Article Per Year (5 Year)
p-Index From 2020 - 2025
1.116
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal Ilmiah Teknologi dan Rekayasa UG Journal Sebatik Journal of System and Computer Engineering
Cahyanti, Margi
Universitas Gunadarma
Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Health Professions Industrial & Manufacturing Engineering Materials Science & Nanotechnology

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
IMPLEMENTASI ALGORITMA ASSOCIATION RULE UNTUK PROMOSI PRODUK BERBASIS WEBSITE PADA BENGKEL DELTA JAYA MOTOR Afif, Anggara Fajri; Swedia, Ericks Rahmat; Cahyanti, Margi
Jurnal Ilmiah Teknologi dan Rekayasa Vol 24, No 2 (2019)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/tr.2019.v24i2.2034

Abstract

Bengkel Delta Jaya Motor merupakan toko yang menjual sparepart motor yang hampir setiap hari dikunjungi konsumen. Adanya kegiatan transaksi penjualan setiap hari membuat data semakin lama akan semakin bertambah banyak. Pada saat ini toko Delta Jaya Motor belum memanfaatkan ketersediaan jumlah data yang besar untuk menentukan strategi bisnis, seperti menentukan produk yang sering dibeli oleh konsumen, menentukan strategi pemasaran, dan mengatur ketersedian stok produk. Kemajuan teknologi informasi juga belum dimanfaatkan, aplikasi website adalah suatu wadah informasi yang bersifat realtime sehingga mempermudah konsumen memperoleh informasi. Dengan adanya aplikasi website diharapkan memudahkan proses bisnis pada toko Delta Jaya Motor seperti konsumen dapat langsung melihat produk di halaman website beserta stok dan produk lain yang sering dibeli bersamaan. Penelitian ini membahas analisis dan penerapan data mining untuk melihat pola pembelian konsumen Delta Jaya motor menggunakan algoritma association rule berbasis website. Dengan menggunakan algoritma association rule berhasil diperoleh sebelas aturan asosiasi dengan memberikan batas minimum support 13% dan minimum confidence 30%. Hasil dari aturan asosiasi memberikan informasi untuk membantu pihak manejemen atau pemilik bengkel dalam menentukan strategi bisnisnya, seperti mengatur produk yang sering dibeli, menentukan strategi pemasaran dan  mengatur ketersediaan stok produk.
IMPLEMENTASI ALGORITMA ASSOCIATION RULE UNTUK PROMOSI PRODUK BERBASIS WEBSITE PADA BENGKEL DELTA JAYA MOTOR Afif, Anggara Fajri; Swedia, Ericks Rahmat; Cahyanti, Margi
UG Journal Vol 13, No 12 (2019)
Publisher : Universitas Gunadarma

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

Abstract

Bengkel Delta Jaya Motor merupakan toko yang menjual sparepart motor. Hampir setiap hari dikunjungi konsumen. Adanya kegiatan transaksi penjualan setiap hari membuat data semakin lama akan semakin bertambah banyak. Pada saat ini toko delta jaya motor belum memanfaatkan ketersediaan jumlah data yang besar tersebut untuk menentukan strategi bisnisnya, seperti menentukan produk yang sering dibeli oleh konsumen, menentukan strategi pemasaran, mengatur ketersedian stok produk dan lain sebagainya. Kemajuan teknologi informasi juga belum dimanfaatkan, aplikasi website adalah suatu wadah informasi yang bersifat realtime sehingga mempermudah konsumen memperoleh informasi. Dengan adanya aplikasi website diharapkan memudahkan proses bisnis pada toko delta jaya motor seperti konsumen dapat langsung melihat produk di halaman website beserta stok dan produk lain yang sering dibeli bersamaan. Penelitian ini membahas analisis dan penerapan data mining untuk melihat pola pembelian konsumen Delta Jaya motor menggunakan teknik association rule. Dengan menggunakan teknik association rule berhasil ditemukan 11 (sebe las) aturan asosiasi dengan memberikan batas minimum support 13% dan minimum confidence 30%. Hasil dari aturan asosiasi tersebut memberikan informasi untuk membantu pihak manejemen atau pemilik bengkel dalam menentukan strategi bisnisnya, seperti mengatur produk yang sering dibeli, menentukan strategi pemasaran dan mengatur ketersediaan stok produk.
Aplikasi Pendeteksi Rambu Lalu-Lintas Menggunakan Operator Sobel dan Metode Hamming Ericks Rachmat Swedia; M. Ridwan Dwi Septian; Margi Cahyanti
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2017
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

