Article Per Year (5 Year)
p-Index From 2020 - 2025
2.992
P-Index
This Author published in this journals
All Journal International Journal of Informatics and Communication Technology (IJ-ICT) Jurnal Masyarakat Informatika MATEMATIKA SAINS DAN MATEMATIKA JURNAL SISTEM INFORMASI BISNIS TELKOMNIKA (Telecommunication Computing Electronics and Control) Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik Journal of Telematics and Informatics Jurnal Ilmiah Kursor JAIS (Journal of Applied Intelligent System) E-Dimas: Jurnal Pengabdian kepada Masyarakat Sinkron : Jurnal dan Penelitian Teknik Informatika Informatika Pertanian Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Journal of Fundamental Mathematics and Applications (JFMA)
Priyo Sidik Sasongko
The Informatics Departement, Faculty Of Mathemathics And Sciences, Diponegoro University
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Energy Engineering Mathematics Social Sciences

Published : 35 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 35 Documents
Search

 1   2   3   4 
Sistem Pakar Identifikasi Modalitas Belajar Siswa Dengan Implementasi Algoritma C4.5 Soewono, Rachmawati; Gernowo, Rachmat; Sasongko, Priyo Sidik
JSINBIS (Jurnal Sistem Informasi Bisnis) Vol 4, No 1 (2014): Volume 4 Nomor 1 Tahun 2014
Publisher : Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1984.46 KB) | DOI: 10.21456/vol4iss1pp20-27

Abstract

C4.5 Algorithm is one of the classification technique in machine learning which is used in data mining process by build a decision tree which is represent in the rules. The aims of classification technique in data mining is to recognize the regularity of the pattern and the relation in a huge dataset by historical data collection. Students’ modalities measurement which is done by the questionnaire is produce historical data which is potentially to be processed to generate the classification that can be converted in rules. The expert acquisition and the C4.5 algorithm classification rules are used as knowledge base in the expert system. Therefore this research is done to build an expert system of the student’s modalities identification by implementing C4.5 algorithm that can produce seven categories of modalities classification, they are : visual, auditory, kinesthetic, visual-auditory, visual-kinesthetic, auditory-kinesthetic and visual-auditory-kinesthetic which has good in accuracy. The accuracy of the C4.5 algorithm classification and the expert system testing prediction is 80%. Keywords : Expert system; Decision tree; C4.5 Algorithm; Modalities.  
Soybean Disease Detection with Feature Selection Using Stepwise Regression Algorithm: LVQ vs LVQ2 Muhamad, Nida; Endah, Sukmawati Nur; Sarwoko, Eko Adi; Sasongko, Priyo Sidik
Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Vol. 5, No. 2, May 2020
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (518.977 KB) | DOI: 10.22219/kinetik.v5i2.919

Abstract

ndonesia's soybean needs increase from year to year. But according to data from the Badan Pusat Statistik (BPS) the amount of national soybean productivity is still low, so the fulfillment of soybean needs is done by importing soybeans from several countries such as China, Ukraine, Canada, Malaysia, and the United States. Low soybean productivity is caused by several factors. One of the causes is disease. This study aims to create a soybean disease detection by applying Learning Vector Quantization 2 (LVQ2) neural network algorithm(ANN) and Stepwise Regression Algorithm attribute selection. The attribute variables used consisted of 35 symptoms of the disease in soybean crop data. The data used in this study is a soybean dataset taken from University of California Irvine Machine Learning Repository as much as 200 data. The distribution of training data and test data is done by the k-fold cross validation method with a value of k = 10. The result of the study shows that the best paramater use in lVQ2. The results showed that the best parameters in LVQ2 is learning rate (α) value of 0.3; epsilon 0.04; and maximum epoch 100. While the best attribute selection uses the parameter p to enter and p to remove of  0.15 which produces 17 selected attributes such as date, plant stand, precipitation, leaves, leaf spot halo, leaf spot margins, leafspot size, leaf mildew, stem canker, stem fungi, external decay, fruit pods, fruit spots, seeds, mold growth, seed discolor, roots. The best results in this study resulted in an accuracy of 90.5%, 9.5% error rate, 90.5% sensitivity, and 98.94% specificity
Aplikasi Program Linier Fuzzy untuk Optimasi Keuntungan Produksi (Studi Kasus Produksi Garment di PT. Sai Apparel Industries) Aprilianti, Ika Nur; Sasongko, Priyo Sidik
Jurnal Masyarakat Informatika Vol 8, No 2 (2017): JURNAL MASYARAKAT INFORMATIKA
Publisher : Department of Informatics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (438.105 KB)

