Article Per Year (5 Year)
p-Index From 2020 - 2025
2.155
P-Index
This Author published in this journals
All Journal snimed Jurnal Fisika Unand Jurnal Edukasi dan Penelitian Informatika (JEPIN) Syntax Literate: Jurnal Ilmiah Indonesia IKRA-ITH Informatika : Jurnal Komputer dan Informatika JSiI (Jurnal Sistem Informasi) Global Health Management Journal IKRA-ITH ABDIMAS PREPOTIF : Jurnal Kesehatan Masyarakat Tunas Medika Jurnal Kedokteran & Kesehatan Jurnal IMAJI Jurnal Pemberdayaan Masyarakat Indonesia (JPMI) Matriks Teknik Sipil Magna Neurologica Neurona
Hendry Gunawan, Hendry
Laboratorium Fisika Bumi, Jurusan FisikaFMIPA Universitas Andalas
Arts Humanities Biochemistry, Genetics & Molecular Biology Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Earth & Planetary Sciences Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Other

Published : 19 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 19 Documents
Search

 1   2 
Pemodelan Hasil Elisitasi Kebutuhan Sistem Penjualan Online Menggunakan Metode Knowledge Acquisition in Automated Specification Adikara, Fransiskus; Gunawan, Hendry; Sandfreni, Sandfreni
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 4, No 2 (2018): Volume 4 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (393.345 KB) | DOI: 10.26418/jp.v4i2.28016

Abstract

Penjualan online adalah sebuah fungsi dari sistem e-commerce yang saat ini sedang sangat berkembang seturut kemajuan teknologi informasi dan komunikasi. Penggunaan internet dan telepon pintar dalam setiap aspek kehidupan juga semakin mempermudah aktivitas penjualan online. Pengusaha dalam memasarkan dan menjual produk-produknya harus sudah mulai menggunakan teknologi, terutama memanfaatkan sistem penjualan online. Saat ini bagi para pengusaha yang baru ingin mempunyai sistem penjualan online perlu memahami bagiamana proses elisitasi kebutuhan sistem yang ingin dikembangkannya itu. Banyak metode elisitasi kebutuhan sebagai bagian dari proses rekayasa kebutuhan yang tersedia saat ini. Salah satu yang sedang sering digunakan adalah metode rekayasa kebutuhan yang beorientasi pada tujuan. Metode Knowledge Acquisition in autOmated Specification (KAOS) adalah sebuah metode rekayasa kebutuhan yang berorientasi pada tujuan, yang paling pertama dikembangkan dan paling sering digunakan dalam proses rekasaya kebutuhan.   Pada penelitian ini didemonstrasikan kegiatan elisitasi kebutuhan untuk sistem penjualan online dengan metode KAOS lalu hasilnya dituangkan dalam model Goal Tree Model (GTM). Dengan memanfaatkan metode KAOS, kebutuhan sistem penjualan online dapat diperoleh dan digunakan oleh pengusaha dan pihak pengembang sistem dalam proses elisitasi kebutuhan. Hasil dari elisitasi kebutuhan ini dapat digunakan selanjutnya dalam proses rekayasa perangkat lunak sampai menghasilkan sebuah sistem penjualan online yang berkualitas dan sesuai kebutuhan pengusaha dalam memasarkan produk-produknya.
Peluang Penerapan Teknologi Virtual Reality pada Bidang Neurologi Arif, Luthfi Saiful; Gunawan, Hendry; Herlambang, Penggalih M
Seminar Nasional Informatika Medis (SNIMed) 2019
Publisher : Magister Teknik Informatika, Universitas Islam Indonesia

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

Abstract

Virtual reality adalah teknologi yang memadukan hardware, software dan saraf sensorik untuk menciptakan lingkungan virtual. Penerapan VR sudah merambah ke bidang medis. Pada bidang neurologi VR dapat digunakan sebagai terapi pada stroke kronis, penyakit Parkinson, nyeri akut maupun kronis dan juga pada demensia.
PENGARUH TINGGI, KEDALAMAN PONDASI MESIN JENIS BLOK DAN PARAMETER TANAH BERBUTIR HALUS TERHADAP AMPLITUDO Gunawan, Hendry; Dananjaya, Raden Harya; Setiawan, Bambang
Matriks Teknik Sipil Vol 5, No 3 (2017): September 2017
Publisher : Program Studi Teknik Sipil FT UNS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (872.174 KB) | DOI: 10.20961/mateksi.v5i3.36703

