Article Per Year (5 Year)
p-Index From 2020 - 2025
4.381
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) JTT (Jurnal Teknologi Terpadu) Paradigma Journal of Sustainable Engineering: Proceedings Series Seminar Nasional Teknologi Informasi Komunikasi dan Administrasi [SEMINASTIKA] Jurnal Ilmiah Intech : Information Technology Journal of UMUS Journal of Computer Networks, Architecture and High Performance Computing Jurnal Pengabdian kepada Masyarakat Nusantara Jurnal Teknik Informatika (JUTIF) JPM: JURNAL PENGABDIAN MASYARAKAT Jurnal Sains Indonesia DEVICE Pelita Teknologi : Jurnal Ilmiah Informatika, Arsitektur dan Lingkungan Jurnal Ilmiah SIGMA: Informatics Engineering Journal of UPB Jurnal Informatika Teknologi dan Sains (Jinteks) Journal of Artificial Intelligence and Digital Business Jurnal Lentera Pengabdian Proceeding International Pelita Bangsa Jurnal Pelita Pengabdian SAINTEK
Aswan Supriyadi Sunge
Informatics Engineering Department, Faculty Of Engineering, Pelita Bangsa University, Indonesia
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Astronomy Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Public Health Social Sciences Transportation Other

Published : 33 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 33 Documents
Search

 1   2   3   4 
Analisis Sentimen Masyarakat Dengan Metode Naïve Bayes dan Particle Swarm Optimization Septiawan Dwi Pramukti; Agung Nugroho; Aswan Supriyadi Sunge
Techno.Com Vol 21, No 1 (2022): Februari 2022
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v21i1.5332

Abstract

Pemberlakuan Pembatasan Kegiatan Masyarakat (PPKM) merupakan kebijakan yang di terapkan pada 15 Kota diluar pulau Jawa dan pulau Bali yang memiliki status zona merah atau daerah yang memiliki resiko tinggi terhadap paparan kasus COVID-19. Pada tanggal 3 Agustus 2021 kebijakan PPKM darurat di beberapa daearah di kepulauan Jawa dan kepualauan Bali di perpanjang sampai 9 Agustus 2021, perpanjangan kebijakan PPKM darurat menuai banyak komentar dari masyarakat sehingga menimbulkan pro dan kontra pada social media twitter. Penelitian ini bertujuan untuk mengetahui hasil klasifikasi sentimen masyarakat mengenai perpanjangan kebijakan PPKM darurat pada social media twitter dan untuk mengetahui hasil accuracy, precision, recall yang dihasilkan dari metode yang digunakan. Penelitian ini menggunakan metode Naïve Bayes dan Particle Swarm Optimization sebagai feature selection, selain itu terdapat tahap preprocessing yang didalamnya meliputi cleansing, remove duplicate, seleksi data, normalisasi, case folding, tokenizing, filtering, stopwords, stemming, dan labeling. Hasil klasifikasi yang didapat 53,31% pengguna twitter setuju dan 46,69% pengguna twitter tidak setuju dengan perpanjangan kebijakan PPKM darurat. Nilai accuracy yang didapatkan meningkat sebanyak 15,21% dari 77,16% menjadi 92,37%, nilai precision yang didapatkan meningkat sebanyak 3,07% dari 87,33% menjadi 90,40%, dan nilai recall yang didapatkan meningkat sebanyak 30,96% dari 64,42% menjadi 95,38%.
Optimasi Algoritma C4.5 Dalam Prediksi Web Phishing Menggunakan Seleksi Fitur Genetic Algoritma Aswan Supriyadi Sunge
Paradigma Vol 20, No 2 (2018): Periode September 2018
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (573.991 KB) | DOI: 10.31294/p.v20i2.4021

Abstract

Salah satu isu terpenting saat ini dalam dunia online yaitu keamanan. Masalah keamanan terbesar salah satunya adalah Phishing yang melibatkan duplikat situs yang sah atau asli untuk menipu dengan mencuri informasi pengguna online. Memang diakui sangat sukar untuk membedakan situs asli dengan palsu. Oleh sebab itu dibutuhkan klasifikasi dalam memprediksi website yang terindikasi Phishing. Dengan klasifikasi dalam Algoritma C4.5, permasalahan tersebut dapat diselesaikan dengan menghasilkan rule dari pohon keputusan. Untuk dapat meningkatkan akurasi dari prediksi algoritma C4.5 dapat digunakan fitur seleksi dengan menggunakan algoritma genetika. Berdasarkan penerapan algorima C4.5 dihasilkan akurasi sebesar 83,81% untuk memprediksi website Phishing dan dengan seleksi fitur menggunakan algoritma genetika meningkatkan akurasi sebesar 3,22% menjadi 86,47. Dari penelitian ini algoritma genetika terbukti dapat meningkatkan akurasi untuk prediksi website phishing.
Implementasi Cost Control System Berbasis Website pada Departemen PPIC PT XYZ Menggunakan Analisis SWOT Khalis Sofi; Aswan Supriyadi Sunge; RR Wening Ken Widodasih; Sasmitoh Rahmad Riady
Jurnal Sains Indonesia Vol 1 No 2 (2020): Volume 1, Nomor 2, 2020 (Juli)
Publisher : PUSAT SAINS INDONESIA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59897/jsi.v1i2.12