Abstract

PT. Sai Apparel Industries adalah perusahaan yang memproduksi dan mengekspor pakaian jadi ke beberapa negara. Salah satu faktor yang mempengaruhi keuntungan produksi adalah ketersediaan bahan baku. Untuk mengatasi keterbatasanbahan baku, perusahaan menambahkan toleransi bahan baku yang jumlahnya tidak pasti sehingga menimbulkan permasalahan bagi pihak pengelola atau pendistribusi bahan baku untuk mengirim berapa banyak toleransi yang dibutuhkan dengan menggunakan metode Program Linier Fuzzy. Program Linier Fuzzy adalah program linier yang dinyatakan dengan fungsi obyektif dan fungsi kendala yang memiliki parameter fuzzy. Program Linier Fuzzy menemukan cara untuk menangani ketidakjelasan dalam parameter model Program Linier Fuzzy diturunkan. Tujuan dari penelitian ini adalah menggunakan metode Program Linier Fuzzy untuk menemukan optimasi keuntungan yang diperoleh PT. Sai Apparel Industries dengan penambahan bahan baku toleransi yang bersifat fuzzy. Hasil dari perhitungan Program Linier Fuzzy, keuntungan yang dapat diterima oleh PT. Sai Apparel Industries dalam memproduksi adalah Rp. 62.500,00 dengan harus memproduksi produk tipe A 12,5 unit dan produk tipe C 12,5 unit. Dan bahan baku toleransi yang harus ditambahkan pada masing – masing batasan yaitu interlining 7,5 meter persegi, benang border 1 meter, benang spool 15 meter. Sehingga total masing – masing bahan baku yang harus disediakan interlining 37,5 meter persegi, benang border 25 meter, benang spool 75 meter.
Aplikasi Data Mining Menggunakan Algoritma Apriori Untuk Analisis Pola Penjualan (Studi Kasus: Apotek Keluargku Semarang) Fuady, Zakial; Sasongko, Priyo Sidik
Jurnal Masyarakat Informatika Vol 9, No 1 (2018): JURNAL MASYARAKAT INFORMATIKA
Publisher : Department of Informatics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (286.013 KB)

Abstract

Data mining merupakan proses analisa kumpulan data untuk memperoleh pengetahuan yang berguna. Pengaplikasian data mining sudah menjadi sesuatu yang umum di masyarakat terutama untuk menunjang aktivitas bisnis dan relasi. Bagi perusahaan yang bergerak di bidang bisnis dan perdagangan seperti apotek, data cenderung banyak setiap harinya. Jumlah data transaksi penjualan yang semakin besar tersebut jika tidak dimanfaatkan sebaik mungkin maka hanya menjadi data yang tersimpan di gudang data saja sehingga menjadi tidak efektif. Oleh karena itu diperlukan sebuah aplikasi yang dapat mengolah kumpulan data dalam jumlah besar agar dapat memberikan pengetahuan yang berguna bagi pengguna. Aplikasi Data Mining dengan menggunakan algoritma apriori mempermudah dalam manajemen pengolahan data sekaligus digunakan untuk menganalisis kumpulan data transaksi yang terdapat dalam database. Sistem dapat mengolah data perhitungan analisa pada bulan dan tahun tertentu kemudian menampilkan hasil analisis berupa pola penjualan obat. Hasil analisis diperoleh setelah sebelumnya kumpulan data tersebut diolah oleh sistem berdasarkan tingkat kepercayaan tertentu. Tingkat kepercayaan ditentukan melalui minimum support dan minimum confidence, sehingga dapat diketahui tingkat keterkaitan produk yang telah terjual yang dapat membantu pengguna dalam mengambil keputusan.
Implementasi Metode Fuzzy Simple Additive Weighting untuk Mendiagnosis Gangguan Kesehatan Melalui Telapak Tangan Nandhista, Dhimas; Sasongko, Priyo Sidik
Jurnal Masyarakat Informatika Vol 11, No 1 (2020): JURNAL MASYARAKAT INFORMATIKA
Publisher : Department of Informatics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (805.871 KB)