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

Abstract

Penelitian ini membuat aplikasi untuk mendeteksi rambu lalu-lintas berdasarkan bentuk dengan menggunakan operator sobel dan mencari kemiripan citra menggunakan metode hamming distance.  Pengguna dapat memasukkan citra yang akan dicocokkan dengan citra yang terdapat dalam database.  Citra yang dipilih oleh pengguna akan ditransformasi menjadi  gray dan dilakukan proses deteksi tepi sobel.  Citra ini kemudian dicocokkan dengan citra yang terdapat dalam database dengan metode hamming distance, nilai hamming yang paling kecil merupakan citra yang  paling mirip.  Untuk database digunakan 205 citra berukuran 100x100 piksel yang dapat diunduh pada halaman https://id.wikipedia.org/wiki /Rambu_lalu_lintas. Citra-citra ini dijadikan basis data setelah melalui proses grayscale dan deteksi tepi.  Proses uji coba dilakukan dengan mengambil 10 citra rambu yang dipilih secara acak dari pencarian google sebagai proses input untuk dicari kemiripan dengan citra yang terdapat dalam database.  Berdasarkan hasil uji coba, aplikasi ini dapat digunakan untuk mendeteksi rambu lalu-lintas.
PENDETEKSI KESAMAAN KATA UNTUK JUDUL PENULISAN BERBAHASA INDONESIA MENGGUNAKAN ALGORITMA STEMMING NAZIEF-ADRIANI Mochamad Wisuda Sardjono; Margi Cahyanti; Maulana Mujahidin; Rini Arianty
Sebatik Vol 22 No 2 (2018): DESEMBER 2018
Publisher : STMIK Widya Cipta Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (951.927 KB)

Abstract

Penelitian ini mengimplementasikan algoritma stemming Nazief-Adrian untuk mencari kesamaan judul penulisan berbahasa Indonesia. Dengan mencari kesamaan judul penulisan tersebut dapat membantu mahasiswa maupun dosen dalam menentukan judul penulisan yang ingin dibuat atau dapat menjadi referensi dalam pembuatan penulisan, sehingga dapat menghindari tindakan plagiarisme judul penulisan. Penelitian ini juga membangun aplikasi yang dapat menambahkan data judul penulisan ke dalam database dan mencari kesamaan judul penulisan dari judul penulisan yang terdapat dalam database. Tahapan yang dilakukan untuk proses mencari kesamaan adalah memecah kata pada judul penulisan untuk didapatkan kata dasar dengan menggunakan algoritma stemming Nazief-Adriani, kemudian dihitung term frequency (tf) untuk mendapatkan persentase kesamaan kata. Hasil dari pencarian kesamaan judul penulisan ini berupa kata dasar yang diambil dari setiap kata dari judul penulisan yang ingin dicari kesamaan dan persentase kesamaan dengan judul penulisan yang ada di database. Pengujian dilakukan pada 5 judul penulisan yang diinputkan oleh pengguna kemudian dicari kesamaannya dengan 1561 judul penulisan pada database.
PENGELOMPOKKAN CITRA KENDARAAN (MOTOR DAN MOBIL) BERDASARKAN BENTUK MENGGUNAKAN ALGORITMA K-MEANS Margi Cahyanti; M Ridwan Dwi Septian; Ericks Rachmat Swedia; Ravi A Salim
Sebatik Vol 22 No 2 (2018): DESEMBER 2018
Publisher : STMIK Widya Cipta Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1148.692 KB)

