Article Per Year (5 Year)
p-Index From 2021 - 2026
1.116
P-Index
This Author published in this journals
All Journal International Journal of Advances in Intelligent Informatics JURNAL MEDIA INFORMATIKA BUDIDARMA Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Teknika Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Insyst : Journal of Intelligent System and Computation Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Jurnal ilmiah teknologi informasi Asia Academia Open
Yuliana Melita Pranoto
Institut Sains Dan Teknologi Terpadu Surabaya
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Medicine & Pharmacology Public Health Transportation

Published : 17 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 17 Documents
Search

 1   2 
APPLYING THE CLASSIFICATION ALGORITHM FOR THE SYSTEM RECOMMENDATIONS BUY SELL IN FOREX TRADING iswanto; Yuliana Melita Pranoto; Reddy Alexandro Harianto
JURNAL FASILKOM (teknologi inFormASi dan ILmu KOMputer) Vol 10 No 2 (2020): Jurnal Fasilkom
Publisher : Fakultas Ilmu Komputer, Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1152.596 KB) | DOI: 10.37859/jf.v10i2.2076

Abstract

Abstract- Having a sophisticated application, even though often experience problems in deciding BUY - SELL in trading forex trading. This is due to the often time series predictions, in the high variable experiencing high values ​​as well as low variables, for that it is needed a recommendation system to overcome this problem. The application of classification algorithms to the recommendation system in support of BUY-SELL decisions is one appropriate alternative to overcome this. K-Nearest Neighbor (K-NN) algorithm was chosen because the K-NN method is an algorithm that can be used in building a recommendation system that can classify data based on the closest distance. This system is designed to assist traders in making BUY-SELL decisions, based on predictive data. The results of the recommendation system from the ten trials predicted by Arima are recommended. When compared to the price in the field the target profit is 7% per week from ten experiments if the average profit has exceeded the target
Pemanfatan Arima Untuk Prediksi Harga Emas Dalam Sistem Rekomendasi Trading Gold Option Yuliana Melita Pranoto; Reddy Alexandro Harianto; Iswanto Iswanto
JURNAL MEDIA INFORMATIKA BUDIDARMA Vol 4, No 4 (2020): Oktober 2020
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/mib.v4i4.2246

Abstract

In gold option trading, it is necessary to analyze both fundamental and technical data. In this study technical analysis is used to predict Gold Prices to help traders in making decisions. ARIMA is a method that completely ignores the independent variables in forecasting and is able to be a solution to predict gold prices and is used for the gold trading recommendation system. This is evidenced by the validation of high MAD = 16.93, MSE = 453.00, MAPE = 1.13%. And validation is low MAD = 12.23, MSE = 237.54, MAPE = 0.83%. And validation low MAD = 16.76, MSE = 576.32, MAPE = 1.12%. The results of the recommendation system from the ten trials predicted by Arima are recommended. When compared to the price in the field the target profit is 7% per week from ten experiments if on average the profit has exceeded the target.
Prediksi Kecocokan Jurusan Siswa SMK Dengan Support Vector Machine dan Random Forest Dicka Y Kardono; Yuliana Melita Pranoto; Endang Setyati
Teknika Vol 12 No 1 (2023): Maret 2023
Publisher : Center for Research and Community Service, Institut Informatika Indonesia (IKADO) Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34148/teknika.v12i1.567

Abstract

SMK Antartika 1 Sidoarjo setiap tahunnya melakukan penerimaan siswa baru. Siswa SMP yang mendaftakan diri ke SMK Antartika 1 Sidoarjo rata-rata belum cukup mengetahui tentang minatnya pada jurusan yang ada di sekolah. Adapun jurusan yang ada di SMK Antartika 1 Sidoarjo adalah Teknik Pemesinan, Teknik Kendaraan Ringan, dan Rekayasa Perangkat Lunak. Dari permasalahan di atas, maka diperlukan sebuah sistem untuk memprediksi tentang pemilihan kecocokan jurusan pada siswa baru SMK Antartika 1 Sidoarjo. Dengan adanya sistem tersebut dapat membantu meningkatkan pelayanan terhadap siswa baru dalam memutuskan pemilihan jurusan yang terdiri dari 4 tingkatan, yaitu: sangat cocok, cocok, kurang cocok, dan sangat kurang cocok dengan siswa. Untuk mengetahui pola prediksi dari data siswa tersebut, menggunakan penerapan perbandingan menggunakan metode Support Vector Machine (SVM) dan Random Forest (RF). Fitur atribut yang digunakan ada 14 fitur yang terdiri dari: Jurusan, Pendidikan_Ayah, Penghasilan_Ayah, Pendidikan_Ibu, Penghasilan_Ibu, Transportasi_ke_Sekolah, NUS_MTK_SMP, NUS_BIND_SMP, NUS_BING_SMP, Disiplin, Tanggung_Jawab, Sikap, Komunikasi, dan Output_Kelas. Riset ini menggunakan dataset siswa SMK Antartika 1 Sidoarjo mulai tahun 2020 sampai 2022 dengan total 578 record data siswa. Berdasarkan hasil analisis dengan metode SVM dengan kernel sigmoid diperoleh tingkat akurasi sebesar 83%, sedangkan hasil analisa dengan dengan metode RF dengan jumlah tree 150 diperoleh tingkat akurasi sebesar 82%.
Sistem Rekomendasi Pekerjaan Menggunakan Content Based Similarity Abdur Rouf; Yuliana Melita Pranoto; Endang Setyati
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 12, No 2: Agustus 2023
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v12i2.1229

