Article Per Year (5 Year)
p-Index From 2021 - 2026
9.819
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 Informatika Progres Internet of Things and Artificial Intelligence Journal Jurnal Pengabdian Pada Masyarakat Edu Komputika Journal Jurnal Serina Abdimas Jurnal Esensi Infokom : Jurnal Esensi Sistem Komputer dan Informasi
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 : 78 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 78 Documents
Search

 4   5   6   7   8 
PERBANDINGAN FUZZY C-MEANS DAN K-MEANS PADA KLASTERISASI BAWANG MERAH Fawaz; Teny Handhayani
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 13 No. 2 (2025): 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.v13i2.35141

Abstract

Penelitian ini bertujuan untuk membandingkan performa algoritma Fuzzy C-Means (FCM) dan K-Means dalam klasterisasi data produksi bawang merah di Indonesia. Pendekatan yang digunakan adalah machine learning berbasis unsupervised clustering, dengan evaluasi kinerja berdasarkan tiga metrik utama: Silhouette Score, Davies-Bouldin Index, dan waktu komputasi. Data produksi dianalisis secara spasial menggunakan koordinat geografis kabupaten/kota dan divisualisasikan dalam bentuk peta klaster dan grafik performa. Hasil eksperimen menunjukkan bahwa FCM memberikan hasil klasterisasi yang lebih akurat dan stabil, terutama pada wilayah dengan karakteristik produksi yang tumpang tindih, sedangkan K-Means lebih unggul dari segi efisiensi waktu komputasi. Visualisasi spasial mengungkapkan pola distribusi produksi yang timpang, dengan Pulau Jawa mendominasi klaster produksi tinggi. Temuan ini menunjukkan bahwa metode klasterisasi cerdas dapat menjadi solusi potensial dalam pengembangan sistem informasi geografis pertanian yang adaptif dan berbasis data.
PERBANDINGAN FUZZY C-MEANS DAN K-MEANS PADA KLASTERISASI KETELA POHON Sandy Permadi Sormin; Teny Handhayani
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 13 No. 2 (2025): 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.v13i2.35146

Abstract

Ketela pohon merupakan salah satu komoditas strategis dalam sektor pertanian Indonesia yang tersebar di berbagai wilayah dengan tingkat produktivitas yang bervariasi. Penelitian ini bertujuan untuk membandingkan performa dua algoritma klasterisasi, yaitu K-Means dan Fuzzy C-Means (FCM), dalam mengelompokkan wilayah produksi ketela pohon berdasarkan tiga variabel utama: luas panen, total produksi, dan produktivitas per hektar. Data yang digunakan merupakan data sekunder dari Badan Pusat Statistik (BPS) dan Kementerian Pertanian RI untuk periode 2010 hingga 2022. Sebelum dilakukan proses klasterisasi, data melalui tahap pra-pemrosesan seperti pembersihan data, normalisasi menggunakan metode min-max scaling, serta reduksi dimensi dengan Principal Component Analysis (PCA). Proses klasterisasi dilakukan dengan menetapkan jumlah klaster sebanyak tiga, menggunakan kedua algoritma tersebut. Evaluasi performa klaster dilakukan menggunakan metrik Silhouette Score, Davies-Bouldin Index, dan waktu komputasi. Hasil penelitian menunjukkan bahwa algoritma K-Means memiliki nilai Silhouette tertinggi sebesar 0,9341 dan Davies-Bouldin Index terendah sebesar 0,3224, serta waktu komputasi tercepat 0,0066 detik. Di sisi lain, FCM menunjukkan nilai Silhouette terbaik 0,9315 dan Davies-Bouldin Index 0,4896 dengan waktu komputasi minimum 0,0413 detik. Meskipun FCM menawarkan fleksibilitas dalam penanganan data yang bersifat ambigu, K-Means terbukti lebih unggul dalam hal efisiensi dan kualitas pemisahan klaster. Visualisasi hasil klasterisasi dalam bentuk diagram batang dan peta sebar wilayah memperkuat temuan tersebut. Dengan demikian, penelitian ini merekomendasikan penggunaan algoritma K-Means untuk pengelompokan wilayah produksi ketela pohon secara optimal dan efisien.
KLASIFIKASI TELAPAK TANGAN MENGGUNAKAN DEEP LEARNING DAN MACHINE LEARNING Huang, Jervis; Handhayani, Teny
Jurnal Mnemonic Vol 8 No 2 (2025): Mnemonic Vol. 8 No. 2
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v8i2.15716