Abstract

Penelitian ini mengimplementasikan algoritma K-Means untuk mengelompokkan data citra digital kendaraan mobil dan motor. Proses pengelompokkan terdiri dari tahapan citra input yang ditransformasi ke grayscale, hasil dari citra grayscale tersebut diambil nilai garis tepi menggunakan operator Prewitt. Hasil nilai citra Prewitt disimpan ke dalam basis data. Tahapan selanjutnya untuk mengelompokkan data citra tersebut menggunakan algoritma K-Means. Citra yang dikelompokkan adalah kendaraan motor dan mobil dan pengelompokkan dibagi menjadi dua jenis citra. Tahapan awal adalah menentukan centroid yang diambil dari dua data nilai citra yang terdapat dalam basis data secara acak. Tahapan akhir adalah menghitung jarak antar nilai menggunakan jarak Euclidean untuk mencari perpindahan kelompok. Jika tidak ada perpindahan data maka kelompok dianggap stabil dan proses pengelompokkan selesai. Uji-coba aplikasi ini menggunakan 12 data citra (enam data citra mobil dan enam data citra motor) dengan latar belakang berwarna putih. Citra ini diambil berukuran 150 x 100 piksel. Dengan adanya aplikasi ini dapat mempermudah pengguna dalam mengelompokkan data citra kendaraan.
APLIKASI PEREKRUTAN KARYAWAN MENGGUNAKAN METODE TOPSIS BERBASISKAN WEB PADA PT. SMESCO INDONESIA Muhammad Andri Imawan; Margi Cahyanti; Moch Wisuda Sardjono; Ericks Rachmat Swedia
Sebatik Vol 23 No 2 (2019): Desember 2019
Publisher : STMIK Widya Cipta Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (381.958 KB)

Abstract

SMESCO Indonesia merupakan sebuah perusahaan yang bergerak dalam bidang usaha retail. Perusahaan ini membutuhkan sistem pengambilan keputusan dalam penerimaan calon karyawan kontrak setiap tahun di bidang IT Support karena selama ini mengalai kesulitan dalam memproses perhitungan penerimaan calon karyawan. Sebelumnya proses penilaian calon karyawan pada SMESCO Indonesia dilakukan dengan cara semi komputerisasi dengan kriteria nilai tertinggi yang terpilih, belum menggunakan metode perangkingan bobot pada setiap kriteria penilaian, dan proses perhitungan masih dilakukan menggunakan microsoft excel, sehingga proses administrasi berkas tidak terpusat, dikerjakan oleh pengguna yang berbeda di komputernya masing-masing yang dapat mengakibatkan data hilang dan menjadi sulit ditemukan karena tersebar di beberapa komputer. Penelitian ini bertujuan untuk mengimplementasikan program aplikasi Decision Support Systems (DSS) berbasis web yang dapat membantu Human Resources Departement (HRD) SMESCO Indonesia dalam proses penilaian terhadap calon karyawan dengan cepat dan akurat. Terdapat beberapa metode yang dapat digunakan untuk pengambilan keputusan dalam penentuan perekrutan karyawan, salah satunya adalah menggunakan metode TOPSIS (Techinique for Order Preference by Similarity to Ideal Solution). Metode ini digunakan dalam perhitungan perekrutan karyawan karena metode ini memiliki hasil penilaian yang objektif, konsepnya yang mudah dipahami dan memiliki waktu komputasi yang efisien. Aplikasi Decision Support Systems (DSS) dengan metode TOPSIS yang diimplementasikan ini berisi data karyawan, kriteria data penilaian, kriteria data alternatif dan kriteria pembobotan data.
KLASIFIKASI PENYAKIT TANAMAN APEL DARI CITRA DAUN DENGAN CONVOLUTIONAL NEURAL NETWORK Andi Asrafil Ardan Paliwang; M Ridwan Dwi Septian; Margi Cahyanti; Ericks Rachmat Swedia
Sebatik Vol 24 No 2 (2020): Desember 2020
Publisher : STMIK Widya Cipta Dharma

