Article Per Year (5 Year)
p-Index From 2021 - 2026
9.607
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 Edu Komputika Journal 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 : 82 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 82 Documents
Search

 5   6   7   8   9 
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.
Analysis and Prediction of Foodstuffs Prices in Tasikmalaya Using ELM and LSTM Winata, Andry; Lauro, Manatap Dolok; Handhayani, Teny
Sistemasi: Jurnal Sistem Informasi Vol 12, No 3 (2023): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32520/stmsi.v12i3.3145

Abstract

Foodstuffs price analysis and prediction is one of the important research topics. This paper applies Long Short-Term Memory (LSTM) and Extreme Learning Machines (ELM) as models for forecasting the price of rice, chicken meat, chicken egg, shallot, garlic, and red chili in the Tasikmalaya traditional market. The dataset is a daily time series obtained from April 2017 - February 2023. LSTM models perform accurately to forecast 5 foodstuffs prices and obtain MAPE scores of no more than 3%. ELM works well to predict the price of rice, chicken meat, chicken egg, shallot, and garlic with MAPE scores are less than 1%. The price of rice, chicken egg, shallot, and red chili has an increasing trend. The correlation analysis finds that the price of chicken egg, shallot, and red chili has a positive correlation with each other.
Air Quality Index Classification for Imbalanced Data using Machine Learning Approach Jayadi, Bryan Valentino; Lauro, Manatap Dolok; Rusdi, Zyad; Handhayani, Teny
Sistemasi: Jurnal Sistem Informasi Vol 13, No 3 (2024): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32520/stmsi.v13i3.3503

Abstract

Air pollution is one of the problems in society. Air pollutions affect human health and environment. In Indonesia, air quality index is measured by the level of particulate matter 10 (PM10), carbon monoxide (CO), sulfur dioxide (SO2), ozone (O3), and nitrogen dioxide (NO2). This research is conducted to evaluate the performance of machine learning algorithms, e.g., Support Vector Machine (SVM), Naïve Bayes, Logistic Regression, Decision Tree, and AdaBoost, to classify air quality index based on the level of PM10, CO, SO2, O3, and NO2 with imbalanced samples. The air quality index is classified into Good, Moderate, and Unhealthy. The dataset is downloaded from Open Data Jakarta from 2010 -2021. The data containing 4383 samples consist of 1155 samples of Good, 3087 samples of Moderate, and 141 samples of Unhealthy. The experimental results show that Decision Tree outperforms other methods. Decision Tree produces accuracy, precision, recall, and F1-score of 99%, 98%, 99%, and 98%, respectively.
PENERAPAN LSTM DAN GRU UNTUK PREDIKSI HARGA CABAI MERAH DI KOTA JAWA TIMUR Lim, Maggie; Handhayani, Teny
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6467

Abstract

Fluktuasi harga cabai merah di Jawa Timur, yang dipengaruhi oleh berbagai faktor seperti musim tanam, cuaca, dan permintaan pasar, menjadi perhatian penting dalam menjaga stabilitas ekonomi. Dalam penelitian ini, digunakan dua algoritma Recurrent Neural Networks (RNN), yaitu Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU), untuk memprediksi harga cabai merah di Jawa Timur. Pengujian dilakukan dengan menggunakan dua skenario data latih, yaitu 70% dan 80%, dengan jumlah epoch tetap sebanyak 50. Hasil pengujian menunjukkan bahwa LSTM memberikan hasil yang lebih baik pada skenario 80% data latih, dengan nilai Mean Absolute Error (MAE) sebesar 1458,764, Root Mean Squared Error (RMSE) 2596,010, dan koefisien determinasi (R²) 0,978. Sementara itu, GRU menunjukkan sedikit keunggulan pada 70% data latih, dengan MAE 1742,027, RMSE 2820,462, dan R² 0,969. Secara keseluruhan, LSTM lebih optimal pada jumlah data latih yang lebih besar, sedangkan GRU lebih stabil pada data latih yang lebih kecil. Penelitian ini menyarankan pemilihan algoritma berdasarkan jumlah data latih yang tersedia untuk prediksi harga cabai merah yang lebih akurat.
Pemanfaatan Website untuk Otomasi Manajemen Salon di Bekasi Handhayani, Teny; Wasino, Wasino; Pragantha, Jeanny; Mahendra, Izam Susilo
E-Dimas: Jurnal Pengabdian kepada Masyarakat Vol 15, No 3 (2024): E-DIMAS
Publisher : Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/e-dimas.v15i3.18334

Abstract

Aplikasi berbasis web menjadi salah satu pendukung bisnis di era modern. Aplikasi berbasis web dapat meningkatkan layanan bisnis. Kegiatan pengabdian kepada masyarakat ini bekerjasama dengan salah satu salon kecantikan di kota Bekasi. Tim PKM terdiri atas dosen dan mahasiswa. Pokok kegiatan ini yaitu mengembangkan aplikasi berbasis web untuk mitra. Aplikasi didesain menyediakan beberapa fasilitas utama yaitu menampilkan informasi tentang layanan yang disediakan oleh salon, pemesanan layanan secara online, pencatatan transaksi layanan, dan membuat laporan. Pengembangan website melibatkan mitra sebagai pengguna. Mitra berpartisipasi memberikan informasi mengenai fasilitas aplikasi yang mereka butuhkan. Tim PKM bertindak sebagai pengembang aplikasi. Pengujian aplikasi dilakukan oleh mitra dan pelanggan yang dipilih secara acak. Berdasarkan penilaian dari penguji, aplikasi yang dikembangkan memenuhi kebutuhan mitra dan dapat meningkatkan layanan salon kepada pelanggan.
Prediksi Harga Emas di Indonesia Menggunakan Gated Recurrent Unit Handhayani, Teny; Tanudy, Clara; Hendryli, Janson
JURNAL FASILKOM Vol. 13 No. 3 (2023): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v13i3.6185

