Article Per Year (5 Year)
p-Index From 2021 - 2026
5.994
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Voteteknika (Vocational Teknik Elektronika dan Informatika) Bulletin of Electrical Engineering and Informatics Jurnal Informatika Telematika : Jurnal Informatika dan Teknologi Informasi Jurnal Teknologi Informasi dan Ilmu Komputer Telematika Jurnal Edukasi dan Penelitian Informatika (JEPIN) Scientific Journal of Informatics Jurnas Nasional Teknologi dan Sistem Informasi Journal of Information Systems Engineering and Business Intelligence CESS (Journal of Computer Engineering, System and Science) JURNAL PENGABDIAN KEPADA MASYARAKAT JTET (Jurnal Teknik Elektro Terapan) Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Jurnal SOLMA CARADDE: Jurnal Pengabdian Kepada Masyarakat Jurnal Telematika Jurnal Teknologi Terapan Jurnal Abdimas PHB : Jurnal Pengabdian Masyarakat Progresif Humanis Brainstorming Infotekmesin JISA (Jurnal Informatika dan Sains) Indonesian Journal of Electrical Engineering and Computer Science Jurnal Sistem Komputer dan Informatika (JSON) Journal of Innovation Information Technology and Application (JINITA) Madani : Indonesian Journal of Civil Society Madaniya Jurnal Teknologi Informasi dan Komunikasi Jurnal PkM (Pengabdian kepada Masyarakat) Jurnal Pengabdian Teknologi Tepat Guna Jurnal Pengabdian Kepada Masyarakat (JPKM) Langit Biru Jurnal Nasional Teknik Elektro dan Teknologi Informasi JAMAIKA: Jurnal Abdi Masyarakat JURNAL SIPISSANGNGI: Jurnal Pengabdian Kepada Masyarakat Wahana Jurnal Abdimas: Pengabdian dan Pengembangan Masyarakat Journal of Applied Community Engagement (JACE) Hikmayo: Jurnal Pengabdian Masyarakat SmartComp Jurnal Informatika Polinema (JIP) Jurnal Informatika: Jurnal Pengembangan IT Lontar Komputer: Jurnal Ilmiah Teknologi Informasi Pengabdian: Jurnal Abdimas
Oman Somantri
Politeknik Negeri Cilacap, Indonesia
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mechanical Engineering Public Health Social Sciences Transportation Other

Published : 79 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search
Journal : scientific journal of informatics

 1 
Optimalisasi Neural Network dengan Bootstrap Aggregating (Bagging) untuk Penentuan Prediksi Harga Listrik Somantri, Oman; Sasmito, Ginanjar Wiro; Sungkar, Muchamad Sobri
Scientific Journal of Informatics Vol 1, No 2 (2014): November 2014
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/sji.v1i2.4025

Abstract

Memprediksi harga listrik merupakan sebuah faktor penentu pendukung keputusan dalam mengeluarkan sebuah kebijakan pemerintah dalam menentukan harga listrik. Ketepatan akurasi prediksi sebuah prediksi harga listrik menjadi hal yang sangat diperhitungkan, dengan menggunakan Neural Network prediksi harga listrik diprediksi dengan harapan menghasilkan tingkat akurasi yang baik. Neural Network masih mempunyai kelemahan dalam menentukan nilai bobot terbaik sehingga optimalisasi dilakukan dengan menerapkan bagging kedalam model yang diusulkan. Berdasarkan hasil penelitian didapatkan bahwa penerapan bagging pada Neural Network dapat meningkatkan tingkat akurasi prediksi dengan nilai RMSE sebesar 10.513. Maka dapat disimpulkan bahwa prediksi harga listrik dengan mengggunakan bagging pada Neural Network lebih akurat dibandingkan dengan Neural Network tradisional. 
Metode K-Means untuk Optimasi Klasifikasi Tema Tugas Akhir Mahasiswa Menggunakan Support Vector Machine (SVM) Somantri, Oman; Wiyono, Slamet; Dairoh, Dairoh
Scientific Journal of Informatics Vol 3, No 1 (2016): May 2016
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/sji.v3i1.5845

Abstract

Masih sulitnya dalam menentukan klasifikasi tema tugas akhir mahasiswa sering dialami oleh setiap perguruan tinggi. Algoritma SVM digunakan untuk mengklasifikasi jenis tema tugas akhir mahasiswa. SVM merupakan metode yang banyak digunakan untuk klasifikasi. K-Means Clustering merupakan metode pengelompokan paling sederhana yang mengelompokkan data kedalam k kelompok berdasar pada centroid masing-masing kelompok. Optimasi klasifikasi tema tugas akhir mahasiswa menggunakan SVM dan K-Means untuk meningkatkan tingkat akurasi. Hasil yang diperoleh memiliki tingkat akurasi yang lebih baik yaitu 86,21%. 
Metode K-Means untuk Optimasi Klasifikasi Tema Tugas Akhir Mahasiswa Menggunakan Support Vector Machine (SVM) Somantri, Oman; Wiyono, Slamet; Dairoh, Dairoh
Scientific Journal of Informatics Vol 3, No 1 (2016): May 2016
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/sji.v3i1.5845

