Article Per Year (5 Year)
p-Index From 2020 - 2025
1.745
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Komputer dan Informasi Journal of ICT Research and Applications Indonesia Symposium on Computing Indonesian Journal on Computing (Indo-JC) IJoICT (International Journal on Information and Communication Technology) JURNAL MEDIA INFORMATIKA BUDIDARMA Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control JITTER (Jurnal Ilmiah Teknologi Informasi Terapan) eProceedings of Engineering Bulletin of Social Informatics Theory and Application LOGIC: Jurnal Penelitian Informatika
Kemas Rahmat Saleh Wiharja
Telkom University
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Library & Information Science Mechanical Engineering Social Sciences

Published : 34 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 19 Documents
Search
Journal : eProceedings of Engineering

 1   2 
Analisis dan Implementasi Graph Indexing Pada Graph Database Menggunakan Algoritma GraphGrep Emir Septian Sori Dongoran; Kemas Rahmat Saleh Wiharja; Alfian Akbar Gozali
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Graph database adalah basis data yang menggunakan struktur graf untuk merepresentasikan dan mengelola data. Sebagian besar basis data yang digunakan basis data relasional karena penggu naannya yang relatif mudah dan mendukung banyak tipe data. Namun, untuk tipe data tertentu seperti tipe data molekul yang memiliki ciri vertex berlabel dan edge yang tidak berarah, basis data relasional kurang begitu efektif digunakan karena tipe data tersebut memiliki keterkaitan secara independen. Untuk menangani hal tersebut, basis data graf atau biasa disebut graph database adalah solusi yang paling tepat. Pada tugas akhir ini akan mengaplikasikan graph indexing menggunakan algoritma GraphGrep. GraphGrep adalah metode yang paling tepat untuk studi kasus data bertipe molekul. Karena GraphGrep menganggap setiap node yang ada di graph database mempunyai nomor (id-node) dan label (label-node) Sehingga sangat cocok untuk tipe data molekul. GraphGrep menggunakan hash table (fingerprint) sebagai index, membandingkan fingerprint database dengan fingerprint query untuk mem-filter database dan menggunakan algoritma Ullman untuk melakukan subgraph matching. Dari penelitian ini diharapkan mampu menerapkan algoritma GraphGrep pada graph indexing dengan menggunakan dataset bertipe molekul serta menganalisis performansi yang dihasilkan. Kata kunci: graph, graph database, graph indexing, GraphGrep, subgraph matching, backtrack, Ullman
Analisis Dan Implementasi Graph Indexing Pada Graph Database Menggunakan Algoritma Closure Tree Riche Julianti Wibowo; Kemas Rahmat Saleh Wiharja; Adiwijaya Adiwijaya
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

Graph menjadi populer untuk pemodelan data terstruktur seperti senyawa kimia. Teknologi basisdata seperti relational database kurang efektif menangani data yang terstruktur. Maka, graph database dibutuhkan. Untuk menangani pencarian informasi terhadap data yang terstruktur pada graph database digunakan metode graph indexing agar lebih cepat dan efisien. Dari beberapa metode graph indexing yang ada, Closure tree (C-tree) adalah metode graph indexing yang paling tepat digunakan karena menggunakan konsep graph closure dimana setiap simpul merangkum informasi dari simpul-simpul keturunannya dan membangun tree sebagai index. Pada tugas akhir ini diharapkan mampu menerapkan algoritma C-tree pada graph indexing dengan dataset bertipe molekul serta menganalisis answer set, tree construction, dan query time yang dihasilkan. Kata kunci : graph, graph database, graph indexing, graph closure, C-tree.
Analisis Performansi Metode Graph Decomposition Index pada Graph Database Isjhar Kautsar; Kemas Rahmat Saleh Wirayuda; Gia Septiana Wulandari
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Kekurangan relational database yang ditemui, seperti sulitnya membuat desain relational database yang pas, kurang mampu mengakomodir data semi terstruktur, dan kurang mampunya mengakomodir data yang memiliki banyak relasi mendorong para peneliti untuk menemukan model database yang baru. Salah satunya graph database. Graph database mampu menjadi solusi berbagai permasalah tersebut. Namun, graph database sendiri masih memiliki beberapa kekurangan, yaitu pencarian dilakukan secara sekuensial pada saat proses retrieve data. Oleh karena itu, suatu metode diperlukan untuk mengatasi masalah ini, yaitu dengan indexing. Metode indexing yang akan digunakan adalah graph decomposition index. Graph decomposition index cocok dengan jenis data yang digunakan, yaitu pada bagian keunggulannya dalam me-retrieve data query berupa subgraph dan model graph berupa simpel graph berlabel. Penelitian ini akan membangun dua buah sistem yaitu graph database tanpa index dan graph database dengan index. Kemudian dibandingkan performansinya berdasarkan response time (execution time dan IO time). Dari penelitian ini diperoleh hasil bahwa graph database dengan index akan memiliki performansi execution time yang lebih bagus dibanding graph database tanpa index, tetapi memiliki IO time yang jelek dibanding graph database tanpa index Keywords—graph database; indexing; relational; graph decomposition index.
Analisis Dan Implementasi Graph Clustering Pada Berita Online Menggunakan Algoritma Chinese Whispers Mochammad Fitrah Eka Pramudita; Kemas Rahmat Saleh Wiharja; Anisa Herdiani
eProceedings of Engineering Vol 3, No 1 (2016): April, 2016
Publisher : eProceedings of Engineering