Abstract

Pondasi yang menopang mesin dapat dipengaruhi oleh getaran yang disebabkan gaya-gaya mesin yang tidak seimbang dan juga oleh berat statis dari mesin tersebut. Jika getaran-getaran mesin berlebihan maka dapat merusak mesin dan memberikan pengaruh yang merugikan pada bangunan atau orang yang bekerja dekat mesin tersebut. Analisis tentang kestabilan pondasi mesin jenis blok yang dipengaruhi tinggi, kedalaman pondasi dan parameter tanah berbutir halus diperlukan untuk mengetahui besarnya amplitudo yang terjadi diakibatkan oleh mesin supaya tidak merugikan bangunan atau orang yang bekerja di dekat mesin tersebut. Analisis perhitungan amplitudo menggunakan metode Lump Parameter System. Hasil dari analisis ini menunjukkan bawah semakin tinggi pondasi mesin mengakibatkan amplitudo vertikal, amplitudo horisontal, dan amplitudo rocking semakin kecil. Semakin dalam kedalaman pondasi amplitudo vertikal dan horisontal semakin kecil, sedangkan amplitudo rocking semakin besar. Semakin besar berat isi tanah, angka poisson, dan modulus geser tanah mengakibatkan amplitudo vertikal dan horisontal semakin kecil, sedangkan amplitudo rocking semakin besar. Dimensi pondasi 5 ? 3 ? 1 m dengan kedalaman pondasi 1 m, berat isi tanah = 14 kN/m3, angka poisson = 0,4, dan modulus geser tanah = 25000 kN/m2 menghasilkan amplitudo vertikal = 2,08 ? 10-06 m, amplitudo horisontal = 2,23 ? 10-06 m, dan amplitudo rocking = 8,88 ? 10-09 rad.
PERBANDINGAN OPTIMIZER, BATCH SIZE DAN EPOCH PADA METODE CONVOLUTION NEURAL NETWORK Ramadhan, Ferry Muhamad; Riwurohi, Jan Everhard; Gunawan, Hendry
Jurnal Sistem Informasi Vol 11 No 2 (2024)
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/jsii.v11i2.9249

Abstract

Buffalo meat and beef are two types of red meat that are widely consumed by the public. The demand for meat increases every year. However, not all types of meat can be eaten by Indonesians, such as pork, so the price of pork in Indonesia is lower than the price of beef and buffalo. In general, the texture and colour of pork, beef and buffalo are almost the same. In the introduction of meat, it is only done directly from the colour, texture, and fibre of the type of meat. However, meat circulating in the community is often mixed between beef, buffalo meat and pork. Distinguishing beef, buffalo and pork must first recognise the characteristics of each type of meat, because there are limitations to the human sense of sight in distinguishing between them. In the use of technology with the help of digital images to determine the most optimal optimizer, batch size and epoch in meat classification, using the Convolutional Neural Network (CNN) method with NasNetmobil Architecture. The data set used is 3000 images divided into three classes, with a division of 2400 training data images, 300 testing data images, 300 validation data images. The results showed that the Adam optimiser, batch size 62 and epoch 20 produced an accuracy of 99.00% and a loss value of 0.0243. Keywords: Convolutional Neural Network, Buffalo and Beef Classification,
KLUSTERISASI PENYEBAB KEMATIAN DI INDONESIA DENGAN PENERAPAN ALGORITMA K-MEANS Nursikuwagus, Agus; Suherman; Gunawan, Hendry; Alamsyah, Ilham
Jurnal Sistem Informasi Vol 11 No 2 (2024)
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/jsii.v11i2.9276

