Articles
14 Documents
Search results for
, issue
"Vol 1, No 1 (2014): Nero"
:
14 Documents
clear
<![CDATA[PENCARIAN STRING MENGGUNAKAN ALGORITMA BOYER MOORE PADA DOKUMEN ]]>
<![CDATA[Rahmanita, Eza]]>
<![CDATA[ Network Engineering Research Operation [NERO] Vol 1, No 1 (2014): Nero ]]>
Publisher : <![CDATA[Universitas Trunojoyo Madura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Proses pencarian merupakan salah satu kegiatan penting dalam pemrosesan data. Proses ini dapat menghabiskan waktu dalam ruang pencarian yang besar sehingga diperlukan suatu teknik pencarian yang efisien. Algoritma Boyer Moore merupakan suatu solusi pencarian yang efisien dapat melakukan perbandingan pattern mulai dari kanan ke kiri. Jika terjadi ketidakcocokan string dari kanan pattern maka ketidakcocokan akan membantu kita untuk menggerakkan pattern tersebut dengan jarak yang lebih jauh. Gerakan melompat ini akan memberikan informasi berapa banyak pattern harus digeser untuk mencocokkan karakter terakhir yang cocok dengan kemunculan awal pattern. Artinya, akan lebih signifikan dalam mengurangi proses perbandingan, jika kita bisa melompati atau tidak melakukan perbandingan karakter yang diprediksi akan gagal. Algoritma Boyer Moore mempunyai keunggulan dalam waktu menemukan pattern yang akan dicari dalam ukuran file yang lebih besar. Pada file berekstensi .txt dengan file size 4.625 byte dengan varian keyword berebeda. Varian keyword yang sedikit dapat ditempuh dengan waktu lebih cepat pada pattern âaâ yaitu 0,228 detik dengan banyak pattern ditemukan 685. Pada file berekstensi .doc dengan file size 39.936 byte, pada pattern âyangâ dapat diproses dengan waktu 0,542 detik dengan ditemukannya pattern sebanyak 18. Sedangkan pada file berestensi .pdf optimalisasi dari pattern matching yang diproses adalah 0,103 detik dengan file size 15.804 byte dan banyak pattern = 1 untuk pencarian pattern âsuatuâ. Kata kunci : string, pattern matching , Algoritma Boyer Moore]]>
<![CDATA[Prediksi Persediaan Ikan Teri Menggunakan Exponential Smoothing Berbasis Ordered Weighted Aggregation ]]>
<![CDATA[Khotimah, Bain Khusnul]]>;
<![CDATA[Laili, Moh]]>;
<![CDATA[Satoto, Budi Dwi]]>
<![CDATA[ Network Engineering Research Operation [NERO] Vol 1, No 1 (2014): Nero ]]>
Publisher : <![CDATA[Universitas Trunojoyo Madura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Forecasting atau peramalan di suatu pergudangan digunakan untuk mengetahui kebutuhan persediaan stock ikan teri. Sistem peramalan untuk menyediakan permintaan pasar agar kebutuhan jangka panjang bisa terpenuhi dan tidak akan ada persediaan yang terputus. Metode peramalan yang sering digunakan adalah metode Exponential Smoothing berbasis Ordered Weighted Aggregation (OWA) karena memberikan prioritas tinggi terhadap observasi baru dan diharapkan akan mendapatkan hasil ramalan yang lebih bagus dengan nilai error kecil. Berdasarkan uji coba penggunaan parameter bebas α dari 0,1 sampai dengan 0,9 didapatkan hasil parameter yang optimal α =0,3 dan tingkat kesalahan MAPE =- 3,735. Hasil ujicoba dari tingkat error berdasarkan MAPE perhitungan selisih antara data persediaan dengan data hasil peramalan, diperoleh akurasi antara 10% dan 20% sehingga hasil peramalan mendekati nilai yang sebenarnya. Kata kunci : Sistem peramalan, Exponential Smoothing, Ordered Weighted Aggregation, MAPE]]>
<![CDATA[PENCOCOKAN OBYEK WAJAH MENGGUNAKAN METODE SIFT (SCALE INVARIANT FEATURE TRANSFORM) ]]>
<![CDATA[Koeshardianto, Meidya]]>
<![CDATA[ Network Engineering Research Operation [NERO] Vol 1, No 1 (2014): Nero ]]>