Abstract

Diagnosis Gangguan Kesehatan melalui telapak tangan merupakan salah satu teknik Diagnosis Terapi Bekam. Banyaknya Gangguan Kesehatan yang dikenali mengharuskan ahli bekam dapat mendiagnosis suatu Gangguan Kesehatan dengan teliti dan tepat agar tidak terjadi kesalahan dalam menentukan gangguan kesehatan. Tujuan penelitian ini adalah membangun sebuah sistem yang dapat membantu ahli bekam untuk mendiagnosis gangguan kesehatan melalui telapak tangan. Sistem yang dibangun adalah Sistem Diagnosis Gangguan Kesehatan melalui Telapak Tangan menggunakan metode Fuzzy Simple Additive Weighting. Metode Fuzzy SAW sering dikenal sebagai metode penjumlahan terbobot. Konsep dasar metode Fuzzy SAW adalah mencari penjumlahan terbobot dari rating kinerja setiap alternatif pada semua atribut, dimana alternatif pada sistem ini adalah Gangguan Kesehatan. Keluaran dari Sistem Diagnosis gangguan kesehatan adalah berupa nilai gangguan kesehatan yang diderita oleh pasien. Kinerja sistem dihitung menggunakan confussion matrix menghasilkan tingkat akurasi mencapai 86,11% dan error 13,89 %..
Sistem Pengenalan Nomor Pelat Kendaraan Menggunakan Jaringan Syaraf Tiruan Backpropagation Mukaroh, Afifatul; Sasongko, Priyo Sidik
Jurnal Masyarakat Informatika Vol 11, No 2 (2020): JURNAL MASYARAKAT INFORMATIKA
Publisher : Department of Informatics, Universitas Diponegoro

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

Abstract

Dalam pengawasan lalu lintas, pengenalan nomor pelat kendaraan menjadi penting untuk dilakukan. Hal ini dikarenakan pengenalan nomor pelat kendaraan memiliki banyak tujuan seperti identifikasi kendaraan curian, identifikasi kendaraan yang melanggar tata tertib, manajemen perparkiran, pengecekan keluar masuk kendaraan, dan lain sebagainya. Sayangnya jumlah kendaraan yang semakin tinggi membuat hal ini tidak bisa lagi dilakukan secara manual. Maka dari itu dibutuhkan sebuah machine vision yang dapat mengenali nomor pelat kendaraan dengan cepat dan akurasi yang tinggi. Pada penelitian ini dikembangkan sistem pengenalan nomor pelat kendaraan menggunakan jaringan syaraf tiruan backpropagation (JST BP). Sistem ini mencari model terbaik JST BP yang mampu melakukan pengenalan karakter-karakter pada pelat dengan waktu tercepat namun dengan akurasi yang tetap tinggi. Dari model terbaik yang didapatkan, sistem pengenalan nomor pelat kendaraan ini memiliki persentase keberhasilan sebesar  99.80% pada data pelat yang digunakan sebagai pembentuk model dan sebesar 96.10% pada data verifikasi.
Pengembangan Aplikasi Mobile Deteksi Dini Penyakit dan Hama Pada Tanaman Palawija Endah, Sukmawati Nur; Sarwoko, Eko Adi; Sasongko, Priyo Sidik; Sutikno, Sutikno
Informatika Pertanian Vol 28, No 1 (2019): Juni 2019
Publisher : Sekretariat Badan Penelitian dan Pengembangan Pertanian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21082/ip.v28n1.2019.p49-66