Abstract

Masih sulitnya dalam menentukan klasifikasi tema tugas akhir mahasiswa sering dialami oleh setiap perguruan tinggi. Algoritma SVM digunakan untuk mengklasifikasi jenis tema tugas akhir mahasiswa. SVM merupakan metode yang banyak digunakan untuk klasifikasi. K-Means Clustering merupakan metode pengelompokan paling sederhana yang mengelompokkan data kedalam k kelompok berdasar pada centroid masing-masing kelompok. Optimasi klasifikasi tema tugas akhir mahasiswa menggunakan SVM dan K-Means untuk meningkatkan tingkat akurasi. Hasil yang diperoleh memiliki tingkat akurasi yang lebih baik yaitu 86,21%.
Optimalisasi Neural Network dengan Bootstrap Aggregating (Bagging) untuk Penentuan Prediksi Harga Listrik Somantri, Oman; Sasmito, Ginanjar Wiro; Sungkar, Muchamad Sobri
Scientific Journal of Informatics Vol 1, No 2 (2014): November 2014
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/sji.v1i2.4025

Abstract

Memprediksi harga listrik merupakan sebuah faktor penentu pendukung keputusan dalam mengeluarkan sebuah kebijakan pemerintah dalam menentukan harga listrik. Ketepatan akurasi prediksi sebuah prediksi harga listrik menjadi hal yang sangat diperhitungkan, dengan menggunakan Neural Network prediksi harga listrik diprediksi dengan harapan menghasilkan tingkat akurasi yang baik. Neural Network masih mempunyai kelemahan dalam menentukan nilai bobot terbaik sehingga optimalisasi dilakukan dengan menerapkan bagging kedalam model yang diusulkan. Berdasarkan hasil penelitian didapatkan bahwa penerapan bagging pada Neural Network dapat meningkatkan tingkat akurasi prediksi dengan nilai RMSE sebesar 10.513. Maka dapat disimpulkan bahwa prediksi harga listrik dengan mengggunakan bagging pada Neural Network lebih akurat dibandingkan dengan Neural Network tradisional.
Optimalisasi Neural Network dengan Bootstrap Aggregating (Bagging) untuk Penentuan Prediksi Harga Listrik Somantri, Oman; Sasmito, Ginanjar Wiro; Sungkar, Muchamad Sobri
Scientific Journal of Informatics Vol 1, No 2 (2014): November 2014
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/sji.v1i2.4025

Abstract

Memprediksi harga listrik merupakan sebuah faktor penentu pendukung keputusan dalam mengeluarkan sebuah kebijakan pemerintah dalam menentukan harga listrik. Ketepatan akurasi prediksi sebuah prediksi harga listrik menjadi hal yang sangat diperhitungkan, dengan menggunakan Neural Network prediksi harga listrik diprediksi dengan harapan menghasilkan tingkat akurasi yang baik. Neural Network masih mempunyai kelemahan dalam menentukan nilai bobot terbaik sehingga optimalisasi dilakukan dengan menerapkan bagging kedalam model yang diusulkan. Berdasarkan hasil penelitian didapatkan bahwa penerapan bagging pada Neural Network dapat meningkatkan tingkat akurasi prediksi dengan nilai RMSE sebesar 10.513. Maka dapat disimpulkan bahwa prediksi harga listrik dengan mengggunakan bagging pada Neural Network lebih akurat dibandingkan dengan Neural Network tradisional. 
Metode K-Means untuk Optimasi Klasifikasi Tema Tugas Akhir Mahasiswa Menggunakan Support Vector Machine (SVM) Somantri, Oman; Wiyono, Slamet; Dairoh, Dairoh
Scientific Journal of Informatics Vol 3, No 1 (2016): May 2016
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/sji.v3i1.5845