Publisher : <![CDATA[Universitas Trunojoyo Madura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Pengenalan obyek merupakan penelitian yang menggabungkan konsep citra digital, pengenalan pola, matematika, dan statistik. Pengenalan obyek berarti memberikan klasifikasi terhadap obyek, benda atau bentuk tertentu yang terdapat pada suatu citra digital. Pengenalan obyek umumnya terdiri dari deteksi dan pengenalan. Pada deteksi, komputer mencari dan mengidentifikasi komponen-komponen penting pada suatu citra digital untuk mengetahui ada atau tidaknya obyek yang ingin dikenali pada citra tersebut. Identifikasi wajah adalah salah satu tahap praproses yang sangat penting di dalam sistem pengenalan wajah yang digunakan untuk sistem biometric sebagai proses identifikasi autentik seseorang berdasarkan ciri-ciri yang sesuai dengan citra wajah. Namun dalam penerapan fungsi citra tersebut dibutuhkan keakuratan. Untuk itu diperlukan aplikasi pencocokan obyek wajah guna memberikan informasi identifikasi wajah sebagai bukti autentik seseorang. Aplikasi pencocokan wajah ini menggunakan metode Scale Invariant Feature Transform (SIFT) untuk pendeteksian keypoint. Jumlah keypoint dapat berubah berdasarkan nilai threshold yang ditentukan. Nilai threshold 0,1 pada beberapa citra masukan jumlah keypoint yang berkesesuaian bernilai 0, sehingga tidak dapat dilakukan proses pencocokan obyek wajah. Pada nilai threshold 0,8 jumlah keypoint yang berkesesuaian bernilai sedang dan dapat menunjukan hasil yang diperlihatkan pada result matching. Sedangkan pada nilai threshold 0,9 jumlah keypoint yang berkesesuaian semakin banyak ditemukan, hal ini dapat diproses pada registrasi keypoint dan dapat ditunjukan pada result matching. Kata kunci: Object Recognition, keypoint, SIFT, result matching]]>
<![CDATA[IMPLEMENTASI ALOKASI JADWAL MATA PELAJARAN SMU MENGGUNAKAN ALGORITMA KOLONI SEMUT (AKS) ]]>
<![CDATA[Anamisa, Devie Rosa]]>
<![CDATA[ Network Engineering Research Operation [NERO] Vol 1, No 1 (2014): Nero ]]>
Publisher : <![CDATA[Universitas Trunojoyo Madura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Dalam merancang penjadwalan mata pelajaran di SMU (Sekolah Menengah Umum) membutuhkan waktu, tenaga dan ketelitian. Karena dalam perancangan jadwal mata pelajaran harus memperhatikan aturan-aturan penjadwalan serta faktor-faktor yang mempengaruhi seperti guru, kelas, waktu dan mata pelajaran serta batasan-batasan baik batasan yang boleh dilanggar (soft constraint) maupun batasan yang harus dipenuhi (hard constraint) dalam mengalokasikan jadwal. Beberapa solusi terhadap penyelesaian penjadwalan mata pelajaran menunjukkan bahwa semakin besar volume batasan penjadwalan maka alokasi jadwal semakin kompleks sehingga diperlukan algoritma optimasi untuk menyelesaikan permasalahan tersebut. Penelitian ini menyelesaikan permasalahan alokasi jadwal mata pelajaran menggunakan algoritma koloni semut (AKS). AKS merupakan suatu algoritma berbasis agent dengan meminimalkan terjadinya bentrok jadwal sehingga mampu menyelesaikan permasalahan penjadwalan mata pelajaran di SMU dengan cepat dan mudah. Hasil uji coba menunjukkan bahwa AKS yang dikembangkan dalam penelitian ini mampu menyelesaikan persoalan penjadwalan mata pelajaran dengan hasil memuaskan. Kualitas keberhasilan tersebut diperoleh menggunakan parameter nilai alfa dan beta masing-masing sebesar satu dan penguapan feromon sebesar 0,3. Kata Kunci : Implementasi, Penjadwalan mata pelajaran, Algoritma, Optimasi, Algoritma Koloni Semut.]]>
<![CDATA[APLIKASI PENCARIAN KESAMAAN KOMPOSISI OBAT MENGGUNAKAN METODE FUZZY ]]>
<![CDATA[Syakur, Muhammad Ali]]>
<![CDATA[ Network Engineering Research Operation [NERO] Vol 1, No 1 (2014): Nero ]]>
Publisher : <![CDATA[Universitas Trunojoyo Madura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Apotek merupakan suatu tempat pelayanan produk maupun jasa kefarmasian kepada masyarakat. Pengelolaan apotek dilakukan oleh seorang apoteker yang meliputi perencanaan, pengorganisasian, pelaksanaan, pengawasan, serta penilaian terhadap kinerja apotek itu sendiri. Hal ini dapat dipermudah dengan membuat sistem informasi manajemen apotek. Penelitian ini menghasilkan program yang berfungsi sebagai alat pencatatan administrasi obat di Puskesmas. Dengan menggunakan program ini semua pencatatan obat-obatan dapat disimpan dalam sebuah basis data terintegrasi melalui sebuah jaringan komputer. Sistem ini meliputi form-form masukan data yang berkaitan dengan data obat, pembelian obat, penerimaan obat, serta penambahan suatu sistem pakar yang berguna membantu dokter dan petugas Apotek dalam mengambil keputusan apabila terjadi kekosongan stok obat yang dapat dibantu dengan memberi saran untuk mengganti obat tersebut dengan jenis obat yang kandungan didalamnya hampir sama dengan yang dibutuhkan pasien. Tujuan utama penelitian ini adalah untuk melihat arsitektur penggunaan metode fuzzy dalam aplikasi pencarian kesamaan komposisi obat agar kinerja pengolahan data dapat ditingkatkan dan rancangan antarmuka diperoleh lebih mudah. Kata Kunci:Fuzzy, Transaksi Obat, Komposisi Obat]]>
