Article Per Year (5 Year)
p-Index From 2020 - 2025
9.02
P-Index
This Author published in this journals
All Journal JIKSI (Jurnal Ilmu Komputer dan Sistem Informasi) Jurnal Informatika dan Teknik Elektro Terapan E-Dimas: Jurnal Pengabdian kepada Masyarakat Sistemasi: Jurnal Sistem Informasi Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Computatio : Journal of Computer Science and Information Systems Jurnal CoreIT Jurnal Eksplora Informatika SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Sebatik KOMPUTA : Jurnal Ilmiah Komputer dan Informatika Simtek : Jurnal Sistem Informasi dan Teknik Komputer Abdimas Umtas : Jurnal Pengabdian kepada Masyarakat ComTech: Computer, Mathematics and Engineering Applications Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Jurnal Muara Sains, Teknologi, Kedokteran dan Ilmu Kesehatan JISKa (Jurnal Informatika Sunan Kalijaga) INTI Nusa Mandiri Jurnal Mnemonic Jurnal Bakti Masyarakat Indonesia Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Journal of Dinda : Data Science, Information Technology, and Data Analytics Jurnal Esensi Infokom: Jurnal Esensi Sistem Informasi dan Sistem Komputer Jurnal Informatika Progres Internet of Things and Artificial Intelligence Journal Jurnal Pengabdian Pada Masyarakat KOMPUTASI Jurnal Serina Abdimas
Teny Handhayani
Universitas Tarumanagara
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 77 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 77 Documents
Search

 1   2   3   4   5 
Predicting and Analyzing the Length of Study-Time Case Study: Computer Science Students Handhayani, Teny; Hiryanto, Lely
ComTech: Computer, Mathematics and Engineering Applications Vol 8, No 2 (2017): ComTech
Publisher : Bina Nusantara University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21512/comtech.v8i2.3756

Abstract

The length of study-time is one of the important issues in higher education. The goal of this research was to predict and analyze the length of studytime in the early stage of Computer Science students in X University. The research proposed Mutual Information (MI) as feature selection method and Support Vector Machine (SVM) as a classification method. There were two different sections of the experiments. The first experiment used two class targets that were grouped in ‘on time group’ and ‘late group’. The experiment result shows that the proposed method produces accuracy around 85%. The second experiment used three class targets, ‘on time group’, ‘late group’, and ‘very late group’. The experiment result of the proposed method produces accuracy around 80%. Mutual Information (MI) does not only successfully raise the accuracy but also uncovers the relationship between subjects and the class targets.
IDENTIFIKASI PENULIS MELALUI POLA TULISAN TANGAN MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE Handhayani, Teny
Jurnal Muara Sains, Teknologi, Kedokteran dan Ilmu Kesehatan Vol 1, No 1 (2017): Jurnal Muara Sains, Teknologi, Kedokteran dan Ilmu Kesehatan
Publisher : Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/jmstkik.v1i1.432

Abstract

Tulisan tangan merupakan ciri biometrik karena setiap orang memiliki pola tulisan tangan yang unik. Keunikan tersebut dapat dimanfaatkan sebagai identitasbiometrik. Pada penelitian ini, peneliti menggunakan algoritma Support Vector Machine beserta fitur GLCM dan Histogram untuk melakukan pengenalan pola tulisan tangan. Pengenalan pola tulisan tangan tersebut digunakan untuk mengidentifkasi penulisnya. Eksperimen dilakukan dengan menggunakan data citra tulisan tangan dari 47 respoden. Pembagian data latih dan data uji secara acak dengan perbandingan 70%:30%. Pada eskperimen pertama, identifikasi penulis melalui pola tulisan tangan dilakukan dengan membandingkan pola tulisan dari setiap responden secara berpasangan. Support Vector Machine kernel linear berhasil mengidentifikasi penulis dengan rata-rata akurasi 99%. Pada eksperimen ke dua, identifikasi penulis dilakukan menggunkan keseluruhan data. Pada eksperimen ini, Support Vector Machine kernel linear menghasilkan rata-rata akurasi 93.5%.Kata kunci: pengenalan tulisan tangan, SVM, GLCM, Histogram
Clustering Data Covid-19 Di Indonesia Menggunakan Intelligent K-Means Veri; Dyah Erny Herwindiati; Teny Handhayani
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 10 No. 2 (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.v10i2.22535

