Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

2.517

P-Index

This Author published in this journals

All Journal Teika SISFOTENIKA Jurnal Komputer Terapan CogITo Smart Journal JITK (Jurnal Ilmu Pengetahuan dan Komputer) CSRID (Computer Science Research and Its Development Journal) SENSITEK JUSTIN (Jurnal Sistem dan Teknologi Informasi) Jurnal Pengabdian kepada Masyarakat Indonesia (JPKMI) Klabat Journal of Management SmartComp Servitium Smart Journal

Green Arther Sandag

Fakultas Ilmu Komputer - Universitas Klabat

Author-ID : 802054

Religion Arts Humanities Biochemistry, Genetics & Molecular Biology Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Nursing Physics Public Health Social Sciences

Published : 25 Documents Claim Missing Document

Claim Missing Document

Articles

Title

1 2

Klasifikasi Malicious Websites Menggunakan Algoritma K-NN Berdasarkan Application Layers dan Network Characteristics Green Arther Sandag; Jonathan Leopold; Vinky Fransiscus Ong
CogITo Smart Journal Vol 4, No 1 (2018): CogITo Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Dalam kehidupan di era teknologi sekarang ini semua aktivitas manusia telah dipengaruhi oleh internet. Berbagi informasi, komunikasi, sosialisasi, berbelanja, berbisnis, pendidikan dan banyak hal lainnya yang dapat dilakukan menggunakan internet. Seiring dengan berkembangnya internet berbagai macam ancaman keamanan menjadi lebih beragam. Virus adalah musuh nomor satu di internet. Virus memanfaatkan berbagai metode untuk dapat menghindari anti-virus, salah satunya adalah Malware. Malware adalah salah satu kode berbahaya yang dapat mengubah, merusak dan mencuri data pribadi yang dapat merugikan individual ataupun kelompok. Penelitian ini akan memprediksi malicious website berdasarkan application layer dan network characteristics menggunakan metode K-Nearest Neighbor. Penelitian ini menggunakan metode data cleaning dan data reduction untuk data preprocessing, dan feature selection untuk pemilihan attribut yang paling berpengaruh pada malicious website. Untuk memprediksi malicious website penulis menggunakan algoritma K-NN dengan hasil 2,42% precision lebih tinggi dibandingkan dengan penelitian sebelumnya yang menggunakan algoritma Naïve Bayes. Keywords : Klasifikasi, Network Characteristics, Malicious Websites, Application Layers, K-NN, Naïve Bayes

Identifikasi Foto Fashion Dengan Menggunakan Convolutional Neural Network (CNN) Green Arther Sandag; Jacquline Waworundeng
CogITo Smart Journal Vol 7, No 2 (2021): Cogito Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31154/cogito.v7i2.340.305-314

Perkembangan teknologi sekarang ini berdampak pada banyak hal, salah satunya ialah pada bidang fashion. Penggunaan Artificial Intelligence dan juga deep learning dapat dimanfaatkan dalam bidang fashion, salah satu contohnya adalah pengenalan objek clothing. Pada penelitian ini, peneliti mengidentifikasi mode pakaian dengan menggunakan metode Convolutional Neural Network (CNN), dan library Tensorflow, serta menggunakan Fashion MNIST dataset untuk menguji kemampuan CNN model. Hasil yang didapatkan saat pengujian dengan menggunakan berbagai convolutional layer sekuensial yang kompleks, didapati dua hasil yang sedikit berbeda. Pengujian pada model pertama, terjadi overfitting, sehingga menghasilkan akurasi sebesar 91%. Pada pengujian kedua, dengan penambahan Dropout layers, menghasilkan akurasi yang lebih baik, yaitu sebesar 93%. Melihat dari hasil yang didapatkan, penggunaan CNN dalam mengidentifikasi mode pakaian cukup sesuai karena dapat mencapai akurasi hingga 93%. Kata kunci — Deep Learning, Pengenalan objek , Convolutional Neural Network (CNN), Tensorflow, Fashion MNIST

