Article Per Year (5 Year)
p-Index From 2021 - 2026
2.99
P-Index
This Author published in this journals
All Journal ComEngApp : Computer Engineering and Applications Journal International Journal of Renewable Energy Development Journal of ICT Research and Applications CESS (Journal of Computer Engineering, System and Science) Indonesia Symposium on Computing Indonesian Journal on Computing (Indo-JC) Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JIKO (Jurnal Informatika dan Komputer) JURNAL MEDIA INFORMATIKA BUDIDARMA Jiko (Jurnal Informatika dan komputer) KOMPUTEK Charity : Jurnal Pengabdian Masyarakat Jurnal Nasional Teknik Elektro dan Teknologi Informasi eProceedings of Engineering Dike International Journal of Renewable Energy Development
Danang Triantoro Murdiansyah
Telkom University
Arts Humanities Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Earth & Planetary Sciences Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mechanical Engineering Social Sciences

Published : 45 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 20 Documents
Search
Journal : eProceedings of Engineering

 1   2 
Prediksi Harga Saham Dengan Metode Fuzzy Time Series Dan Metode Fuzzy Time Series-genetic Algorithm (studi Kasus: Pt Bank Mandiri (persero) Tbk) Felix Octavianus Hasudungan; Rian Febrian Umbara; Danang Triantoro Murdiansyah
eProceedings of Engineering Vol 3, No 3 (2016): Desember, 2016
Publisher : eProceedings of Engineering

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

Abstract

Nilai harga saham selalu berubah -ubah dan t idak menent u set iap harinya, maka diperluk an sebuah model unt uk menghasilkan prediksi yang akurat unt uk mendapat kan keunt ungan yang maksimal. P ada t ugas akhir ini akan digunakan met ode Fuzzy Tim e Series danmetodeFuzzyTime Series-Genetic Algorthm unt uk memprediksi harga saham. Met ode Fuzzy Tim e Series akan menghasilkan int erval dengan jarakyangsamadan hasil prediksi nilai harga saham berdasarkan at uran Fuzzy Tim e Series dan Algorit ma Genet ika akan meningkat kan kinerja dengan mencari int erval yang memiliki nilai fit ness yang t erbesar dalam set iap it erasi yang dilakukan unt uk mencari hasil prediksi denganmenggunakanaturan Fuzzy Tim e series. Hasil prediksi yang didapat dengan menggunakan kedua metode t ersebut akan dibandingkan. Hasil dari ujicoba pada t ugas akhir ini menunjukan bahwa prediksi harga saham menggunakan met ode Fuzzy Tim e Series memilikinilaiMAPE sebesar 0.017611 dan nilai MSE sebesar 48249.1993. Sedangkan unt uk hasil prediksi menggunakan met ode FuzzyTimeSeries-GeneticAlgorthm pada skenario 1 memiliki nilai MAPE sebesar 0.0028653 dan nilai MSE sebesar 15.7221, pada skenario 2 memilikinilaiMAPEsebesar0.0028478 dan nilai MSE sebesar 16.3946, dan pada skenario 3 memiliki nilai MAPE sebesar 0.0027542 dan nilai MSE sebesar15.6174.Darihasilpercobaan t ersebut dapat disimpulkan bahwa hasil prediksi menggunakan met ode Fuzzy Tim e Series-Genetic Algorthm memiliki nilaierroryanglebihkecil dibandingkan dengan hasil prediksi menggunakan metode Fuzzy Time Series.
Klasifikasi Sentimen Terhadap Bakal Calon Gubernur Jawa Barat 2018 Di Twitter Menggunakan Naive Bayes Haga Simada Ginting; Kemas Muslim Lhaksmana; Danang Triantoro Murdiansyah
eProceedings of Engineering Vol 5, No 1 (2018): April 2018
Publisher : eProceedings of Engineering

