Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

2.133

P-Index

This Author published in this journals

All Journal JURNAL SISTEM INFORMASI BISNIS Jurnal Simetris MATICS : Jurnal Ilmu Komputer dan Teknologi Informasi (Journal of Computer Science and Information Technology) TEKNOLOGI: Jurnal Ilmiah Sistem Informasi Prosiding SNATIKA Vol 01 (2011) Nusanatara of Engineering JOIN (Jurnal Online Informatika) Creative Information Technology Journal Applied Information System and Management Generation Journal Teknika Nusantara of Engineering (NOE) J-ABDIPAMAS (Jurnal Pengabdian Kepada Masyarakat) Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Journal of Research on Community Engagement

Fajar Rohman Hariri

Universitas Islam Negeri Maulana Malik Ibrahim Malang

Author-ID : 547183

Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Mechanical Engineering Social Sciences Transportation

Published : 27 Documents Claim Missing Document

Claim Missing Document

Articles

Title

Self Organizing Map-Neural Network untuk Pengelompokan Abstrak Fajar Rohman Hariri; Danar Putra Pamungkas
Creative Information Technology Journal Vol 3, No 2 (2016): Februari - April
Publisher : UNIVERSITAS AMIKOM YOGYAKARTA

Data berukuran besar yang sudah disimpan jarang digunakan secara optimal karena kemampuan manusia yang terbatas untuk mengelolanya. Salah satu data berskala besar adalah data teks. Data teks memiliki fitur yang besar sehingga untuk mengolahnya memerlukan waktu komputasi yang besar pula. Proses clustering menggunakan metode Self Organizing Map dengan menerapkan reduksi dimensi pada tahap preprosesing. Metode ini diterapkan untuk mengelompokkan data tugas akhir mahasiswa Teknik Informatika Universitas Trunojoyo Madura. Dalam metode yang diusulkan, analisis morfologi dilakukan pada teks abstrak tugas akhir mahasiswa untuk menghasilkan vektor input dengan unsur term dari tugas akhir tersebut. Dari percobaan yang dilakukan, diperoleh hasil bahwa optimum cluster menghasilkan nilai rata-rata SSE = 0.01117.Large data that is stored used rarely optimally because of the limited human ability to manage it. One of large-scale data is text data. Text data has enormous features so as to process it requires greater computational time. Clustering process using Self Organizing Map by applying dimensionality reduction on preprocessing. This method is applied to cluster the Informatics Engineering students' final assignment data of Trunojoyo University. In the proposed method, morphological analysis is applied on the abstract of final assignment to generate input vectors using elements of the final assignment. From the experiments conducted, the result that the best cluster to abstract data, average value of SSE = 0.01117.

Learning Vector Quantization untuk Klasifikasi Abstrak Tesis Fajar Rohman Hariri; Ema Utami; Armadyah Amborowati
Creative Information Technology Journal Vol 2, No 2 (2015): Februari - April
Publisher : UNIVERSITAS AMIKOM YOGYAKARTA

Data berukuran besar yang sudah disimpan jarang digunakan secara optimal karena manusia seringkali tidak memiliki waktu dan kemampuan yang cukup untuk mengelolanya. Data bervolume besar seperti data teks, jauh melampaui kapasitas pengolahan manusia yang sangat terbatas. Kasus yang disoroti adalah data abstrak tugas akhir mahasiswa jurusan teknik informatika Universitas Trunojoyo Madura. Dokumen tugas akhir oleh mahasiswa terkait hanya diupload pada SIMTAK (Sistem Informasi Tugas Akhir) dan pelabelan bidang minat penelitian dilakukan manual oleh mahasiswa tersebut, sehingga akan ada kemungkian saat mahasiswa mengisi bidang minat tidak sesuai. Untuk menanggulangi hal tersebut, diperlukan adanya mekanisme pelabelan dokumen secara otomatis, untuk meminimalisir kesalahan. Pada penelitian kali ini dilakukan klasifikasi dokumen abstrak tugas akhir menggunakan metode Learning Vector Quantization (LVQ). Data abstrak diklasifikasikan menjadi 3 yaitu SI RPL (Sistem Informasi – Rekayasa Perangkat Lunak), CAI (Computation – Artificial Intelligence) dan Multimedia. Dari berbagai ujicoba yang dilakukan didapatkan hasil metode LVQ berhasil mengenali 90% data abstrak, dengan berhasil mengenali 100% bidang minat SI RPL dan CAI, dan hanya 70% untuk bidang minat Multimedia. Dengan kondisi terbaik didapatkan dengan parameter reduksi dimensi 20% dan nilai learning rate antara 0,1-0,5.Huge size of data that have been saved are rarely used optimally because people often do not have enough time and ability to manage. Large volumes of data such as text data, exceed human processing capacity. The case highlighted was the final project abstract data from informatics engineering student Trunojoyo University. Documents abstract just uploaded on SIMTAK (Final Project Information System) and the labeling of the areas of interest of research is done manually by the student, so that there will be a possibility to fill the field of interest while the student is not appropriate. To overcome this, we need a mechanism for labeling a document automatically, to minimize errors. In the present study conducted abstract document classification using Learning Vector Quantization (LVQ). Abstract data classified into three class, SI RPL, CAI and Multimedia. Of the various tests carried out showed that LVQ method successfully recognize 90% of abstract data, to successfully identify 100% interest in the field of RPL SI and CAI, and only 70% for areas of interest Multimedia. With the best conditions obtained with the parameter dimension reduction of 20% and the value of learning rate between 0.1-0.5.

