Article Per Year (5 Year)
p-Index From 2021 - 2026
3.792
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Lontar Komputer: Jurnal Ilmiah Teknologi Informasi Indonesia Symposium on Computing Indonesian Journal on Computing (Indo-JC) IJoICT (International Journal on Information and Communication Technology) JURNAL MEDIA INFORMATIKA BUDIDARMA JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Building of Informatics, Technology and Science Madani : Indonesian Journal of Civil Society Charity : Jurnal Pengabdian Masyarakat Indonesian Community Journal eProceedings of Engineering Community Service Seminar and Community Engagement (COSECANT)
Agung Toto Wibowo
Telkom University
Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Public Health Social Sciences Other

Published : 39 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 39 Documents
Search

 1   2   3   4 
Implementasi Dan Analisis Algoritma A*(star) Untuk Menentukan Jalur Dengan Multiple Goal Pada Pergerakan Npc(non-playable Character) Pratama Juliantono Taufiq; Agung Toto Wibowo; Gia Septiana Wulandari
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

Industri game sampai saat ini tidak pernah berkurang peminatnya bahkan semakin meningkat dari waktu ke waktu. Salah satu genre game yang banyak dimainkan adalah turn-based strategy, yaitu game (yang biasanya permainan perang terutama strategi perang) dimana pemain secara bergantian mengatur strateginya untuk mendekati pihak lawan. Selain dimainkan dengan player lain, biasanya game dengan genre ini pun bisa dimainkan dengan NPC atau biasa disebut Non- playable character. Oleh karena itu dibutuhkan NPC yang pintar dan bisa bersaing layaknya manusia yangmemainkannya. Pembuatan NPC yang pintar membutuhkan algoritma pencarian jalur yang bisa memudahkan NPC tersebut mencapai musuh dengan tepat dan cepat. Untuk menciptakan NPC yang sesuai dibutuhkan algoritma yang bisa menentukan rute yang optimal yang bisa diimplementasikan untuk kasus lebih dari satu karakter. Pada umumnya algoritma A*(A Star) sering digunakan pada game untuk kasus pencarian jalur. Penerapan algoritma A*(Star) dengan menggunakan nilai heuristik yang didapat dari mengkombinasikan jarak garis lurus antar masing-masing tujuan mampu menyelesaikan kasus multiple-goal dengan hasil yang complete dan optimal. Kata kunci :algoritma, jalur, tercepat, optimal, multiple-goal, non-playable character, A*(Star), heuristic, mobile game
Analisis Dan Implementasi Sistem Rekomendasi Menggunakan Most-frequent Item Dan Association Rule Technique Yulisna Gita Hapsari; Agung Toto Wibowo; Z K Abdurahman Baizal
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

Informasi yang sangat banyak jumlahnya mendorong kebutuhan akan adanya sistem rekomendasi. Sistem rekomendasi merupakan sebuah perangkat lunak yang dapat digunakan untuk menghasilkan rekomendasi item yang dapat digunakan oleh user. Permasalahan yang ada dalam pembangunan sistem ini diantaranya terletak pada ketepatan rekomendasi yang dihasilkan. Teknik pendekatan paling sukses untuk membangun sistem rekomendasi ini salah satunya adalah dengan menggunakan collaborative filtering. Dari hasil penelitian sebelumnya, association rule memiliki nilai performansi tertinggi dalam menentukan rekomendasi bila dibandingkan dengan algoritma matrix factorization dan algoritma item-based recommendation. Sedangkan teknik most-frequent item secara sederhana dapat digunakan untuk menghasilkan rekomendasi berdasarkan item yang paling sering digunakan oleh user lain (neighbor). Pada penelitian ini dibuat sebuah sistem rekomendasi yang membandingkan antara 2 metode yaitu association rule dan most-frequent item. Sistem rekomendasi ini diterapkan pada data film dan menghasilkan rekomendasi berupa data item yang dapat ditonton oleh user. Hasil dari penelitian yang telah dilakukan adalah bahwa nilai precision yang dihasilkan dari metode associaton rule lebih tinggi dari nilai precision pada most frequent item pada semua skenario pengujian yang dilakukan. Nilai precision dari association rule adalah 0,38 sedangkan nilai precision most-frequent item adalah 0,23. Kata kunci : sistem rekomendasi, collaborative filtering, data mining, association rule, most-frequent item
Analisis Dan Implementasi Neuro Fuzzy Function Approximator (nefprox) Pada Prediksi Nilai Saham Bobby Brillian Yerikho; Agung Toto Wibowo; Rita Rismala
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