Abstract

Meningkatnya jumlah penduduk di Indonesia berdampak pada kebutuhan pangan, salah satu sumber pangan selain padi adalah tanaman palawija. Tanaman palawija memiliki peranan dalam mewujudkan impian Indonesia menjadi Lumbung Pangan Dunia di tahun 2045. Namun, penyakit dan serangan hama dapat menurunkan kwalitas dan kwantitas hasil produk tanaman palawija. Maka, diperlukannya identifikasi dan penanganan terhadap penyakit hama pada tanaman palawija agar mutu dan kwalitas produk tetap terjaga dan hasil produk melimpah. Penelitian ini mengusulkan pengembangan sebuah aplikasi mobile mengenai deteksi penyakit dan hama palawija berdasarkan gejala yang timbul. Pengujian telah dilakukan baik pengujian fungsionalitas sistem maupun usability testing terhadap aplikasi yang diberi nama Online at Sawat (OAS). Hasil pengujian menunjukkan bahwa OAS telah memenuhi requirement yang dibutuhkan dan mempunyai hasil usability test yang baik. Hasil penelitian ini diharapkan dapat membantu petani palawija khususnya jagung dan kedelai agar hasil panennya terjaga dan pemerintah secara tidak langsung untuk mewujudkan Indonesia sebagai Lumbung Pangan Dunia.
The Comparison of Imbalanced Data Handling Method in Software Defect Prediction Khadijah, Khadijah; Sasongko, Priyo Sidik
Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Vol. 5, No. 3, August 2020
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/kinetik.v5i3.1049

Abstract

Software testing is a crucial process in software development life cycle which will affect the software quality. However, testing is a tedious task and resource consuming. Software testing can be conducted more efficiently by focusing this activitiy to software modules which is prone to defect. Therefore, an automated software defect prediction is needed. This research implemented Extreme Learning Machine (ELM) as classification algorithm because of its simplicity in training process and good generalization performance. Aside classification algorithm, the most important problem need to be addressed is imbalanced data between samples of positive class (prone to defect) and negative class. Such imbalance problem could bias the performance of classifier. Therefore, this research compared some approaches to handle imbalance problem between SMOTE (resampling method) and weighted-ELM (algorithm-level method).The results of experiment using 10-fold cross validation on NASA MDP dataset show that including imbalance problem handling in building software defect prediction model is able to increase the specificity and g-mean of model. When the value of imbalance ratio is not very small, the SMOTE is better than weighted-ELM. Otherwise, weighted-ELM is better than SMOTE in term of sensitivity and g-mean, but worse in term of specificity and accuracy.Software testing is a crucial process in software development life cycle which will affect the software quality. However, testing is a tedious task and resource consuming. Software testing can be conducted more efficiently by focusing this activitiy to software modules which is prone to defect. Therefore, an automated software defect prediction is needed. This research implemented Extreme Learning Machine (ELM) as classification algorithm because of its simplicity in training process and good generalization performance. Aside classification algorithm, the most important problem need to be addressed is imbalanced data between samples of positive class (prone to defect) and negative class. Such imbalance problem could bias the performance of classifier. Therefore, this research compared some approaches to handle imbalance problem between SMOTE (resampling method) and weighted-ELM (algorithm-level method).The results of experiment using 10-fold cross validation on NASA MDP dataset show that including imbalance problem handling in building software defect prediction model is able to increase the specificity and g-mean of model. When the value of imbalance ratio is not very small, the SMOTE is better than weighted-ELM. Otherwise, weighted-ELM is better than SMOTE in term of sensitivity and g-mean, but worse in term of specificity and accuracy.
Klasifikasi Status Gizi Balita Menggunakan Metode Backpropagation Dengan Algoritma Levenberg-Marquardt dan Inisialisasi Nguyen Widrow Adzani, Wildan Azka; Sasongko, Priyo Sidik
Jurnal Masyarakat Informatika Vol 12, No 1 (2021): JURNAL MASYARAKAT INFORMATIKA
Publisher : Department of Informatics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jmasif.12.1.41020