Abstract

Based on data from the Central Statistics Agency (BPS) it is stated that the data for people who did not have a job from August 2019 to August 2021 recorded an increase from 7104.42 to 9102.05, meaning that within 2 years people who did not have a job had increased significantly. This is caused by one of the factors, namely finding information on job vacancies which is difficult, users still have to choose one job at a time in accordance with their field of knowledge. By building a job recommendation system, users will find it easier to find suitable job information, the data used is obtained from 1120 (one thousand one hundred and twenty) alumni data which includes academic grades, non-academic scores, positions and companies obtained from alumni data from the Institute of Technology and Business Widya Gama Lumajang. Using a content-based similarity algorithm with machine learning techniques using the MLP classifier feature and several trials using different parameters in each experiment. In each experiment the researcher used 10 (ten) samples. The results of this trial the machine learning feature of the MLP classifier can be concluded to be able to provide an accuracy of 81% with a precision value of 0.77, a recall of 0.81 and an f1-score of 0.76.The results of this study are used by users or fresh graduates to get job recommendations in accordance with their field of study.Keywords: Content Based Similarity; Interaciton Based Relation; Job Recommendation System AbstrakBerdasarkan data Badan Pusat Statistik (BPS) menyebutkan bahwa data orang yang tidak memiliki pekerjaan dari agustus 2019 sampai dengan agustus 2021 tercatat naik dari angka 7.104,42 menjadi 9.102,05 artinya dalam kurun 2 tahun orang yang tidak memiliki pekerjaan mengalami kenaikan secara signifikan. Hal ini disebabkan oleh salah satu faktor yaitu mencari informasi lowongan pekerjaan yang sulit pengguna masih harus memilih satu per satu pekerjaan yang sesuai dengan bidang ilmunya. Dengan membangun sistem rekomendasi pekerjaan pengguna akan lebih mudah menemukan informasi pekerjaan yang sesuai, data yang digunakan diperoleh dari data alumni sebanyak 1.120 (seribu seratus dua puluh) yang mencakupi nilai akademik, nilai non akademik, jabatan dan perusahaan yang diperoleh dari data alumni Institut Teknologi Dan Bisnis Widya Gama Lumajang. Menggunakan algoritma content-based similarity dengan teknik machine learning fitur MLP classifier dan beberapa kali uji coba menggunakan parameter yang berbeda-beda pada setiap percobaannya. Pada setiap percobaan peneliti memakai 10 (sepuluh) sample. Hasil dari uji coba ini machine learning fitur MLP classifier dapat disimpulkan mampu memberikan akurasi sebesar 81% dengan nilai precision 0.77 recall 0.81 dan f1-score 0.76. Hasil penelitian ini digunakan oleh pengguna atau fresh graduate untuk mendapatkan rekomendasi pekerjaan yang sesuai dengan bidang ilmu. 
Komparasi Segmentasi Penyakit Darah Pada Citra Darah Dengan Metode Fuzzy C-Means Dan Selft Organizing Maps Sunu Jatmika; Yuliana Melita
Jurnal Ilmiah Teknologi Informasi Asia Vol 7 No 1 (2013): Volume 7 Nomor 1 (8)
Publisher : LP2M INSTITUT TEKNOLOGI DAN BISNIS ASIA MALANG

