Article Per Year (5 Year)
p-Index From 2020 - 2025
0.659
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering IAES International Journal of Artificial Intelligence (IJ-AI) Jurnal Ilmiah Informatika Komputer Jurnal Ilmiah Teknologi dan Rekayasa UG Journal
Ilmiyati Sari
UNIVERSITAS GUNADARMA
Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Industrial & Manufacturing Engineering Materials Science & Nanotechnology

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
PELABELAN HARMONIS PADA GRAF TIMBANGAN Sari, Ilmiyati; Nugraha, Nurma; Kosasih, Rifki
UG Journal Vol 7, No 5 (2013)
Publisher : Universitas Gunadarma

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

Abstract

Misalkan G adalah graf dengan himpunan simpul V(G) dan himpunan busur E(G). Suatu pemetaan λ dari V(G) ke  di mana |E(G)|≥|V(G)| disebut pelabelan harmonis  jika λ merupakan pemetaan injektif sedemikian sehingga ketika setiap busur xy diberi label dengan w(xy) = λ(x) + λ(y) menghasilkan label yang berbeda. Dalam tulisan ini akan diperkenalkan bentuk graf timbangan dan konstruksi pelabelan harmonis pada graf timbangan.
KLASTERISASI GRAF MENGGUNAKAN METODE MARKOV CLUSTER ALGORITHM (MCL) Riminarsih, Desti; Sari, Ilmiyati; Andriani, Feni
Jurnal Ilmiah Informatika Komputer Vol 22, No 3 (2017)
Publisher : Universitas Gunadarma

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

Abstract

Analisis klaster merupakan salah satu teknik yang banyak digunakan untuk mengenali kelompok alami dalam suatu kelas entitas. Salah satu metode analisis klaster pada graf adalah metode MCL. Pada penelitian ini dijelaskan algoritma MCL dan contoh penerapan pada klasterisasi graf. MCL merupakan suatu simulasi aliran pada random walk hingga ditemukannya klaster. Algoritma diawali dengan menentukan representasi graf dalam bentuk associated matrix. Langkah berikutnya adalah menentukan matriks Markov berdasarkan pada associated matrix. Tahap berikutnya adalah operasi ekspansi pada matriks Markov yang dilanjutkan dengan operasi inflasi pada matriks hasil ekspansi. Langkah berikutnya adalah mengecek apakah sudah sesuai dengan kriteria konvergensi. Jika kondisi konvergensi belum tercapai maka proses diulang kembali dari tahap operasi ekspansi matriks.  Kata Kunci:   Graf, Klasterisasi, Markov Chain, Matriks, Operator Inflasi, Random Walk.
IMPLEMENTASI RENCANA PERJALANAN WISATA DI KOTA BOGOR MENGGUNAKAN ALGORITMA GREEDY BERBASIS WEBSITE Sania, Nur Najmi; Sari, Ilmiyati
Jurnal Ilmiah Teknologi dan Rekayasa Vol 24, No 2 (2019)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/tr.2019.v24i2.2390

Abstract

Perencanaan perjalanan wisata merupakan hal penting, terutama pada daerah yang sering menjadi destinasi wisata, salah satunya adalah kota Bogor. Dengan adanya rencana rute perjalanan, maka wisatawan dapat dengan mudah melihat gambaran perjalanan yang diinginkan serta dapat mempersingkat waktu ketika sampai di tempat tujuan. Penelitian ini bertujuan untuk menentukan jarak tempuh terpendek dan jumlah optimal tempat wisata yang dapat dikunjungi di kota Bogor menggunakan algoritma Greddy dengan permasalahan Knapsack. Algoritma Greedy digunakan untuk menentukan rute perjalanan wisata di kota Bogor dengan jarak tempuh terpendek. Permasalahan Knapsack digunakan untuk menentukan jumlah optimal tempat wisata di kota Bogor yang dapat dikunjungi dengan waktu yang dimiliki oleh wisatawan. Algoritma Greedy dengan permasalahan Knapsack tersebut diimplementasikan ke dalam sebuah website. Terdapat 20 tempat wisata di kota Bogor pada website. Objek wisata pada website diklasifikasikan menjadi 3 kategori yaitu wisata alam, tempat rekreasi, dan museum. Pengguna website memasukkan titik awal keberangkatan, lamanya perjalanan, alokasi waktu, pemilihan tempat wisata yang akan dikunjungi dan lamanya waktu kunjungan. Hasil pengujian blackbox menunjukkan bahwa semua fungsi pada website dapat berjalan dengan baik.
APLIKASI SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN HOTEL MENGGUNAKAN METODE ANALYTIC NETWORK PROCESS Atsari, Amalia Zati; Lestari, Dewi Putrie; Sari, Ilmiyati
Jurnal Ilmiah Teknologi dan Rekayasa Vol 25, No 3 (2020)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/tr.2020.v25i3.2810