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

Abstract

Berita online saat ini merupakan sesuatu yang sangat umum dikalangan masyarakat Indonesia. Data berita online yang telah tersimpan pada suatu penyimpanan data mencapai ratusan miliar berita. Oleh sebab itu diperlukan suatu permodelan, agar memudahkan proses pencarian, manipulasi atau pengolahan data tersebut. Salah satu model yang sangat cocok untuk data berita tersebut adalah model graph. Untuk memudahkan pembaca maka berita online tersebut perlu dikelompokkan berdasarkan keterkaitan isi beritanya. Salah satu metode yang bisa dimanfaatkan untuk mengelompokkan berita adalah dengan graph clustering. Sebelum melakukan graph clustering, data berita online harus diubah menjadi model graph. Langkah pertama untuk mengubah data berita kebentuk graph adalah melakukan preprocessing, lalu dihitung bobot keterkaitan isi beritanya dengan memanfaatkan cosine similarity, setelah itu bobot hasil cosine similarity dinormalisasi untuk dijadikan edge yang menghubungkan node dokumen berita. Setelah berbentuk graph, barulah dilakukan proses graph clustering. Dalam penelitian ini algoritma graph clustering yang digunakan adalah Chinese Whispers, karena Chinese Whispers mampu membentuk cluster dari data graph yang besar dengan waktu yang relatif cepat, sehingga sangat cocok digunakan untuk kasus clustering berita online. Pada penelitian ini telah diuji performasi algoritma Chinese Whispers dari segi kualitas serta tingkat akurasi cluster yang dihasilkan. Setelah dilakukan pengujian diperoleh bahwa kuliatas hasil cluster Chinese Whisper cukup bagus karena hampir 95% node hasil cluster sudah memiliki nilai intra- cluster yang lebih tinggi dari pada inter-cluster-nya, sedangkan rata-rata akurasi dari proses clustering menggunakan algoritma Chinese Whispers adalah 80.0 %. Kata kunci : Graph, Graph Database, Clustering, Graph Clustering, Chinese Whispers
Analisis Dan Implementasi Basis Data Terdistribusi Horizontal Pada Mongodb Untuk Clikkb Bkkbn Regional Jawa Barat Nunit Prihatoni Siregar; Kemas Rahmat Saleh Wiharja; Alfian Akbar Gozali
eProceedings of Engineering Vol 2, No 2 (2015): Agustus, 2015
Publisher : eProceedings of Engineering

