Article Per Year (5 Year)
p-Index From 2021 - 2026
1.642
P-Index
This Author published in this journals
All Journal Jurnal Buana Informatika JUTI: Jurnal Ilmiah Teknologi Informasi Jurnal Simantec Jurnal Ilmiah Kursor Jurnal Titra Agora Prosiding SNATIKA Vol 01 (2011) Jurnal Teknologi Informasi dan Ilmu Komputer SMATIKA Jurnal Dimensi Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Conference on Innovation and Application of Science and Technology (CIASTECH) Kurawal - Jurnal Teknologi, Informasi dan Industri Jurnal Maksipreneur: Manajemen, Koperasi, dan Entrepreneurship Jurnal Teknik Informatika (JUTIF) Jurnal Atma Inovasia Jurnal Informatika Polinema (JIP)
Hendry Setiawan
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Library & Information Science Social Sciences Other

Published : 36 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 36 Documents
Search

 1   2   3   4 
STUDI PEMROSESAN DATA PENGENALAN GESTUR TANGAN MENGGUNAKAN METODE KNN Widodo, Romy Budhi; Swastika, Windra; Setiawan, Hendry; Subianto, Mochamad
Conference on Innovation and Application of Science and Technology (CIASTECH) CIASTECH 2021 "Kesiapan Indonesia Dalam Menghadapi Krisis Energi Global"
Publisher : Universitas Widyagama Malang

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

Abstract

Penelitian ini diawali oleh kebutuhan komunikasi antara penyandang tunarungu dan tunawicara dengan non-penyandang. Tujuan penelitian jangka panjang adalah penerjemah  bahasa isyarat tangan menjadi teks. Sebuah sarung tangan dilengkapi sensor tekuk digunakan untuk akuisisi data. Data direkam dan akan digunakan pada tahapan desain model machine learning. Ada sepuluh langkah desain model machine learning yang dikerjakan dalam penelitian ini dan dijelaskan dalam artikel, yaitu import library, import dataset, exploratory data analysis, split data, data scrubbing, algoritma pre-model,  penentuan algoritma machine learning, prediksi atau klasifikasi, optimasi, dan evaluasi. Dari enam belas fitur berhasil disederhanakan menjadi sebelas fitur dalam tahap pre-model algorithm. Pemisahan dataset menjadi tiga bagian yaitu data latih, data validasi, dan data uji; dengan proporsi 60:20:20. Pemilihan algoritma yang tepat adalah k-nearest neghbor dengan nilai k = 3. Akurasi yang dihasilkan dengan data uji adalah 98.9%.
Validasi Tanda Tangan Presensi Mahasiswa Menggunakan Magnified Gradient Function Backpropagation Rosalin Veliana; Hendry Setiawan
Jurnal Buana Informatika Vol. 4 No. 1 (2013): Jurnal Buana Informatika Volume 4 Nomor 1 Januari 2013
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v4i1.330