Saham merupakan faktor penting bagi sebuah perusahaan maupun investor. Saat ini sudah ada beberapa metode yang di terapkan untuk memprediksi saham terutama closing value, namun dari keseluruhan metode tersebut penulis melihat bahwa variabel input cukup kompleks, selain itu tidak ada yang menjamin akurasi yang cukup baik. Unt uk memprediksi hal yang substansial seperti closing value, tercatat bahwa metode Jaringan Syaraf Tiruan dengan input variabel closing value mempunyai akurasi kurang baik. Menggunakan akurasi tersebut, sangat besar kemungkinan investor mengalami kerugian dalam transaksi. Penulis menggunakan Neuro Fuzzy Function Approximator (NEFPROX). NEFPROX merupakan pengembangan dari Neuro-Fuzzy yang merupakan gabungan dari Jaringan Syaraf Tiruan dan Logika Fuzzy. Function Approximator atau pendekatan fungsi dapat didefinisikan dari pasangan data input dan output yang dilatihkan, maka fungsi kontinyu untuk memetakan pasangan data tersebut dapat diketahui. Metode ini mampu membuat arsitektur sistem fuzzy yang optimal yang telah dilatih menggunakan Jaringan Syaraf Tiruan dengan memanfaatkan pergeseran fungsi keanggotaan. Hasil dari penelitian ini menunjukkan bahwa NEFPROX dengan menggunakan satu tipe data input dapat memberikan akurasi lebih baik daripada Jaringan Syaraf Tiruan yang juga memiliki satu tipe data input, hal ini dapat dilihat dari hasil analisa yang menujukkan bahwa NEFPROX dapat menghasilkan MAPE yang baik yaitu 2,5919%. . Kata Kunci : Neuro-Fuzzy,NEFROX, Jaringan Syaraf Tiruan, Fuzzy, Saham.
Analisis Dan Implementasi Algoritma Winnowing Dengan Synonym Recognition Pada Deteksi Plagiarisme Untuk Dokumen Teks Berbahasa Indonesia Jody Jody; Agung Toto Wibowo; Anditya Arifianto
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