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

Abstract

Tanaman Apel merupakan buah tahunan yang berasal dari daerah Asia Barat dengan iklim sub tropis. Di Indonesia tanaman Apel ditanam sejak tahun 1934 hingga saat ini. Tanaman Apel dapat tumbuh dan berbuah baik di daerah dataran tinggi. Para petani biasanya melakukan pencegahan penyakit atau hama dengan melakukan penyemprotan setiap 1 – 2 minggu sekali dengan dosis ringan. Pencegahan ini agar penyakit/hama dapat segera ditanggulangi dan baik jika dilakukan pada pagi atau sore hari. Terkadang petani juga membutuhkan seorang pakar dalam menentukan jenis hama/penyakit pada tanaman Apel agar dapet memberikan solusi terbaik. Oleh karena itu diperlukan adanya pendekatan digital agar dapat mengenali beragam jenis hama/penyakit tanaman Apel dengan cepat dan mudah. Teknologi Deep learning, merupakan salah satu bidang ilmu baru dalam Machine Learning dan berkembang dengan depat. Deep learning memiliki kemampuan yang baik dalam Computer Vision, salah satunya yaitu image classification atau klasifikasi objek pada citra. Metode yang dapat digunakan dalam melakukan klasifikasi citra ini yaitu Convolutional Neural Network (CNN). Berdasarkan hasil uji coba, aplikasi berhasil diimplementasikan dengan baik menggunakan framework dart berbasis android dengan hasil final test accuracy yang diperoleh yaitu didapat keakuratan akurasi sebesar 97,1%.
PEMANFAATAN INTERNET OF THINGS DALAM RANCANG BANGUN SISTEM INFORMASI PENGAWASAN BUS PADA TERMINAL BUS BERBASIS ARDUINO UNO DAN NODE MCU Farhan Adiandoro; Ericks Rachmat Swedia; Maulana Mujahidin; Margi Cahyanti
Sebatik Vol 24 No 2 (2020): Desember 2020
Publisher : STMIK Widya Cipta Dharma

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

Abstract

Keberadaan bus di dalam terminal bus sendiri terkadang membuat penumpang kesulitan mencari informasi yang pasti. Seperti contohnya pada saat penumpang masih di perjalanan menuju terminal bus, penumpang tidak mengetahui apakah bus yang ingin dinaiki sudah datang atau belum. Atau pada saat penumpang menunggu di terminal bus terkadang penumpang tidak tau apakah bus yang penumpang ingin naiki sudah datang atau belum. Dengan semakin berkembangnya teknologi dan meningkatnya penumpang bus, maka diperlukan suatu sistem informasi untuk menunjukkan keberadaan bus yang ada di suatu terminal bus. Alat ini menggunakan mikrokontrolermikrokontroler Arduino Uno sebagai komponen pengendali dan NodeMCU dan memakai beberapa komponen yang digunakan adalah RFID dan motor servo. Penelitian ini melakukan penampilan informasi ketersediaan bus dan data bus seperti rute tujuan, waktu dan keterangan pada website secara realtime, dan mengukur respons waktu untuk mengubah database pada website menggunakan ISP CBN Google Station dan provider 3 4G. Hasil rata-rata respons waktu yang diperoleh pada penelitian ini 2,0167 detik untuk CBN Google Station dan 2,083 detik untuk provider 3 4G. Penelitian ini telah berhasil memantau halte melalui sistem monitoring bus pada website secara real-time.
PERANCANGAN APLIKASI MOBILE UNTUK KLASIFIKASI SAYURAN MENGGUNAKAN DEEP LEARNING CONVOLUTIONAL NEURAL NETWORK Muhamad Jaelani Akbar; Mochamad Wisuda Sardjono; Margi Cahyanti; Ericks Rachmat Swedia
Sebatik Vol 24 No 2 (2020): Desember 2020
Publisher : STMIK Widya Cipta Dharma

