Article Per Year (5 Year)
p-Index From 2021 - 2026
1.116
P-Index
This Author published in this journals
All Journal UG Journal Jurnal Ilmiah KOMPUTASI Fair Value: Jurnal Ilmiah Akuntansi dan Keuangan International Journal Science and Technology (IJST) Prosiding SeNTIK STI&K
Guntur Eka Saputra
Universitas Gunadarma
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Health Professions Languange, Linguistic, Communication & Media

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Prosiding SeNTIK STI

 1 
EVALUASI PENGALAMAN PENGGUNA UJIAN ONLINE BERBASIS KOMPUTER PADA PELATIHAN PEMROGRAMAN WEB DASAR DI UT SCHOOL MENGGUNAKAN USER EXPERIENCE QUESTIONNARE (UEQ) Fivtatianti Hendajani; Guntur Eka Saputra; Aditya Putera Ramadhana
Prosiding Seminar SeNTIK Vol. 5 No. 1 (2021): Prosiding SeNTIK 2021
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

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

Abstract

Perkembangan teknologi informasi saat ini sudah merambah di berbagai bidang. Perkembangan perangkat lunak juga sangat cepat guna memudahakan aktifitas manusia sehari-hari. Pembuatan aplikasi Ujian Online Berbasis Komputer dibutuhkan untuk kecepatan proses pengelolaan ujian pada pelatihan Pemrograman WEB Dasar di UT School. Keberhasilan dari sebuah produk sistem informasi , seperti produk aplikasi, dapat diperoleh dengan melakukan analisis kebutuhan pengguna yang lebih berfokus pada pengalaman dan kenyamanan pengguna. Setelah proses pelatihan selesai akan diketahui pengalaman pengguna aplikasi tersebut dengan menggunakan User Experience Questionnare (UEQ). Jumlah responden sebanyak 127, dengan menggunakan rumus Slovin maka jumlah sampel minimum adalah 56. Responden mengisi kuesionar menggunakan Google Form yang datanya kemudian akan di analisa menggunakan alat analisa data yang tersusun dalam format Microsot Excell. Hasil yang diperoleh berdasarkan grafik tolak ukur(benchmark) menunjukkan level below average pada skala daya tarik (attractiveness) sebesar 0.98, kejelasan (perspiculty) sebesar 0.86, efisiensi (efficiency) sebesar 1.02, kebaruan (novelty) sebesar 0.52 dan stimulasi (stimulation) sebesar 0.98 yang menunjukkan bahwa ke 5 skala tersebut berada pada level below average. Skala keandalan (dependability) sebesar 0.74 berada pada level bad. Berdasarkan hasil pengukuran kemudian dapat digunakan sebagai rekomendasi untuk dapat meningkatkan rancangan aplikasi ujian online berbasis komputer yang lebih baik lagi.
PERBANDINGAN PENERAPAN ALGORITMA NEURAL NETWORK BACKPROPAGATION DENGAN OPTIMASI ALGORITMA LBFGS DAN SGD UNTUK PREDIKSI PENYAKIT JANTUNG Guntur Eka Saputra; Karmilasari; Adrian Faisal; Ahmad Apandi
Prosiding Seminar SeNTIK Vol. 4 No. 1 (2020): Prosiding SeNTIK 2020
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

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

Abstract

Penyakit jantung merupakan penyakit tidak menular yang disebabkan kondisi adanya timbunan lemak di pembuluh darah arteri coroner pada jantung yang mengubah peran dan bentuk arteri, serta menghambat aliran darah menuju jantung. Faktor penyakit jantung dapat diprediksi dengan 14 atribut faktor yang dapat mempengaruhi prediksi penyakit jantung. Penelitian ini merupakan penelitian eksperimen dengan menggunakan data sekunder yang diharapkan data tersebut memiliki makna untuk mendapatkan suatu informasi dan pengetahuan. Data mining adalah proses mencari pola atau informasi bermakna dalam data terpilah dengan mengunakan suatu metode atau teknik tertentu. Metode yang digunakan dalam penelitian ini adalah algoritma neural network backpropagation dengan metode optimasi LBFGS dan SGD untuk melihat hasil akurasi perbandingan diantara dua metode optimasi tersebut. Berdasarkan hasil eksperimen ditunjukkan bahwa hasil akurasi dari 14 atribut faktor dengan menggunakan backpropagation dan metode optimasi LBFGS lebih baik dibandingkan SGD. Akurasi dengan metode optimasi LBFGS sebesar 85.3%, sedangkan SGD 83.6%, dan tingkat loss atau error dari LBFGS mendekati 0, yaitu 0.001152, sedangkan SGD sebesar 0.546822. Waktu pemrosesan CPU Times juga memiliki perbedaan yang cukup signifikan, metode LBFGS memproses selama 46.5 ms, sedangkan SGD sebesar 908 ms. Kata Kunci : penyakit jantung, data mining, backpropagation, optimasi, LBFGS, SGD
Co-Authors Abdurrahman Adam Rozaq Sobari Aditya Putera Ramadhana Adrian Faisal Ahmad Apandi Ahmad Mawardi Hakim Annisa Umulfath Edwyn Pratama Elbi Wiseno Elbi Wiseno Haikal Ardikatama Hasyyati Badzlina Romdo Josephine Haneta Excelentia Savitri Dinarbrata Karmilasari Lasminiasih Lasminiasih Manfred Michael MM SKom Fivtatianti Hendajani Muhammad Afdhan Firdausa Setiawan Muhammad Haikal Rakhmi Khalida Ratu Nurmalika Rooswhan Budhi Utomo Rooswhan Budhi Utomo Shahnazia Amaly Sinatrio Bimo Wahyudi Tangguh Destio Pramono