Abstract

Abstract. Attending students usually sign their names in the attendance list for every lecture and then, at the end of every lecture, the attendance list is recapitulated. Attendance recording system should be designed with good validation capability so that the data it obtains is liable. This project tries to create a student attendance data recapitulation system by employing an artificial neural network. The method used is the Magnified Gradient Function Backpropagation (MGF-Prop) because it can identify data pattern well. In this system, the data pattern studied is the pattern of signature and student ID number. In the programming, artificial intelligence, image processing, and data mining concept are also used. This system is developed using Visual Basic.NET, which can lighten the process of attendance data recapitulation. This system is tested by using 20 sample data with 94% signature recognition success rate and 97% success rate in student ID number recognition. This success percentage can still vary depending on the option chosen in the learning process. Keywords: signatures, presence, artificial neural network, magnified gradient function, ID number. Abstrak. Mahasiswa-mahasiswa yang hadir akan membubuhkan tanda tangan pada daftar kehadiran pada setiap perkuliahan yang diikutinya, lalu pada akhir perkuliahan akan dilakukan rekap presensi. Sistem presensi kehadiran harus dirancang dengan kemampuan validasi dengan baik agar data yang diperoleh dapat dipertanggungjawabkan kebenarannya. Pada naskah ini penulis membuat sistem pemrosesan rekap data presensi mengunakan jaringan saraf tiruan, metode yang digunakan adalah Magnified Gradient Function Backpropagation (MGF-Prop) karena dapat dengan baik mengenali pola data. Dalam sistem ini, pola data yang akan dikenali adalah pola tanda tangan dan nomor induk. Dalam pemrogramannya, digunakan pula konsep pengolahan citra dan data mining. Sistem yang dikembangkan dengan Visual Basic.NET ini, dapat mempermudah proses rekap data presensi. Sistem ini diuji coba menggunakan 20 data sampel dengan tingkat persentase keberhasilan rata-rata mengenali tanda tangan mencapai 94% serta nomor induk dengan tingkat keberhasilan 97%. Persentase keberhasilan tersebut dapat berubah tergantung pada opsi yang digunakan dalam proses pembelajaran.Kata kunci: tanda tangan, presensi, jaringan saraf tiruan, magnified gradient function, nomor induk.
Implementasi Algoritma Kunang-Kunang Untuk Penjadwalan Mata Kuliah di Universitas Ma Chung Hendry Setiawan; Lo Hanjaya Hanafi; Kestrilia Rega Prilianti
Jurnal Buana Informatika Vol. 6 No. 4 (2015): Jurnal Buana Informatika Volume 6 Nomor 4 Oktober 2015
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v6i4.459

Abstract

Abstract. Course scheduling is considered as a complex matter because the generated schedule must guarantee that there are no clashes of classes, lecturers, and students’ schedules. At Ma Chung University, course scheduling is still accomplished manually. Due to the limited number of rooms and lecturers r, resource sharing system is applied. This causes complication in manual scheduling. Firefly algorithm is implemented in this application to schedule the course automatically. A schedule solution is represented as a firefly. Firefly with lower light intensity will move toward firefly with higher light intensity, so that a better solution is found. Based on a scheduling test, the best light intensity value of firefly is reached when firefly algorithm’s parameters, β0 and γ, are given 1 and 10 with light intensity value of 0,0003831. Keywords: course, firefly algorithm, scheduling  Abstrak. Penjadwalan mata kuliah merupakan hal yang kompleks karena jadwal yang dihasilkan tidak hanya menjamin jadwal pertemuan semua kelas dan dosen tidak bentrok, tetapi juga menjamin jadwal pertemuan semua mahasiswa tidak bentrok. Penjadwalan mata kuliah di Universitas Ma Chung masih dilakukan secara manual. Karena jumlah kelas dan dosen yang dimiliki terbatas, maka diterapkan sistem resource sharing. Sistem resource sharing ini membuat proses penjadwalan yang dilakukan secara manual menjadi lebih rumit. Algoritma yang digunakan untuk penjadwalan mata kuliah pada aplikasi ini adalah algoritma kunang-kunang. Sebuah solusi jadwal mata kuliah dalam algoritma kunang-kunang direpresentasikan sebagai seekor kunang-kunang. Kunang-kunang dengan intensitas cahaya yang lebih rendah akan bergerak menuju kunang-kunang yang lebih terang sehingga mampu didapatkan solusi jadwal mata kuliah yang lebih baik. Berdasarkan hasil uji coba, nilai intensitas cahaya terbaik didapatkan ketika parameter algoritma kunang-kunang, β0 dimasukkan 1 dan γ dimasukkan 10 hingga didapatkan intensitas sebesar 0,0003831. Kata Kunci: algoritma kunang-kunang, mata kuliah, penjadwalan
Implementasi Text Mining Untuk Analisis Opini Publik Terhadap Calon Presiden Trya Sovi Kartikasari; Hendry Setiawan; Paulus Lucky Tirma Irawan
Jurnal Simantec Vol 7, No 1 (2018)
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/simantec.v7i1.6528

