Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal ICIT (Innovative Creative and Information Technology) Journal Journal Sensi: Strategic of Education in Information System
Deden Rustiana
Universitas Raharja
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering

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

Found 2 Documents
Search

 1 
Rancangan Running Text Menggunakan TX-LU20 Pada UNIVERSITAS RAHARJA Nina Rahayu; Deden Rustiana; Tomi Hartono
Journal Sensi: Strategic of Education in Information System Vol 7 No 2 (2021): Journal Sensi
Publisher : UNIVERSITAS RAHARJA

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (699.388 KB) | DOI: 10.33050/sensi.v7i2.1682

Abstract

Universitas Raharja mempunyai gedung yang luas, setiap kali orang bingung untukmencari resepsionis. running text ini membantu agar tamu yang datang mudah mengetahui carayang mudah untuk mencari informasi. running text adalah media digital untuk menampilkaninformasi kepada publik dengan bantuan LED (Light Emitting Dioda). informasi yangditampilkan harus selalu informasi yang paling baru, yaitu informasi yang ditampilkan secaralangsung. Oleh karena itu dibutuhkan perangkat yang dapat mengganti informasi pada runningtext secara cepat dan praktis. Berdasarkan permasalah tersebut, dirancang sebuah sistem sebagaiinformasi pada resepsionis. Running text dibuat untuk menyampaikan informasi dalam bentuktext. metodologi penelitian yang digunakan yaitu “SDLC” running text menggunakan tx-lu20yang berfungsi sebagai kontrol pada sistem, dan tampilan display akan menggunakan panelLED P10. Program yang digunakan yaitu Power LED 2.85.5 untuk mengedit dan mengontrolrunning text, . LED matrix yang menyampaikan informasi dalam bentuk text berguna untukinformasi yang lebih terupdate sehingga informasi lebih efisien.
Optimasi dan Perancangan Antena Menggunakan Metode Modified Efficient K-Nearest Neighbors Deden Rustiana; Nina Rahayu; Hindriyanto Dwi Purnomo; Ahmad Bayu Yadila; Hendra Kusumah
ICIT Journal Vol 10 No 2 (2024): Agustus 2024
Publisher : UNIVERSITAS RAHARJA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33050/icit.v10i2.3204

Abstract

Untuk memastikan akurasi dan mencegah perilaku machine learning yang tidak diinginkan terjadi ketika model machine learning memberikan prediksi akurat untuk data pelatihan tetapi tidak untuk data baru yang biasa disebut Overfitting, teknik machine learning yang efektif biasanya dilatih pada kumpulan data besar. Namun, ketika pengumpulan data rumit, kumpulan data yang besar menghambat penyebaran teknik machine learning. Algoritma K-Nearest Neighbors (KNN) ditingkatkan dalam penelitian ini untuk mengatasi masalah dan menyajikan pendekatan machine learning yang unik sehingga dapat mengekstraksi lebih banyak fitur dari kumpulan data yang besar. Metode ini bekerja 5 hingga 30 kali lebih cepat daripada teknik machine learning konvensional seperti jaringan syaraf tiruan (ANN) dan pengoptimalan Bayesian. Parameter antena digunakan untuk mengoptimalkan kemudian dioptimalkan menggunakan metode yang disarankan, dan cabang terpisah dibuat untuk menjalankan alat simulasi (seperti HFSS) dan memperbarui dataset saat pelatihan daripada membuatnya sebelumnya. Empat contoh antena lainnya, serta machine learning tambahan dan teknik berbasis gradien, digunakan untuk mendukung validitas dan efektivitas pendekatan yang disarankan. Kesimpulannya, metode ini disarankan dapat menghasilkan desain antena ideal dan harga terjangkau.
Co-Authors Ahmad Bayu Yadila Hendra Kusumah Hindriyanto Dwi Purnomo Nina Rahayu Tomi Hartono