Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Edukasi dan Penelitian Informatika (JEPIN) jurnal informasi teknologi dan sistem
Tjen, Jimmy
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Engineering Library & Information Science

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Sistem Kendali Otomatis Ruang Kelas Berbasis ESP32 Pada Universitas Widya Dharma Pontianak Liando, Felix; Hoendarto, Genrawan; tjen, jimmy
INTEKSIS Vol 12 No 1: Inteksis Vol. 12 No. 1
Publisher : LPPM Universitas Widya Dharma Pontianak

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.15621199

Abstract

Seiring dengan perkembangan teknologi, Building Automation telah menjadi aspek penting dalam pengelolaan bangunan. Dengan otomatisasi yang canggih, kebutuhan akan pengelolaan manual semakin berkurang. Dalam konteks ini, teknologi Internet of Things (IoT) memainkan peran krusial dengan menyediakan solusi yang inovatif untuk mewujudkan konsep Building Automation. Pada Universitas Widya Dharma Pontianak (UWDP), salah satu masalah yang sering dihadapi adalah ketergantungan pada pengontrolan manual perangkat seperti air conditioner (AC) dan lampu. Seringkali setelah selesainya kegiatan perkuliahan, perangkat seperti AC dan lampu tidak dimatikan oleh pengguna ruangan. Oleh karena itu, IoT dapat menjadi salah satu solusi untuk mengatasi masalah ini. Dengan diterapkannya sistem kendali otomatis ini, diharapkan proses pengontrolan secara manual terhadap perangkat lampu dan AC dapat diminimalisir. Sistem ini memungkinkan pengalihan kendali perangkat menuju pengontrolan yang lebih efisien dan praktis melalui aplikasi mobile berbasis Android yang telah dirancang secara khusus. Setelah diterapkannya sistem ini, pengguna dapat mengontrol perangkat lampu dan AC sesuai dengan preferensi pengguna secara real-time dimanapun dan kapanpun, sehingga dapat meningkatkan kenyamanan dan kemudahan pengelolaan perangkat di ruang kelas tanpa perlu hadir secara langsung di dalam ruang kelas.
Identifikasi Parameter Kualitas Bahan Pangan dengan Metode Entropy-Based Subset Selection (E-SS) (Studi Kasus: Minuman Anggur) Tjen, jimmy
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 11 No 1: Februari 2024
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.20241116850

Abstract

Penelitian ini bertujuan untuk membangun sebuah algoritma yang dapat mengidentifikasi parameter dari bahan pangan yang mempengaruhi kualitas dari bahan makanan tersebut menggunakan algoritma pemilihan himpunan bagian berbasis entropi dan metode pohon klasifikasi dari pembelajaran pohon keputusan. Metode pemilihan himpunan bagian berbasis entropi secara khusus merupakan sebuah algoritma yang bertujuan untuk memilih sekumpulan dari parameter yang memiliki hubungan entropi yang baik satu sama lain, sehingga dapat menghasilkan model prediktif yang optimal. Untuk memvalidasi performa dari algoritma yang digagas, penelitian ini mengambil sampel dari minuman anggur merah dan putih yang berasal dari negara Portugal. Berdasarkan pada percobaan yang telah dilakukan, diperoleh hasil bahwa algoritma yang digagas dapat memprediksi kualitas dari anggur putih dengan akurasi hingga 97,8 % dan 96,25% untuk kualitas anggur merah. Dimana, nilai ini lebih tinggi dari metode pohon klasifikasi klasik, dan algortima yang digagas hanya membutuhkan jumlah parameter yang lebih sedikit ( hanya 2 hingga 5 dari total 11 parameter input yang ada) jika dibandingkan dengan metode klasik. Lebih lanjut, berdasarkan pada percobaan yang telah dilakukan, diperoleh temuan bahwa parameter yang paling menentukan kualitas dari anggur putih adalah tingkat keasaman, kadar alkohol, pH dan kandungan klorit. Sedangkan untuk anggur merah, kualitas secara dominan ditentukan oleh kandungan sisa gula, densitas minuman dan kandungan dari sulfur oksida.
Pendeteksian Lahan dari Citra High Resolution Remote Sensing Berbasis Metode Single-class Convolutional Neural Network Tjen, Jimmy
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 11, No 1 (2025): Volume 11 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v11i1.89587

Abstract

pendektesian lahan dengan memanfaatkan citra satelit telah berkembang pesat sebagai suatu solusi dalam mengidentifikasi jenis lahan. Namun, hal ini terkendala oleh keterbatasan algoritma seperti convolutional neural network atau CNN dalam mengidentifikasi permukaan lahan dengan citra yang mirip. Penelitian ini mengagas konsep CNN baru dengan mengabungkan sekelompok model kecil yang hanya mempelajari 1 kelas, yang disebut sebagai single-class CNN atau SC-CNN. Hasil validasi pada citra satelit Gaofen-2 menunjukan bahwa metode SC-CNN mampu meningkatkan akurasi model prediktif dari metode CNN sebesar 3% dalam mengidentifikasi permukaan lahan. Lebih lanjut, meskipun dengan menggunakan data yang lebih sedikit (hanya 480 citra), metode SC-CNN menunjukan kualitas prediktif yang sama dengan metode CNN yang menggunakan 800 citra. Hasil ini menunjukan potensi dari SC-CNN dalam mengklasifikasikan citra satelit, sekaligus sebagai metode klasifikasi gambar dengan jumlah citra yang terbatas.
Co-Authors Genrawan Hoendarto Liando, Felix