Article Per Year (5 Year)
p-Index From 2021 - 2026
0.92
P-Index
This Author published in this journals
All Journal JOIN (Jurnal Online Informatika) KOMPUTIKA - Jurnal Sistem Komputer Jurnal Repositor
Didih Rizki Chandranegara
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Analisis Sentimen Media Sosial Twiiter terhadap RUU Omnibus Law dengan Metode Naive Bayes dan Particle Swarm Optimization Syukri Adisakti Dainamang; Nur Hayatin; Didih Rizki Chandranegara
Komputika : Jurnal Sistem Komputer Vol 11 No 2 (2022): Komputika: Jurnal Sistem Komputer
Publisher : Computer Engineering Departement, Universitas Komputer Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/komputika.v11i2.6037

Abstract

Social media is the most popular platform by the Indonesian people, starting from Facebook, Instagram and Twitter. Twitter is one of the most widely used social media, both for interacting with other people or looking for information or news that is trending topics, quickly various news or information spreads on Twitter such as issues that are currently trending, namely the Omnibus Law. , various responses given by twitter users regarding this policy that has been approved by the government. In this study, to classify the sentiments of the Indonesian people regarding the issue of Omnibus Law using the method Naïve Bayes and Particle Swarm Optimization (PSO) and divided into two test scenarios, the use of theAlgorithm Particle Swarm Optimization on Naive Bayes aims to optimize the accuracy results. The results obtained when using Naive Bayes based on Particle Swarm Optimization (PSO) are better than Naive Bayes. The best accuracy results are in scenario three with split 90% - 10% data using Naïve Bayes to get 85% results and using Naïve Bayes based on Particle Swarm Optimization the accuracy results change to higher 4% get 91% results, the amount in doing the split data is very influential on the results of the classification carried out. The response from the public is in the form of negative sentiment towards the Omnibus Law Bill.
Malware Image Classification Using Deep Learning InceptionResNet-V2 and VGG-16 Method Didih Rizki Chandranegara; Jafar Shodiq Djawas; Faiq Azmi Nurfaizi; Zamah Sari
JOIN (Jurnal Online Informatika) Vol 8 No 1 (2023)
Publisher : Department of Informatics, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/join.v8i1.1051

Abstract

Malware is intentionally designed to damage computers, servers, clients or computer networks. Malware is a general term used to describe any program designed to harm a computer or server. The goal is to commit a crime, such as gaining unauthorized access to a particular system, so as to compromise user security. Most malware still uses the same code to produce another different form of malware variants. Therefore, the ability to classify similar malware variant characteristics into malware families is a good strategy to stop malware. The research is useful for classifying malware on malware samples presented as bytemap grayscale images. The malware classification research focused on 25 malware classes with a total of 9,029 images from the Malimg dataset. This research implements the VGG-16 and InceptionResNet-V2 architectures by running 2 different scenarios, scenario 1 uses the original dataset and the other scenario uses the undersampled dataset. After building the model, each scenario will get an evaluation form such as accuracy, precision, recall, and f1-score. The highest score was obtained in scenario 2 on the VGG-16 method with a score of 94.8% and the lowest in scenario 2 on the InceptionResNet-V2 method with a score of 85.1%.
Pengembangan Sistem Pengelompokan Sekolah Menggunakan Metode Algoritma K-Means (Studi Kasus Dinas Pendidikan Kabupaten Malang) Moch. Rosid Noviansyah; Ilyas Nuryasin; Didih Rizki Chandranegara
Jurnal Repositor Vol. 4 No. 2 (2022): Mei 2022
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v4i2.31085