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

Abstract

Pemilihan kepala daerah (pilkada) merupakan pemilihan umum untuk memilih gubernur dan wakil gubernur yang dilakukan oleh masyarakat setempat yang memenuhi syarat sebagai pemilih. Gubernur merupakan pemimpin daerah yang bertugas dalam memimpin suatu wilayah daerah provinsi di Indonesia. Dalam hal ini bakal calon gubernur membutuhkan sentimen dari masyarakat sebagai sumber informasi untuk mengetahui citra bakal calon gubernur. Sentimen yang didapatkan dari masyarakat tidak hanya bersifat positif, melainkan juga bersifat negatif dan netral. Sentimen yang digunakan pada penelitian ini adalah tweet dari masyarakat yang dicrawling dari twitter dan berhubungan dengan bakal calon gubernur Jawa Barat 2018. Pada penelitian tugas akhir ini penulis membangun sistem klasifikasi sentimen masyarakat dengan metode Naive Bayes Clasifier (NBC). Model Naive Bayes Clasifier (NBC) digunakan untuk mendapatkan nilai prefrence value dari masyarakat terhadap kandidat calon gubernur Jawa Barat 2018. Hasil pengujian dengan metode evaluasi menghasilkan rata-rata akurasi sebesar 76,56%. Untuk hasil pengujian respon positif masyarakat di twitter yang terbesar diproleh oleh Deddy Mizwar dengan nilai prefrence value sebesar 34,3%. Dengan demikian, klasifikasi sentimen menggunakan NBC dapat digunakan untuk mengukur prefrence value pada kasus pemilihan kepala daerah.
Prediksi Penyakit Menggunakan Genetic Algorithm (ga) Dan Naive Bayes Untuk Data Berdimensi Tinggi Dwi Nugroho; fh Nhita; Danang Triantoro Murdiansyah
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

Sebuah sistem yang mampu menganalisis dan mengidentifikasi seseorang terkena suatu penyakit akan sangat membantu pada dunia medis, hal ini dikarenakan tingkat kematian setiap harinya selalu bertambah. Faktor kematian salah satunya adalah kurangnya penanganan dini pada pasien yang telah terkena suatu penyakit. Hal ini dapat terjadi karena pasien tidak mengetahui bahwa dirinya mengidap penyakit yang mematikan. Adapun lima penyakit yang digolongkan mematikan adalah Kanker, Jantung, Diabetes, AIDS, dan TBC. Oleh karena itu, pada tugas akhir ini dibangun sistem yang mampu memprediksi seorang pasien apakah terjangkit penyakit atau tidak. Sistem ini sangat membantu dalam penanganan dini pasien yang terkena penyakit. Data penyakit Kanker, Jantung, Diabetes, AIDS, dan TBC bersumber dari website Kent Ridge Bio-medical Data Set Repository akan digunakan untuk membangun sistem ini, yang mana data tersebut adalah data berdimensi tinggi untuk setiap penyakit. Dimana data tersebut memiliki ribuan atribut yang akan dibagi menjadi dua data, yaitu data traning dan data testing selanjutnya dilakukan reduksi dengan Genetic Algorithm (GA) dan klasifikasi dengan Naïve Bayes Classifier. Dengan prediksi menggunakan model tersebut, didapatkan hasil yang akan menunjukan seorang pasien yang terkena penyakit atau tidak. Selanjutnya dilakukan uji akurasi menggunakan data testing untuk mendapatkan hasil akurasi yang valid. Sehingga hasil akhir yang didapat menunjukkan metode crossvalidation lebih baik dengan nilai akurasi dari data colon tumor 88.89% dan leukemia 100% dibandingkan metode percentage split dengan akurasi dari data colon tumor 78.95% dan leukemia 77.27%. Kata Kunci : Genetic Algorithm, Naïve Bayes, Evolutionary Datamining.
Peramalan Nilai Tukar Rupiah Terhadap Dolar Amerika Menggunakan Jaringan Syaraf Tiruan (p,d,q) Gege Safet Yanto Raharjo; Rian Febrian Umbara; Danang Triantoro Murdiansyah
eProceedings of Engineering Vol 2, No 3 (2015): Desember, 2015
Publisher : eProceedings of Engineering

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

Abstract

Nilai tukar merupakan tingkat dimana mata uang satu negara dapat ditukar dengan mata uang negara lain, memainkan peran penting dalam mengendalikan dinamika pasar valuta. Oleh karena itu, peramalan kurs menjadi hal yang menarik sebagai penentuan kebijakan. Model gabungan ARIMA dan JST disebut model Jaringan Syaraf Tiruan (p,d,q). Hasil error dan differencing yang diperoleh dari model ARIMA akan digunakan pada model Jaringan Syaraf Tiruan arsitektur Multi Layer Perceptron algoritma Backpropagation. ARIMA memodelkan sifat linier data dan JST memodelkan sifat non-linier data. Data histori yang digunakan dalam sistem adalah data kurs Rupiah terhadap Dolar Amerika dalam rentang waktu Januari 2010 sampai Juni 2015. Setelah dilakukan prediksi, didapatkan hasil pengukuran kinerjanya, RMSE 60.43385, MAE 44.40632, dan MAPE 0.362984936 %. Sehingga dapat disimpulkan bahwa metode Jaringan Syaraf Tiruan (p,d,q) bisa diterapkan dalam sistem peramalan kurs Rupiah terhadap Dolar Amerika, namun tidak signifikan lebih baik dibanding ARIMA atau JST saja. Kata kunci : Kurs, ARIMA, JST, Jaringan Syaraf Tiruan (p,d,q).
Deteksi Kanker Berdasarkan Klasifikasi Microarray Data Menggunakan Principal Component Analysis Dan Backpropagation Termodifikasi Dengan Conjugate Gradient Fletcher Reeves Della Alfarydy Akbar; Adiwijaya Adiwijaya; Danang Triantoro Murdiansyah
eProceedings of Engineering Vol 4, No 1 (2017): April, 2017
Publisher : eProceedings of Engineering