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

Abstract

Abstrak ClikKB merupakan sistem yang dimiliki oleh dinas BKKBN regional Jawa Barat. Format data ClikKB yang disimpan dalam file excel menyebabkan pengisian banyak bernilai null. Nilai null pada ClikKB menyebabkan struktur data menjadi semi terstruktur. Data semi terstruktur dapat disebut dengan nonuniform data yaitu dokumen yang memiliki atribut yang berbeda-beda. Dari berbagai varian NoSQL, document oriented digunakan untuk mengatasi masalah nonuniform data. Karena mencakup wilayah Jawa Barat, maka data dari ClikKB cukup besar. Sistem ini memiliki proses read dan write yang tinggi karena diakses oleh seluruh dinas BKKBN Jawa Barat. Hal ini akan mempengaruhi performansi sistem. Untuk meningkatkan performansi sistem, dilakukan proses distribusi yaitu teknik penyimpanan basis data yang dipecah kebeberapa lokasi penyimpanan yang terhubung dengan jaringan. Salah satu DBMS dari NoSQL adalah MongoDB. MongoDB memiliki kemampuan untuk distribusi data. Yang diimplementasikan ada 3 arsitektur yaitu penerapan Document Oriented Database single server, penerapan sharding dengan 2 node, dan sharding 3 node. Jenis fragmentasi atau pembagian data yang digunakan adalah horizontal specification karena MongoDB memiliki fitur tersebut. Secara umum, diimplementasikannya distribusi pada document oriented database ini menghasilkan peningkatan response time hingga 167,55% jika dibandingkan tanpa proses distribusi. Kata Kunci: null value , NoSQL, Document Oriented Database, MongoDB, sharding.
Analisis Dan Implementasi Algoritma Gspan Dan Lpboost Pada Klasifikasi Struktur Molekul Kimia Ahmad Ridwan Rezani; Kemas Rahmat Saleh Wiharja; Nungki Selviandro
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

Perkembangan teknologi dan informasi tentang pemodelan data elektronik yang semakin meningkat seperti xml text, html,graph, senyawa kimia dan lain lain menyebabkan jumlah aplikasi untuk memodelkan data tersebut semakin pesat. Salah satu yang popular dan banyak dikembangkan yaitu Graph. Graph sangat powerful karena bisa memodelkan struktur yang kompleks. Salah satu penerapannya yaitu risk assessment, toxic prediction dan regulatory decision. Studi mengenai graph berbasis classification masih kurang dan untuk penerapannya masih jarang sehingga perlu penelitian lebih lanjut guna mendapatkan pemodelan data yang baik. Berbagai penelitian telah dilakukan dengan menggunakan teknik dalam klasifikasi graph salah satunya Graph Classification yang bisa diterapkan untuk chemical compound. Dalam penelitian Tugas Akhir ini akan membahas tentang metode Graph Classification dengan menggunakan algoritma gSpan dan Boosting dalam melakukan klasifikasi molekul kimia dan menghitung akurasi yang diperoleh. Tujuannya untuk menentukan dan mengidentifikasi apakah suatu molekul kimia mengandung mutagen atau tidak berdasarkan model klasifikasi yang dibuat. Model klasifikasi ini akan membuat prediction rule dengan beberapa iterasi untuk mendapatkan pola. Pola ini didapatkan dengan cara mengenumerasi secara frequent kemunculan pola subgraph yang bisa digunakan sebagai feature dalam klasifikasi. Pemilihan teknik yang tepat dan rancangan sistem yang benar akan menghasilkan performansi sistem yang maksimal. molekul kimia dipilih karena keunggulan dan keunikannya yaitu memiliki ciri vertex berlabel dan edge yang tidak berarah sehingga molekul kimia cocok jika direpresentasikan dengan graph. Metode Graph Classification akan mengklasifikasi graph yang mempunyai karakteristik struktural information serta menggunakan semua subgrah yang terseleksi sebagai set fitur. Hasil dari penelitian ini menunjukan efisiensi dari algoritma gSpan dan Boosting untuk molekul kimia dengan akurasi tertinggi yaitu 78,18 %. Kata kunci: Graph Classification, Frequent Subgraph Mining, Klasifikasi, Cheminformatics
Implementasi Dan Analisis Performansi Mapreduce Di Lingkungan Sistem Basisdata Berbasis Dokumen Terdistribusi Homogen Hegar Aryo Dewandaru; Kemas Rahmat Saleh Wiharja; Alfian Akbar Gozali
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

