Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal CogITo Smart Journal
Ferdy Nicolas
Bunda Mulia University
Computer Science & IT Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Penerapan Genetic Neural Network dalam Pemilihan Color Palette untuk Desain Skema Warna Jason Alexander; Daniel Ronaldo Pangestu; Ferdy Nicolas; Lukman Hakim
CogITo Smart Journal Vol 6, No 2 (2020): Cogito Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31154/cogito.v6i2.271.284-297

Abstract

Artificial Neural Network (ANN) is a branch of Artificial Intelligence which possesses great potential. However, ANN has a huge drawback: the need for complex parameters to train a developed ANN in order to provide the right solution to the proposed problem. One way to overcome this weakness is the use of Genetic Algorithm as the best parameter selection method for a ANN. In this study, said concept was applied in an application that aims to help solve one of the aspects of design that has a high significance, namely color selection, by implementing both technologies simultaneously into a predictive system. To predict colors based on given parameters, the algorithm is formed to distinguish how colors are used so that they are able to group colors into specific color categories to then be combined to form a palette, which can be the basis of a color scheme for various design purposes. Based on the results of this study, researchers hope to provide additional insights into various fields that can synergize with Artificial Intelligence and its derivative disciplines to improve efficiency in various occupations, of which design is one of them.
Implementasi Algoritma Breadth First Search dan Depth First Search Pada Aplikasi Kimia Hidrokarbon Berbasis Augmented Reality Ferdy Nicolas; I Gusti Ngurah Suryantara
CogITo Smart Journal Vol. 8 No. 1 (2022): Cogito Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31154/cogito.v8i1.354.%p

Abstract

Hidrokarbon adalah cabang ilmu kimia yang mempelajari senyawa organik yang tersusun atas karbon dan hidrogen. Dalam representasinya, molekul hidrokarbon dapat dipetakan sebagai sebuah graph, dengan atom-atom karbon yang berperan sebagai node dalam graph tersebut dan koneksi antar atom yang berperan sebagai jalur dalam graph. Konsep representasi ini menjadi fokus utama penelitian, dimana molekul hidrokarbon yang dipetakan ke dalam graph dapat berinteraksi dengan algoritma yang memiliki kemampuan untuk membaca graph, seperti Breadth First Search (BFS) dan Depth First Search (DFS). Kedua algoritma ini dapat digunakan pada graph berupa struktur molekul hidrokarbon untuk mendapatkan informasi mengenai molekul tersebut. Penelitian ini bertujuan untuk mengimplementasikan algoritma BFS dan DFS untuk melakukan identifikasi dan penamaan terhadap molekul hidrokarbon berdasarkan aturan IUPAC. Program yang dihasilkan kemudian dikemas ke dalam sebuah aplikasi berbasis augmented reality untuk memudahkan visualisasi molekul. Hasil penelitian menemukan bahwa algoritma BFS dan DFS dapat digunakan secara sinergis untuk mengidentifikasi struktur molekul dengan mengumpulkan informasi mengenai rantai terpanjang menggunakan BFS dan keberadaan rantai siklik dan rantai cabang menggunakan DFS. Dengan menggunakan metode unit testing, diketahui bahwa aplikasi memiliki konformitas senilai 100% terhadap standar nomenklatur dari IUPAC.
Co-Authors Daniel Ronaldo Pangestu Hakim, Lukman Jason Alexander Suryantara, I Gusti Ngurah