Abstract

Kota Bandung yang dijuluki sebagai kota kembang menjadi salah satu tempat yang paling sering dikunjungi oleh masyarakat Indonesia maupun masyarakat lokal. Kota ini menawarkan beragam destinasi wisata mulai dari wisata kuliner, wisata belanja dan wisata alam. Masyarakat yang berkunjung ke Kota Bandung tentunya membutuhkan tempat penginapan yang sesuai dengan kriteria yang diinginkan. Akan tetapi, jumlah hotel di Kota Bandung ada sekitar ± 2.656 hotel. Hal ini membuat masyarakat yang ingin berkunjung ke Kota Bandung menjadi bingung dalam menentukan hotel mana yang layak untuk ditempati sesuai yang diinginkan. Oleh karena itu, untuk membantu pengguna dalam melakukan pemilihan hotel di Kota Bandung maka dalam penelitian ini dibuat suatu aplikasi sistem pendukung keputusan pemilihan hotel di Kota Bandung berbasis website dengan menggunakan metode Analytic Network Process yang dinamakan dengan SPKHotel Kota Bandung. Tahapan pembuatan aplikasi ini meliputi perancangan tampilan, pembuatan database menggunakan MySQL, pembuatan kode program menggunakan pemrograman PHP, dan uji coba. Berdasarkan uji coba SPKHotel Kota Bandung menggunakan metode Blackbox melalui tiga browser yaitu Mozilla Firefox, Google Chrome, dan Opera Browser didapatkan seluruh fungsi menu yang tersedia dalam SPKHotel Kota Bandung berhasil sesuai dengan fungsinya, sehingga dapat disimpulkan bahwa pembuatan SPKHotel Kota Bandung telah berjalan sesuai dengan yang diharapkan.
PEMBUATAN PROTOTYPE SMART HOME MENGGUNAKAN NODEMCU ESP8266 V3 DAN CHAT BOT PADA SMARTPHONE ANDROID Sindhu, Renaldi Dewangga; Sari, Ilmiyati; Lestari, Dewi Putrie
Jurnal Ilmiah Informatika Komputer Vol 26, No 2 (2021)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2021.v26i2.4157

Abstract

Internet of things adalah sebuah gagasan untuk membuat semua benda di dunia nyata dapat berkomunikasi satu sama lain sebagai bagian dari satu kesatuan sistem terpadu menggunakan jaringan internet sebagai penghubung. Pemanfaatan internet of things dapat digunakan untuk mengendalikan alat elektronik seperti pada pembuatan smart home. Smart home memadukan teknologi informasi dan teknologi komputasi yang diterapkan di dalam rumah ataupun bangunan yang dihuni oleh manusia dengan mengandalkan efisiensi, otomatisasi perangkat, kenyamanan, keamanan, dan penghematan perangkat elektronik rumah. Smart home yang dibuat dalam penelitian ini hanya dapat mengontrol lampu dan kipas angin dari jarak jauh serta dapat mengetahui status ketinggian air di rumah melalui smartphone. Tahap pembuatan aplikasi dimulai dari skema diagram rancangan aplikasi, flowchart, use case diagram smart home, rancangan rangkaian smart home, pembuatan chat bot, dan pengujian. Pembuatan smart home menggunakan NodeMCU ESP8266 V3 dan aplikasi chat bot pada smartphone Android. Setelah dilakukan uji coba, pengontrolan lampu dan kipas angin dari jarak jauh berhasil dilakukan dengan menggunakan smartphone berbasis Android yang terhubung ke internet. Selain itu, status ketinggian air dalam rumahpun dapat diketahui penghuni dimanapun berada
Background Estimation Using Principal Component Analysis Based on Limited Memory Block Krylov Subspace Optimization Ilmiyati Sari; Asep Juarna; Suryadi Harmanto; Djati Kerami
International Journal of Electrical and Computer Engineering (IJECE) Vol 8, No 5: October 2018
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (413.599 KB) | DOI: 10.11591/ijece.v8i5.pp2847-2856

Abstract

Given a video of ???? frames of size ℎ × ????. Background components of a video are the elements matrix which relative constant over ???? frames. In PCA (principal component analysis) method these elements are referred as “principal components”. In video processing, background subtraction means excision of background component from the video. PCA method is used to get the background component. This method transforms 3 dimensions video (ℎ × ???? × ????) into 2 dimensions one (???? × ????), where ???? is a linear array of size ℎ × ????. The principal components are the dominant eigenvectors which are the basis of an eigenspace. The limited memory block Krylov subspace optimization then is proposed to improve performance the computation. Background estimation is obtained as the projection each input image (the first frame at each sequence image) onto space expanded principal component. The procedure was run for the standard dataset namely SBI (Scene Background Initialization) dataset consisting of 8 videos with interval resolution [146 150, 352 240], total frame [258,500]. The performances are shown with 8 metrics, especially (in average for 8 videos) percentage of error pixels (0.24%), the percentage of clustered error pixels (0.21%), multiscale structural similarity index (0.88 form maximum 1), and running time (61.68 seconds). 
Predicting levels of legal case difficulties using machine learning Sari, Ilmiyati; Kosasih, Rifki; Indarti, Dina
IAES International Journal of Artificial Intelligence (IJ-AI) Vol 13, No 4: December 2024
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijai.v13.i4.pp4364-4371

Abstract

Lawyers play a crucial role in the courtroom, assisting clients in their defense. Because of their lack of legal expertise, a person or organization facing legal issues requires professional aid. However, we need to know how much money will be spent on paying lawyers. The level of complexity in a case can be used to determine lawyer costs. Therefore, in this research, we propose employing machine learning methodologies, i.e., random forest classifiers and support vector machines (SVM), to determine the level of legal case difficulties. The novelty of this research is applying a machine learning approach in predicting the level of difficulty of legal cases. The data utilized consists of 990 records, which are divided into training and testing data in a 90:10 ratio. The term frequency-inverse document frequency (TF-IDF) approach was then utilized to perform text preprocessing. The text-preprocessing findings are utilized as input in the classification process. According to the research findings, an accuracy value of 85%, a value of weighted average precision is 88%, and a value of weighted average recall is 85%, for support vector machine. Using random forest, we achieve an accuracy value of 89%, a value of weighted average precision is 85.6%, and a value of weighted average recall is 80%.
Co-Authors Asep Juarna Atsari, Amalia Zati Desti Riminarsih Dewi Putrie Lestari Dina Indarti Djati Kerami Fachry Abda El Rahman Nurma Nugraha Rifki Kosasih Sania, Nur Najmi Sindhu, Renaldi Dewangga Suryadi Harmanto