Abstract

Sistem presidensial merupakan salah satu bentuk demokrasi di Indonesia. Sistem tersebut menitikberatkan pada penyelenggaraan pemilihan umum presiden dan wakilnya yang dilakukan secara langsung oleh rakyat. Tingkat terpilihnya seorang presiden dapat dilihat dari opini publik yang beredar, salah satunya pada media sosial yang juga merupakan bagian dari  kampanye. Dalam penelitian ini akan dianalisa opini yang berkaitan dengan elektabilitas calon presiden dari media sosial Twitter dari media sosial Twitter menggunakan metode Naïve Bayes Classifier (NBC) dan menentukan faktor-faktor yang terbentuk dari opini menggunakan Principal Component Analysis (PCA). Data opini dari media sosial Twitter didapatkan menggunakan kata kunci “Jokowi” dan “Prabowo”. Sebagian opini tersebut dipilih sebagai data latih untuk  didapatkan kelas bersentimen negatif dan positif. Setelah proses pelatihan, dilakukan proses terhadap data uji dan data validasi. Hasil akurasi untuk data uji topik Jokowi pada tweet bersentimen positif mendapatkan akurasi sebesar 88.63% dan negatif sebesar 91.06%. Sementara untuk Prabowo bersentimen positif mendapatkan akurasi sebesar 88.58% dan negatif sebesar 80.37%. Rerata akurasi untuk keseluruhan topik adalah adalah 86.89%. Untuk mendapatkan faktor pada setiap sentimen, dilakukan proses perhitungan nilai PCA. Setiap sentimen tersebut kemudian dilakukan analisis faktor oleh pakar, yakni didapatkan 20 faktor yang sudah berhasil diinterpretasikan oleh pakar.
Analisis Fitur-Fitur Yang Mempengaruhi Jumlah Subscribers Youtube Menggunakan Algoritma Naive Bayes Classifier Meliyana Rahayu Yoanita; Hendry Setiawan; Paulus Lucky Tirma Irawan
SMATIKA JURNAL Vol 10 No 01 (2020): SMATIKA Jurnal : STIKI Informatika Jurnal
Publisher : LPPM STIKI MALANG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32664/smatika.v10i01.446

Abstract

One of them is technology in the field of communication is a social media platform. Social media Youtube is one of the most widely used social media in Indonesia. The benefits gained by Content Creators or Youtubers come from AdSense. Youtube has several features provided such as likes, dislikes, views and comments (comments with negative or positive sentiments). An automatic classification system for YouTube comment sentiment is needed to classify positive comments and negative comments, while analyzing features that affect the number of subscribers so that Content Creators can find out features that can affect the number of subscribers. In this research a comment sentiment classification system will automatically be created using the Naive Bayes (NB) algorithm so that the process of classifying positive and negative comments can be done easily, the data used in the analysis are 53 Youtube channels with vlog video types. In addition, the data used as classification training data were 4166 positive sentiments and 4166 negative sentiments, after which an analysis of features affecting the number of subscribers was performed using chi square. The results of the analysis with chi square found there are 4 features that have an influence on the number of subscribers, namely the number of views with a chi square value of 23,105, dislike with a chi square value of 13,745, the number of positive sentiment comments with a chi square value of 18,123 and the number of likes with a chi square value of 13,745. The accuracy of the automatic classification system using Naive Bayes (NB) is 81%.
RANCANG BANGUN APLIKASI REKOMENDASI PARSEL MENGGUNAKAN DIFFERENTIAL EVOLUTION Fika Handani; Hendry Setiawan; Paulus Lucky Tirma Irawan
Kurawal - Jurnal Teknologi, Informasi dan Industri Vol 2 No 2 (2019): Jurnal Kurawal Volume 2, Nomor 2, Oktober 2019
Publisher : Universitas Ma Chung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33479/kurawal.2019.2.2.171-181