Abstract

Cost Control merupakan komponen penting penunjang berjalannya operasional perusahaan. Pada PT XYZ pekerjaan Cost Control dikendalikan oleh departemen PPIC (Production Planning and Inventory Control). Permasalahan yang dihadapi dalam menjalankan pekerjaan ini adalah kurang terkontrolnya dokumen-dokumen Purchase Requirement yang berupa lembaran kertas NCR (No Carbon Required) sehingga berakibat terhadap kurang teraturnya pembuatan Purchase Order yang dilakukan oleh departemen Purchasing. Hal-hal tersebut berimbas kepada budget yang tersedia, akibatnya PPIC sering menemukan kasus over budget. Maka dari itu, dibutuhkan sistem Cost Control untuk memonitoring aktivitas-aktivitas tersebut dan membantu untuk pengambilan keputusan bagi manajamen terkait budgeting. Sebelum dijalankannya sistem, maka diperlukan sebuah analisis mengenai kelemahan, kelebihan, peluang, dan ancaman yang terdapat dalam analisis SWOT. Sehingga sistem Cost Control mampu mengendalikan biaya untuk pemakaian budget berikutnya.
Comparison Data Mining Techniques To Prediction Diabetes Mellitus Aswan Supriyadi Sunge
Journal of Sustainable Engineering: Proceedings Series Vol 1 No 2 (2019)
Publisher : Fakultas Teknik Universitas Sam Ratulangi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35793/joseps.v1i2.31

Abstract

Diabetes is one of the chronic diseases caused by excess sugar in the blood. Various methods of automated algorithms in various to anticipate and diagnose diabetes. One approach to data mining method can help diagnose the patient's disease. In the presence of predictions can save human life and begin prevention before the disease attacks the patient. Choosing a legitimate classification clearly expands the truth and accuracy of the system as levels continue to increase. Most diabetics know little about the risk factors they face before the diagnosis. This method uses developing five predictive models using 9 input variables and one output variable from the dataset information. The purpose of this study was to compare performance analysis of Naive Bayes, Decision Tree, SVM, K-NN and ANN models to predict diabetes millitus
Algoritma Runut Balik (Backtracking) Dengan Metode Welch-Powell Untuk Pembukaan Mata Kuliah Bagi Mahasiswa Semester Akhir Aswan Supriyadi Sunge
Jurnal SIGMA Vol 7 No 1 (2016): Maret 2016
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (269.757 KB) | DOI: 10.37366/sigma.v7i1.91

Abstract

Abstrak Lulus kuliah tepat waktu adalah pencapaian target yang harus dicapai baik oleh mahasiswa maupun lembaga kampus. Semakin lama mahasiswa lulus kuliah maka semakin berat beban baik secara mental maupun materiil. Salah satu penyebab dari kelulusan kuliah yang tidak tepat waktu adalah kurangnya strategi mahasiswa dalam mengambil paket-paket mata kuliah yang ditawarkan di semester terdahulu. Awalnya karena semua mata kuliah semester Ganjil-Genap dibuka dan ditawarkan ke mahasiswa, sehingga mahasiswa bisa bebas memilih mata kuliah. Ini menyebabkan mereka mengambil mata kuliah semester secara acak. Setelah adanya perubahan peraturan bahwa pembukaan mata kuliah harus sesuai periode akademik aktif (periode Ganjil hanya mata kuliah semester ganjil saja yang dibuka begitu pula sebaliknya), maka berimbas pada saat semester akhir ternyata banyak dari mereka meminta beberapa mata kuliah untuk dibuka, karena apabila tidak diambil maka kelulusan mereka tidak akan mencapai target yaitu 8 semester. Kata kunci : pembukaan mata kuliah, heuristic, Bactracking.
PERBANDINGAN ALGORITMA LINEAR REGRESSION, LSTM, DAN GRU DALAM MEMPREDIKSI HARGA SAHAM DENGAN MODEL TIME SERIES Khalis Sofi; Aswan Supriyadi Sunge; Sasmitoh Rahmad Riady; Antika Zahrotul Kamalia
PROSIDING SEMINASTIKA Vol 3 No 1 (2021): 3rd SEMINASTIKA 2021
Publisher : Universitas Mulia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47002/seminastika.v3i1.275

