cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Ire Puspa Wardhani
Contact Email
ire_pw@staff.jak-stik.ac.id
Phone
+628128765554
Journal Mail Official
saefudin@gmail.com
Editorial Address
https://ejournal.jak-stik.ac.id/index.php/sentik/about/editorialTeam
Location
Kota adm. jakarta selatan,
Dki jakarta
INDONESIA
Prosiding SeNTIK STI&K
Published by STMIK JAKARTA STI&K
ISSN : 25812327     EISSN : -     DOI : -
Core Subject : Economy, Science, Education,
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Languange, Linguistic, Communication & Media
Prosiding SeNTIK STI&K ini merupakan kumpulan artikel-artikel ilmiah dosen dan peneliti yang diseminarkan padaSeminar Nasional Teknologi Informasi dan Komunikasi. Kegiatan seminar ini dirancang sebagai sarana interaksi profesional antar komunitas bidang Teknologi Informasi, Sistem Informasi dan Sistem Komputer di Indonesia. Selain bertujuan untuk saling bertukar pikiran, pengetahuan, pengalaman, dan gagasan, seminar ini juga dapat digunakan untuk mengakselerasi pengembangan penelitian pada bidang Teknologi Informasi, Sistem Informasi dan Sistem Komputer.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 347 Documents
 18   19   20   21   22 
CONVOLUTION NEURAL NETWORK ARSITEKTUR MOBILENET-V2 UNTUK MENDETEKSI TUMOR OTAK Widi Hastomo; Soegijanto; Sudjiran
Prosiding Seminar SeNTIK Vol. 5 No. 1 (2021): Prosiding SeNTIK 2021
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

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

Abstract

Tumor ganas atau kanker adalah penyebab kematian kedua di dunia setelah kardiovaskuler. Negara berkembang tingkat kematian terhadap penyakit tumor mencapai 70%, sedangkan di negara maju tingkat kematian dapat ditekan karena peralatan dan pelayanan kesehatan sudah sangat baik. Diagnosa cepat dan lebih dini tentu akan mampu menekan tingkat kematian penyakit ini. Metoda CNN mampu membaca image dari peralatan CT Scanner untuk memprediksi pasien terhadap penyakit tumor otak. Penelitian ini menggunakan CNN dengan arsitektur MobileNet-V2 untuk mentrainning dan menguji sebanyak 2.870 image tumor otak. Hasil dari penelitian ini diperoleh nilai akurasi trainning dan testing masing-masing sebesar 97% dan 94%. Dengan nilai akurasi untuk tiap klasifikasi yaitu glioma (99%), meningioma (85%), no_tumor (99%) dan pituaty (96%). Akurasi hasil dari penelitian ini adalah sangat baik, dan model yang dihasilkan dapat digunakan untuk mendiagnosa pasien dengan cepat, murah dan akurat
PERBANDINGAN PENERAPAN ALGORITMA NEURAL NETWORK BACKPROPAGATION DENGAN OPTIMASI ALGORITMA LBFGS DAN SGD UNTUK PREDIKSI PENYAKIT JANTUNG Guntur Eka Saputra; Karmilasari; Adrian Faisal; Ahmad Apandi
Prosiding Seminar SeNTIK Vol. 4 No. 1 (2020): Prosiding SeNTIK 2020
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

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

Abstract

Penyakit jantung merupakan penyakit tidak menular yang disebabkan kondisi adanya timbunan lemak di pembuluh darah arteri coroner pada jantung yang mengubah peran dan bentuk arteri, serta menghambat aliran darah menuju jantung. Faktor penyakit jantung dapat diprediksi dengan 14 atribut faktor yang dapat mempengaruhi prediksi penyakit jantung. Penelitian ini merupakan penelitian eksperimen dengan menggunakan data sekunder yang diharapkan data tersebut memiliki makna untuk mendapatkan suatu informasi dan pengetahuan. Data mining adalah proses mencari pola atau informasi bermakna dalam data terpilah dengan mengunakan suatu metode atau teknik tertentu. Metode yang digunakan dalam penelitian ini adalah algoritma neural network backpropagation dengan metode optimasi LBFGS dan SGD untuk melihat hasil akurasi perbandingan diantara dua metode optimasi tersebut. Berdasarkan hasil eksperimen ditunjukkan bahwa hasil akurasi dari 14 atribut faktor dengan menggunakan backpropagation dan metode optimasi LBFGS lebih baik dibandingkan SGD. Akurasi dengan metode optimasi LBFGS sebesar 85.3%, sedangkan SGD 83.6%, dan tingkat loss atau error dari LBFGS mendekati 0, yaitu 0.001152, sedangkan SGD sebesar 0.546822. Waktu pemrosesan CPU Times juga memiliki perbedaan yang cukup signifikan, metode LBFGS memproses selama 46.5 ms, sedangkan SGD sebesar 908 ms. Kata Kunci : penyakit jantung, data mining, backpropagation, optimasi, LBFGS, SGD
MANAJEMEN JARINGAN POLICY BASED ROUTER - FAILOVER DAN NETWATCH PADA ROUTER MIKROTIK DALAM MEMBAGI JALUR AKSES INTERNET DI SMA - NU TAJANARKIDUL Willy Permana Putra; Robi Robiyanto; Raswa Raswa
Prosiding Seminar SeNTIK Vol. 7 No. 1 (2023): Prosiding SeNTIK 2023
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