Abstract

Knapsack Problem adalah permasalahan dimana seseorang dihadapkan pada optimasi pemilihan objek yang dimasukan kedalam wadah dengan kapasitas terbatas. Rekomendasi untuk memilih barang berdasarkan kategori dan jenis adalah salah satu hal yang termasuk dalam kategori knapsack problem. Mulia Jaya Minimarket adalah salah satu supermarket yang melayani pesanan parsel. Masalah yang sering terjadi adalah kurangnya variasi untuk menentukan kombinasi item pada parsel. Maka dibutuhkan aplikasi yang dapat membantu memberikan rekomendasi parsel secara otomatis. Aplikasi ini dibuat dengan menerapkan algoritma differential evolution. Solusi untuk rekomendasi diimplementasikan dalam bentuk vector. Setiap vector akan dihitung menggunakan nilai fitness dengan mempertimbangkan kualitas dan budget yang diberikan. Proses ini akan dihentikan ketika telah mendapatkan vector terbaik dengan Batasan iterasi tertentu. Hasil uji coba menunjukan bahwa aplikasi ini memiliki tingkat akurasi budget sebesar 0,99820 dan rata-rata nilai fitness terbaik 0,99501 dengan nilai crossover sebesar 50.
Analisis Pengaruh Exchange Rate, ROA dan TATO Terhadap Stock Price Pada Properti (Periode 2018-2020) Hesniati Hesniati; Lydia Sasmita; Kendy Setiawan Hartono; Toh Meng Loo; Gusfandi Gusfandi; Hendry Setiawan
JURNAL DIMENSI Vol 11, No 3 (2022): JURNAL DIMENSI (NOVEMBER 2022)
Publisher : Universitas Riau Kepulauan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33373/dms.v11i3.4173

Abstract

Properti dikenal sebagai bisnis yang dapat menjamin tidak akan pernah musnah yang disebabkan oleh kebutuhan akan tempat tinggal bagi setiap manusia untuk dapat bertahan hidup. Berinvestasi pada saham properti merupakan salah satu minat investor untuk kepentingan investasinya, karena besarnya peluang keuntungan yang akan diperoleh di masa yang akan datang. Tujuan dari penelitian ini adalah untuk menganalisis pengaruh nilai tukar, return on assets dan total assets turnover terhadap harga saham properti 2018-2020. Berdasarkan hasil penelitian dapat disimpulkan bahwa nilai tukar dan return on assets (ROA) tidak berpengaruh signifikan terhadap harga saham properti periode 2018-2020. Total asset turnover (TATO) berpengaruh signifikan terhadap harga saham properti periode 2018-2020. Mempertahankan total asset turnover (TATO) yang baik akan membantu kinerja harga saham bekerja lebih baik. 
REKOMENDASI MENU HARIAN PENDERITA DIABETES MELITUS DENGAN ALGORITMA DIFFERENTIAL EVOLUTION Hendry Setiawan
Jurnal Informatika Polinema Vol. 8 No. 3 (2022): Vol 8 No 3 (2022)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v8i3.771

Abstract

Penyakit Diabetes Melitus (DM) merupakan turunan dan disebabkan oleh pola hidup yang tidak sehat. Penderita DM tidak dapat sembuh, namun dapat melangsungkan kehidupan normal dengan control yang tepat. Kontrol dilakukan melalui olahraga maupun pola makan yang benar. Untuk pola makan, dibutuhkan ahli gizi yang akan membantu menghitung kebutuhan nutrisi yang diperlukan. Dengan keterbatasan jumlah ahli gizi, maka tidak setiap penderita dapat mengetahui kebutuhan nutrisinya. Algoritma differential evolution(DE), merupakan salah satu algoritma metaheuristik yang akan melakukan pencarian komposisi nutrisi yang dibutuhkan penderita. Pencarian nutrisi didasarkan pada 3 porsi makanan besar dan 2 porsi makanan kecil akan dilakukan untuk memnuhi kalori, protein, lemak, dan karbohidrat yang sesuai. Hasil yang diperoleh dari algoritma differential evolution dengan setting parameter factor skala (F) sebesar 0,8, probabilitas crossover(0,8), Jumlah dimensi 5, jumlah populasi dalam 1 generasi 10, pada 20 ujicoba didapatkan akurasi sebesar 97,91%.
Analysis Implications of Financial Literacy, Socialization, Experience, Attitude, and Locus of Control on Financial Behavior of University Student Setiawan, Hendry; Laulita, Nasar Buntu
Jurnal Maksipreneur Vol 13 No 2 (2024)
Publisher : Universitas Proklamasi 45

