Article Per Year (5 Year)
p-Index From 2021 - 2026
0.659
P-Index
This Author published in this journals
All Journal Jurnal Buana Informatika CommIT (Communication & Information Technology) Scientific Journal of Informatics JOIV : International Journal on Informatics Visualization Journal of Information Technology and Computer Science Jurnal Informatika Atma Jogja
Albertus Joko Santoso, Albertus Joko
Program Studi Magister Teknik Informatika , Program Pascasarjana, Fakultas Teknologi Industri
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Jurnal Buana Informatika

 1 
Determining Laying Hens Production Performance Using Analytical Hierarchy Process and Simple Additive Weighting Methods Pradana, Andaka Dadi; Dewi, Findra Kartika Sari; Santoso, Albertus Joko
Jurnal Buana Informatika Vol 11, No 1 (2020): Jurnal Buana Informatika Volume 11 - Nomor 1 - April 2020
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (466.574 KB) | DOI: 10.24002/jbi.v11i1.3072

Abstract

Abstract. The high consumption of chicken eggs in Indonesia must be balanced with the productivity level of laying hens to avoid scarcity resulting in an increasing price of chicken eggs. The maximum egg production can be possibly achieved by implementing a system of grouping chickens into good quality and poor performance different groups. This grouping can be made with a decision support system using the Analytical Hierarchy Process and Simple Additive Weighting methods. The criteria used in this test are eggs total, total of hens per coop, age, and hens’ death per coop. Alternatives used are coop 1, 2, 3, and 4. The coops were chosen as the alternative for the breeders compared the laying hens’ production performance based on the production per coop. The testing results, with the same input, show the same ranking order for both methods. The ranking order respectively the best to the worst is coop 1, coop 3, coop 2 and coop 4.Keywords: Laying hens, production performance, decision support system, Analytical Hierarchy Process, Simple Additive Weigthing.Abstrak. Banyaknya konsumsi telur ayam di Indonesia, harus diimbangi dengan tingkat produktivitas ayam petelur agar tidak terjadi kelangkaan yang mengakibatkan kenaikan harga telur ayam. Produksi telur yang maksimal bisa dicapai dengan menerapkan sistem pengelompokan ayam-ayam dengan kualitas performa yang baik dan yang kurang baik. Pengelompokan ini bisa dibuat dengan sistem pendukung keputusan menggunakan metode Analytical Hierarchy Process dan Simple Additive Weighting. Kriteria yang digunakan dalam pengujian ini adalah Total telur, Total ayam per kandang, umur ayam dan kematian ayam per kandang. Alternative yang digunakan adalah kandang 1, 2, 3, and 4. Kandang dipilih sebagai alternative karena peternak membandingkan performa produksi ayam petelur berdasarkan produksi per kandangnya. Hasil pengujian, dengan masukan yang sama, menunjukkan hasil perangkingan dengan urutan yang sama untuk kedua metode. Rangking terbaik sampai dengan terburuk, secara berturut-turut: kandang 1, kandang 3, kandang 2 dan kandang 4.Kata Kunci: Ayam Petelur, Performa Produksi, Sistem Pendukung Keputusan, Analytical Hierarchy Process, Simple Additive Weigthing.
Prediksi Kunjungan Wisatawan Taman Nasional Gunung Merbabu dengan Time Series Forecasting dan LSTM Manullang, Josua; Santoso, Albertus Joko; Emanuel, Andi Wahju Rahardjo
Jurnal Buana Informatika Vol 11, No 2: Vol 11, No 2 (2020): Jurnal Buana Informatika Volume 11 - Nomor 2 - Okober 2020
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v11i2.3825