Digital Library Jurnal dan Artikel Dengan Modul Automatic Citation Format Berbasis Web Green Arther Sandag; Andrew Tanny Liem; Marcviero Patresse Matauseya; Grady Wantah
CogITo Smart Journal Vol 3, No 2 (2017): CogITo Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Universitas Klabat mempunyai visi untuk menjadi Universitas Riset. Untuk mewujudkannya maka setiap tahun dosen-dosen diwajibkan untuk membuat penelitian, begitupun dengan mahasiswa di Universitas Klabat. Sebuah research University yang baik ditunjang dengan fasilitas sarana perpustakaan yang baik juga. Dosen dan mahasiswa sebagai peneliti dapat memanfaatkan sarana perpustakaan dengan optimal. Masalah yang ada dalam perpustakaan di Universitas Klabat adalah akses terhadap hasil penelitian, artikel dan jurnal untuk mendapatkan informasi. Selain itu, untuk publikasi penelitian saat ini masih dalam bentuk hardcopy sehingga untuk mengakses penelitian yang ada, mahasiswa harus pergi ke kantor fakultas. Oleh karena hal tersebut, penulis merancang Digital Library Jurnal dan Artikel dengan Modul Automatic Citation Format berbasis Web yang dapat membantu penyimpanan hasil penelitian dengan dilengkapi fungsi automation citation. Software ini berbasis web agar mudah diakses oleh berbagai platform mobile. Penelitian ini menggunakan metode rekayasa perangkat lunak dengan proses model prototyping. Hasil penelitian dapat membantu researchers untuk mengakses serta mengutip jurnal atau artikel dalam membuat penelitian khususnya mahasiswa dan dosen di Universitas Klabat. Keywords :Jurnal, Artikel, Digital Library, Automatic Citation, Web, Proses Model Prototyping

Bioinformatics Tools for Data Processing and Prediction of Protein Function Green Arther Sandag; Semmy Wellem Taju
CogITo Smart Journal Vol 4, No 2 (2018): CogITo Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Bioinformatika semakin populer karena kemampuannya untuk menganalisis dan memproses data biologis dengan cepat dan efektif. Bagian penting dari bioinformatika adalah untuk mengidentifikasi fungsi dan karakteristik protein dengan membangun metode prediksi menggunakan algoritma pembelajaran mesin. Ini termasuk bagaimana pembelajaran mesin dapat digunakan untuk menganalisis dan mengklasifikasikan fungsi protein yang cocok untuk digunakan sebagai deteksi penyakit, merancang perawatan medis yang tepat untuk pasien, dan mengembangkan obat untuk beberapa penyakit. Permintaan untuk pembuatan predictive tools dalam menentukan model protein-ligand dan fungsi protein meningkat untuk mempromosikan penelitian biologi dalam lingkungan desain obat yang inovatif. Namun, dibutuhkan banyak waktu dan upaya untuk mengembangkan alat prediksi yang dapat diterapkan pada protein. Dalam penelitian ini kami mengembangkan tools bioinformatika yang dapat secara otomatis mengembalikan data protein dalam bentuk komposisi asam amino (AAC), komposisi pasangan dipeptida (DPC), dan matriks penentuan spesifikasi posisi (PSSM). Data protein, telah kita ambil dari database uniprot yang berisi file fasta. Penelitian ini, kami membuat alat untuk memfasilitasi ilmuwan dalam memproses atau menganalisis data protein dan juga dapat memprediksi fungsi protein menggunakan algoritma pembelajaran mesin seperti Neural Network dan Random Forest. Kata Kunci—Bionformatika, AAC, DPC, PSSM

Prediksi Rating Aplikasi App Store Menggunakan Algoritma Random Forest Green Arther Sandag
CogITo Smart Journal Vol 6, No 2 (2020): Cogito Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31154/cogito.v6i2.270.167-178

Rating merupakan suatu penilaian yang diberikan oleh user dengan tujuan untuk menilai apakah aplikasi yang digunakan sudah baik atau tidak. Dimana semakin tinggi rating yang diberikan oleh user, berarti user menyukai aplikasi tersebut dan dapat menjadi tolak ukur bagi user yang lain untuk men-download aplikasi tersebut. Saat ini tidak dapat dipungkiri bahwa semakin hari semakin banyak aplikasi yang terdapat pada AppStore sehingga tidak memungkinkan bagi user untuk menyeleksi satu persatu aplikasi yang terdapat pada AppStore. Maka dibutuhkan sistem prediksi rating untuk menentukan aplikasi yang tepat berdasarkan rating yang diberikan oleh pengguna terhadap suatu aplikasi, Pada penelitian ini diterapkan teknik data mining untuk melakukan prediksi dengan menggunakan metode Random Forest (RF) untuk mengetahui seberapa banyak pengguna yang kurang menyukai aplikasi-aplikasi yang telah dibuat sebelumnya. Pada metode Random Forest, data maupun atribut diambil secara acak sehingga menghasilkan berbagai model pohon keputusan. Data yang digunakan pada penelitian ini adalah Apple’s AppStore dataset. Dataset ini memiliki 7198 rows dan 16 attributes. Dari hasil pengujian yang didapatkan dengan menggunakan metode Random Forest didapati nilai accuracy 86.27%, recall 84.68%, preccission 84.64% dan nilai RMSE 0.313.

