Article Per Year (5 Year)
p-Index From 2021 - 2026
7.69
P-Index
This Author published in this journals
All Journal Indonesian Journal of Electronics and Instrumentation Systems ELKHA : Jurnal Teknik Elektro JUITA : Jurnal Informatika Annual Research Seminar Sinkron : Jurnal dan Penelitian Teknik Informatika Jusikom : Jurnal Sistem Komputer Musirawas SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Petir KOMPUTIKA - Jurnal Sistem Komputer Jurnal Teknologi Terpadu EDUMATIC: Jurnal Pendidikan Informatika Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Progresif: Jurnal Ilmiah Komputer Jurnal Ilmiah Betrik : Besemah Teknologi Informasi dan Komputer Algoritme Jurnal Mahasiswa Teknik Informatika Informatics and Enginering Dedication DEVICE : JOURNAL OF INFORMATION SYSTEM, COMPUTER SCIENCE AND INFORMATION TECHNOLOGY MDP Student Conference JRIIN :Jurnal Riset Informatika dan Inovasi Jurnal Ilmiah Betrik : Besemah Teknologi Informasi dan Komputer Applied Information Technology and Computer Science (AICOMS) INOVTEK Polbeng - Seri Informatika JuTISI (Jurnal Teknik Informatika dan Sistem Informasi)
Yohannes, Yohannes
Universitas Multi Data Palembang
Agriculture, Biological Sciences & Forestry Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 66 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 66 Documents
Search

 3   4   5   6   7 
Perbandingan Kinerja Algoritma Greedy dan Dynamic Programming dalam Optimasi Diskon Keranjang Belanja E-Commerce Menggunakan Dataset Online Retail UCI Jonathan Tanujaya; Daffa Yudha Musyaffa; Yohannes Yohannes
Applied Information Technology and Computer Science (AICOMS) Vol 5 No 1 (2026): AICOMS
Publisher : Pengelola Jurnal Politeknik Negeri Ketapang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58466/f0fdve41

Abstract

E-commerce platforms heavily rely on automated promotional strategies, such as tiered discounts, to enhance customer loyalty. Therefore, this study aims to analyze the performance of computational algorithms in determining item priorities within a shopping cart under promotional budget constraints. The 0/1 Knapsack Problem was addressed by comparing two computational approaches: Dynamic Programming (DP) and the Greedy Algorithm. Transaction data from the UCI Online Retail dataset were cleaned and aggregated into 3,746 unique product catalogs, then simulated using a promotional budget limit of £499.40 with a 10% discount policy. Computational experiments revealed contrasting trade-off characteristics between the two approaches. The DP algorithm guaranteed an absolute optimal solution with a total profit of £2,725,575.77 but required 28.10 seconds of computation time. In contrast, the Greedy algorithm completed the selection process in a fraction of a second (0.17 seconds) while incurring only a marginal profit deficit of 0.01%. The Greedy heuristic approach proved to be highly practical and efficient for integration into real-time user interface systems, whereas the superior accuracy of DP makes it more suitable for offline database processing and inventory analytics research.
Optimasi Strategi Repeat Buyer pada E-commerce Indonesia Melalui Pendekatan Dynamic Programming untuk Bundling Product Multi-Kategori Siti Fatimah Az Zahrah; Yeremia Agung Chandra; Yohannes Yohannes
DEVICE : JOURNAL OF INFORMATION SYSTEM, COMPUTER SCIENCE AND INFORMATION TECHNOLOGY Vol 7, No 1: JUNI 2026
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/device.v7i1.8956

Abstract

Penelitian ini bertujuan untuk mengoptimalkan strategi peningkatan repeat buyer pada e-commerce di Indonesia melalui penyusunan rekomendasi bundling product multi-kategori berbasis pendekatan komputasional. Pendekatan yang digunakan adalah Dynamic Programming melalui model optimasi Knapsack yang dikombinasikan dengan analisis Threshold Standard Deviation untuk menyaring kategori produk berdasarkan kedekatan demografis pelanggan. Proses penelitian meliputi tahap preprocessing data, pemodelan parameter bobot dan profit, optimasi kombinatorial, serta penentuan prioritas rekomendasi berbasis customer profiling. Hasil penelitian menunjukkan bahwa sistem mampu menghasilkan rekomendasi bundling yang relevan dan terpersonalisasi berdasarkan usia dan riwayat transaksi pelanggan. Dynamic Programming menunjukkan performa yang lebih stabil dan efisien pada kompleksitas data yang lebih tinggi, meskipun pada dataset kecil Brute Force memiliki waktu eksekusi lebih cepat. Secara keseluruhan, pendekatan yang diusulkan dinilai mampu meningkatkan akurasi rekomendasi serta mendukung strategi pemasaran untuk mendorong loyalitas pelanggan.
Penyelesaian Capacitated Vehicle Routing Problem with Time Windows Menggunakan Algoritma Greedy dan Tabu Search pada Distribusi Pengiriman Farmasi Migel Orvin Febryan; Siska Amelia; Yohannes Yohannes
DEVICE : JOURNAL OF INFORMATION SYSTEM, COMPUTER SCIENCE AND INFORMATION TECHNOLOGY Vol 7, No 1: JUNI 2026
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/device.v7i1.8804