Pada sebuah perusahaan besar, sangatlah penting untuk memiliki manajemen sistem basisdata yang mampu menampung seluruh data dan dokumen milik karyawan. Data tersebut akan sangat besar sehingga tidak akan memunkinkan untuk ditampung oleh single server. Untuk menyelesaikan masalah tersebut, data yang sangat besar itu dapat didistribusikan ke dalam beberapa cluster. Di lingkungan terdistribusi inilah implementasi dari metode MapReduce akan sangat bermanfaat bagi sistem. MapReduce adalah sebuah operasi untuk menyelesaikan masalah yang mirip dengan algoritma divide and conquer. Sesuai dengan namanya, MapReduce terdiri dari proses map (pemetaan) suatu data dan reduce (pengurangan) yang berakhir pada penggabungan data-data yang sama. Pada tugas akhir ini akan dilakukan penelitian terhadap performansi MapReduce di lingkungan sistem basisdata terdistribusi homogen. Untuk membangun lingkungan tersebut, sebelumnya harus dilakukan pengecekan terhadap setiap komputer yang digunakan. Pastikan bahwa seluruh komputer memiliki spesifikasi perangkat lunak dan keras, serta manajemen sistem basisdata yang sama. Setelah itu, dataset yang berbasis dokumen harus di-import ke database komputer yang berperan sebagai master. Kemudian, dengan menggunakan metode sharding, setiap node akan diberi peran: master akan berberan sebagai router, satu node sebagai config server, dan sisanya sebagai shard server sehingga terbentuklah lingkungan sistem basisdata berbasis dokumen terdistribusi homogen. Dataset kemudian akan didistribusikan ke setiap shard. Akhirnya, query MapReduce akan dijalankan dan diuji di single server dan 3 arsitektur distributed database yang berbeda untuk diteliti performansinya. Dari hasil pengujian yang dilakukan, dapat dilihat bahwa MapReduce bekerja lebih baik di lingkungan terdistribusi dibandingkan dengan pada single server. Kesimpulan yang dapat diambil adalah bahwa sistem basisdata terdistribusi meningkatkan performansi MapReduce. Kata kunci: MapReduce, document-oriented database, distributed database system, distributed database management system, homogeneous distributed database
Analisis Dan Implementasi Graph Clustering Pada Berita Digital Menggunakan Algoritma Star Clustering Aufa Bil Ahdi P; Kemas Rahmat Saleh W; Anisa Herdiani
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

Berkembangnya media Internet saat ini mempengaruhi penyebaran informasi melalui Internet menggunakan berbagai macam media. Salah satu bentuk pengembangan media informasi saat ini adalah banyaknya artikel berita digital yang tersebar secara online. Oleh karena banyaknya penyebaran berita digital, diperlukan pengelompokkan berita berdasarkan topik dan keterkaitan tertentu dengan menerapkan model graph untuk memetakan hubungan berita. Model graph dipilih karena dapat memodelkan hubungan antar objek dan memberikan visualisasi yang mudah dipahami. Berita dapat direpresentasikan sebagai node dan dapat dihubungkan dengan node lain yang memiliki hubungan menggunakan edge. Node yang terbentuk akan di kelompokkan ke dalam sejumlah cluster menggunakan algoritma star clustering. Algoritma Star Clustering merupakan salah satu algoritma pengelempokkan graph menjadi subgraph/cluster dengan keterkaitan tertentu. Algoritma star clustering dikenal sebagai algoritma yang mudah digunakan, dan memiliki tingkat akurasi yang cukup baik. Dalam tugas akhir ini didapatkan hasil pengujian penerapan algoritma star clustering pada berita digital dengan tingkat akurasi 80.98% untuk perbandingan dengan clustering expert dan menghasilkan 62.87129% cluster yang baik yaitu cluster yang memiliki nilai intracluster lebih besar daripada intercluster-nya. Kata kunci : graph, graph clustering, star clustering, subgraph
Penerapan Algoritma GRAC (Graph Algorithm Clustering) untuk Graph Database Compression) I Gusti Bagus Ady Sutrisna; Kemas Rahmat Saleh Wiharja; Alfian Akbar Gozali
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Graph Database merupakan representasi dari pemodelan suatu koleksi data ke dalam bentuk Node dan Edge. Graph Database adalah salah satu metode implementasi dari NoSQL (Not Only SQL), yaitu sistem database yang berguna untuk penyimpanan data dalam jumlah besar dan direpresentasikan dalam bentuk graph, sehingga data memiliki aksesibilitas yang tinggi. Namun data yang disimpan dalam pemrosesan Graph Database masih belum efisien dalam hal penyimpanan data. Penyimpanan jutaan ataupun milyaran Nodes dan Edges memerlukan pengompresan dalam kebutuhan penyimpanan data. Dalam penelitian ini, kompresi Graph Database yang akan dilakukan adalah dengan menggunakan GRAC(Graph Algorithm Clustering). Graph Database yang digunakan yaitu suatu data yang berisikan data kolaborasi antar penulis jurnal ilmiah. Dalam GRAC(Graph Algorithm Clustering), Clustering yang digunakan adalah Hierarchical Clustering. Metode Hierarchical Clustering adalah suatu metode dalam Clustering yang akan mengcluster Node menjadi bentuk Cluster Node secara hirarki. Dalam pembuatan cluster yang hirarki, strategi yang dipakai adalah Agglomerative dimana setiap Node nantinya akan digabungkan menjadi satu cluster. Untuk mendapatkan strategi Agglomerative yang efektif dan efisien maka akan dihitung jarak maximum antar cluster yang biasa disebut Complete Linkage Clustering. Setiap Node terlebih dahulu dihitung Jaccard indexnya untuk mendapatkan bobot jarak antar Node. Penggunaan Hierarchical Clustering adalah untuk membentuk Cluster Node yang memiliki kesamaan tetangga. Cluster Node nantinya akan dihubungkan dengan Cluster Edge dimana, Cluster Edge didapatkan melalui pencarian secara greedy pada setiap hubungan Cluster Node yang mengabstaksi Edge paling banyak. Dengan menerapkan GRAC (Graph Algorithm Clustering) dengan menggunakan metode Hierarchical Clustering yang membentuk cluster yang hirarki, maka akan menghasilkan graph database yang bersifat lossless serta terkompres dengan baik. Kata Kunci: graph database, compression, graph algorithm clustering, Hierarchical Clustering, agglomerative, complete linkage clustering, jaccard index, greedy, scientific journal authors
Analytical Processing Pada Graph Dataset Dengan Graph Olap Framework Ilham Kamil Noviandi; Kemas Rahmat Saleh Wiharja; Gede Agung Ary Wisudiawan
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