Penerapan Algoritma K-Means Untuk Analisis Prestasi Akademik Mahasiswa Fakultas Ilmu Komputer Universitas Klabat Green Ferry Mandias; Green Arther Sandag; Susi Susanti; Haryanto Reza Musak
CogITo Smart Journal Vol 3, No 2 (2017): CogITo Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Universitas Klabat (UNKLAB) adalah salah satu perguruan tinggi swasta yang berada dibawah naungan organisasi Gereja Masehi Advent Hari Ketujuh, yang bertempat di Airmadidi, Sulawesi Utara. Universitas Klabat termasuk universitas yang sangat dikenal di Sulawesi utara, yang di dalamnya memiliki 1 program pascasarjana, 6 fakultas dan 1 akademik. Penelitian ini dilakukan untuk mengetahui pencapaian prestasi mahasiswa fakultas ilmu komputer yang berada pada tingkat 4 yang memiliki 52 mahasiswa yang aktif dengan memanfaatkan metode data mining. Berdasarkan data mahasiswa fakultas ilmu computer, penelitian ini dilakukan untuk mencari tahu berapa banyak mahasiswa yang memiliki prestasi akademik dibidang databases, networking dan programming dengan menggunakan algoritma data mining. Penelitian ini menggunakan algoritma K-Means dalam menganalisis prestasi akademik mahasiswa fakultas llmu komputer di Universitas Klabat. Data yang dianalisis dikelompokan terlebih dahulu agar terstruktur serta data yang dianalisis memiliki kejelasan hasil yang lebih dalam.Hasil yang didapat dari 52 mahasiswa tersebut adalah, 33% mahasiswa memiliki nilai prestasi di bidang database, 42% mahasiswa pada bidang networking dan 25% mahasiswa di bidang programming. Keywords : UNKLAB, Algoritma K-Means ,WEKA, Cluster, Data Mining.

Klasifikasi Fungsi Family Protein Transport Menggunakan Radial Basis Neural Network Green Arther Sandag; Fergie Kaunang
CogITo Smart Journal Vol 5, No 2 (2019): Cogito Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Transporter adalah protein transmembran yang penting dalam proses masuk dan keluarnya ion atau molekul sel di seluruh protein membran dan memainkan peran penting dalam mengenali sistem kekebalan tubuh dan transduser energi. Dalam beberapa tahun terakhir, penelitian sebelumnya telah dilakukan untuk menganalisis protein transport, terutama diskriminasi kelas dan familynya dalam memainkan peran penting dalam system control sel, mengangkut air, sinyal kimia dan listrik. Protein transport membrane cenderung membentuk system pompa dan channel span, serta span cell membrane. Oleh karena itu, membedakan kelas dan family transport protein adalah tugas penting dalam ilmu komputasi biologi dan diperlukan bagi para ahli biologi untuk mendapatkan pemahaman yang lebih baik tentang fungsi protein transport. Oleh karena itu, dalam penelitian ini, telah dilakukan pengembangan metode untuk mengidentifikasi fungsi kelas utama dan family protein transport menggunakan radial basis neural network. Peneliti telah mengalanisis karakteristik komposisi asam amino, komposisi residu pair pada protein transport. Metode dalam klasifikasi kelas protein transport untuk mengetahui fungsi protein transport peneliti menggunakan PSSM dengan metode quickRBF classifier memberikan hasil akurasi terbaik dibanding dengan metode yang lain. Hasil akurasi sebesar 84,84% untuk cross validation dan 80,71% untuk independent data, oleh karena itu maka motode yang peneliti usulkan dapat digunakan secara efektif untuk mengidentifikasi dan mendiskriminasi transporter ke dalam kelas protein transport dengan peningkatan 6-10 % dari penelitian yang sejenis.Keywords—transporter, membran, quickRBF, PSSM

Analisis Tingkat Kepuasan Pelanggan terhadap Layanan Grab dan Gojek di Masa Pandemi Covid-19 Jacquline Morlav S. Waworundeng; Green Sandag; stevanlee ngeloh; arlius lalong
CogITo Smart Journal Vol. 8 No. 1 (2022): Cogito Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31154/cogito.v8i1.395.111-121