Abstract

Kasus angka kematian yang terjadi di Indonesia dapat di kelompokan dalam beberapa kategori seperti natural disaster, nonnatural disaster, dan social disaster. Pemisahan suatu instans pada dataset sering menjadi hambatan Ketika melibatkan instans yang banyak. Penemuan karakteristik yang serupa akan menjadi tantangan untuk mendapatkan kluster terbaik. Penentuan jumlah kluster yang efektif terhadap dataset yang dimiliki menjadi permasalahan lain Ketika melakukan proses kluster. Berdasarkan permasalahan dan tantangan yang diperoleh, maka untuk menjawab hal ini dilakukanlah pemodelan clustering dengan bantuan algoritma clustering. Metode yang digunakan pada pengklusteran ini adalah K-Means. Metode ini telah menjadi usulan dari berbagai penelitian yang menyatakan sukses dalam melakukan clustring. Penentuan K terbaik yaitu dengan bantuan elbow curve, dengan melihat titik elbow pada hasil generasi kurva dari dataset. Rangkaian penyelesaian penelitian ini adalah dengan mengikuti flow of process datamining yang dimulai dengan Data Preprocessing, Data modeliing, dan visualization hasil. bertujuan untuk mengetahui klusterisasi penyebab kematian di Indonesia berdasarkan kategori yang di sebutkan di atas. Dataset yang digunakan adalah sebanyak 648 instans yang diambil dari rentang 2000 – 2020 mengenai kasus kematian pada 34 provinsi di Indonesia. Data preprocessing adalah melakukan cleansing data, pembersihan outlier, missing value, data transformation. Pembersihan outlier yaitu menggunakan bantuan Box Plot, sedangkan transformation menggunakan fungsi transormasi data diskrit menjadi data numerik. Pada data modelling, algoritma K-means dengan K atau banyaknya diperoleh dari hasil Elbow Curve. Selain proses clustering, penggalian pola juga dilakukan dengan metode classification yang hasilnya ditunjukan dengan akurasi sebesar 63%. Meninjau dari hasil classification, bahwa klasifikasi kematian yang berasal dari sumber sosial, tidak dapat diprediksi dengan akurat. Klasifikasi sumber kematian dari Sosial tidak berhasil dipolakan oleh mesin learning. Matrik konfusi menunjukkan hanya 55 instans yang benar untuk bencana alam, bencana non alam dan penyakit sebesar 353 yang benar, dan untuk bencana sosial tidak berhasil diprediksi. Dari hasil ini, maka dapat diperoleh tantangan baru yaitu memperbaiki akurasi dengan mempertimbangan Imbalance Class, dan Resampling yang belum digunakan pada penelitian ini. Kata kunci: Unsupervise, clustering, K-Means, euclidean distance, elbow curve,.
Pengembangan Ekonomi Pusat Kegiatan Belajar Masyarakat Merpati Bangsa Melalui Usaha Makanan Ringan Frandinata, James; Renaldy, Renaldy; Gunawan, Hendry; Angel, Valencia; Geraldo H, Timothy; Faustine A., Febiani; Kuntjoro*, Antonius Puspo
Journal Pemberdayaan Masyarakat Indonesia Vol 1 No 1 (2019): Jurnal Pemberdayaan Masyarakat Indonesia (JPMI)
Publisher : Pusat Pengabdian kepada Masyarakat (PPKM) Universitas Prasetiya Mulya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (958.019 KB) | DOI: 10.21632/jpmi.1.1.26-35

Abstract

Pusat Kegiatan Belajar Masyarakat (PKBM) is a social organization that aims as a means of community development. PKBM has various activities in it, one of which is the Business Learning Group (KBU) which is currently not running due to constraints in management. We as a group work together with PKBM in developing KBU activities so that the potential of PKBM community members can be maximized. Groups help in terms of operations, marketing, human resources, and finance. From an operational point of view focused on the snack products produced, in terms of marketing supported for consignment systems and sales with online media, in terms of human resources a management system is made so that it is organized and financially in order to record more details. This facilitator is expected to help the activities at the KBU which lead to the implementation of activities in PKBM in order to help social problems. The resulting product focuses on snacks, especially roll chips and chopsticks that do not require special abilities. HR Management is the main challenge for the group to determine the person in charge of the activities at KBU so that the business can run continuously. Making this management system in the KBU will be the main focus so that the community economy in PKBM can develop.
Teknologi Imersif Virtual Reality untuk Neurorestorasi Anggota Gerak Atas Stroke Gunawan, Hendry; Gunawan, Irene
Majalah Kedokteran Neurosains Perhimpunan Dokter Spesialis Saraf Indonesia Vol 40 No 1 (2023): Vol 40 No 1 (2023)
Publisher : PERDOSNI