Abstract

Abstract. Prediction of tourist visits of Mount Merbabu National Park (TNGMb) needs to be done to control the number of visitors and to preserve the national park. The combination of time series forecasting (TSF) and deep learning methods has become a new alternative for prediction. This case study was conducted to implement several methods combination of TSF and Long-Short Term Memory (LSTM) to predict the visits. In this case study, there are 18 modelling scenarios as research objects to determine the best model by utilizing tourist visits data from 2013 to 2018. The results show that the model applying the lag time method can improve the model's ability to capture patterns on time series data. The error value is measured using the root mean square error (RMSE), with the smallest value of 3.7 in the LSTM architecture, using seven lags as a feature and one lag as a label.Keywords: Tourist Visit, Taman Nasional Gunung Merbabu, Prediction, Recurrent Neural Network, Long-Short Term MemoryAbstrak. Prediksi kunjungan wisatawan Taman Nasional Gunung Merbabu (TNGMb) perlu dilakukan untul pengendalian jumlah pengunjung dan menjaga kelestarian taman nasional. Gabungan metode antara time series forecasting (TSF) dan deep learning telah menjadi alternatif baru untuk melakukan prediksi. Studi kasus ini dilakukan untuk mengimplementasi gabungan dari beberapa macam metode antara TSF dan Long-Short Term Memory (LSTM) untuk memprediksi kunjungan pada TNGMb. Pada studi kasus ini, terdapat 18 skenario pemodelan sebagai objek penelitian untuk menentukan model terbaik, dengan memanfaatkan data jumlah kunjungan wisatawan di TNGMb mulai dari tahun 2013 sampai dengan tahun 2018. Hasil prediksi menunjukkan pemodelan dengan menerapkan metode lag time dapat meningkatakan kemampuan model untuk menangkap pola pada data deret waktu. Besar nilai kesalahan diukur menggunakan root mean square error (RMSE), dengan nilai terkecil sebesar 3,7 pada arsitektur LSTM, menggunakan tujuh lag sebagai feature dan satu lag sebagai label. Kata Kunci: Kunjungan Wisatawan, Taman Nasional Gunung Merbabu, Prediksi, Recurrent Neural Network, Long-Short Term Memory
Sistem Rekomendasi Pembelian Produk Kesehatan pada E-Commerce ABC berbasis Graph Database Amazon Neptune menggunakan Metode Hybrid Content-Collaborative Filtering Dinda Maristha, Made Devayani; Santoso, Albertus Joko; Sari Dewi, Findra Kartika
Jurnal Buana Informatika Vol 12, No 2 (2021): Jurnal Buana Informatika Volume 12 - Nomor 2 - Oktober 2021
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v12i2.4623

Abstract

Abstract. Recommendation System of Health Product Purchasing at ABC E-Commerce System based on Amazon Neptune’s Graph Database using Hybrid ContentCollaborative Filtering Method.Health products purchased by society, either in drugstores or pharmacies may vary according to their needs. ABC e-commerce is a Business to Business (B2B)-based e-commerce owned by PT XYZ. As a health product sales system from distributors to drug stores/pharmacies, they still do not have a health product purchase recommendation system yet. The recommendation system is needed to provide recommendations of health products for the customers. Amazon Neptune is implemented in this research to build a health product recommendation system. The hybrid contentcollaborative filtering method is used to generate complete recommendations based on content attributes and user habits. The datasets were product data, product categories, customers, product principals, and data of products trading. This research produces a health products recommendations model at ABC e-commerce with android based using web services. The implementation can provide recommendations of health products that can be accessed in real-time by customers.Keywords: health products, recommendation systems, graph database, Amazon Neptune, hybrid content-collaborative filteringAbstrak. Produk kesehatan yang dibeli masyarakat, melalui toko obat/apotek, dapat berbeda sesuai kebutuhan. E-commerce ABC berbasis Business to Business (B2B) milik PT XYZ sebagai sistem penjualan produk kesehatan dari distributor kepada toko obat/apotek belum memiliki sistem rekomendasi pembelian produk kesehatan. Sistem rekomendasi sebagai pengembangan fitur e-commerce ABC diperlukan untuk memberikan rekomendasi produk kesehatan yang sesuai dengan keadaan setiap pelanggan. Amazon Neptune sebagai graph database service yang dapat mengelola relasi dalam data yang saling terhubung, digunakan dalam penelitian untuk membangun sistem rekomendasi produk kesehatan. Metode hybrid content-collaborative filtering digunakan untuk menghasilkan rekomendasi yang lengkap berdasarkan atribut konten dan kebiasaan pengguna. Dataset yang digunakan meliputi data produk, kategori produk, pelanggan, principal, serta data jual-beli produk di e-commerce ABC. Penelitian ini menghasilkan model rekomendasi produk kesehatan yang diimplementasikan pada e-commerce ABC berbasis Android menggunakan web service. Implementasi tersebut memberikan rekomendasi produk kesehatan yang dapat diakses secara real-time oleh pelanggan pada saat menggunakan ecommerce ABC.Kata Kunci: produk kesehatan, sistem rekomendasi, graph database, Amazon Neptune, hybrid content-collaborative filtering
Co-Authors Alfry Aristo Jansen Sinlae Andi Wahju Rahardjo Emanuel Averina, Marcella Denny Jean Cross Sihombing Denny Jean Cross Sihombing Dinda Maristha, Made Devayani Findra Kartika Sari Dewi Findra Kartika Sari Dewi Lumbantobing, Mutiara Manullang, Josua Patrisius Batarius Pradana, Andaka Dadi Sapty Rahayu, Sapty Setyohadi, Djoko Budiyanto Setyohadi, Djoko Budiyanto Wibowo, Muhammad Ikhsan Wilfridus Bambang Triadi Handaya