Abstract

Penelitian ini bertujuan untuk memprediksi harga saham dengan membandingkan algoritma Linear Regression, Long Short-Term Memory (LSTM), dan Gated Recurrent Unit (GRU) dengan dataset publik kemudian menentukan performa terbaik dari ketiga algoritma tersebut. Dataset yang diuji bersumber dari Indonesia Stock Exchange (IDX), yaitu dataset harga saham KEJU berbentuk time series dari tanggal 15 November 2019 sampai dengan 08 Juni 2021. Parameter yang digunakan untuk pengukuran perbandingan adalah RMSE (Root Mean Square Error), MSE (Mean Square Error), dan MAE (Mean Absolute Error). Setelah dilakukan proses training dan testing, dihasilkan sebuah analisis bahwa dari hasil perbandingan algoritma yang digunakan, algoritma Gated Recurrent Unit (GRU) memiliki performance paling baik dibandingkan Linear Regression dan Long-Short Term Memory (LSTM) dalam hal memprediksi harga saham, dibuktikan dengan nilai RMSE, MSE, dan MAE dari uji coba GRU paling rendah, yaitu nilai RMSE 0.034, MSE 0.001, dan nilai MAE 0.024.
PROTOTYPE ALAT PENDETEKSI LOKASI PADA LANSIA DAN ORANG PIKUN BERBASIS INTERNET OF THINGS (IoT) DI WILAYAH KAMPUNG PAMAHAN BEKASI Aswan Supriyadi Sunge
Jurnal Pelita Teknologi Vol 17 No 1 (2022): Maret 2022
Publisher : DPPM Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37366/pelitatekno.v17i1.1171

Abstract

Parents (elderly) have such physical limitations as vision impairment, walking ability, and hearing. And for the senile it takes time to remember or forget what was done before. Parents and the senile are often abandoned by their children and their families for reasons of work. One of the problems faced by parents, relatives and family is the inability to know their whereabouts and condition outside the home. This makes it difficult for loved ones and families to discover the whereabouts of their parents. This tool uses the Internet of Things with Android apps that can be accessed online through the user familys own smartphone. Using the main component of the U-BLOX NEO-6M module and MIT App Inventor 2. GPS will help provide information on outdoor locations and is expected to help provide information on the where abouts and circumstances of parents (elderly) and senile people when they get lost.
ANALISIS PREDIKSI PENJUALAN DENGAN METODE REGRESI LINEAR DI PT. EAGLE INDUSTRY INDONESIA Miftahuljannah; Aswan Supriyadi Sunge; Ahmad Turmudi Zy
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 5 No 3 (2023): EDISI 17
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v5i3.3325

Abstract

When making the crucial decision to determine the outcome of a case. The goal of this study is to evaluate the potential for product sales. With the help of data mining, this study evaluates the potential for litigation by using data from several sources, including product, plan, and current data. The current study makes use of the linear regressive algorithm and the rapidminer data processing tool. The dataset that was used for this study was divided into two parts: one half of the data for teaching and one half of the data for research. Using a linear regression algorithm, the results show that the variables or attributes used in the current analysis (produk, actual and plan) did not significantly affect the results. Squared Error is 1313427569.481 +/- 5882150128.134, and Root Mean Squared Error is 36241.241 +/- 0.000. This indicates that the squared Error generates a higher number than the Root Mean Squared Error.
PREDIKSI PERTUMBUHAN PENDUDUK DENGAN MODELL CLUSTERING METODE REGRESI LINEAR Aprilia Nur Sa'adah; Aswan Supriyadi Sunge; Ahmad Turmudi Zy
Jurnal Teknologi Terpadu Vol 11, No 2 (2023): JTT (Jurnal Teknologi Terpadu)
Publisher : Pusat Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32487/jtt.v11i2.1831

Abstract

Berdasarkan data kependudukan dari Badan Pusat Statistik Kota Cirebon dari tahun 2019 hingga 2022 tercatat jumlah angka kelahiran meningkat dari 2.867 jiwa menjadi 3.713 jiwa. Penelitian ini bertujuan untuk memprediksi pertumbuhan penduduk untuk mengetahui laju pertumbuhan penduduk di masa yang akan datang.  Penelitian ini menggunakan teknik prediksi dan tahapan-tahapan pada data mining untuk memprediksi pertumbuhan penduduk dengan data yang diambil kelahiran dan kematian dengan menggunakan algoritma regresi linear menggunakan tools rapidminer, pengolahan data yang di jadikan dataset dalam penelitian ini, dataset dibagi menjadi dua yaitu 90% data training dan 10% data testing. hasil pengujian yang telah dilakukan bahwa variabel atau atribut yang digunakan dalam penelitian ini (kelahiran dan kematian) berpengaruh signifikan terhadap penelitian ini terbukti dengan menggunakan algoritma regresi linear mampu memberikan hasil yang baik dengan nilai Root Mean Squared Error: 0.998 +/- 0.000 dan Squared Error: 0.996 +/- 0.707. Kesimpulan dari penelitian yang dilakukan dengan menerapkan algoritma regresi linear dapat dilakukan suatu prediksi berdasarkan hubungan fungsional pada variabel atau atribut didalam data tersebut.
PERANCANGAN KLASIFIKASI ALGORITMA NAIVE BAYES PADA DATA PEMILIHAN JURUSAN SISWA Juan Fakhri; Aswan Supriyadi Sunge; Ahmad Turmudi zy
Jurnal Teknologi Terpadu Vol 11, No 2 (2023): JTT (Jurnal Teknologi Terpadu)
Publisher : Pusat Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32487/jtt.v11i2.1823