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

Abstract

Segmentasi citra darah merupakan suatu proses untuk membagi atau mengcluster citra darah menjadi beberapa region yang mempunyai tingkat kesamaan pixel yang cukup tinggi. Metode clustering yang digunakan adalah metode Fuzzy C-Means (FCM) dan Self Organizing Maps (SOM). Sebelum dilakukan metode FCM dan SOM, citra masukan yang berupa citra berwarna, dijadikan citra grayscale terlebih dahulu untuk menyederhanakan layer pixel dan mempermudah perhitungan. Selanjutnya citra diolah berdasarka algoritma Fuzzy C-Means dan algoritma Self Organizing Maps. Berdasarkan uji coba yang penulis lakukan, clustering dengan mengunakan Fuzzy C-Means lebih baik jika dibandingkan dengan Self Organizing Mapp. Bila pada pengenalan penyakit pada Fuzzy C-Means hasilnya adalah 98,68% maka hasil pada Self Organizing Maps adalah 79,33%. Gambar yang dihasilkan pada Fuzzy C-Means lebih mirip dengan citra inputan sedangkan Self Organizing Maps jauh dari citra inputan.
Pengolahan Citra Digital Untuk Pengenalan Retina Dengan Jaringan Saraf tiruan Hopfield Diskrit Broto Poernomo; Yuliana Melita
Jurnal Ilmiah Teknologi Informasi Asia Vol 7 No 1 (2013): Volume 7 Nomor 1 (8)
Publisher : LP2M INSTITUT TEKNOLOGI DAN BISNIS ASIA MALANG

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

Abstract

Penelitian ini berisi tentang implementasi pengolahan citra digital dan jaringan saraf tiruan hopfield diskrit pada sistem identifikasi citra retina. Serta menggunakan perhitungan hamming distance untuk mencari nilai kesalahan identifikasi citra retina tersebut. Tahap perancangan sistemnya dari proses resize, grayscale, deteksi tepi dengan sobel, binerisasi citra, jaringan saraf tiruan hopfield, dan hamming distance. Dengan sistem identifikasi ini nanti akan menghasilkan nilai hamming distance dan prosentase kemiripan dari identifikasi antara retina yang di uji dengan data latih yang ada di database. Dari hasil pengujian 7 data citra retina milik orang yang sama namun dengan citra yang sedikit berbeda dengan dipengaruhi posisi, translasi dan noise sistem ini mampu mengenali dengan keberhasilan 42,86 %. Hal ini terjadi karena sistem ini tidak melakukan proses transform terhadap citra yang akan di identifikasi
Klasifikasi Jenis Kayu Dengan Gray-Level Co-Occurrence Matrices (GLCMs) dan K- Nearest Neighbor Jaenal Arifin; Yuliana Melita
Jurnal Ilmiah Teknologi Informasi Asia Vol 7 No 1 (2013): Volume 7 Nomor 1 (8)
Publisher : LP2M INSTITUT TEKNOLOGI DAN BISNIS ASIA MALANG

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

Abstract

Kayu sebagai hasil hutan sekaligus sumber kekayaan alam merupakan bahan dasar yang dimanfaatkan perusahaan manufaktur untuk pembuatan barang rumah tangga seperti: bufet, almari, kursi, meja dan masih banyak lagi kegunaan kayu untuk kebutuhan manusia. Banyaknya jenis kayu yang mempunyai tekstur hampir sama dapat menyulitkan perusahaan untuk mengelompokan kayu berdasar jenisnya. Sebagai alternatif sistem untuk pengelompokan (clasification) jenis kayu dapat dilakukan dengan memanfaatkan kamera digital yang selanjutnya akan diproses secara otomatis oleh sistem, dari sinilah jenis kayu dikenali. Dengan adanya teknologi pengolahan citra, maka data yang berupa gambar dapat diambil informasinya dan dikenali. Citra tersebut diambil nilai cirinya dengan metode Gray-Level Co-Occurrence Matrices, ciri-ciri yang diperoleh dari kontras, korelasi, homogenitas dan ASM. Hasil dari proses tersebut akan diklasifikasikan dengan algoritma K-Nearest Neightbor yang dicari jaraknya dari data latih, dengan tujuan mengambil keputusan untuk mengenali jenis kayu. Dalam sistem yang dibuat menghasilkan nilai error terkecil pada inputan k=1 yaitu 7%, disebabkan karena citra terdekat dengan citra uji tersebut adalah citra uji itu sendiri yang telah ada pada database sehingga memiliki jarak terdekat dan error terbesar pada k=7 yaitu 27% disebabkan karena pencarian dalam database semakin besar dengan jenis kayu lebih kecil sama dengan nilai k=7.
PENGENALAN KARAKTERISTIK MANUSIA MELALUI POLA GARIS TELAPAK TANGAN MENGGUNAKAN METODE PROBABILISTIC NEURAL NETWORK Endro Andriyanto; Yuliana Melita
Jurnal Ilmiah Teknologi Informasi Asia Vol 7 No 2 (2013): Volume 7 Nomor 2 (8)
Publisher : LP2M INSTITUT TEKNOLOGI DAN BISNIS ASIA MALANG