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

Abstract

ABSTRACT Stroke is leading cause of disability in Indonesia. Approximately 80% of stroke patients experience disabilities in their upper extremities. In recent years, immersive Virtual Reality (VR) technology has been used as a promising modality for neurorestoration. VR-based neurorestoration can induce neuroplasticity, Mirror-Neuron System (MNS) and Brain Reward System, leading to contrasted improvements in the upper extremity after stroke. This review prompts systematic understanding of the mechanisms of VR-based stroke neurorestoration and summarizes the emerging evidence for ongoing innovation of VR systems and application in stroke neurorestoration. Keywords: Virtual Reality, Neurorestoration, Stroke, Upper Extremity
KARAKTERISTIK PASIEN STROKE HEMORAGIK YANG MENJALANI OPERASI DI RSUD WALED CIREBON Nurkholifah, Ayu; Haryo, Rachmanda; Gunawan, Hendry
PREPOTIF : JURNAL KESEHATAN MASYARAKAT Vol. 8 No. 3 (2024): DESEMBER 2024
Publisher : Universitas Pahlawan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/prepotif.v8i3.35584

Abstract

Stroke hemoragik atau perdarahan intraserebral (PIS) spontan merupakan salah satu jenis patologi stroke akibat pecahnya pembuluh darah intraserebral. Di Indonesia tingkat kejadian stroke diperkirakan ada 800-1000 penderita setiap tahunnya dan menjadi negara penyumbang kasus stroke terbesar di negara Asia. Kejadian stroke hemoragik dipengaruhi oleh beberapa hal seperti usia, jenis kelamin, tekanan darah. Maka dari itu penelitian ini dilakukan agar mengetahui karakteristik pasien stroke hemoragik yang menjalani operasi di RSUD Waled Cirebon. Penelitian ini merupakan penelitian observasional deskriptif dengan metode total sampling, data yang di gunakan yaitu data sekunder berupa rekam medis pasien stroke hemoragik yang menjalani operasi di RSUD Waled Cirebon. Pada penelitian ini didapartkan dari 68 sampel yang masuk kriteria inkulsi dan eksklusi didapatkan prevalensi karakteristik pasien stroke hemoragik yang menjalani operasi Berdasarkan kelompok usia terbanyak adalah kelompok lansia akhir usia 56-65 tahun sebanyak 25 orang (36,8%), Berdasarkan kelompok jenis kelamin terbanyak adalah kelompok laki-laki sebanyak 36 orang (52,9%), Berdasarkan kelompok tekanan darah awal masuk rumah sakit terbanyak adalah hipertensi stage 2 sebanyak 49 orang (72,1%), dan Berdasarkan kelompok lokasi perdarahan terbanyak adalah Thalamus sebanyak 27 orang (39,7%).. maka Prevalensi tertinggi pada karakteristik pasien stroke hemoragik yang menjalani operasi di RSUD Waled Kabupaten Cirebon adalah usia lansia akhir (56-65 tahun), mayoritas laki-laki, lokasi perdarahan terbanyak berada di thalamus dan rerata tekanan darah awal pasien berada di hipertensi stage 2.
PERBANDINGAN OPTIMIZER, BATCH SIZE DAN EPOCH PADA METODE CONVOLUTION NEURAL NETWORK Ramadhan, Ferry Muhamad; Riwurohi, Jan Everhard; Gunawan, Hendry
Jurnal Sistem Informasi Vol 11 No 2 (2024)
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/jsii.v11i2.9249

Abstract

Buffalo meat and beef are two types of red meat that are widely consumed by the public. The demand for meat increases every year. However, not all types of meat can be eaten by Indonesians, such as pork, so the price of pork in Indonesia is lower than the price of beef and buffalo. In general, the texture and colour of pork, beef and buffalo are almost the same. In the introduction of meat, it is only done directly from the colour, texture, and fibre of the type of meat. However, meat circulating in the community is often mixed between beef, buffalo meat and pork. Distinguishing beef, buffalo and pork must first recognise the characteristics of each type of meat, because there are limitations to the human sense of sight in distinguishing between them. In the use of technology with the help of digital images to determine the most optimal optimizer, batch size and epoch in meat classification, using the Convolutional Neural Network (CNN) method with NasNetmobil Architecture. The data set used is 3000 images divided into three classes, with a division of 2400 training data images, 300 testing data images, 300 validation data images. The results showed that the Adam optimiser, batch size 62 and epoch 20 produced an accuracy of 99.00% and a loss value of 0.0243. Keywords: Convolutional Neural Network, Buffalo and Beef Classification,
KLUSTERISASI PENYEBAB KEMATIAN DI INDONESIA DENGAN PENERAPAN ALGORITMA K-MEANS Nursikuwagus, Agus; Suherman; Gunawan, Hendry; Alamsyah, Ilham
Jurnal Sistem Informasi Vol 11 No 2 (2024)
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/jsii.v11i2.9276