Abstract

Prediction system for the price of gold in Indonesia using a machine learning algorithm, namely the Gated Recurrent Unit (GRU), with influencing variables being the closing price of PT. Aneka Tambang's stock and the closing price of the US dollar exchange rate. The main objective of developing this system is to provide accurate and reliable information about the gold price trends for the next 7 days to the general public, investors, and other relevant parties. The dataset used consists of historical data for the closing prices of gold, the closing prices of PT. Aneka Tambang's stock, and the closing prices of the US dollar exchange rate, obtained from Yahoo Finance's website from January 2018 to October 2023. The dataset was pre-processed by extracting the dates from the three data sources used. In the results of training the GRU model for prediction, the best results were achieved with hyperparameters of 70% training data, 30% testing data, a timestep of 20, 50 epochs, and a batch size of 16, with an R-Squared value of 0.97, an MAE of 300.17, and an RMSE of 17.33. With the development of this system, it is expected to provide guidance for the general public, investors, and related parties in making timely decisions regarding gold purchases and to enhance their understanding of gold price movements in Indonesia.
PENGENALAN KUE TRADISIONAL INDONESIA MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK Lubis, M.Kom., Chairisni; Sumarlie , Devid; Handhayani, Teny
Computatio : Journal of Computer Science and Information Systems Vol. 6 No. 2 (2022): 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.v6i2.21098

Abstract

In Indonesia, a lot of cakes are included in the category of traditional snacks. Traditional snacks are a unique culture of the archipelago that must be preserved by Indonesians. Traditional cakes are snacks that people like because they are dense and filling. Traditional cakes have a variety of textures, shapes and colors are very diverse and some are similar to each other, so it is rather difficult to identify the cake. The problem faced by buyers is that they often do not know the name of a cake because of the many types of cakes sold in the market. Technological advances have also caused many local people to use social media to take photos of food, but to recognize these cakes, there are still many people who do not really understand traditional cakes compared to modern cakes. The above problem can be solved if a system is made to recognize the image/photo of the cake and the computer can be programmed and to classify the cake into a certain category of cake by utilizing the image of the cake using the Convolutional Neural Network (CNN) algorithm. The best test results are tests that include data augmentation during training, where VGG-16 has a higher accuracy than DenseNet121 which is 80% and DenseNet121 testing which uses k-fold cross validation with an accuracy of fold 1 which is 77% and a drastic increase up to fold 5. If without using data augmentation, the best result obtained is an accuracy of 83% achieved by DenseNet121 without transfer learning, learning rate 1e-5 and batch size 16.
Perbandingan Algoritma K-Means dan Fuzzy C-Means untuk Klasterisasi Produktivitas Kedelai di Pulau Jawa Jaya, Jefri; Handhayani, Teny
Jurnal Esensi Infokom : Jurnal Esensi Sistem Informasi dan Sistem Komputer Vol 9 No 1 (2025)
Publisher : Institut Bisnis Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55886/infokom.v9i1.949

Abstract

Kedelai merupakan tanaman pangan yang memiliki nilai ekonomi yang tinggi dan merupakan salah satu bahan pangan yang sering di konsumsi oleh masyarakat Indonesia. Meskipun memiliki potensi besar dalam mendukung ketahanan pangan nasional, Indonesia masih menghadapi tantangan dalam memenuhi kebutuhan kedelai secara mandiri. Hal ini disebabkan oleh keterbatasan produksi lokal yang belum mampu mengimbangi tingginya permintaan masyarakat. Akibatnya, Indonesia masih bergantung pada impor kedelai dari luar negeri untuk memenuhi kebutuhan domestik. Penelitian ini bertujuan menghasilkan informasi berupa pengelompokkan wilayah, menganalisis pola tren pertumbuhan, dan menentukan model klasterisasi yang paling optimal dari K-Means dan Fuzzy C-Means dengan menggunakan data tanaman pangan Kedelai di Pulau Jawa. Data yang digunakan berupa time series tahunan dari tahun 2010 hingga 2022, yang diperoleh dari situs Basis Data Statistik Pertanian. Hasil evaluasi silhouette dari metode K-Means dan Fuzzy C-Means memiliki hasil yang serupa dalam menentukan klasterisasi data berdasarkan nilai k yang paling optimal berada di 0.4659 dengan jumlah klaster k = 2. Tiap klaster terbagi menjadi 2 klaster, klaster 0 memiliki 66 wilayah dengan hasil produktivitas rendah, klaster 1 memiliki 16 wilayah dengan hasil produktivitas tinggi.
Co-Authors Adela Calista Adela Tania Adithya Putra, Farhan 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 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 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 William William Winata, Andry Yusuf Rumlawang Arpipi, Marcel Zyad Rusdi