Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Journal of Informatics and Advanced Computing
Zion Suhasti
Unknown Affiliation
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Pengujian Grap Based Dengan Menggunakan Metode Black Box Pada LinkedIn Sarah Thesalonica Sogen; Zion Suhasti; Muhammad Daffa Fazdian; Sri Rezeki Candra Nursari
Journal of Informatics and Advanced Computing (JIAC) Vol 5 No 2 (2024): Journal of Informatics and Advanced Computing
Publisher : Teknik Informatika Universitas Pancasila

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

Abstract

LinkedIn, sebagai platform profesional terbesar, menghadapi tantangan dalam memastikan kualitas fitur-fitur utamanya untuk mendukung pengalaman pengguna yang optimal. Penelitian ini mengimplementasikan metode Black Box Testing untuk menguji kualitas perangkat lunak pada berbagai fitur utama LinkedIn, termasuk login, pendaftaran, lowongan kerja, pesan, profil, koneksi, beranda, dan notifikasi. Dengan menggunakan teknik pengujian berbasis grafik (graph-based), penelitian ini berfokus pada pengujian hubungan antar entitas serta validasi alur fungsi yang ada. Hasil pengujian menunjukkan bahwa pendekatan ini mampu mendeteksi kesalahan fungsi secara efektif, memastikan fitur berjalan sesuai spesifikasi, dan meningkatkan pengalaman pengguna. Meskipun terdapat tantangan dalam menangani perubahan dinamis pada sistem, pengujian Black Box berbasis grafik terbukti relevan dan bermanfaat dalam pengembangan perangkat lunak modern.
Perbandingan Optimizer Dalam Klasifikasi Gambar Tas Hitam dan Putih Menggunakan Deep Learning Zion Suhasti
Journal of Informatics and Advanced Computing (JIAC) Vol 5 No 2 (2024): Journal of Informatics and Advanced Computing
Publisher : Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35814/jiac.v5i2.8167

Abstract

Perbandingan berbagai optimizer dalam klasifikasi gambar tas hitam dan putih menggunakan teknik deep learning. Dengan meningkatnya penggunaan teknologi deep learning dalam pengenalan pola, penting untuk mengevaluasi kinerja berbagai optimizer untuk meningkatkan akurasi klasifikasi. Dalam studi ini, model convolutional neural network (CNN) diterapkan dan diuji dengan optimizer seperti Stochastic Gradient Descent (SGD), Adam, dan RMSprop. Hasil menunjukkan bahwa penggunaan optimizer tertentu dapat memberikan peningkatan signifikan dalam akurasi klasifikasi. Kata kunci—Klasifikasi Gambar,Optimizer,CNN,Tas
Co-Authors Muhammad Daffa Fazdian Sarah Thesalonica Sogen