Abstract

Kasus angka kematian yang terjadi di Indonesia dapat di kelompokan dalam beberapa kategori seperti natural disaster, nonnatural disaster, dan social disaster. Pemisahan suatu instans pada dataset sering menjadi hambatan Ketika melibatkan instans yang banyak. Penemuan karakteristik yang serupa akan menjadi tantangan untuk mendapatkan kluster terbaik. Penentuan jumlah kluster yang efektif terhadap dataset yang dimiliki menjadi permasalahan lain Ketika melakukan proses kluster. Berdasarkan permasalahan dan tantangan yang diperoleh, maka untuk menjawab hal ini dilakukanlah pemodelan clustering dengan bantuan algoritma clustering. Metode yang digunakan pada pengklusteran ini adalah K-Means. Metode ini telah menjadi usulan dari berbagai penelitian yang menyatakan sukses dalam melakukan clustring. Penentuan K terbaik yaitu dengan bantuan elbow curve, dengan melihat titik elbow pada hasil generasi kurva dari dataset. Rangkaian penyelesaian penelitian ini adalah dengan mengikuti flow of process datamining yang dimulai dengan Data Preprocessing, Data modeliing, dan visualization hasil. bertujuan untuk mengetahui klusterisasi penyebab kematian di Indonesia berdasarkan kategori yang di sebutkan di atas. Dataset yang digunakan adalah sebanyak 648 instans yang diambil dari rentang 2000 – 2020 mengenai kasus kematian pada 34 provinsi di Indonesia. Data preprocessing adalah melakukan cleansing data, pembersihan outlier, missing value, data transformation. Pembersihan outlier yaitu menggunakan bantuan Box Plot, sedangkan transformation menggunakan fungsi transormasi data diskrit menjadi data numerik. Pada data modelling, algoritma K-means dengan K atau banyaknya diperoleh dari hasil Elbow Curve. Selain proses clustering, penggalian pola juga dilakukan dengan metode classification yang hasilnya ditunjukan dengan akurasi sebesar 63%. Meninjau dari hasil classification, bahwa klasifikasi kematian yang berasal dari sumber sosial, tidak dapat diprediksi dengan akurat. Klasifikasi sumber kematian dari Sosial tidak berhasil dipolakan oleh mesin learning. Matrik konfusi menunjukkan hanya 55 instans yang benar untuk bencana alam, bencana non alam dan penyakit sebesar 353 yang benar, dan untuk bencana sosial tidak berhasil diprediksi. Dari hasil ini, maka dapat diperoleh tantangan baru yaitu memperbaiki akurasi dengan mempertimbangan Imbalance Class, dan Resampling yang belum digunakan pada penelitian ini. Kata kunci: Unsupervise, clustering, K-Means, euclidean distance, elbow curve,.
Co-Authors Adikara, Fransiskus Agus Nursikuwagus Angel, Valencia Anwar , Nizirwan Arif Budiman Arif, Luthfi Saiful Ayuwandari, Nenda Bambang Setiawan Donny Nauphar Evi Martaseli Faustine A., Febiani Frandinata, James Gani, Hadrian Geraldo H, Timothy Gunawan, Irene Hambarsari, Yetty Han Yang Hartanto, Krisandi Haryo, Rachmanda Herlambang, Penggalih M Ichwani, Arief Ilham Alamsyah Ilhamsyah, Rudi Iswahyudi, Raden Teddy Iwan Setiawan Kuntjoro, Antonius Puspo Max Emman, ⁠Irene Meidianawaty, R. Vivi Nixon Erzed Nizirwan Anwar Nugroho Budhisantosa Nur Ekasari, Esti Nurkholifah, Ayu Pradana, Muhammad Firyal Pratama, Anggoro Yudha Raden Harya Dananjaya, Raden Harya Ramadhan, Ferry Muhamad Renaldy, Renaldy Ruwirohi, Jan Everhard Salsabila, Zalfa Sandfreni, Sandfreni Santoso, Markus Sariadi, Dasa Siti Maria Ulfah, Siti Maria Suherman Wibisono, Rachmanda Haryo Widyawan, Tri Ismardiko Yulfitri, Alivia