Dalam situasi wabah pandemi Covid-19, penulis tertarik untuk menganalisis tingkat kepuasan pelanggan terhadap layanan Grab dan Gojek. Tujuan dari analisis ini adalah untuk mengetahui manakah layanan yang lebih efektif dan untuk mengetahui tingkat kepuasan pelanggan terhadap layanan Grab dan Gojek. Penelitian ini dilakukan dengan membagikan kuesioner kepada 100 responden mahasiswa Universitas Klabat yang pernah menggunakan aplikasi Grab dan Gojek dengan layanan Grab Food, Grab Express, GoFood dan GoSend pada periode Desember 2020 sampai Februari 2021. Metode analisis yang digunakan yaitu deskriptif kuantitatif. Hasil analisis layanan Grab dan Gojek terkait variabel reliability, responsiveness, assurance, emphaty dan tangibles terhadap tingkat kepuasan pelanggan, menunjukkan indikator-indikator dalam penelitian ini bersifat valid dan reliabel sesuai dengan kuesioner yang dijalankan. Uji validitas dan reliabilitas menggunakan software IBM SPSS 25. Pada hasil pengukuran untuk semua variabel yaitu reliability, responsiveness, assurance, emphaty dan tangible untuk layanan Grab dengan nilai rata-rata 4.11, dinyatakan bahwa tingkat kepuasan pelanggan “puas”. Sedangkan pada hasil pengukuran varibel yang sama untuk layanan Gojek dengan nilai rata-rata 4.37, dinyatakan tingkat kepuasan pelanggan “sangat puas”. Kata kunci: Kepuasan Pelanggan, Covid 19, Grab, GoJek, Universitas Klabat

Analisis Sentimen Tweet Kuliah Online menggunakan Naïve Bayes Classifier Jacquline Morlav S. Waworundeng; Green Arther Sandag; Reynoldus Andrias Sahulata; Godlife Davidson Rellely
CogITo Smart Journal Vol. 8 No. 2 (2022): Cogito Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31154/cogito.v8i2.414.371-384

Online lecture is an alternative learning method during the Covid-19 pandemic. There are opinions with pro and contra of the learning method. The purpose of this study is to evaluate the tweets of opinion or sentiment retrieved from social media Twitter regarding online lectures among the Indonesian community. Twint is used to collect the data tweet and Jupyter notebook is for text preprocessing and classification. The processes started with scraping data from Twitter, text preprocessing, and text classification. Using the Naïve Bayes classifier shows the performance has a precision value of 100%, an accuracy value of 70.8%, an F-measure of 10.2%, and a recall value of 5.4%. Performance rating can be affected by the dataset used for modeling. This analysis covers the positive sentiment and negative sentiments toward online lectures and the result shows 69% negative sentiments and 31% positive sentiments. The negative sentiments had a higher percentage compared to positive sentiments. The results were also supported by the word cloud which expressed a high frequency of negative words such as sleep problems, bored, tired, dizzy, difficult and lazy. So, it is concluded that during the Covid-19 pandemic from August 1, 2020, to May 31, 2021, Twitter users in Indonesia had negative sentiments about online lectures.

Analisis Sentimen Masyarakat Terhadap Exchange Tokocrypto Pada Twitter Menggunakan Metode LSTM Green Arther Sandag; Jacquline Waworundeng
CogITo Smart Journal Vol. 8 No. 2 (2022): Cogito Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31154/cogito.v8i2.418.411-421

The internet has played an important role in influencing all human activities in today's technological era. With the internet can be used for various purposes, including sharing knowledge, transacting, socializing, shopping, business, education, and many other things that can be done. While the internet is getting more and more popular, various kinds of digital transactions continue to develop, one of which is the exchange of coins for other coins which are called cryptocurrencies. Cryptocurrencies are digital assets that use strong cryptography to encrypt financial transactions, and verify asset transfers. One of the cryptocurrency exchanges for investment in Indonesia is Tokocrypto. With such enthusiasm for cryptocurrency, many Indonesians use social media such as Twitter to find information, provide opinions, as well as information. To classify public tweets on Twitter into positive and negative categories, a sentiment analysis model is needed. This study uses the Long Short Term Memory (LSTM) method, where LSTM is a neural network development that can be used for modeling time series data on Twitter users' tweets against the Tokocrypto exchange. There were 2022 positive tweets, 1632 negative tweets, and 1012 neutral tweets.

Co-Authors Aldo Sabathos Mananta Andrew Tanny Liem Anggreiny Rolangon arlius lalong Aror, Megalita Axcel Weku Chrisanti, Ibrena Reghuella Deo Timothy Kabo Diaprilia Sondakh Djamal, Eleonora Djimesha, Enrico S. Edson Yahuda Putra Erienika Meiling Lompoliu Fini Keni Celsia George Morris William Tangka Godlife Davidson Rellely Grady Wantah Green Ferry Mandias, Green Ferry Haryanto Reza Musak Jacquline Waworundeng Jebriella Bororing Joe Yuan Mambu Jonathan Leopold Kaunang, Fergie Joanda Lidya Chitra Laoh Makapedua, Marlivye Marchel Thimoty Tombeng Marcviero Patresse Matauseya Maringka, Raissa Raymond Sambur Reynoldus Andrias Sahulata Semmy Wellem Taju stevanlee ngeloh Susi Susanti Tompunu, Alexander Valentine Lumingkewas Vinky Fransiscus Ong Wungkana, Cindy

Title Search

Found 13 Documents Search Journal : CogITo Smart Journal

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 13 Documents
Search
Journal : CogITo Smart Journal