Abstract

Distribusi farmasi merupakan salah satu rantai pasok kritis yang menuntut ketepatan waktu dan efisiensi operasional tinggi. Kompleksitas distribusi farmasi muncul dari ketatnya batasan waktu pengiriman, beragamnya jenis produk dengan karakteristik berat dan volume berbeda, serta keterbatasan kapasitas armada kendaraan yang harus melayani puluhan hingga ratusan titik pengiriman dalam satu hari operasional. Kegagalan memenuhi jendela waktu pelayanan dapat berdampak langsung pada ketersediaan obat di fasilitas kesehatan dan berpotensi membahayakan keselamatan pasien. Penelitian ini bertujuan menyelesaikan permasalahan Capacitated Vehicle Routing Problem with Time Windows (CVRPTW) pada sistem distribusi farmasi menggunakan kombinasi algoritma Greedy dan Tabu Search. Algoritma Greedy dengan strategi nearest neighbor digunakan untuk membentuk solusi awal, sedangkan Tabu Search digunakan untuk mengoptimasi solusi tersebut melalui mekanisme relocate inter-route dan local search 2-opt. Dataset yang digunakan memuat 78 titik pengiriman dengan batasan kapasitas kendaraan sebesar 400 kg berat dan 3 m³ volume. Fungsi objektif yang diminimalkan mencakup total jarak tempuh, total waktu, pelanggaran time window, serta kelebihan kapasitas. Hasil eksperimen menunjukkan bahwa Tabu Search mampu menghasilkan perbaikan nilai fungsi objektif dibandingkan solusi awal Greedy, dengan tetap mempertahankan feasibilitas seluruh rute. Penelitian ini membuktikan efektivitas kombinasi metaheuristik berbasis memori dengan konstruksi heuristik sederhana untuk permasalahan optimasi rute kendaraan berskala nyata.
Convolutional Block Attention Module Integration into YOLO11 Architecture for MRI Image-based Brain Tumor Detection Jendraja Husin Kotan; Yohannes; Hafiz Irsyad
INOVTEK Polbeng - Seri Informatika Vol. 11 No. 2 (2026): May
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/n4nrvj87

Abstract

Brain tumor is one of the deadly diseases in the world that can affect anyone, this disease is characterized by the growth of abnormal cells or tissues in the brain, medically it can be life-threatening if not treated properly. Most tumor detection tasks are done by manual assessment by radiologists or pathologists where this work is time-consuming, so accurate and reliable detection is needed in the medical field in diagnosing brain tumors. The purpose of this study is to integrate CBAM on the YOLO11 architecture in detecting brain tumors and determine the performance of the brain tumor detection model using the YOLO11 architecture with CBAM integration. The method used to detect brain tumors is the YOLO11 architecture with CBAM integration. The dataset used is an image in the form of brain MRI. The results of this study indicate that the precision is 86.9%, recall is 86.2%, mAP50 is 91%, and mAP50-95 is 64% in the validation data and precision is 89.1%, recall is 92%, mAP50 is 79%, mAP50-95 is 51.6%, and F1 score is 90.5% in the test data which can be used to help medical personnel in detecting and treating brain tumors considering that this model has outstanding results, especially in the recall metric section which reaches 92% in the test data.
Pendekatan Dynamic Programming pada Penentuan Urutan Pembelajaran Optimal Berdasarkan Beban Kognitif Mahasiswa M Dhafa Adjie Saputra; Joseph Eduard Uly Loni; Yohannes
Jurnal Riset Informatika dan Inovasi Vol 4 No 1 (2026): JRIIN : Jurnal Riset Informatika dan Inovasi (INPRESS)
Publisher : shofanah Media Berkah

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

Abstract

Penelitian ini bertujuan untuk mengoptimalkan prioritas belajar mahasiswa menjelang ujian akhir semester (UAS) dengan memformulasikan masalah pemilihan mata kuliah sebagai 0/1 knapsack problem. Data diperoleh dari dua dataset sintetis yang menggabungkan karakteristik mahasiswa (tingkat stres, kelelahan, efisiensi belajar, performa) dan mata kuliah (tingkat kesulitan, urgensi jadwal ujian) menjadi nilai prioritas (priority score) serta alokasi waktu belajar sebagai bobot. Eksperimen dilakukan pada 10 kapasitas waktu belajar berbeda (4–28 jam) untuk membandingkan algoritma Dynamic Programming (DP) dan Greedy. Hasil menunjukkan bahwa DP selalu menghasilkan solusi optimal atau superior dengan total nilai prioritas lebih tinggi atau sama dibandingkan Greedy pada seluruh kapasitas, dengan optimality gap tertinggi sebesar 9,87% pada kapasitas 16 jam. Meskipun waktu eksekusi DP lebih lambat (mikrodetik), perbedaannya tidak signifikan untuk ukuran data kecil. Disimpulkan bahwa pendekatan DP efektif untuk merekomendasikan kombinasi mata kuliah prioritas secara optimal. Penelitian selanjutnya disarankan menggunakan data nyata dan algoritma optimasi lain seperti branch and bound atau algoritma genetika.
Optimasi Rute Perjalanan Kunjungan Sekolah dengan Menggunakan Genetic Algorithm Veraldo; Klaudius Audie Irsansaputra; Yohannes
Jurnal Riset Informatika dan Inovasi Vol 4 No 1 (2026): JRIIN : Jurnal Riset Informatika dan Inovasi (INPRESS)
Publisher : shofanah Media Berkah