Abstract

Indonesia pada terkena dampak wabah baru yakni virus covid-19. Covid-19 telah menjadi pandemi dikarenakan jumlah kasus di Indonesia yang terkonfirmasi terus meningkat. Di Jurnal ini menggunakan metode Intelligent K-Means untuk clustering data covid-19 yang ada diindonesia. Setelah mendapatkan hasil kluster dari metode Intelligent K-Means hasil ini akan dibandingkan dengan hasil clustering yang dilakukan oleh pemerintah. Hasil evaluasi di jurnal ini menggunakan metode Silhouette yang di mana hasil ini evaluasi silhouette ini akan dibandingkan dengan metode K-Means.
Sistem Pengenalan Covid-19 Berdasarkan Foto X-ray Paru dengan Metode EfficientNet-B0 Jourdan Stanley; Chairisni Lubis; Teny Handhayani
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 10 No. 2 (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.v10i2.22549

Abstract

Covid-19 is a viral infection disease severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2), Covid-19 is a group of viruses that attack the respiratory system in humans which can cause symptoms ranging from mild symptoms to severe symptoms. Currently, to detect whether a person is infected with the Covid-19 virus or not, several tests can be carried out, one of which is the polymerse chain reaction (PCR) examination. This type of examination has a high level of accuracy but this examination requires quite expensive costs, adequate laboratories and requires a long time. So from these problems there is another alternative, namely radiological examination. From these problems, a system was built that can perform classification based on x-ray images of the lungs using the convolutional neural network (CNN) method of Efficientnet-B0 architecture. This system is expected to assist medical personnel in pre-diagnosing a patient's lung condition based on their lung x-ray without changing the role of the medical personnel. After successfully building a Covid-19 recognition system, the system will be tested using the confusion matrix method where in this test there are 2 scenarios. In the first scenario, the data trained using the CLAHE preprocessing method obtained an accuracy rate of 98%, while in the second scenario the data was trained without using the CLAHE preprocessing method, the results obtained an accuracy rate of 97%. Previous research was conducted using the resnet-18 method and obtained an accuracy rate of 92%. From the results obtained prove that Efficientnet is able to increase the level of accuracy from previous studies.
ANALISIS SENTIMEN TERHADAP KENAIKAN BBM DI INDONESIA PADA MEDIA SOSIAL TWITTER MENGGUNAKAN METODE NAÏVE BAYES Paulus Samotana Zalukhu; Teny Handhayani; Manatap Sitorus
Simtek : jurnal sistem informasi dan teknik komputer Vol. 8 No. 1 (2023): April 2023
Publisher : STMIK Catur Sakti Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51876/simtek.v8i1.177

Abstract

Baru-baru ini masyarakat Indonesia sedang dibuat heboh dengan kebijakan yang akan memangkas subsidi pada harga BBM yang beredar. Hal ini mengakibatkan naiknya harga BBM dan dikhawatirkan akan berdampak pada sektor lainnya. Pada zaman sekarang, masyarakat dapat memberikan opini pada situasi yang sedang terjadi menggunakan media sosial, dimana nantinya diharapkan opini mereka dapat didengar. Untuk itu, analisis sentiment masyarakat terhadap kenaikan harga BBM di Indonesia perlu untuk dilakukan. Hasil analisis ini nantinya diharapkan dapat menjadi bahan acuan untuk penilain dari penerimaan masyarakat terhadap kebijakan pemerintah. Sentimen analisis ini mengambil 5000 data berupa komentar masyarakat terhadap isu kenaikan BBM dan akan diolah oleh Machine Learning menggunakan algoritma Naïve Bayes
An Introduction to the Process of Making the Indonesian Handmade Batik Lasem Teny Handhayani
ABDIMAS: Jurnal Pengabdian Masyarakat Vol. 6 No. 2 (2023): ABDIMAS UMTAS: Jurnal Pengabdian Kepada Masyarakat
Publisher : LPPM Universitas Muhammadiyah Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35568/abdimas.v6i2.3142

