelesaikan masalah vanishing gradient yang ada pada Recurrent Neural Network sehingga dapat melakukan prediksi untuk data dengan deret waktu yang besar. Long Short-Term Memory cocok digunakan untuk melakuakn klasifikasi dan melakukan prediksi terhadap data deret waktu. Data yang digunakan dalam melakukan prediksi ini adalah data stasiun meteorologi Kalimarau, stasiun meteorologi Sultan Aji Sulaiman Sepinggan, dan stasiun meteorologi Aji Pangeran Tumenggung Pranoto di Kalimantan Timur pada periode Januari 2010 – Juni 2022 yang diambil melalui Badan Meteorologi Klimatologi dan Geofisika Indonesia (BMKG).
PERBANDINGAN ANTARA ALGORITMA K-MEANS DAN ALGORITMA BISECTING K-MEANS DALAM MENGANALISIS GEMPA BUMI DI INDONESIA Adela Tania; Teny Handhayani; Janson Hendryli
Simtek : jurnal sistem informasi dan teknik komputer Vol. 8 No. 2 (2023): Oktober 2023
Publisher : STMIK Catur Sakti Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51876/simtek.v8i2.205

Abstract

Gempa bumi, khusus nya gempa tektonik adalah gempa yang paling sering terjadi di Indonesia. Hal itu dikarenakan kondisi geografis Indonesia yang terletak pada daerah pertemuan 3 batas lempeng tektonik dunia. Kondisi tersebut mendorong berbagai pihak dalam berupaya untuk siaga saat muncul potensi yang dapat ditimbulkan. Salah satu upaya yang dilakukan adalah dengan mengelompokkan wilayah kejadian gempa bumi di Indonesia yang memiliki potensi akan rawan terjadinya gempa bumi berdasarkan kedalaman dan kekuatan gempa bumi dengan menggunakan metode clustering. Metode clustering yang digunakan adalah Algoritma K-Means. Tujuan dari penelitian ini adalah untuk menganalisa pola spasial dari persebaran gempa di Indonesia. Data yang digunakan adalah data titik gempa di seluruh daerah di Indonesia dari November 2008 hingga Juni 2022 yang dicatat oleh Badan Meteorologi Klimatologi dan Geofisika (BMKG). Hasil clustering dengan menggunakan Algoritma K-Means menghasilkan 3 cluster dengan nilai rata-rata Silhouette Coefficient yaitu 0.7390 dan Davies Bouldin Index yaitu 0.4475. Selain itu dari penelitian ini juga didapatkan bahwa Algoritma K-Means memiliki nilai rata-rata Silhouette Coefficient dan Davies Bouldin Index lebih baik dibandingan dengan Algoritma Bisecting K-Means.
Climate Change Sentiment Analysis using LSTM Marchel Yusuf Rumlawang Arpipi; Teny Handhayani; Janson Hendryli
Indonesian Journal of Data Science, IoT, Machine Learning and Informatics Vol 5 No 1 (2025): February
Publisher : Research Group of Data Engineering, Faculty of Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20895/dinda.v5i1.1719

Abstract

This research aims to observe the sentiment of Indonesian people towards climate change using the Long Short-Term Memory (LSTM) methods. The data samples used in this study are primary data that have been collecting by using the Twitter Application Programming Interface (API) that provides by a platform known as RapidAPI. This data sample is text data with 2425 total samples obtained during the time period from 01 January 2020 to 25 August 2024. The sentiment is classified as positive, negative, and neutral. The performance of the LSTM model is evaluate using accuracy, precision, recall, F1-score, and confusion matrix and then compare with other models such as Ensemble Model, Naive Bayes, and Linear SVC. By conducting Exploratory Data Analysis (EDA), it is reveals that the distribution of public sentiment towards climate change in Indonesia from the collected data is mostly positive. However, there are not many individuals that are still ignorant and skeptical about the issue, resulting in a negative sentiment that can be fatal to the environment and its surroundings. When comparing the Ensemble Model, Naive Bayes, and Linear SVC, the LSTM model successfully identifies the perception patterns between sentences according to their sentiments. LSTM obtains an accuracy of 60% and outperforms Ensemble Model, Naive Bayes, and Linear SVC. This research also highlights the technical challenges in processing and analyzing dynamic and diverse data so that the results obtained are better, especially in terms of data quality before further processing.
Co-Authors Adela Tania David Jansen Dedi Trisnawarman Desi Arisandi Dyah Erny Herwindiati Gilbert Alexandro Onggo Hendy Gunawan Kuncoro Yoko Leonardo Tejaya Marchel Yusuf Rumlawang Arpipi Teny Handhayani Verrent Prischila Viny Christanti M