Abstract

Sebuah instansi pemerintah yang bergerak di bidang pendidikan khususnya pendidikan smp tentunya Dinas Pendidikan Kabupaten Malang yang merupakan instansi penting sebagai penggerak pendidikan di wilayah kabupaten malang untuk mengukur suatu mutu dan kualitas - kualitas sekolah yang ada di Dinas Kabupaten Malang yaitu berdasarkan standart penilaian pendidikan dan Standart pengelolaan yang berupa Nilai Ujian Nasional, Nilai Ujian Sekolah, dan Nilai Akreditasi Sekolah, namun demikian mengingat banyaknya jumlah Sekolah Menengah Pertama atau dalam kasus ini adalah SMP yang ada di Kabupaten Malang, nilai Ujian Nasional, Ujian Sekolah, serta Nilai Akreditasi Sekolah dari tiap tiap sekolah tidak seragam tentu pihak Dinas Kabupaten Malang akan kesulitan dalam mencari dan memilah tiap tiap sekolah berdasarkan karakteristik tersebut. Maka penelitian ini membahas tentang penerapan data mining menggunakan metode Algoritma K-Means untuk menghasilkan tampilan profil yang memiliki atribut sama , atribut atau parameter nilai yang digunakan adalah rata rata nilai dari setiap sekolah dari nilai Ujian Nasional, nilai Ujian Sekolah, serta nilai Akreditasi Sekolah, dengan menghasilkan cluster sejumlah 3 (k = 3) dengan cluster1 sebanyak 33 data , cluster2 sebanyak 56 data, cluster3 sebanyak 49 data. Hal ini menunjukan nilai SSE paling besar dengan jumlah cluster sebanyak 3 dimana dengan jumlah cluster tersebut yang paling ideal untuk melakukan clustering sekolah SMP berdasarkan data di Dinas Pendidikan Kabupaten Malang.
Mendeteksi Ekspresi Wajah dengan Meninjau Iris Mata Menggunakan Metode Transformasi Hough dan K-Nearest Neighbor (KNN) Ningsih Djamsi; Didih Rizki Chandranegara; Zamah Sari
Jurnal Repositor Vol. 5 No. 1 (2023): February 2023
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v5i1.32033

Abstract

Wajah memiliki perbedaan (ciri khas), selain itu wajah juga merupakan pusat dari ekspresi pada manusia. Secara tidak langsung ekspresi wajah menjadi suatu komunikasi non-verbal, banyak faktor- faktor yang dapat mendukung untuk mendeteksi ekspesi wajah seseorang contohnya seperti melihat pergerakan dan perubahan pada alis,bibir dan mata. Dalam penelitian ini lebih berfokus pada iris mata sebagai objek pengamatan. Terdapat dua skenario pengujian untuk mendeteksi ekspresi wajah berdasarkan citra wajah, dengan menggunakan dataset TFEIDHigh. Skenario pertama menggunakan metode K-Nearest Neighboard (K-NN) dengan menghasilkan akurasi sebesar 80.0% dan waktu eksekusi 61.3831 Seconds. Skenario kedua menggunakan metode Convolutional Neural Network (CNN) dengan menghasilkan akurasi sebesar 80.0% dengan waktu eksekusi 656.730 Seconds.
Penerapan Model EfficientNetV2-B0 pada Benchmark IP102 Dataset untuk Menyelesaikan Masalah Klasifikasi Hama Serangga Ahmad Hanif Nurfauzi; Yufis Azhar; Didih Rizki Chandranegara
Jurnal Repositor Vol. 5 No. 3 (2023): August 2023
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v5i3.32075

Abstract

Hama serangga merupakan masalah yang sering di hadapi oleh petani. Karena ukurannya yang kecil dan jenis spesiesnya banyak. tak jarang petanipun kesulitan untuk menjaga tanaman mereka dari ancaman hama serangga karena penanganannya tidak memakai satu obat, melainkan dengan mencocokan spesies serangga. Sehingga karena banyaknya obat pembasmi, petanipun bingung obat mana yang tepat. Di dalam penelitian ini, telah di coba penggunaan metode deep learning arsitektur model EfficientNetV2 B0 pada dataset IP102 yang berkarakteristik imbalance dan ada jenis serangga yang identik antara satu dengan yang lain. Penelitian ini bertujuan untuk mengeksplorasi kemungkinan model kecil yang dapat di implementasikan di smartphone atau IOT yang mudah di bawa ke ladang pertanian tanpa tergantung pada internet. Model terbaik yang berhasil dibuat memperoleh akurasi 51% dengan F1-Score 50.14%.
Co-Authors Ahmad Hanif Nurfauzi Faiq Azmi Nurfaizi Jafar Shodiq Djawas Moch. Rosid Noviansyah Ningsih Djamsi Nur Hayatin Nuryasin, Ilyas Syukri Adisakti Dainamang Yufis Azhar Zamah Sari