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30588/jmp.v13i2.1385

Abstract

The economic development of a country must be accompanied by good and responsible public financial behavior, so this research aims to analyze the factors that impact financial behavior. Several factors examined in this research are financial literacy, financial experience, financial attitudes, financial socialization, and locus of control. The samples tested in this study were students studying at Batam International University (UIB), Riau Islands. The research result using a partial test (t-test) indicated that financial literacy, financial experience, financial attitudes, and financial socialization had a significant effect on financial behavior. Meanwhile, locus of control does not affect UIB students' financial behavior.
Comparative analysis of random forest and deep learning approaches for automated acute lymphoblastic leukemia detection using morphologicaland textural features Swastika, Windra; Prilianti, Kestrilia Rega; Irawan, Paulus Lucky Tirma; Setiawan, Hendry
Jurnal Ilmiah Kursor Vol. 13 No. 1 (2025)
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/kursor.v13i1.427

Abstract

Acute Lymphoblastic Leukemia (ALL) is a type of blood cancer that requires early and accurate detection for effective treatment. Current diagnostic approaches face significant challenges including time-consuming manual examination, inter-observervariability, and difficulty in balancing sensitivity with specificity. This study aims to develop and compare two automated ALL detection methodologies to overcome these limitations. We propose: (1) a Random Forest classifier using carefully engineered morphological and textural features, and (2) a Convolutional Neural Network (CNN)architecture for automated feature learning from microscopic blood cell images. Using 10,661 images from the ALL Challenge dataset, we evaluated both approaches on training (70%), validation (15%), and test (15%) sets. Feature importance analysis revealed cell area (10.71%), energy (10.67%), and skewness (10.50%) as the mostsignificant discriminative features. The Random Forest achieved 85% accuracy withnotable sensitivity for ALL detection (93%), while the deep learning approachdemonstrated superior performance with 87% accuracy and better false positive control(27.50% vs. 35.76%). Our comparative analysis shows that while both methodsdemonstrate clinical viability for automated ALL screening, the deep learning approachoffers advantages in reducing false positives while maintaining high detectionsensitivity. This research contributes to the advancement of computer-aideddiagnostic tools that can support pathologists in early ALL detection,potentially reducingdiagnostic time and improving consistency.
Co-Authors Antonius Duty Susilo, Antonius Duty Bita Parga Zen Christianto O, Ivan Eka S. P., Kielvien Lourensius Febrian, Nicholas Fika Handani Gunawan, Dennys Gusfandi Gusfandi Hendra Kelana, Oesman Herditomo Herditomo Hesniati, Hesniati Hilary, Antony Irawan, Paulus Lucky Tirma Irawan, Paulus Lucky Tirma Kamil Dhermawan, Abdurrachman Kelanata, Oesman Hendra Kendy Setiawan Hartono Kestrilia Rega Prilianti Kristian, Hans Kurniawan, Ardian Laulita, Nasar Buntu Leona, Ossie Leona, Ossie Lo Hanjaya Hanafi Lo Hanjaya Hanafi, Lo Hanjaya Lucky Tirma Irawan, Paulus Lydia Sasmita Mariana, Priska Meliyana Rahayu Yoanita Mimboro, Prasetyo Mochamad Subianto Nurwegiono, Muhammad Oesman Hendra Kelana Oktariyanto, Vidian Vito Paulus Lucky Tirma Irawan Paulus Lucky Tirma Irawan Paulus Lucky Tirma Irawan Raharjo, Jani Romy Budhi Widodo Rosalin Veliana Rully Soelaiman Samuel Perkasa Samuel Samuel Sunday Noya Supusepa, Alfred Christian Tan, Dewi Fandelia Tjokro Atmodjo, Felix Adrian Toh Meng Loo Trya Sovi Kartikasari Wardojo, Kevin Putra Wibowo, Inovency Permata Windra Swastika Yandriyani, Devilke