Abstract

Masih sulitnya dalam menentukan klasifikasi tema tugas akhir mahasiswa sering dialami oleh setiap perguruan tinggi. Algoritma SVM digunakan untuk mengklasifikasi jenis tema tugas akhir mahasiswa. SVM merupakan metode yang banyak digunakan untuk klasifikasi. K-Means Clustering merupakan metode pengelompokan paling sederhana yang mengelompokkan data kedalam k kelompok berdasar pada centroid masing-masing kelompok. Optimasi klasifikasi tema tugas akhir mahasiswa menggunakan SVM dan K-Means untuk meningkatkan tingkat akurasi. Hasil yang diperoleh memiliki tingkat akurasi yang lebih baik yaitu 86,21%. 
Coastal Sentiment Review Using Naïve Bayes with Feature Selection Genetic Algorithm Somantri, Oman; Maharrani, Ratih Hafsarah; Purwaningrum, Santi
Scientific Journal of Informatics Vol 10, No 3 (2023): August 2023
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/sji.v10i3.43988

Abstract

Purpose: The tourism potential in the maritime sector can be Indonesia's mainstay at this time, especially in enjoying the charm of the natural beauty of the coast as people know Indonesia is an archipelagic country. The purpose of this study is to find the best model by applying the feature selection genetic algorithm (GA) and Information Gain (IG) to get the best Naïve Bayes (NB) model and the best features to produce the best level of sentiment classification accuracy.Methods: The stages of the research were carried out by going through the process of searching, pre-processing, analyzing research data using the Naïve Bayes model and optimizing genetic algorithms, validating data, and model evaluation.Result: The experimental results show that the best model is naïve Bayes based on information gain and the genetic algorithm yields an accuracy rate of 86.34%.Novelty: The main contribution to this research is proposing a new model of the best NB optimization model by applying an optimization algorithm in the search for feature selection to increase sentiment classification accuracy.
Co-Authors Abdul Rohman Supriyono Abdul Rohman Supriyono Achmad Yuni Puspito Agus Susanto Agus Susanto Ali Sofyan Amir Hamzah Andesita Prihantara Anne Johanna Annisa Romadloni Ari Kristiningsih Arif Wirawan Muhamad Arif Wirawan Muhammad Ayu Pramita Bella Adinda Putri Catur Supriyanto Catur Supriyanto Dairoh Dairoh Dairoh Dairoh, Dairoh Dany Artha Widiyanto Dany Artha Widiyanto, Dany Artha Dega Suro Wibowo Dega Surono Wibowo Dega Surono Wibowo Dega Surono Wibowo, Dega Surono Dodi Satriawan Dwi Wahyu Susanti Dyah Apriliani Dyah Apriliani Dyah Apriliani Dyah Apriliani Edhy Sutanta (Jurusan Teknik Informatika IST AKPRIND Yogyakarta) Eka Tripustikasari, Eka Eko Nugroho, Wildani Erna Alimudin Evila Purwanti Sri Rahayu, Theresia Fadillah Fadillah Fadlilah, Ilma Faulin, Muhammad Husni Ganjar Ndaru Ikhtiagung Ginanjar Wiro Sasmito Ginanjar Wiro Sasmito Ginanjar Wiro Sasmito, Ginanjar Wiro Hety Dwi Astuti Ida Afriliana Ika Dewi Rozaurrohmah Indra Dwi Hasta Iyat Ratna Komala Johanna, Anne Karyati, Titin Khoeruddin Wittriansyah Krisna Nuresa Qodri Laura Sari Lina Puspitasari Linda Perdana Wanti Linda Perdana Wanti Linda Perdana Wanti Linda Perdana Wanti Lutfi Syafirullah M Nishom Maharrani, Ratih Hafsarah Mohammad Khambali Mohammad Khambali, Mohammad Muchamad Sobri Sungkar, Muchamad Sobri Muhammad Nur Faiz Muhammad Nur Faiz Mukhamad Faujan Musyafa Al Farizi Nur Wachid Adi Prasetya Nurlinda Ayu Triwuri Oto Prasadi Perdana Wanti, Linda Prih Diantono Abda'u Prih Diantono Abda`u Prihandoyo, Teguh Primandani Arsi Purwaningrum, Santi Ratih Hafsarah Maharrani Ratih Hafsarah Maharrani Ratih Hafsarah Maharrani Ratih Ratih Riyadi Purwanto Riyanto Riyanto Rohayah, Siti Rosid Mustofa Santi Purwaningrum Santi Purwaningrum Sari, Laura Sasmito, Ginanjar Wiro Satriawan Desmana Sena Wijayanto Siti Rohayah Siti Rohayah Slamet Wiyono Slamet Wiyono Sofyan, Ali Taufiq Abidin Taufiq Abidin Taufiq Abidin Taufiq Abidin, Taufiq Teguh Prihandoyo Titin Kartiyani Titin Kartiyani Wanti, Linda Perdana Wildani Eko Nugroho Wildani Eko Nugroho, Wildani Eko Wiyono, Slamet Yeni Priatna Sari, Yeni Priatna