Abstract

Batik is an Indonesian culture that is appointed as an intangible culture by UNESCO in 2009. Batik in Indonesia is categorized as handmade and stamped according to the production process. Indonesian batik has different patterns and motifs depending on their origin. Batik Lasem is a handmade batik from Lasem of Central Java, Indonesia. Batik Lasem has unique charms and mostly bright colors because it is formed from the acculturation of Javanese and Chines. Batik Lasem is mostly produced in Lasem and it is sold in offline and online shops. This is a report on a project on community services from a collaboration between the author and one of the batik shops in Lasem. The project is creating a tutorial to introduce the making of handmade batik. The main tool and ingredients needed for making handmade batik are fabric, canting, wax, and coloring matter. The tutorial contains an explanation of equipment, material, and step by step on making handmade batik. The output of this project is a video and module for learning the basic of making handmade batik.
PEMANFAATAN SOSIAL MEDIA INSTAGRAM SEBAGAI SARANA PROMOSI FASHION BATIK LASEM Teny Handhayani
Jurnal Bakti Masyarakat Indonesia Vol. 6 No. 1 (2023): Jurnal Bakti Masyarakat Indonesia
Publisher : Lembaga Penelitian dan Pengabdian kepada Masyarakat, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/jbmi.v6i1.25239

Abstract

Lasem is a town that lies on the Northern coast of Java Island, Indonesia. Lasem is well known as a place that produced handmade batik called batik Lasem. It is easy to identify batik Lasem based on its motifs and color. The motifs of batik Lasem mostly contain plants and animals, for instance, flowers, seaweed, tamarind leaves, dragon, and phoenix. Batik Lasem becomes the evidence of the assimilation of Javanese and Chinese cultures. Lasem and other cities nearby are sites of batik Lasem production.   This paper is a report on community service in the promotion of batik Lasem.  In this project, the author has collaborated with two batik houses in Lasem. The batik houses produced batik fabrics in their home industries.  The major problem in the batik Lasem industries is the limited crafts produced from batik. On the other hand, it is difficult for consumers to process a piece of batik into a usable product, for instance, clothing. This program offers a solution for developing clothes from Lasem batik and promoting the fashion of batik Lasem via Instagram. The author creates some designs of dresses and tops. Meanwhile, partners supply batik fabric and sewing services. This program obtains samples of clothing made from batik Lasem for women. These clothes are then promoted via Instagram. Promoting fashion batik Lasem using Instagram is easy and cheap. It also reaches wider consumers ABSTRAK: Kota Lasem terletak di pesisir utara Jawa dan terkenal sebagai salah satu penghasil batik tulis yang dikenal sebagai batik Lasem. Batik Lasem memiliki ciri khas warna-warna cerah. Motif umum yang ada pada batik Lasem misalnya latohan, aseman, naga dan burung Hong menjadi ciri perpaduan budaya Jawa dan Tionghoa. Batik Lasem diproduksi oleh industri rumahan di wilayah Lasem dan sekitarnya. Dalam kegiatan ini, penulis bekerjasama dengan dua rumah batik di Kota Lasem. Permasalahan umum yang dihadapi oleh rumah batik yaitu keterbatasan tentang produk kerajinan yang dihasilkan dari kain batik sehingga penjualan batik terbatas hanya pada kain batik. Konsumen juga menghadapi permasalahan kesulitan mengolah kain batik menjadi barang, misalnya pakaian untuk digunakan sehari - hari. Solusi yang disarankan yaitu mengembangkan produk fashion dari bahan batik Lasem dan mempromosikan produk pakaian melalui media sosial. Tujuan kegiatan ini yaitu mengembangkan fashion batik Lasem dan  mempromosikan fashion batik Lasem melalui media sosial Instagram. Penulis bertanggung jawab membuat desain pakaian. Partner berpartisipasi dalam menyediakan batik. Hasil dari kegiatan ini adalah sampel desain pakaian wanita dari batik Lasem yang dipromosikan melalui sosial media Instagram. Promosi fashion batik Lasem melalui Instagram dapat menjangkau konsumen yang lebih luas dengan biaya murah. Promosi fashion batik Lasem melalui sosial media meningkatkan penyebaran informasi mengenai batik Lasem dan fashion yang dihasilkan dari batik Lasem.
PREDIKSI CURAH HUJAN DI KABUPATEN BADUNG, BALI MENGGUNAKAN METODE LONG SHORT-TERM MEMORY Brando Dharma Saputra; Lely Hiryanto; Teny Handhayani
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 11 No. 2 (2023): 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.v11i2.26002