<![CDATA[IMPLEMENTASI METODE BACKPROPAGATION PADA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN HARGA JUAL PERUMAHAN ]]>
<![CDATA[Yunitarini, Rika]]>
<![CDATA[ Network Engineering Research Operation [NERO] Vol 1, No 1 (2014): Nero ]]>
Publisher : <![CDATA[Universitas Trunojoyo Madura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Developer perumahan seringkali mengalami kesulitan untuk menentukan harga jual perumahan. Dalam proses penentuan harga jual tersebut, perusahaan membutuhkan beberapa jenis bahan baku yang harganya ber fluktuasi sehingga menyebabkan perusahaan sulit untuk meramalkan harga bahan baku periode selanjutnya. Metode peramalan yang digunakan dalam sistem ini adalah metode backpropagation jaringan syaraf tiruan yang mengacu pada komponen peramalan data deret waktu variansi acak atau random dengan proses awal proses autokorelasi untuk penentuan variabel input. Metode backpropagation sendiri diketahui cukup baik digunakan dalam peramalan data deret waktu. Aplikasi sistem pendukung keputusan dengan jaringan syaraf tiruan dapat dijadikan solusi untuk menentukan harga jual perumahan. Nilai konfigurasi parameter untuk sistem pendukung keputusan dengan menggunakan jaringan syaraf tiruan terbaik yang didapat dari hasil percobaan menghasilkan konfigurasi Learning rate sebesar 0,025, momentum 0,01, toleransi error 0,00001, maksimal epoch 10.000 dan jumlah hidden layer 15 serta nilai persentase error 0,05%. Kata kunci: Sistem Pendukung Keputusan, Peramalan, Backpropagation]]>
<![CDATA[SISTEM BERBASIS ATURAN TABBING FACTORY UNTUK MENENTUKAN KUALITAS AGENT PADA CALL CENTER ]]>
<![CDATA[R, Neni]]>;
<![CDATA[Rachmad, Aeri]]>
<![CDATA[ Network Engineering Research Operation [NERO] Vol 1, No 1 (2014): Nero ]]>
Publisher : <![CDATA[Universitas Trunojoyo Madura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Sistem berbasis aturan untuk Tabbing Factory sebagai Monitoring Kualitas Agent di Call Centre adalah suatu sistem yang dapat membatu proses monitoring kualitas agent Call Centre berdasarkan penilaian yang dilakukan oleh tabber sesuai dengan standard yang telah ditetapkan. Seiring dengan banyaknya jumlah agent Call Centre, frekuensi penilaian semakin tinggi dan pengontrolan dilakukan secara kontinyu. Sebelumnya telah dilakukan proses penilaian dengan cara mendengarkan percakapan agent Call Centre sekali dalam satu bulan dan hal ini dirasa kurang relevan sehingga perlu lebih sering dilakukan monitoring khususnya mengenai kualitas pelayanan agent kepada pelanggan. Dalam penilaian, user masih harus mengolah data secara manual dan hal itu memerlukan waktu dan SDM yang banyak. Dengan Web ini user hanya perlu memasukkan data data nilai yang selanjutnya diolah oleh sistem. Selanjutnya bisa langsung dilihat report dari hasil tersebut untuk proses evaluasi dan analisis oleh supervisi, team leader ataupun operator sendiri. Kata Kunci: Tabbing Factory, evaluasi, kontroling]]>
<![CDATA[APLIKASI PENCARIAN KESAMAAN KOMPOSISI OBAT MENGGUNAKAN METODE FUZZY ]]>
<![CDATA[Muhammad Ali Syakur]]>
<![CDATA[ Network Engineering Research Operation Vol 1, No 1 (2014): Nero ]]>
Publisher : <![CDATA[Universitas Trunojoyo Madura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1325.102 KB)
|
DOI: 10.21107/nero.v1i1.26