Abstract

Banyaknya  Kasus  Gizi  Buruk  pada  anak-anak  usia  di  bawah  lima  tahun  umumnya  ditemukan  akibat ketidaktahuan terhadap permasalahan gizi pada anak. Klasifikasi Status Gizi Balita merupakan upaya yang dilakukan untuk mengetahui status  gizi pada balita. Penelitian ini bertujuan untuk membangun sebuah sistem Klasifikasi status gizi balita berbasis web menggunakan jaringan syaraf tiruan Backpropagation dengan Algoritma Levenberg-Marquardt dan inisialisasi Nguyen-Widrow. Variabel yang digunakan dalam penelitian ini merupakan data antropometri sebanyak 4 variabel. Seluruh data penelitian diambil dari POSYANDU RW 08 Kelurahan Sambiroto Kecamatan Tembalang, Semarang, Jawa Tengah. Data yang diambil sebanyak 100 data dengan pembagian data latih dan data uji menggunakan K-Fold Cross Validation. Hasil penelitian menunjukkan arsitektur terbaik untuk melakukan Klasifikasi didapat pada kombinasi parameter hidden neuron 12, parameter Levenberg-Marquardt (µ)  0.01,  maksimum  epoch  1000  dan  target  error  0.001  yang  menghasilkan  MSE 0.000064
Detection of Ship Using Image Processing and Neural Network Sutikno Sutikno; Helmie Arif Wibawa; Priyo Sidik Sasongko
TELKOMNIKA (Telecommunication Computing Electronics and Control) Vol 16, No 1: February 2018
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/telkomnika.v16i1.7357

Abstract

Indonesia is one of the countries in this world that has the most outstanding fishery potential. There are more than 3000 fish species under Indonesia's sea, yet the people are still not able to relish them completely. Illegal fishing by foreign ships in Indonesia's territorial sea is one of the reasons why this happens. In order to minimize this kind of loss, those ships should be detected automatically by implementing image processing and artificial intelligence techniques. The study proposed techniques for automatic detection of ships at sea on digital images. These techniques are global image thresholding and artificial neural network backpropagation. The result of this research is proposed of technique able to detect ship with 85% accuracy level. This method may be improved by adding more training data varieties.
Co-Authors A.B. Susanto Adzani, Wildan Azka Anak Agung Gede Sugianthara Anita Ika Nurcahyani, Anita Ika Aprilianti, Ika Nur Edy Suharto Eko Adi Sarwoko Fajar Agung Nugroho Frediansah Frediansah Fuady, Zakial Helmi Arif Wibawa Helmie Arif Wibawa Iffa Zainan Nisa Indra Waspada Indriyati Indriyati Khadijah Khadijah Khadijah, Khadijah Mahendra, Ida Bagus Satya Muhamad, Nida Mukaroh, Afifatul Nandhista, Dhimas Nurdin Bahtiar Okky Widya Arditya Prajanto Wahyu Adi, Prajanto Wahyu Prasetyo, Syalwa Dea Putri Rachmat Gernowo Rachmawati Soewono, Rachmawati Ragil Saputra Rahman, Gohar Redemtus Heru Tjahjana Retno Kusumaningrum Rismiyati Rismiyati Riyandika Andhi Saputra Sabda Dewa, Jason Al Hilal Satriyo Adhy Satya Sandika Putra Sekar Ratnaningtyas Sirait, Dheo Ronaldo Siti Suryani Sukmawati Nur Endah Sukmawati Nur Endah Sutikno Sutikno Sutikno Sutikno Sutikno Sutikno Sutikno, Sutikno Sutimin Sutimin Syahrul, Fithra Hayati Tatik Widiharih Triatmaja, Yudha Kusuma Utomo, Zidan Rafindra Vebriana, Melanie Safira Widowati, Widowati Yadanur Alim