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

Abstract

Melakukan diagnosa melalui pola garis telapak tangan manusia (palmistry) akan dapat dilakukan dengan mudah apabila dibantu dengan peralatan komputer dengan perangkat lunak yang dirancang khusus untuk melakukan tugas tersebut. Input yang diperlukan berupa gambar telapak tangan objek dengan format BMP dengan ukuran dan resolusi tertentu. Kemudian system akan melakukan pencocokkan pola garis tangan dari inputan dengan data terdapat pada database. Output dari system adalah berupa class terdekat atau class yang sesuai dari garis tangan pengguna ingin dikenali hasil dari analisa pola garis tangan pengguna dengan pola garis tangan yang ada di database berupa karakter dari pemilik pola garis tangan tersebut.
SEGMENTASI IRIS MATA DENGAN MENGGUNAKAN TRANSFORMASI HOUGH Yanuangga G.H.L; Yuliana Melita
Jurnal Ilmiah Teknologi Informasi Asia Vol 7 No 2 (2013): Volume 7 Nomor 2 (8)
Publisher : LP2M INSTITUT TEKNOLOGI DAN BISNIS ASIA MALANG

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

Abstract

Segmentasi iris mata menjadi topik hangat dalam bidang pengenalan iris mata, karena hasil yang kurang bagus dari langkah ini akan merusak atau menurunkan efektifitas sistem pengenalan iris. Oleh karena itu, diperlukan perhatian yang harus dilakukan dalam proses segmentasi jika menginginkan hasil yang akurat, hal ini bergantung pada akurasi dari deteksi pusat pupil mata. Dalam penelitian ini kami mengusulkan metode baru untuk mengenali pusat dari pupil mata yang mana berpusat dengan citra iris mata dengan memanfaatkan operasi 8-tetangga. Parameter ini kemudian digunakan untuk lingkar transformasi hough untuk meningkatkan kecepatan proses segmentasi iris dan keakuratan. Untuk mengabaikan citra kelopak mata dan bulu mata menerapkan operasi deteksi tepi canny. Percobaan ini dilakukan dengan menggunakan 320 citra iris dari dataset standar CASIA, dan hasilnya menunjukkan bahwa metode usulan kami memiliki tingkat akurasi tinggi.
Komparasi Algoritma Linier Congruential Generator Dan Blum Blum Shub Pada Implementasi Fragile Watermarking Untuk Verivikasi Citra Digital Aprilianto, Tria; Melita, Yuliana
Jurnal Ilmiah Teknologi Informasi Asia Vol 7 No 1 (2013): Volume 7 Nomor 1 (8)
Publisher : LP2M Institut Teknologi dan Bisnis ASIA Malang

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

Abstract

Fragile watermarking merupakan salah satu aplikasi steganografi yang dapat menjadi solusi kebutuhan verifikasi citra digital. Metode yang digunakan untuk teknik watermarking ini adalah metode Least Significant Bit (LSB). Metode LSB ini mengganti bit-bit yang tergolong bit LSB pada setiap byte pada suatu piksel citra dengan bit-bit watermark yang akan disisipkan. Untuk memperkuat teknik penyembunyian data, bit-bit watermark tidak digunakan mengganti bit-bit dari piksel awal sampai piksel terakhir secara berurutan, namun dipilih susunan piksel secara acak.. Hal ini dapat dilakukan dengan memanfaatkan algoritma Linear Congruential Generator (LCG) dan Blum Blum Shub (BBS) sebagai pembangkit bilangan acak semu (Pseudo Random Number Generator / PRNG). Bilangan acak yang dihasilkan akan digunakan sebagai posisipiksel sebagai tempat penyisipan watermark. Penelitian ini dilakukan dengan membuat aplikasi fragile watermarking dan kemudian membandingkan histogram, nilai Mean Squared Error (MSE) dan Peak Signal to Noise Ratio (PSNR) dari setiap hasil penyisipan watermark (embedding) yang dilakukan. Aplikasi dibuat dengan menggunakan bahasa pemrograman Visual Basic 6.0.
Co-Authors Abdur Rouf Anik Nur Handayani Audrey Ayu Dianaris Broto Poernomo Dewi, Grace Levina Dicka Y Kardono Endang Setyati Endro Andriyanto Ervina Yuniati Rokhmah Eva Kurniawaty Fahmi Setiawan Gunawan Heru Wahyu Herwanto iswanto Iswanto Iswanto Jaenal Arifin Lukman Zaman Mikhael Setiawan Muhamad Nasir Nugraha, Ervin Indra Rachmadany, Andry Reddy Alexandro Harianto Rina Dewi Indahsari Setiono, Kevin Setiyo Bakti, Mochamad Bagus Sunu Jatmika Tria Aprilianto, Tria Vincent Yanuangga Galahartlambang Yosi Kristian