Abstract

Penelitian yang berjudul "Perancangan Algoritma Naive Bayes Dalam Klasifikasi Pemilihan Jurusan Siswa". Penelitian ini bertujuan untuk pembuatan suatu prediski dan impelemtasi metode dalam kalsifikasi Naive Bayes, serta untuk mengevaluasi dampak ketidak seimbangan kelas terhadap kinerja model klasifikasi. Penelitian ini juga menemukan adanya kelebihan sampel data secara tidak sengaja, dan eksperimen dengan menggunakan teknik SMOTE dilakukan untuk mengatasi ketidak seimbangan kelas tersebut. Data pemilihan jurusan siswa dari SMA Negeri 2 Cikarang Selatan digunakan untuk mengidentifikasi ketidak seimbangan kelas. Eksperimen ini membandingkan hasil klasifikasi sebelum dan setelah penerapan teknik SMOTE. Hasil analisis menunjukkan bahwa sebelum menggunakan teknik SMOTE, terdapat ketidak seimbangan kelas yang signifikan dalam data pemilihan jurusan siswa. Ketidak seimbangan ini memiliki dampak negatif terhadap kinerja model klasifikasi, terutama dalam mengenali kelas minoritas. Namun, setelah penerapan teknik SMOTE, ketidak seimbangan kelas berhasil dikurangi dan kinerja model klasifikasi mengalami peningkatan yang signifikan. Recall untuk kelas IPS meningkat menjadi 0,76, sementara recall untuk kelas MIPA tetap tinggi dengan nilai 0,92. Precision untuk kelas IPS meningkat menjadi 0,87, sedangkan precision untuk kelas MIPA tetap stabil di 0,85. Dengan menggunakan precision dan recall, skor F1 mencapai 0,8846. Berdasarkan temuan penelitian ini, dapat disimpulkan bahwa kinerja model klasifikasi dalam memilih jurusan siswa dapat dipengaruhi oleh kelebihan sampel data. Metode SMOTE efektif dalam mengurangi ketidak seimbangan kelas dan meningkatkan kinerja model klasifikasi. Metode Naive Bayes dapat digunakan sebagai alternatif yang efektif dalam memprediksi penjurusan siswa di SMA Negeri 2 Cikarang Selatan setelah menerapkan teknik SMOTE.
Co-Authors Abdul Halim Anshor Afriantoro, Irfan Agung Nugroho Agus Supriyadi Agus Suwarno, Agus Ahmad Turmudi Zy Aji, Prasetyo Wicaksono Amali, Amali Anggara, Bangkit Akbar Anshor, Abdulhalim Antika Zahrotul Kamalia Aprilia Nur Sa'adah Budiarto, Eko Dendy K. Pramudito Dendy K. Pramudito Dodit Ardiatma Edora, Edora Edy Widodo Edy Widodo Fatchan , Muhammad Febyan Sulastri Hamdani Hamdani Hamzah Muhammad Mardi Putra Juan Fakhri Khalis Sofi Kurniasih, Nabila Listian Indriyani Achmad Miftahuljannah Muttaqin, Ahmad Fadhiil Nanang Tedi Kurniadi Naya, Candra Nugraha, Dimas Reza Pramudito, Dendy K. Pramudito, Dendy K. Pramudito Prasetyo, Sutrisno Aji Prasetyo, Sutrisno Aji Prasetyo Pratama, Nur Priyo, Basuki Edi R. R. Wening Ken Widodasih Riady, Sasmitoh Rahmad Sari, Putri Anggun Septiawan Dwi Pramukti Suprapto Suprapto Suzanna, Suzanna Tedi Kurniadi, Nanang Tedi, Nanang Tyas Ismi Trialfhianty Warnars, Harco Leslie Hendric Spits Wiyanto, Tri Ngudi Wulandari, Anna Zahrotul Kamalia, Antika Zy, Ahmad Turmudi