Abstract

Tujuan penelitian ini adalah untuk membandingkan kinerja model deep learning MobileNetV2 dan beberapa algoritma machine learning yaitu K-Nearest Neighbor (KNN), Artificial Neural Network (ANN), Decision Tree (DT) dan Support Vector Machine (SVM) dalam mengklasifikasi telapak tangan. Karena algoritma machine learning tidak dapat membaca data citra secara langsung, fitur dari gambar akan diekstraksi dengan gray level co-occurrence matrix (GLCM). Penelitian ini menggunakan data citra telapak tangan dari 26 responden yang berasal dari Universitas Tarumanagara yang berumur sekitar 17 tahun, dan dibagi menjadi 52 kelas (telapak tangan kanan dan kiri dianggap kelas beda). Selain itu, responden diusahakan untuk memenuhi beberapa syarat untuk data citra mereka seperti latar belakang polos dan garis-garis telapak tangan yang jelas. Data uji dan data latih diambil secara acak dengan rasio data latih:data uji 70%:30% dan 80%:20%. Setelah eksperimen, KNN menghasilkan rata-rata akurasi 87% dengan waktu latihan 0.01 detik, ANN menghasilkan rata-rata akurasi 87% dengan waktu latihan 14 detik, DT menghasilkan rata-rata akurasi 83% dengan waktu latihan 0.18 detik, SVM menghasilkan rata-rata akurasi 94% dengan waktu latihan 0.17 detik dan MobileNetV2 menghasilkan akurasi 59% dengan waktu latihan 3336.28 detik. Selain itu, ANN mengasih tanda ketidakkonsistenan karena menghasil akurasi lebih rendah jika menggunakan data uji lebih tinggi dan MobileNetV2 mengasih tanda kekurangan data karena menghasilkan akurasi lebih rendah jika data latih lebih dikit. Dengan pengetahuan ini, para pengembang dapat memilih model atau algoritma paling cocok untuk proyek mereka, seperti sebuah sistem keamanan biometrik menggunakan telapak tangan pengguna
PERBANDINGAN KINERJA K-NEAREST NEIGHBORS DAN CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI CITRA KONDISI PERMUKAAN JALAN Jong, Fenny; Handhayani, Teny
PROGRESS Vol 17 No 1 (2025): April
Publisher : P3M STMIK Profesional Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56708/progres.v17i1.426

Abstract

Improving road infrastructure quality is an important aspect of transportation development and road user safety. Automatically assessing road surface conditions can accelerate maintenance and repair efforts. This study compares two classification methods, K-Nearest Neighbors (KNN) and Convolutional Neural Network (CNN), to evaluate road surface conditions based on digital images. Texture features are extracted using the Gray Level Co-occurrence Matrix (GLCM), including Contrast, Homogeneity, Energy, and others, to enhance the classification accuracy in KNN, while feature extraction and classification in CNN are performed automatically. The dataset used in this research consists of 1500 images of road surfaces with three different conditions: smooth, cracked, and potholes. Each condition contains 500 images with a resolution of 300x300 pixels. The results show that the KNN algorithm achieves an accuracy of 57.2%, while CNN demonstrates the best performance with an accuracy of 93.8%. for 80% training data and 20% testing data
PREDIKSI HARGA DAGING SAPI DI KOTA JAKARTA PUSAT MENGGUNAKAN LSTM DAN GRU Adithya Putra, Farhan; Handhayani, Teny
PROGRESS Vol 17 No 1 (2025): April
Publisher : P3M STMIK Profesional Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56708/progres.v17i1.438

Abstract

This study analyzes the performance of two algorithms, Long Short-Term Memory (LSTM) and Gated Recurrent Unit (GRU), in predicting data from the PIHPS website, focusing on beef commodity prices. The dataset was divided into two proportions: 80:20 and 70:30, and evaluated using Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), and coefficient of determination (R²). The experimental results showed that GRU with 128 units and a 70:30 proportion achieved the best performance, with metrics of MAE at 170, RMSE at 390.2889, and R² at 0.902. The goal of this research is to determine the most suitable algorithm and unit configuration for this dataset. Future research is expected to integrate additional data with more complex models to improve prediction accuracy.
CLUSTERING DATA METEOROLOGI WILAYAH INDONESIA TIMUR DENGAN METODE K-MEANS DAN FUZZY C-MEANS Andrian, Gion; Arisandi, Desi; Handhayani, Teny
INTI Nusa Mandiri Vol. 18 No. 2 (2024): INTI Periode Februari 2024
Publisher : Lembaga Penelitian dan Pengabdian Pada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33480/inti.v18i2.5039