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

Abstract

Kanker merupakan penyebab utama dalam kematian. Dalam setiap tahun diperkirakan kanker akan terus meningkat karena tidak sehatnya gaya pola hidup. Pada beberapa dekade terakhir microarray berperan penting dalam diagnosis kanker. Microarray merupakan teknologi yang dapat menyimpan ribuan gen yang diambil dalam beberapa sel manusia sekaligus. Maka dari itu microarray memiliki dimensi data yang sangat besar oleh karena itu, untuk meningkatkan akurasi diagnosis kanker tersebut maka dilakukan dengan cara pengurangan dimensi dengan menggunakan Principal Component Analysis (PCA) dan Modified Back Propagation (MBP). MBP merupakan modifikasi dari Backpropagation Standart (BP) yang menerapkan metode Jaringan Syaraf Tiruan (JST) dengan algoritma Conjugate Gradient Fletcher Reeves untuk mempercepat proses pelatihan. Hasil pengujian yang diperoleh dari Principal Component Analysis (PCA) dan Backpropagation termodifikasi memiliki performansi rentang waktu sekitar 2 – 3 detik untuk pelatihan. Waktu yang dihasilkan paling minimum adalah 2.21 detik untuk pelatihan Central Nervous dengan menggunakan teknik line search Hybrid Bisection Cubic. Jika dilihat dari akurasi, hasil pengujian skema klasifikasi PCA+MBP mendapatkan rata-rata akurasi sebesar 82.15% untuk teknik line search Golden Section. Kata Kunci : Kanker, Microarray, Principal Component Analysis (PCA), Modified Backropagation (MBP), Conjugate Gradient Fletcher Reeves, Jaringan Syaraf Tiruan.
Prediksi Penyakit Menggunakan Algoritma Differential Evolution (de) Dan Least Square Support Vector Machine (lssvm) Untuk Data Berdimensi Tinggi Merry Sofhia Tambunan; Fhira Nhita; Danang Triantoro Murdiansyah
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

Penyakit merupakan salah satu penyebab kematian tertinggi bagi masyarakat. Beberapa penyakit dapat dikategorikan sebagai penyakit mematikan. Penyakit colon tumor atau tumor usus dan leukimia merupakan beberapa penyakit yang berbahaya dan mematikan. Masyarakat terkadang tidak menyadari bahwa sedang mengidap beberapa penyakit berbahaya ini. Berdasarkan permasalahan tersebut diperlukan adanya suatu sistem prediksi penyakit colon tumor dan leukimia. Pada tugas akhir ini digunakan algoritma Differential Evolution (DE) dan Least Square Support Vector Machine (LSSVM) dalam memprediksi penyakit colon tumor dan leukemia. Data yang digunakan pada tugas akhir ini merupakan data penyakit dimensi tinggi, dimana akan dilakukan preprocessing data menggunakan PCA sehingga diperoleh data dengan dimensi baru yang lebih sedikit. Data yang sudah direduksi kemudian akan dimasukan ke dalam algoritma DE, dimana algoritma tersebut akan melakukan serangkaian proses evolusi. DE bertujuan untuk mencari parameter LSSVM yang optimal. Parameter tersebut kemudian akan digunakan pada metode klasifikasi LSSVM. Proses ini dilakukan untuk mendapatkan klasifikasi dari penyakit colon tumor dan leukimia. Dari hasil pengujian pada algoritma DE dan LSSVM diperoleh solusi optimal dengan akurasi 90.4762% untuk colon tumor dan 87.5 % untuk leukemia. Kata kunci: data dimensi tinggi, PCA, Differential Evolution (DE), Least Square Support Vector Machine (LSSVM).
Steganografi Menggunakan Blok Permutasi Dan Algoritma Genetika Andrian Yoga Pratama; Danang Triantoro Murdiansyah; Jondri Nasri
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