Pengenalan Citra Tanda Tangan Menggunakan Metode 2D-LDA dan Euclidean Distance Danar Putra Pamungkas; Fajar Rohman Hariri
Creative Information Technology Journal Vol 3, No 4 (2016): Agustus - Oktober
Publisher : UNIVERSITAS AMIKOM YOGYAKARTA

Kelemahan sistem manual dalam identifikasi tanda tangan adalah si pemeriksa tanda tangan harus teliti dalam melakukan pencocokan untuk menghindari kesalahan. Oleh karena itu untuk mengatasi kelemahan pencocokan tanda tangan secara manual, proses pencocokan tanda tangan perlu dilakukan secara otomastis dengan sistem komputer sehingga diharapkan mempermudah dalam identifikasi tanda tangan seseorang. Pada penelitian ini peneliti menggunakan metode 2DLDA dan Euclidean Distance untuk pengenalan tanda tangan dengan sistem komputer. Metode 2DLDA untuk ektraksi fitur citra tanda tangan dan metode Euclidean Distance untuk klasifikasi citra tanda tangan. Data citra tanda tangan yang digunakan berukuran 50x50, 100x100, 150x150, 200x200 dan 250x250 piksel. Hasil dari uji coba penelitian ini adalah akurasi pengenalan citra tanda tangan menggunakan metode 2DLDA mencapai 88% dan rata-rata akurasi 81%. Akurasi optimal pengenalan citra tanda tangan dengan metode 2DLDA terjadi pada penggunaan data citra berukuran 50x50 piksel dengan akurasi 88% dan kecepatan 0.20126 detik.The manual system in the identification of the examiner's signature is the signature must be meticulous in doing matching to avoid mistakes. Therefore, to overcome the disadvantages of signature matching manually, signature matching process needs to be done should automatically with a computer system that is expected to facilitate the identification of a person's signature. In this study, researchers used a method 2DLDA and Euclidean Distance to the introduction of a signature with a computer system. 2DLDA methods to extract image features the signature and Euclidean Distance method for image classification signature. The image data signature used measuring 50x50, 100x100, 150x150, 200x200 and 250x250 pixels. The results of this research trial is a signature image recognition accuracy using 2DLDA reaches 88% and an average accuracy of 81%. Optimum accuracy signature image recognition method 2DLDA occurs in the use of image data size of 50x50 pixels with 88% accuracy and speed 0.20126 seconds

Co-Authors Agus Mukti Wibowo Ajib Hanani Armadyah Amborowati Danar Putra Pamungkas, Danar Putra Ema Utami Johan Ericka Wahyu Prakasa Lingga Wahyu Rochim Mashuri, Chamdan Prastyo, Edwin Hari Agus Puspa Miladin Nuraida Safitri A. Basid Ratih Kumalasari Niswatin Risky Aswi R, Risky Rizki Amelia Sari, Waskita Shoffin Nahwa Utama Syauqi, Ala Vivi Wahyuni, Vivi

Title Search

Found 3 Documents Search Journal : Creative Information Technology Journal

Abstract

Abstract

Abstract

Title

Found 3 Documents
Search
Journal : Creative Information Technology Journal