Article Per Year (5 Year)
p-Index From 2021 - 2026
2.293
P-Index
This Author published in this journals
All Journal JUITA : Jurnal Informatika Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal CoreIT Techno Nusa Mandiri : Journal of Computing and Information Technology Jiko (Jurnal Informatika dan komputer) Jurnal Tekno Kompak Jurnal Ilmiah Ilmu dan Teknologi Rekayasa Bulletin of Information Technology (BIT) Melek IT: Information Technology Journal Journal of Artificial Intelligence and Engineering Applications (JAIEA) Tedc Jurnal Ilmiah Pengabdian Kepada Masyarakat SEMNASTERA (Seminar Nasional Teknologi dan Riset Terapan) Journal of Elektronik Sistem InformasI Inventor: Jurnal Inovasi dan Tren Pendidikan Teknologi Informasi
Tri Herdiawan Apandi
Politeknik Negeri Subang
Religion Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Public Health Social Sciences Transportation Veterinary Other

Published : 29 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Tedc

 1 
ANALISIS PERFORMANCE MULTICAST ROUTING Tri Herdiawan Apandi
Jurnal TEDC Vol 8 No 3 (2014): Jurnal TEDC
Publisher : UPPM Politeknik TEDC Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (200.087 KB)

Abstract

Multicast routing protokol adalah untuk menentukan jalur terpendek dari sumber (pengirim) ke tujuan. Trafik multicast yang harus dijalankan setidaknya dua klien, yang pertukaran datagram antara satu sama lain. Parameter yang diperoleh trafik multicast adalah jumlah totol paket, packet of drop rate, dan persentase link utilization. DVRMP lebih baik untuk jaringan yang lebih kecil dibandingkan PIM SM namun mengamati bahwa kebutuhan DVRMP flooding frequently dan karenanya dapat menyebabkan masalah scaling. PIM SM menunjukkan drop paket sangat kurang dan stabil terhadap variasi bandwidth link dan perubahan topologi. Bahkan sulit untuk memutus Rendezvous point. Kata kunci : PIM, DVMRP dan Multicast
ANALISIS KOMPARASI MACHINE LEARNING PADA DATA SPAM SMS Tri Herdiawan Apandi; Castaka Agus Sugianto
Jurnal TEDC Vol 12 No 1 (2018): Jurnal TEDC
Publisher : UPPM Politeknik TEDC Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (835.083 KB)

Abstract

Spam SMS adalah pesan yang tidak berguna bagi penerima dan sering kali menjadi penyalahgunaan oleh pihak yang tidak bertanggung jawab. Menhindari penyalahgunaan itu perlu dilakukan penyaringan spam SMS, tetapi perlu algoritma penyaringan data spam SMS. Dengan menggunakan Machine Learning penyaringan itu menjadi mudah, contoh dari Machine Learning yang popular adalah SVM dan Naïve Bayes. SVM dan Naïve Bayes dapat digunakan untuk penyaringan data spam SMS, tetapi machine learning mana yang menjadi terakurat dan memiliki nilai presisi yang baik. Untuk melihat komparasi antar kedua algoritma tersebut maka dilakukan cara pengolahan data spam SMS dengan cara mengumpulkan data SMS tertebih dahulu kemudian data SMS tersebut diberi label manual lalu dilakukan proses akromin, stop words dan pembobotan. Setelah dilakukan pembobotan maka akan dilakukan proses training oleh SVM dan Naïve Bayes. Proses training dilakukan untuk mendapatkan model yang akan diuji untuk menbandingkan machine leaning pada data Spam SMS. Setelah dilakukan pengujian dengan membuat 12 model data, maka didapat SVM memiliki nilai presisi yang lebih baik dari pada Naïve Bayes yaitu 94.98%. Naïve Bayes memiliki tingkat akurasi yang baik dengan rata-rata 92.22%. Kata Kunci: SVM, naïve bayes, spam SMS, n-grams
Analisa Nilai dan Risiko TI pada BRI Menggunakan ISO 31000 Tri Herdiawan Apandi
Jurnal TEDC Vol 8 No 3 (2014): Jurnal TEDC
Publisher : UPPM Politeknik TEDC Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (262.538 KB)

Abstract

Bank BRI berhasil meningkatan Laba menjadi 16,67 Trilun pada bulan desember 2011, atau peningkatan laba sebesar 8,99 Triliun dari tahun 2010. Meningkatkan nilai teknologi informasi dalam rangka untuk memberikan kepuasan pada nasabah, salah satu cara Bank BRI untuk meningkatkan laba. Akan tetapi menggunakan teknologi infomasi bukan tanpa risiko, karena bank merupakan industri yang highly regulated dan harus dijalankan secara hati-hati (prudent). Dengan berkembangnya kompleksitas aktivitas bisnis dan operasional BRI, maka risiko yang dihadapi juga semakin besar. Ancaman yang muncul dari dan terhadap kegiatan operasional dapat dipicu oleh berbagai faktor baik internal maupun eksternal terutama risiko yang dihadapi dalam peningkatan dalam pemanfaatan teknologi informasi. Pada tulisan ini akan dibahas mengenai manajemen risiko TI pada Bank BRI menggunakan ISO 31000. Kata kunci: Bank BRI, nilai TI, risiko, ISO 31000 Kata kunci : Bank BRI, the IT value, risk, ISO 31000
PREDIKSI TRAFIK VIDEO DENGAN MENGGUNAKAN MARKOV CHAIN Tri Herdiawan Apandi
Jurnal TEDC Vol 9 No 2 (2015): Jurnal TEDC
Publisher : UPPM Politeknik TEDC Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (201.923 KB)

Abstract

Video online menjadi sangat berkembang, diperkiraan pada tahun 2016 trafik internet 86% dipakai untukmelihat video online. Untuk itu perlu prediksi, salah satu untuk memperkiraannya dapat menggunakan modelstokastik.Dengan menggunakan model stokastik setiap nilai yang berubah terhadap waktu dengan cara yangtidak tertentu (dalam ketidakpastian) . Markov chain adalah salah satu proses stokastik dimana markov chainadalah suatu urutan dari variabel-variabel acak X1,X2,X3,......dengan sifat Markov yaitu, mengingat keadaanmasa depan dan masa lalu keadaan yang independen. Dalam makalah ini dapat Markov Chain bermanfaatuntuk menghitung/memperkirakan peluang urutan kejadian yang diamati. Ditulisan ini membukti bahwa markovchain bisa dipakai untuk memprediksi node – node yang dilewati oleh 50 trafik video (paket data video).Katakunci : Video online, markov chain, trafik, paket data, fifo, Shape and drop, stokastik
Co-Authors Adi Firmansyah Asep Saepuloh Daniel Happy Putra Dwi Fernanda Dwi Vernanda Giar Rahma Yunita Gumelar, Mikal Raya H, Haryati Haryati Haryati Haryati Helfira Lustiana Kurniawan, Bagas Lani Nurlani Masesa Angga Wijaya Mohammad Iqbal Mustikasari Putri, Dewi Nida Hanifah Niqotaini, Zatin Nugroho, Yohanes Sinung Nunu Nugraha Purnawan NurAfifah, Amirah Nurfitria Khoirunisa Nurfitria Khoirunnisa pohan, Nurul Fauziah Rian Piarna Risky Prabowo Roby Bayu Maulana Santika, Nisa Slamet Rahayu Slamet Rahayu Subagja, Fikri Hari Sugianto, Castaka Agus Taufan Abdurrachman Wulan Siti Nurul Yogi Saputra, Yogi