Abstract

Climate change is a global issue that affect human life and the environment. Signs of climate change can be observed from long-term meteorological data. This research uses clustering techniques with the K-Means and Fuzzy C-Means methods to group cities in the Eastern Indonesia region based on numerical daily time series meteorological data from 1 January 2010 to 31 August 2023. The variables are minimum temperature, maximum temperature, temperature average, humidity, rainfall, duration of sunlight, maximum wind speed, and average wind speed. The dataset was collected from 28 meteorological stations. The K-Means and Fuzzy C-Means methods obtained the same results, namely the highest silhouette value of 0.218 with the number of clusters k = 2. In general, the annual trend shows an increase in temperature and a decrease in wind speed which are signs of climate change. This research is an early study of climate change in East Indonesia. The results of this research are expected to contribute to the study of climate change in Indonesia.
Leaf-Type Image Classification Using Deep Learning Method Convolution Neural Network Sopany, Mikael Reichi; Handhayani, Teny
METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol. 9 No. 1 (2025): METHOMIKA: Jurnal Manajemen Informatika & Komputersisasi Akuntansi
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/jmika.Vol9No1.pp86-91

Abstract

One of the most important parts of an ecosystem is a plant, Plants life has given us many benefits from food, oxygen, and medicine. There are many species of plant each with its unique benefits and utilities. In this paper, we try to identify plants by their leaf using deep learning. For this research, we use the convolution neural network architecture Xception to classify 5 different types of leaves. We used 1075 images of leaves that can be classified into 5 different types of leaves. the classification model achieved an overall accuracy score of 74%. We hoped that the result of our research can help people's life by helping them to identify plants that they have so that they can use them for their benefit.
Pengenalan Bangunan Bersejarah Pura Dengan Arsitektur InceptionV3 dan Xception Jochsen, Erico; Handhayani, Teny
Eksplora Informatika Vol 14 No 1 (2024): Jurnal Eksplora Informatika
Publisher : Institut Teknologi dan Bisnis STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/eksplora.v14i1.1064

Abstract

Bali merupakan salah satu wilayah di Indonesia sangat dikelnal selbagai telmpat yang selring dikunjungi ollelh wisatawan di Indolnelsia maupun luar negeri. Bali memiliki banyak peninggalan bangunan Sejarah. Bangunan pura di Bali melmiliki karaktelristik unik yang melncelrminkan kelkayaan budaya Indolnelsia. Selhingga banyak wisatawan yang telrtarik untuk belrlibur disana. Teltapi karelna kelunikan pada tiap bangunan pura disana melnyelbabkan kurangnya pelngeltahuan tentang bangunan Sejarah selhingga tujuan utama dari pelrancangan ini adalah untuk melngelmbangkan sistelm pelngelnalan bangunan belrseljarah pura di Indolnelsia mellalui gambar bangunan. Selcara lelbih luas, kolntribusi pelrancangan ini dapat ditelrapkan dalam pelngelmbangan sistelm selrupa untuk wilayah-wilayah belrseljarah lainnya di Indolnelsia, melmpelrkaya upaya pellelstarian dan prolmolsi warisan budaya selcara nasiolnal. Delngan delmikian, pelrancangan ini tidak hanya melmbuka jalan bagi inolvasi dalam bidang pelngelnalan citra, teltapi juga melmbelrikan dampak polsitif dalam mellelstarikan kelkayaan budaya yang belrharga. Penelitian ini menggunakan proporsi 80% data latih dan 20% data uji. Convolutional Neural Network (CNN) merupakan metode deep learning yang dapat digunakan untuk mengklasifikasi citra dari data mentah. Penelitian ini menggunakan model CNN arsitektur InceptionV3 dan Xception. Hasil pelnellitian melnunjukkan bahwa algolritma IncelptiolnV3 melnghasilkan akurasi 63% seldangkan arsitelktur Xcelptioln melnghasilkan akurasi selnilai 52%.
Klasifikasi Jenis Buah dengan Menggunakan Metode MobileNetv2 dan Inceptionv3 Karnadi, Benny; Handhayani, Teny
Eksplora Informatika Vol 14 No 1 (2024): Jurnal Eksplora Informatika
Publisher : Institut Teknologi dan Bisnis STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/eksplora.v14i1.1067

Abstract

Buah merupakan salah satu komoditas pangan yang penting bagi masyarakat. Buah memiliki banyak jenis yang tidak semua orang dapat mengenalinya dengan baik. Paper ini bertujuan untuk menguji metode Convolutional Neural Network (CNN) yaitu MobileNetv2 dan Inceptionv3 untuk mengenali jenis buah. Paper ini menggunakan dataset citra buah sebanyak 288 dari 9 kelas yaitu apel, pisang, ceri, sawo anggur, kiwi, mangga, jeruk, dan strawberry. Eksperimen dijalankan menggunakan data latih sebanyak 80% dan data uji 20%. Performa algoritma diuji menggunkan nilai precision, recall, akurasi, f1-score, dan confusion matriks. Hasil eksperimen menunjukkan bahwa metode MobileNetV2 memperoleh nilai precision, recall, akurasi, dan f1-score masing – masing sebesar 98%, 97%, 97%, dan 97%. Metode Inceptionv3 memperoleh nilai precision, recall, akurasi, dan f1-score masing – masing sebesar 94%, 94%, 94%, dan 94%. Berdasarkan metric evaluasi, kinerja metode MobileNetV2 mengungguli Inceptionv3.
Clustering Data Meteorologi di Pulau Kalimantan Menggunakan Algoritma K-Means Kusuma, Jordi Pradipta; Lewenusa, Irvan; Handhayani, Teny
Eksplora Informatika Vol 14 No 2 (2025): Jurnal Eksplora Informatika
Publisher : Institut Teknologi dan Bisnis STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/eksplora.v14i2.1131