Abstract

Rainfall is the height of rainwater that falls on a flat area, assuming it doesn't evaporate, doesn't seep, and doesn't flow. Rain levels are measured in mm (millimeters). The target of the research being conducted is in Badung Regency, Bali because Bali is a tourist area that is often visited by tourists and from Indonesian itself, so predictions of meteorology, such as rainfall will greatly impact tourism. In this test, predictions use the Long Short Term Memory (LSTM) method, using daily weather data from the BMKG from 2010 to 2020 as training data and daily weather data for 2021 as prediction data. Based on the test results above, the results show that the two LSTM tests with LSTM Model 128.64 and LSTM Model 64.32 have low MAE and MAPE error values. From First Scenario, the Mean Absolute Error (MAE) value is 8.97246598930908 and Mean Absolute Percentage Error (MAPE) value is 1.7657206683278308%. From Second Scenario, the Mean Absolute Error is 9.706669940783014 and Mean Absolute Percentage Error is 1.9028466692362323%. From the MAE and MAPE values obtained in these two scenarios, it can be proven that from the evaluation results of Rainfall predictions in Badung Regency, Bali, the predictions can be said to be very accurate because they have an error value of less than 10.
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.
Co-Authors Adela Calista Adela Tania Adithya Putra, Farhan Afrial, Farhan Andre Andre, Andre Andrian, Gion Andry Winata Angelica Christina Arya Bintang Saputra Arya Dwi Saputra Brando Dharma Saputra Cecillia Chung Chairisni Lubis Cherissa Aeryn Djaya Christina, Angelica Daffa Hilmi Aji Dara Kharisma Limparan David Jansen Dayanti, Afina Putri Desi Arisandi Desi Arisandi Djoenaedi, Owen Duncan Ariel Dwi Saputra, Arya Dyah Erny Herwindiati Dyah Erny Herwindiati Ericko, Teddy Faradila Herfiyana Fawaz Georgia Sugisandhea Hendryli, Janson Herfiyana, Faradila Huang, Jervis Irvan Lewenusa Irvan Lewenusa, Irvan Janson Hendryli Janson Hendryli Jason Jaya, Jefri Jayadi, Bryan Valentino Jeanny Pragantha Jeanny Pragantha Jeremia Pinnywan Immanuel Jochsen, Erico Jong, Fenny Jordi Pradipta Kusuma Jourdan Stanley Julius Juan Karnadi, Benny Kelvin Wijaya Kusuma, Jordi Pradipta Lely Hiryanto Lim, Maggie Lubis, M.Kom., Chairisni Mahendra, Izam Susilo Mahendra, Izam Susilo Manatap Dolok Lauro, Manatap Dolok Manatap Sitorus Marchel Yusuf Rumlawang Arpipi Mathew Judianto Matthew Oni Matthew Russel Paul Mohammad Faraditya Eka Putra Monica Ong Muhammad Isnaini Syaifudin Nicko Kurniawan Novario Jaya Perdana Owen Maytrio Phratama Paulus Samotana Zalukhu Phratama, Owen Maytrio Purba, Andrew Castello Putra, Tommy Wijaya Sandy Permadi Sormin Sitorus Dolok Lauro , Manatap Sopany, Mikael Reichi Sumarlie , Devid Sumarlie, Aurellia Clearesta Tanudy, Clara Tasya Syamsudin Tedja, Peter James Tony Tony Veri Wasino Wasino Wasino Wasino, Wasino William William Winata, Andry Zyad Rusdi