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

Abstract

Penelitian ini bertujuan untuk mengoptimalkan rute perjalanan kunjungan sekolah di Kota Palembang menggunakan Algoritma Genetika berbasis data jaringan jalan nyata dari OpenStreetMap. Dataset yang digunakan terdiri dari 187 sekolah dengan titik awal perjalanan berada di Gedung Sudirman UMDP. Permasalahan dimodelkan sebagai Travelling Salesman Problem (TSP) dengan mempertimbangkan jaringan jalan berbentuk directed graph sehingga mampu merepresentasikan kondisi lalu lintas satu arah dan konektivitas jalan secara realistis. Untuk mengurangi kompleksitas ruang solusi, dilakukan strategi proximity-based clustering dengan membagi sekolah ke dalam beberapa kelompok berdasarkan kedekatan geografis sebelum proses optimasi dilakukan. Algoritma Genetika diimplementasikan menggunakan kombinasi Order Crossover (OX), swap mutation, dan seleksi elitis dengan parameter 50 generasi dan ukuran populasi sebanyak 20 individu. Hasil penelitian menunjukkan bahwa sistem berhasil memetakan seluruh sekolah ke dalam 37 rute kunjungan dengan total jarak akumulatif sebesar 648,51 km dan rata-rata 17,53 km per rute. Algoritma menunjukkan performa optimal dengan rata-rata pencarian solusi terbaik yang mengonvergi pada generasi ke-5. Penggunaan data jaringan jalan nyata memberikan representasi rute yang lebih akurat dibandingkan pendekatan jarak Euclidean karena mampu memperhitungkan aturan jalan satu arah dan konektivitas asimetris. Sistem yang dibangun berpotensi dikembangkan sebagai alat bantu pengambilan keputusan bagi instansi pendidikan dalam menyusun jadwal dan rute kunjungan sekolah secara lebih terstruktur, efisien, dan terdokumentasi.
Co-Authors Ade Hendri Pandrean Adhytio Mahendra Adityya, Verrino Andreas, Kevin Azarya, Philips Denny Beni Anthony Bobby Jaya Saputra Cahyati, Imelia Dwinora Calvin Oliver Saputra Celvine Adi Putra Cendy Prakarsah Chandra, Adrian Daffa Yudha Musyaffa Dafid Dafid Dandy, Dandy Daniel Udjulawa Daniel Udjulawa Devella, Siska Dody, Muhammad Fadhel Muhammad Famerdi, Farhan Agung Farhan Agung Famerdi Farisi, Ahmad Febbiola Febbiola Felix Gunawan Feristyani, Indah Firda Novia Rahmawati Gerry Jeven Timoti Glen, Billy Hafiz Irsyad Hafiz Irsyad Hartati, Ery Inayatullah, Inayatullah Indah Feristyani Jaysen Stephanus Jendraja Husin Kotan Jericho Jericho Jerry Setiawan Jimmy Aprilyanto Johannes Petrus Jonathan Tanujaya Joseph Eduard Uly Loni Julian Rusli Tee Baldi Juliana Nasution Kelvin Arianto Klaudius Audie Irsansaputra Laksana, Jovansa Putra Leo Chandra Leonardo Leonardo M Dhafa Adjie Saputra M Ezar Al Rivan Marcella, Dewi Meiriyama, Meiriyama Migel Orvin Febryan Molavi Arman Muhammad Farid Athar Muhammad Radja Juang Jamemiko Muhammad Rizky Pribadi Muhammad Yudha Setiawan Muhdhor, Umar Novan Wijaya Nur Rachmat Pandi Pandi Pandi Pandi, Pandi Pandrean, Ade Hendri Philips Denny Azarya Prabowo, Adrianus Prasthio, Rial Putra, Lipi Amanda Ricky Wijaya RR. Ella Evrita Hestiandari Sahpira, Mulia Saputra, Dika Sari, Yulya Puspita Selvie, Selvie Setiawan, Jerry Siska Amelia Siti Fatimah Az Zahrah Sonia Sonia, Sonia Tanuwijaya, William Timoteus Ivan Sariyo Veraldo Wijang Widhiarso William Hadisaputra Yeremia Agung Chandra Yoannita Yoannita Yoannita Yoannita, Yoannita Yulya Puspita Sari