In this final task do the process combination of steganography using Block Permutation Image Steganography (BPIS) and genetic algorithms. Steganography is the art and science of writing hidden messages or techniques to hide messages, so except the sender and receiver no one knows or realizes that there is a secret message. One technique that can be used in this process is the Block Permutation Image Steganography (BPIS). BPIS is an algorithm that serves to change the message or confidential information in the form of a set of binary sequences, then of the binary sequence that is encrypted using a permutation vector. In the end the result of the algorithm BPIS will be reprocessed using genetic algorithms and approaches Least Significant Bit (LSB). The initial hypothesis of this final task is Block Permutation Image Steganography (BPIS) and genetic algorithms with spatial domain techniques can be used in the optimization process of message insertion text on a digital image bitmap format (.bmp), so it will have a level higher security and quality of digital imagery remains good. From the research and trials that have been done show that the combination of the block permutation methods and genetic algorithms can be used in steganography. So the secret message can be inserted in the media cover image and extracted back from stego image. By applying the method of block permutation, the system has a higher security level, as well as genetic algorithm the insertion location messages can be optimized and the quality of the image will remains good. Keyword: Steganography, Block Permutation Image Steganography, Genetic Algorithm, spatial domain, Least Significant Bit, stego image, BMP
Deteksi Kanker Berdasarkan Klasifikasi Microarray Data Menggunakan Principal Component Analysis Dan Backpropagation Termodifikasi Dengan Conjugate Gradient Powell-beale Sugeng Hadi Wirasna; Adiwijaya Adiwijaya; Danang Triantoro Murdiansyah
eProceedings of Engineering Vol 4, No 1 (2017): April, 2017
Publisher : eProceedings of Engineering

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

Abstract

Kanker merupakan penyebab utama dalam kematian. Dalam setiap tahun diperkiran kanker akan terus meningkat karena tidak sehatnya gaya pola hidup. Pada beberapa dekade terakhir microarray berperan penting dalam diagnosis kanker. Microarray merupakan teknologi yang dapat menyimpan ribuan gen yang diambil dalam beberapa sel manusia sekaligus. Microarray memiliki dimensi data yang sangat besar oleh karena itu, untuk meningkatkan akurasi diagnosis kanker tersebut maka dibandingkan dengan teknik tradisional hal tersebut dilakukan dengan cara pengurangan dimensi dengan menggunakan Principal Component Analysis (PCA) dan Modified Back Propagation (MBP). MBP merupakan modifikasi dari Backpropagation Standart (BP)ISSN : 2355-9365 e-Proceeding of Engineering : Vol.4, No.1 April 2017 | Page 1247yang menerapkan metode Jaringan Syaraf Tiruan (JST) dengan algoritma Conjugate Gradient Powell-Beale untuk mempercepat proses pelatihan. Pada tugas akhir ini telah berhasil membuktikan bahwa Modifed Backpropagation (MBP) dan reduksi data menggunakan Principal Component Analisys (PCA) menunjukkan hasil lebah cepat dalam melakukan proses pelatihan. Hasil rata – rata dari pengujian menggunakan backpropagation termodifikasi dan PCA adalah performansi dari masing – masing dengan teknik linesearch Charalambous sebesar 72.38% dan Goldensection sebesar 79.33%. Metode ini juga bagus dalam hal waktu pelatihan, mengingat waktu rata – rata yang diperlukan 2.30 detik untuk linesearch Charalambous sedangkan Goldensection memerlukan 2.50 detik. Kata Kunci : kanker, microarray, principal component analysis (PCA), modified back propagation (mbp), conjugate gradient Powell-Beale.
Prediksi Penyakit Menggunakan Algoritma K-means Dan Ga Untuk Reduksi Dimensi Dengan Mengintegrasikan Svm Pada Data Berdimensi Tinggi Jodi Noordiansyah; Fhira Nhita; Danang Triantoro Murdiansyah
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