Plagiarisme merupakan tindakan mengakui hasil karya orang lain sebagai hasil karya pribadi tanpa izin pemilik asli karya tersebut. Tindakan plagiarisme dalam bentuk dokumen sudah sangat banyak terjadi saat era digital seperti ini. Menyikapi hal tersebut, melalui Tugas Akhir ini penulis membangun sebuah sistem yang dapat digunakan untuk mendeteksi plagiarisme antar dokumen teks yaitu Algoritma Winnowing dengan Synonym Recognition. Algoritma Winnowing adalah salah satu metode document fingerprinting yang digunakan untuk mendeteksi kemiripan antar teks dokumen dengan menggunakan teknik hashing. Algoritma ini dipilih karena Winnowing merupakan salah satu algoritma terbaik untuk mendapatkan nilai similarity antar teks dokumen baik dalam segi akurasi ataupum performansi. Dalam tugas akhir ini, algoritma Winnowing akan dikombinasikan dengan algoritma Synonym Recognition untuk mengatasi adanya parafrase dokumen yang dilakukan para pelaku plagiarisme. Kata Kunci: Plagiarisme, algoritma Winnowing, document fingerprinting, Similarity, Synonym Recognition.
Analisis Dan Implementasi Collaborative Filtering Menggunakan Strategi Smoothing Dan Fusing Pada Recommender System Wahyu Rismawan; Agung Toto Wibowo; Mahmud Dwi Sulistiyo
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 Collaborative Filtering (CF) adalah salah satu pendekatan yang populer untuk membangun Recommender System dengan memanfaatkan informasi dan preferensi dari user lain untuk memberikan rekomendasi item. Salah satu permasalahan mendasar dalam CF adalah data rating yang sangat sedikit (data sparsity) yang mampu mempengaruhi hasil rekomendasi. Secara umum terdapat dua tipe algoritma pada CF, yaitu memory-based dan model-based yang memiliki kelebihan dan kekurangan masing-masing. Dalam tugas akhir ini, digunakan strategi smoothing dan fusing yang merupakan pendekatan hybrid dari memory-based dan model-based untuk menangani permasalahan data sparsity. Berdasarkan hasil pengujian, strategi smoothing dan fusing mampu menurunkan error sistem yang diukur menggunakan MAE dari 2,277 menjadi 0,746 atau menurun sebesar 50.62% dibandingkan tanpa menggunakan strategi smoothing dan fusing. Selain itu, akurasi sistem juga dipengaruhi oleh level sparsity dari data rating. Semakin sparse data rating yang dimiliki, maka akurasi yang dihasilkan semakin buruk. Kata kunci : Collaborative Filtering, Recommender System, Smoothing and Fusing, Data Spasity
Pembobotan Fitur Ekstraksi Pada Peringkasan Teks Bahasa Indonesia Menggunakan Algoritma Genetika Zulkifli Zulkifli; Agung Toto Wibowo; Gia Septiana
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— Hal yang penting dari peringkasan teks otomatis adalah bagaimana cara menetukkan informasi penting dari sebuah dokumen. Informasi penting dapat diperoleh dengan menggunakan teknik ekstraksi. Teknik ekstraksi merupakan teknik peringkasan secara lengkap yang terdiri dari urutan- urutan kalimat yang disalin dan memilih bagian-bagian kalimat penting dari dokumen asli. Peringkasan teks otomatis dengan teknik ekstraksi dapat dilakukan dengan menggunakan beberapa fitur ekstraksi teks. Tiap-tiap fitur ekstraksi teks memiliki tingkat pengaruh yang berbeda-beda terhadap hasil ringkasan sistem. Oleh karena itu, dibutuhkanlah sebuah algoritma optimasi untuk menentukkan tingkat kepentingan atau nilai bobot dari tiap-tiap fitur ekstraksi. Salah satu algoritma optimasi yang dapat digunakan adalah algoritma genetika. Dengan dataset yang sama untuk CR 30%, penelitian yang telah dilakukan oleh Aristoteles, Marlina, Rivaldi dan Wibowo menghasilkan maksimal akurasi berturut-turut 47%, 42,8%, 44% dan 52,47%. Pada TA ini, algoritma genetika digunakan untuk melakukan optimasi bobot fitur ekstraksi pada peringkasan teks bahasa Indonesia. Pada tahap pelatihan algoritma genetika mampu melakukan optimasi bobot fitur ekstraksi teks yang menghasilkan akurasi sekitar 46%. Sedangkan pada tahap pengujian, sistem menghasilkan ringkasan dengan akurasi 46% untuk sepuluh fitur teks. Setelah dilakukan observasi model kromosom terbaik, sistem menghasilkan ringkasan dengan akurasi 53% untuk delapan fitur ekstraksi teks. Kata kunci— peringkasan, teks, otomatis, fitur, ekstraksi teks, algoritma genetika.
Implementasi & Analisis Algoritma Grammatical Evolution Untuk Memecahkan Kasus Santa Fe Trail Ergandara Purba Setra; Agung Toto Wibowo; Untari Novia Wisesty
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