Kehandalan penerapan Online Analytical Processing (OLAP) pada database relasional dalam menangani volume data yang besar. operasi data cube dan operasi-operasi pendukung khas OLAP seperti roll-up, drill-down, slice and dice memberikan multidimensional dan multi-level view yang memudahkan analisis kompleks pada bussiness intelligence, memunculkan banyaknya permintaan penerapan OLAP pada graph database. Graph database itu sendiri telah menjadi tren saat ini karena kemampuannya dalam memproses data yang bersifat struktural dan semi struktural dibandingkan dengan relational database yang menggunakan recursive join sehingga menyebabkan komputasi semakin kompleks. Banyaknya permintaan dan kelebihan dari graph database dalam memodelkan dataset yang berisi informasi terstruktur, maka pada penelitian tugas akhir ini akan menerapkan graph OLAP framework. Graph OLAP framework akan merepresentasikan graph database dalam bentuk snapshots graph dan beberapa operasi-operasi khas OLAP yang memberikan multidimensional dan multi-level view. Kata Kunci: Online Analytical Processing, data, roll-up, drill down, slice and dice, multidimensional, multilevel view, bussiness intelligence, graph database, graph OLAP framework, snapshots
Co-Authors A. Nurul Istiqamah Ade Romadhony Adiwijaya Ahmad Ridwan Rezani Akbar Gozali Akbar Gozali Alfian Akbar Gozali Anisa Herdiani Aufa Bil Ahdi P Ayuningtyas, Shinta Cyntia Barawi, Mohamad Hardyman Dana Sulistiyo Kusumo Danang Triantoro Murdiansyah Defrianda Rizky Pranata Donny Faturrachman Emir Septian Sori Dongoran Fadhil Wisnu Ramadhan Fauzi Aulia Rahman Fauzi Aulia Rahman Fhira Nhita Fikriansyah, Muhammad Arya Fitriyani Fitriyani Gede Agung Ary Wisudiawan Gia Septiana Wulandari Hadyan Arif Hafizh, Raihan Atsal Harris Febryantony Z Hegar Aryo Dewandaru Hegar Aryo Dewandaru I Gusti Bagus Ady Sutrisna Ibnu Asror Ilham Kamil Noviandi Imelda Atastina Irvan Nur Aziz Isjhar Kautsar Ludovica Gorganusa Lukman Arie Susanto Mira Kania Sabariah Mochammad Fitrah Eka Pramudita Mohamad Fauzy Mohammad Fauzy Muhammad Ramadhan Gandidi Muhammad Zakiyullah Romdlony Nitamayega Nitamayega Nungki Selviandro Nunit Prihatoni Siregar Nurzakiah, Azmi othman, mohd kamal Ramadhanti, Aisyah Dliya Ramanti Dharayani Riche Julianti Wibowo Shaufiah . Shinta Yulia Puspitasari Taufiqurrahman Taufiqurrahman Tiwa Ramdhani Wijaya, Dewa Made Wisnu Riyan Pratama Putra Yustiawan, Yoga