<![CDATA[Apotek merupakan suatu tempat pelayanan produk maupun jasa kefarmasian kepada masyarakat. Pengelolaan apotek dilakukan oleh seorang apoteker yang meliputi perencanaan, pengorganisasian, pelaksanaan, pengawasan, serta penilaian terhadap kinerja apotek itu sendiri. Hal ini dapat dipermudah dengan membuat sistem informasi manajemen apotek. Penelitian ini menghasilkan program yang berfungsi sebagai alat pencatatan administrasi obat di Puskesmas. Dengan menggunakan program ini semua pencatatan obat-obatan dapat disimpan dalam sebuah basis data terintegrasi melalui sebuah jaringan komputer. Sistem ini meliputi form-form masukan data yang berkaitan dengan data obat, pembelian obat, penerimaan obat, serta penambahan suatu sistem pakar yang berguna membantu dokter dan petugas Apotek dalam mengambil keputusan apabila terjadi kekosongan stok obat yang dapat dibantu dengan memberi saran untuk mengganti obat tersebut dengan jenis obat yang kandungan didalamnya hampir sama dengan yang dibutuhkan pasien. Tujuan utama penelitian ini adalah untuk melihat arsitektur penggunaan metode fuzzy dalam aplikasi pencarian kesamaan komposisi obat agar kinerja pengolahan data dapat ditingkatkan dan rancangan antarmuka diperoleh lebih mudah. Kata Kunci:Fuzzy, Transaksi Obat, Komposisi Obat]]>
<![CDATA[IMPLEMENTASI METODE BACKPROPAGATION PADA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN HARGA JUAL PERUMAHAN ]]>
<![CDATA[Rika Yunitarini]]>
<![CDATA[ Network Engineering Research Operation Vol 1, No 1 (2014): Nero ]]>
Publisher : <![CDATA[Universitas Trunojoyo Madura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1295.029 KB)
|
DOI: 10.21107/nero.v1i1.17
<![CDATA[Developer perumahan seringkali mengalami kesulitan untuk menentukan harga jual perumahan. Dalam proses penentuan harga jual tersebut, perusahaan membutuhkan beberapa jenis bahan baku yang harganya ber fluktuasi sehingga menyebabkan perusahaan sulit untuk meramalkan harga bahan baku periode selanjutnya. Metode peramalan yang digunakan dalam sistem ini adalah metode backpropagation jaringan syaraf tiruan yang mengacu pada komponen peramalan data deret waktu variansi acak atau random dengan proses awal proses autokorelasi untuk penentuan variabel input. Metode backpropagation sendiri diketahui cukup baik digunakan dalam peramalan data deret waktu. Aplikasi sistem pendukung keputusan dengan jaringan syaraf tiruan dapat dijadikan solusi untuk menentukan harga jual perumahan. Nilai konfigurasi parameter untuk sistem pendukung keputusan dengan menggunakan jaringan syaraf tiruan terbaik yang didapat dari hasil percobaan menghasilkan konfigurasi Learning rate sebesar 0,025, momentum 0,01, toleransi error 0,00001, maksimal epoch 10.000 dan jumlah hidden layer 15 serta nilai persentase error 0,05%. Kata kunci: Sistem Pendukung Keputusan, Peramalan, Backpropagation]]>
<![CDATA[SISTEM BERBASIS ATURAN TABBING FACTORY UNTUK MENENTUKAN KUALITAS AGENT PADA CALL CENTER ]]>
<![CDATA[Neni R]]>;
<![CDATA[Aeri Rachmad]]>
<![CDATA[ Network Engineering Research Operation Vol 1, No 1 (2014): Nero ]]>
Publisher : <![CDATA[Universitas Trunojoyo Madura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1845.279 KB)
|
DOI: 10.21107/nero.v1i1.23
<![CDATA[Sistem berbasis aturan untuk Tabbing Factory sebagai Monitoring Kualitas Agent di Call Centre adalah suatu sistem yang dapat membatu proses monitoring kualitas agent Call Centre berdasarkan penilaian yang dilakukan oleh tabber sesuai dengan standard yang telah ditetapkan. Seiring dengan banyaknya jumlah agent Call Centre, frekuensi penilaian semakin tinggi dan pengontrolan dilakukan secara kontinyu. Sebelumnya telah dilakukan proses penilaian dengan cara mendengarkan percakapan agent Call Centre sekali dalam satu bulan dan hal ini dirasa kurang relevan sehingga perlu lebih sering dilakukan monitoring khususnya mengenai kualitas pelayanan agent kepada pelanggan. Dalam penilaian, user masih harus mengolah data secara manual dan hal itu memerlukan waktu dan SDM yang banyak. Dengan Web ini user hanya perlu memasukkan data data nilai yang selanjutnya diolah oleh sistem. Selanjutnya bisa langsung dilihat report dari hasil tersebut untuk proses evaluasi dan analisis oleh supervisi, team leader ataupun operator sendiri.Kata Kunci: Tabbing Factory, evaluasi, kontroling]]>
