Article Per Year (5 Year)
p-Index From 2020 - 2025
0.751
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) JURNAL MEDIA INFORMATIKA BUDIDARMA Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Joutica : Journal of Informatic Unisla
Reddy Alexandro Harianto
Institute Sains Dan Teknologi Terpadu Surabaya
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Deteksi Jumlah Leukosit Bersentuhan Pada Citra Mikroskopis Leukemia Limfoblastik Akut Menggunakan Multiple K-Means Clustering Andrey Kartika Widhy Hapantenda; F.X. Ferdinandus; Reddy Alexandro Harianto
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2018
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

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

Abstract

Leukemia merupakan salah satu penyebab kematian di antara beberapa jenis kanker. Leukemia disebabkan oleh neoplasma maligna atau tumor ganas sel darah putih. Umumnya jenis kanker ini banyak diderita oleh anak-anak dan dewasa di atas usia 50 tahun. Menurut klasifikasi French- American-British (FAB) salah satu tipe Leukemia akut yaitu Leukemia Limfoblastik Akut (LLA). Keberadaan LLA ditandai dengan penyimpangan proliferasi Limfoblast pada sumsum tulang. Salah satu permasalahan pada segmentasi citra LLA adalah pemisahan grup sel yang saling bersentuhan. Hal ini diperlukan untuk analisa kuantitatif yang sangat penting untuk klasifikasi tipe LLA. Beberapa metode pernah digunakan untuk memisahkan grup sel termasuk K-Means Clustering, namun masih sering terjadi over maupun under segmen. Pada Metode Multiple K-Means, nilai K awal merupakan estimasi awal jumlah Leukosit bersentuhan. Proses K-Means dilakukan dengan melakukan iterasi sebanyak tiga hingga lima kali dengan nilai K sama dengan nilai K awal minus dua hingga nilai K awal plus dua, dimana nilai K awal, dengan nilai K minimal dua. Metode yang diusulkan ini mampu mengatasi kelemahan metode K- Means sebelumnya, dengan rata-rata relative error 0 pada 11 gambar yang terdapat 21 grup sel-sel yang saling bersentuhan dalam database ALL-IDB1.
APPLYING THE CLASSIFICATION ALGORITHM FOR THE SYSTEM RECOMMENDATIONS BUY SELL IN FOREX TRADING iswanto; Yuliana Melita Pranoto; Reddy Alexandro Harianto
JURNAL FASILKOM (teknologi inFormASi dan ILmu KOMputer) Vol 10 No 2 (2020): Jurnal Fasilkom
Publisher : Fakultas Ilmu Komputer, Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1152.596 KB) | DOI: 10.37859/jf.v10i2.2076

Abstract

Abstract- Having a sophisticated application, even though often experience problems in deciding BUY - SELL in trading forex trading. This is due to the often time series predictions, in the high variable experiencing high values ​​as well as low variables, for that it is needed a recommendation system to overcome this problem. The application of classification algorithms to the recommendation system in support of BUY-SELL decisions is one appropriate alternative to overcome this. K-Nearest Neighbor (K-NN) algorithm was chosen because the K-NN method is an algorithm that can be used in building a recommendation system that can classify data based on the closest distance. This system is designed to assist traders in making BUY-SELL decisions, based on predictive data. The results of the recommendation system from the ten trials predicted by Arima are recommended. When compared to the price in the field the target profit is 7% per week from ten experiments if the average profit has exceeded the target
Pemanfatan Arima Untuk Prediksi Harga Emas Dalam Sistem Rekomendasi Trading Gold Option Yuliana Melita Pranoto; Reddy Alexandro Harianto; Iswanto Iswanto
JURNAL MEDIA INFORMATIKA BUDIDARMA Vol 4, No 4 (2020): Oktober 2020
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/mib.v4i4.2246

Abstract

In gold option trading, it is necessary to analyze both fundamental and technical data. In this study technical analysis is used to predict Gold Prices to help traders in making decisions. ARIMA is a method that completely ignores the independent variables in forecasting and is able to be a solution to predict gold prices and is used for the gold trading recommendation system. This is evidenced by the validation of high MAD = 16.93, MSE = 453.00, MAPE = 1.13%. And validation is low MAD = 12.23, MSE = 237.54, MAPE = 0.83%. And validation low MAD = 16.76, MSE = 576.32, MAPE = 1.12%. The results of the recommendation system from the ten trials predicted by Arima are recommended. When compared to the price in the field the target profit is 7% per week from ten experiments if on average the profit has exceeded the target.
Prediksi Stok Produk Sari Roti Untuk Penjualan Online Melalui Whatsapp Menggunakan Metode LightGBM dan LSTM Adithya Marhaendra Kusuma; Reddy Alexandro Harianto; Edwin Pramana
Joutica Vol 8 No 2 (2023): Journal of Informatic Unisla
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/informatika.v8i2.1083

Abstract

Penelitian ini bertujuan untuk mengetahui akurasi dari metode forecasting berdasarkan model Long short term memory network (LSTM) dan LightGBM dalam memprediksi jumlah stok yang harus disediakan di depo sari roti untuk mencukupi permintaan customer online melalui Chatbot sari roti. Data penjualan yang di teliti dalam penelitian ini adalah perusahaan PT Nippon Indosari Corpindo selama periode Juni 2021 – Oktober 2022. Penelitian ini dilakukan menggunakan data penjualan berupa lokasi penjualan, total harga diskon, harga per item, dan jumlah item terjual sebagai parameternya dan 4 jenis roti yang dijadikan sampel. Dalam penelitian ini di hitung masing-masing mean absolute percentage error (MAPE) dari forecasting LSTM dan LightGBM. Parameter yang mempengaruhi hasil prakira metode LSTM dalam penelitian ini yaitu epoch untuk model LSTM, Lags pada Mode LightGBM, dan Perbandingan rasio pada model ensemble LSTM dan LightGBM. Akurasi terbaik diperoleh dengan menggunakan model ensemble pada jenis roti tawar kupas dengan evaluas MAPE terbaik diperoleh yaitu 9,58%.
Co-Authors Adithya Marhaendra Kusuma Edwin Pramana Endang Setyati F.X. Ferdinandus Fery Satria Kristianto Hapantenda, Andrey Kartika Widhy iswanto Iswanto Iswanto Yuliana Melita Pranoto