Pada pengujian ini Santa fe Trail akan diselesaikan dengan algoritma Grammatical Evolution (GE). Grammar yang digunakan pada GE ini adalah grammar yang didefinisikan Koza serta grammar yang memodifikasi grammar Koza. Metode seleksi yang digunakan adalah roulette wheel dan Tournament selection. Seleksi menggunakan dua metode untuk dibandingkan perfomasinya. Hasil pengujian didapatkan langkah terbaik pada grammar1 adalah 462 sedangkan pada grammar2 langkah terbaiknya adalah 405. Dengan menggunakan peta2, peta3 dan peta4 solusi tidak dapat ditemukan. Metode seleksi dengan menggunakan roulette wheel menghasilkan solusi yang lebih banyak dibandingkan dengan grammar2. Kata kunci: Algoritma evolusi, grammatical evolution, Santa fe Trail
Implementasi Dan Analisis Online – Updating Regularized Kernel Matrix Factorization Model Pada Sistem Rekomendasi Kadek Byan Prihandana Jati; Agung Toto Wibowo; Rita Rismala
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 Faktorisasi Matriks adalah salah satu metode yang digunakan pada Sistem Rekomendasi untuk membuat sebuah model prediksi rating. Salah satu jenisnya adalah Regularized Matrix Factorization yang mampu memberikan kualitas rekomendasi yang tinggi pada sebuah sistem rekomendasi. Akan tetapi, teknik - teknik Faktorisasi Matriks bermasalah jika model pada sistem rekomendasi berupa model yang statik. Permasalahan performansi terjadi, karena proses learning data pada Faktorisasi Matriks membutuhkan waktu yang lama. Model Online dari Faktorisasi Matriks merupakan hal yang dapat memperbaiki model sebelumnya, dengan model online, waktu yang dibutuhkan untuk melakukan proses prediksi untuk user dan item yang baru, lebih cepat dibandingkan dengan model offline faktorisasi matriks. Penelitian ini berfokus dalam menganalisis dan mengimplementasikan model online dari Regularized Matrix Factorization pada sebuah sistem rekomendasi. Hasil yang diperoleh adalah kualitas prediksi rating dengan metode online – update RKMF mengungguli kualitas prediksi rating dengan metode full – retrain RKMF dengan perbedaan nilai RMSE 2% pada kondisi terbaik, dan dengan waktu prediksi yang sangat singkat. Kata kunci : faktorisasi matriks, online updating, recommender performance
Klasifikasi Genus Tanaman Anggrek Menggunakan Metode Convolutional Neural Network (cnn) M. Raihan Rafiiful Allaam; Agung Toto Wibowo
eProceedings of Engineering Vol 8, No 2 (2021): April 2021
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Anggrek merupakan salah satu tanaman hias yang banyak dibudidayakan. Tiap genus anggrek mempunyai cara budidaya yang berbeda, sehingga para pembudidaya anggrek yang baru memulai perlu mengetahui genus dari anggrek yang akan dibudidayakannya terlebih dahulu. Namun tidak sedikit pemula yang mencoba membudidayakan anggrek tanpa ada pengetahuan dan pengalaman yang cukup, sehingga anggrek yang dibudidayakan tidak tumbuh dan berbunga dengan optimal. Dalam penelitian ini dibangun sebuah sistem yang dapat mengklasifikasi citra genus tanaman anggrek, yaitu genus Cattleya, Dendrobium, Oncidium, Phalaenopsis dan Vanda. Klasifikasi citra dilakukan dengan menggunakan metode Convolutional Neural Network (CNN). Dimana citra tanaman anggrek sebagai data input akan dilakukan proses klasifikasi sesuai dengan genusnya. Semua proses klasifikasi ini dilakukan melalui skema training dan testing, dimana tahap training menghasilkan sebuah model CNN beserta bobot (weight) yang telah diperbarui (updated), lalu tahap testing menggunakan model tersebut untuk diujikan terhadap data citra yang baru. K-Fold Cross Validation digunakan pada tahap training, lalu untuk mengevaluasi model CNN setelah dilakukan testing, digunakan Confusion Matrix. Selain itu, pada penelitian ini digunakan arsitektur CNN kustom dan MobileNetV2. Akhirnya, dari total model yang dihasilkan, didapat model terbaik dengan score akurasi testing dari lapangan sebesar 90.44% dan score akurasi testing dari internet sebesar 80.54%, serta F1-Score tertinggi sebesar 98% dari genus Dendrobium. Kata Kunci: anggrek, klasifikasi citra, convolutional neural network, k-fold cross validation, confusion matrix. Abstract Orchid is one of the ornamental plants that is widely cultivated. Each genus of orchids has different cultivation methods, so orchid cultivators who are just starting out need to know the genus of orchids they will cultivate first. However, not a few beginners who try to cultivate orchids without sufficient knowledge and experience, so the cultivated orchids do not grow and flower optimally. In this study, a system was built that could classify the image of orchid genera, namely the genus Cattleya, Dendrobium, Oncidium, Phalaenopsis and Vanda. Image classification is carried out using the Convolutional Neural Network (CNN) method. Where the image of the orchid as input data will be carried out according to the genus classification process. All of these classification processes are carried out through a training and testing scheme, where the training stage produces a CNN model and updated weights, then the testing stage uses the model to be tested against new image data. K-Fold Cross Validation is used at the training stage, then to evaluate the CNN model after testing, the Confusion Matrix is used. In addition, this research uses custom CNN architecture and MobileNetV2. Finally, from the total models produced, the best model is obtained with a testing accuracy score from the field of 90.44% and a testing accuracy score from the internet of 80.54%, and the highest F1-score of 98% from the genus Dendrobium. Keywords: orchid, image classification, convolutional neural network, k-fold cross validation, confusion matrix.
Klasifikasi Spesies Anthurium Berdasarkan Citra Daun Menggunakan Convolutional Neural Network Alfiansyah Nur Abadi; Agung Toto Wibowo
eProceedings of Engineering Vol 8, No 4 (2021): Agustus 2021
Publisher : eProceedings of Engineering