Abstract

Kalimantan merupakan salah satu pulau yang ada di wilayah Indonesia. Clustering data meteorologi pulau Kalimantan bertujuan untuk mengelompokkan kota-kota di wilayah tersebut guna mempelajari pertanda perubahan iklim. Artikel ini menggunakan data meteorologi time series harian dari 17 kota periode 1 Januari 2012 sampai 31 Juli 2023. Data dikumpulkan dari dari 17 kota yang tersebar di Pulau Kalimantan meliputi variabel temperatur minimum, temperatur maksimum, temperatur rata-rata, dan kecepatan angin rata-rata. Clustering dilakukan menggunakan metode K-Means dan K-Medoid. Metode Silhouette dan Davied Bouldin Index digunakan untuk memilih jumlah cluster optimal. Berdasarkan hasil evaluasi, metode K-Means mengungguli kinerja metode K-Medoid. Hasil eksperimen dengan menggunakan algoritma K-Means memperoleh jumlah cluster terbaik yaitu dua cluster dengan nilai Silhouette dan Davies Bouldin Index masing-masing sebesar 0.139 dan 1.923. Hasil clustering menggunakan metode K-Means memperoleh hasil kota Pontianak, Palangkaraya, Sambas, Ketapang, Sintang, Kapuas Hulu, Melawi, Kuburaya, Kotawaringin Barat, Kotawaringin Timur, Barito Selatan, dan Berau berada di Cluster 1. Tarakan, Balikpapan, Banjarmasin, Samarinda, dan Nunukan berada di Cluster 2. Trend tahunan variabel temperatur minimum di kota-kota cluster 1 mengalami kenaikan. Secara umum, tren tahunan menunjukkan bahwa kecepatan angin rata-rata dari tahun 2012 – 2023 mengalami penurunan. Kenaikan temperatur dan penurunan kecepatan angin menjadi tanda adanya perubahan iklim.
Co-Authors Adela Calista Adela Tania Adithya Putra, Farhan Agus Budi Dharmawan Andre Andre Andre Andre, Andre Andrian, Gion Andry Winata Angelica Christina Arya Bintang Saputra Arya Dwi Saputra Brando Dharma Saputra Castello Purba, Andrew Cecillia Chung Chairisni Lubis Cherissa Aeryn Djaya Christina, Angelica Daffa Hilmi Aji Dara Kharisma Limparan Darius Andana Haris David Jansen Dayanti, Afina Putri Desi Arisandi Desi Arisandi Desi Arisandi Djoenaedi, Owen Duncan Ariel Dwi Saputra, Arya Dyah Erny Herwindiati Dyah Erny Herwindiati Ericko, Teddy Eugene Supardi , Nicholas Faradila Herfiyana Farhan Afrial Farouqi, Akmal Fawaz Firdausyan, Naufal Gabriella Adeline Halim Georgia Sugisandhea Hendryli, Janson Herfiyana, Faradila Huang, Jervis Irvan Lewenusa Irvan Lewenusa Irvan Lewenusa, Irvan Janson Hendryli Janson Hendryli Jason Jaya, Jefri Jayadi, Bryan Valentino Jeanny Pragantha Jeanny Pragantha Jeanny Pragantha Jeremia Pinnywan Immanuel Jochsen, Erico Jong, Fenny Jordi Pradipta Kusuma Jourdan Stanley Julius Juan Karnadi, Benny Kelvin Wijaya Kelvin Wijaya Kusuma, Jordi Pradipta Lely Hiryanto Lim, Maggie Lubis, M.Kom., Chairisni Mahendra, Izam Susilo Mahendra, Izam Susilo Manatap Dolok Lauro 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 Oni, Matthew Owen Maytrio Phratama Paulus Samotana Zalukhu Permana, Yudistira Peter James Tedja Phratama, Owen Maytrio Purba, Andrew Castello Sandy Permadi Sormin Sitorus Dolok Lauro , Manatap Sonata, Raffy Sopany, Mikael Reichi Sumarlie , Devid Sumarlie, Aurellia Clearesta Tanudy, Clara Tasya Syamsudin Tommy Wijaya Putra Tony Tony Veri Wasino Wasino Wasino Wasino Wasino Wasino Wasino, Wasino William William Winata, Andry Yusuf Rumlawang Arpipi, Marcel Zyad Rusdi