Dimensionality adalah salah satu tantangan dalam data mining, tantangan ini meliputi jumlah atribut yang begitu besar sehingga sering disebut dengan curse of dimensionality. Semakin besar jumlah atribut maka semakin memakan waktu dan memerlukan upaya komputasi yang berlebihan sehingga data sulit untuk ditangani. Hal yang diperlukan untuk mengatasi tantangan ini adalah dengan cara mereduksi dimensi dari data tersebut. Teknik reduksi yang dibahas pada tugas akhir ini adalah dengan menggunakan algoritma K-Means dengan cara pengelompokan data pada setiap cluster. Algoritma ini digunakan untuk mereduksi record yang kemudian dilanjutkan oleh GA sebagai feature selection untuk memilih atribut-atribut yang paling optimal berdasarkan nilai fitness tertinggi. Pencarian nilai fitness dilakukan dengan menggunakan metode klasifikasi yaitu SVM. Hasil dari pengujian sistem menghasilkan data yang direduksi oleh K-Means memiliki akurasi yang lebih rendah untuk dataset tertentu dibandingkan tanpa menggunakan K-Means. Atribut optimal yang dihasilkan GA bervariasi berdasarkan parameter yang digunakan. Data yang digunakan adalah data penyakit berdimensi tinggi berupa ekspresi gen yaitu colon tumor dan leukemia. Akurasi rata-rata terbaik yang didapat pada data colon tumor adalah 92.86% dengan jumlah atribut terpilih yaitu 983 atribut, sedangkan untuk data leukemia selalu menghasilkan atribut yang berkualitas dengan rata-rata akurasi 100%. Kata kunci : dimensionality, data mining, K-Means, GA, SVM
Prediksi Penyakit Menggunakan Algoritma K-nearest Neighbour Dan Algoritma Genetika Untuk Data Berdimensi Tinggi Hana Rufaidha; Fhira Nhita; Danang Triantoro Murdiansyah
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

Data mining menjadi salah satu cara untuk memahami teknik-teknik tertentu dalam mengolah data, sehingga dapat diperoleh informasi yang tersembunyi pada suatu data. Dalam proses nya, pengolahan data memiliki dimensi yang tinggi sehingga sulit untuk ditangani. Curse of dimensionality atau kutukan dimensi merupakan permasalahan nyata yang terkait dengan dimensi tinggi, sehingga proses pengolahan data menjadi kurang efektif. Evolutionary Data Mining merupakan salah satu solusi yang dapat mengatasi permasalahan data berdimensi tinggi. Genetic Algorithm (GA) merupakan salah satu algoritma Eas yang sangat berguna untuk memecahkan masalah pada proses pencarian (searching) dan proses optimasi (optimization). Algoritma K- Nearest Neighbour (KNN) merupakan algoritma data mining yang dapat digunakan untuk melakukan klasifikasi pada data dan Genetic Algorithm (GA) dapat membantu memaksimalkan klasifikasi akurasi subset dari atribut. Dengan menggunakan metode tersebut, diharapkan akan menghasilkan suatu akurasi prediksi diatas 75%. Kata kunci : data dimensi tinggi, evolutionary data mining, k-nearest neighbor, algoritma genetika
Co-Authors Aditya Pratama, Rangga Adiwijaya Aldi Riyadi Ramadhan Ali Helmut Andrian Yoga Pratama Annisa Aditsania Arief Chaerudin Aura Sukma Andini Barini Harahap Berlian Kaida Palma Chaerudin, Arief Dany Dwi Prayoga Dede Tarwidi Della Alfarydy Akbar Devi Pratami Dwi Nugroho Dwi Yanita Apriliyana Ekky Wicaksana Emir Husni Emir Husni, Emir Favian Dewanta Felix Octavianus Hasudungan Ferdian Yulianto fh Nhita Fhira Nhita Fikri Rozan Imadudin Gege Safet Yanto Raharjo Gery Nugroho Haditira, Ragil Haga Simada Ginting Hana Rufaidha Ika Arum Puspita Imadudin, Fikri Rozan Isman Kurniawan Jodi Noordiansyah Jondri Jondri Kemas M Lhaksmana Kemas Muslim Lhaksmana Kemas Rahmat Saleh Wiharja Litasari Widyastuti, Litasari Lukito Agung Waskito M Ikhsan Perdana Putra M. Hady Setiawan Mahendra, Muhammad Hafizh Mahmud Imrona Merry Sofhia Tambunan Miranti Andhita Scantya Muhamad Paisal Hanip Muhammad Ramadhan Gandidi Muhammad Zakiyullah Romdlony Narwan Ginanjar Narwan Ginanjar, Narwan Nida Mujahidah Azzahra Nurul Ikhsan Ragil Haditira Reza Rendian Septiawan Rian Febrian Umbara Sahlya Handayati Sugeng Hadi Wirasna Tiwa Ramdhani Umar Ali Ahmad Wicaksana, Ekky Widi Astuti Widi Astuti Youga Pratama Yuwantoro Mukhlisin ZK Abdurahman Baizal