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

Abstract

Sayuran merupakan sebutan bagi bahan pangan asal tumbuhan yang biasanya mengandung kadar air tinggi dan dikonsumsi dalam keadaan segar atau setelah diolah secara minimal. Keanekaragaman sayur yang terdapat di dunia menyebabkan keragaman pula dalam pengklasifikasian sayur. Oleh karena itu diperlukan adanya pendekatan digital agar dapat mengenali jenis sayuran dengan cepat dan mudah. Dalam penelitian ini jumlah jenis sayuran yang digunakan sebanyak 7 jenis diantara: brokoli, jagung, kacang panjang, pare, terung ungu, tomat dan kubis. Dataset yang digunakan berjumlah 941 gambar sayur dari 7 jenis sayur, ditambah 131 gambar sayur dari jenis yang tidak terdapat pada dataset, selain itu digunakan 291 gambar selain sayuran. Untuk melakukan klasifikasi jenis sayuran digunakan algoritme Convolutional Neural Network (CNN), yang merupakan salah satu bidang ilmu baru dalam Machine Learning dan berkembang dengan pesat. CNN merupakan salah satu algoritme yang terdapat pada metode Deep Learning dengan memiliki kemampuan yang baik dalam Computer Vision, salah satunya yaitu image classification atau klasifikasi objek citra. Uji coba dilakukan pada lima perangkat selular berbasiskan sistem operasi Android. Python digunakan sebagai bahasa pemrograman dalam merancang aplikasi mobile ini dengan menggunakan modul Tensor flow untuk melakukan training dan testing data. Metode yang dapat digunakan dalam melakukan klasifikasi citra ini yaitu Convolutional Neural Network (CNN). Hasil final test accuracy yang diperoleh yaitu didapat keakuratan mengenali jenis sayuran sebesar 98.1% dengan salah satu hasil pengujian yaitu klasifikasi sayur jagung dengan akurasi sebesar 99.98049%.
Klasifikasi Bentuk Bingkai (Frame) Kacamata Menggunakan CNN dengan Arsitektur Inception V3 dan Augmented Reality Berbasis Android Sardjono, Mochamad Wisuda; Ramadhan, Valdy; Cahyanti, Margi; Swedia, Ericks Rachmat
Journal of System and Computer Engineering Vol 5 No 2 (2024): JSCE: Juli 2024
Publisher : Universitas Pancasakti

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61628/jsce.v5i2.1292

Abstract

Glasses are not only a type of vision aid for people with eye diseases, but they are also an increasingly popular part of the fashion world. The choice of eyeglass frame design can influence a person's appearance in clothing, so when making a choice you must pay attention to two important aspects, namely style and comfort, and can change the impression on a person's face. When designing eyeglass frames, it is necessary to use the science of measuring the human body, because each human organ's size and shape are different from each other. So, with the diversity of human facial shapes, it becomes very important in making the choice of eyeglass frames and the challenge in conducting research to build an application to recommend eyeglass frames according to face shape. With the current technological era, it is possible to apply Artificial Intelligence (AI) and Machine Learning (ML) to be the best solution to answer these challenges. Several studies have tried to classify facial shape using ML, with the best results using the Inception V3 architecture. In this research, a Unity 3D-based application was developed that combines Augmented Reality (AR) with ML to recommend eyeglass frame shapes based on face shape. Inception V3 model training results show performance improvements over time. However, it is necessary to overcome overfitting in validation data. In testing the test data, the model achieved an accuracy of around 78.6%, indicating good prediction ability. This technology has the potential to help consumers make more informed decisions when selecting glasses
Co-Authors Afif, Anggara Fajri Andi Asrafil Ardan Paliwang Danyalson, Calvin Ericks Rachmat Swedia Farhan Adiandoro M Ridwan Dwi Septian Moch Wisuda Sardjono Mochamad Wisuda Sardjono Muhamad Jaelani Akbar Muhammad Andri Imawan Mujahidin, Maulana Puspita, Tiara Ramadhan, Valdy Ravi A Salim Rini Arianty Sardjono, Mochamad Wisuda Sarjono, Mochammad Wisuda Septian, M Ridwan Dwi Swedia, Ericks Rahmat