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

Abstract

Anthurium merupakan tumbuhan yang berasal dari keluarga Araceae. Diantara beberapa spesies milik araceae, anthurium memiliki jumlah spesies terbesar. Anthurium diperkirakan memiliki lebih dari 1000 spesies dan anggota genus Anthurium. Karena banyaknya jenis dan spesies, dalam tugas akhir ini menggunakan jenis anthurium, yang sering ditemui dan memiliki banyak peminat. Pada tugas akhir ini, kami menggunakan bahasa pemrograman Python dengan metode CNN menggunakan ResNet50 untuk pengolahan citra daun Anthurium. Model yang dibuat untuk mendeteksi dan menentukan spesies dari jenis anthurium. Dalam tugas akhir ini menggunakan dataset yang diambil menggunakan smartphone. Dalam dataset diambil setiap spesies sejumlah 800 data yang sudah diaugmentasi dan data test sejumlah 100 data per spesies. Kata Kunci: Klasifikasi, Convolutional Neural Network (CNN), ResNet50, Anthurium.
Co-Authors Ade Romadhony Ahmad Indra Nurfauzi Akbar, Yoan Amri Alfiansyah Nur Abadi Anditya Arifianto Arie Lasaprima Armadhani Hiro Juni Permana Juni Permana Asriyanti Indah Pratiwi Bambang Pudjoatmodjo Bambang Pudjotatmodjo Bedy Purnama Bobby Brillian Yerikho Dade Nurjanah Dodi Wisaksono Sudiharto Ekasanjaya , Ridho Bagus Ema Rachmawati Ema Rachmawati Ema Rachmawaty Ergandara Purba Setra Erwin Budi Setiawan Fat'hah Noor Prawira Fat’hah Noor Prawira Fat’hah Noor Prawira Fazmah Arif Yulianto Gia Septiana Gia Septiana Wulandari Hafiz Dewanto Hamad Fauzi Jessar Hani Nurrahmi Hilda Fahlena Hilmi Hidayat Arfisko Jayaperwira, Iklil Jody Jody Juni Permana, Armadhani Hiro Juni Permana Kadek Byan Prihandana Jati Kadek Byan Prihandana Jati M. Raihan Rafiiful Allaam Mahmud Dwi Sulistiyo Mohammad Ikhsan Syahputra Muhamad Elang Ramadhan Muhammad Arzaki Muhammad Bayu Samudra Siddik Muhammad Hanif Oktavianto Muhammad Khiyarus Syiam Niken Sylvia Puspitasari Nur Ghaniaviyanto Ramadhan Oddy Virgantara Putra Pradana, Muhammad Aryuska Pratama Juliantono Taufiq Prawita, Fat’hah Noor Putu Harry Gunawan Rajib , Ustami Rimba Whidiana Ciptasari Rita Rismala Rudy Prabowo Selly Meliana Trisnaningrum, Niken Untari Novia Wisesty Wahyu Rismawan Warih Maharani Yoan Amri Akbar Yuliarta, Chara Maria Emmanuel Yulisna Gita Hapsari ZK Abdurahman Baizal Zulkifli Zulkifli