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

Abstract

Perkembangan teknologi sudah semakin pesat dan dipastikan akan selalu berkembang, Indonesia mengalami kemajuan yang cukup signifikan dikutip dari katadata.co.id perkembangan internet tahun 2015 Indonesia berada di peringkat ke empat dari pengguna internet terbesar Asia. Menurut riset Internet Words Stats, pengguna internet di Tanah Air mencapai 78 juta. Dengan semakin banyaknya pengguna internet di Indonesia tentunya teknologi juga haru bisa mengimbangi, selain teknologi infrastruktur internet yang hebat dan handal pasti dibutuhkan manajemen yang baik. Dengan manajemen yang baik dipastikan dapat mengakomodir setiap pengguna internet dalam mengakses, manajemen yang baik yaitu memperhatikan kondisi fisik perangkat dan bisa melakukan aturan ruting yang baik. SMA NU Tenajar Kidul menggunakan 2 ISP dengan masing-masing kapasitas 100Mbps. Kendala yang terjadi dalam memanfaatkan internet belum optimal dikarenakan kurang mengerti dalam melakukan manajemen. Dalam pemakaian sehari-hari banyak keluhan yang berkaitan lambatnya koneksi internet. Dalam kasus ini perlu adanya solusi yaitu manajemen Policy Based Router – Failover, metode yang dilakukan dalam manajemen ini terdiri atas analisis kebutuhan, desain jaringan, konfigurasi, pengujian dan penerapan. Dari hasil dapat di lihat ketika sebelum Policy Based Router 4,5ms dalam pengiriman data dengan adannya Policy Based Router 1,6ms. Dari hasil uji coba tersebut dapat disimpulkan bahwa membagi jalur akses memang layak untuk diterapkan
PENGEMBANGAN GAMES EDUKASI FISIKA BERBASIS ANDROID SEBAGAI MEDIA PEMBELAJARAN FISIKA Nur Budi Nugraha; Yaqutina Marjani Santosa; Esti Mulyani
Prosiding Seminar SeNTIK Vol. 7 No. 1 (2023): Prosiding SeNTIK 2023
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

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

Abstract

Fisika merupakan salah satu mata pelajaran yang diajarkan di jenjang SMA sesuai dengan standar kurikulum yang terdapat 11 bab yang diajarkan, dimana tiga diantaranya adalah fluida statis, gerak parabola dan fluida dinamis. Berdasarkan hasil wawancara yang dilakukan dengan guru mata pelajaran fisika, metode pembelajaran yang digunakan guru dalam proses belajar masih menggunakan metode konvensional, sehingga membuat siswa kesulitan memahami konsep yang diajarkan dengan baik. Guru sering sekali menerapkan pembelajaran yang bersifat konvensional di mana siswa belajar secara individu dan tidak terlibat aktif dalam pembelajaran yang mengakibatkan siswa merasa bosan dan kurang termotivasi dalam belajar. Penelitian ini membuat sebuah game edukasi yang bernama “phygames”. Penelitian ini menggunakan metode waterfall dan secara umum memiliki beberapa tahapan dalam pelaksanaannya, meliputi: identifikasi masalah dan kebutuhan, analisis dan perencanaan, pengembangan sistem, uji coba dan evaluasi. Hasil penelitian game edukasi fisika telah berhasil dibuat dan diuji kelayakannya. Dari hasil kuesioner diketahui bahwa game edukasi ini cukup mudah digunakan (85%) dan memiliki user interface yang sangat baik (95%). Sekitar 78% responden juga menyatakan bahwa pengalaman yang dirasakan dalam menggunakan game adalah sangat baik. Sebanyak 82% responden menyatakan game edukasi fisika ini sangat membantu dalam mempelajari materi fisika tentang fluida statis, gerak parabola dan fluida dinamis
APLIKASI SCREENING PUBERTAS PADA REMAJA BERBASIS ANDROID Muhammad Dava Ramadhan; Widyo Nugroho; Nina Herlina
Prosiding Seminar SeNTIK Vol. 7 No. 1 (2023): Prosiding SeNTIK 2023
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

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

Abstract

Pubertas adalah periode perkembangan ketika seorang anak laki-laki atau perempuan menjadi dewasa secara seksual. Pubertas membawa perubahan fisik dan mempengaruhi anak laki-laki dan perempuan secara berbeda . Pada masa pubertas, seseorang dapat mengalami beberapa masalah kesehatan, termasuk pada kelambatan atau percepatan dalam perkembangan fisik, gangguan menstruasi, dan masalah psikologis seperti depresi atau gangguan makan.Penelitian ini bertujuan untuk membuat aplikasi screaning pubertas pada remaja berbasis android yang memberikan informasi tentang masalah kesehatan pubertas yang biasa terjadi pada remaja. Metode penelitian dilakukan dengan metode System Development Life Cycle (SDLC), yang terdiri dari perencanaan, analisis,perancangan, pembuatan dan tahap uji coba.Hasil uji coba black box sistem menunjukkan semua fitur dapat berjalan dengan baik dan hasil pengujian blackbox smartphone dapat berjalan dengan lancar pada 8 jenis smarthpone yang berbeda. Penelitian ini diharapkan dapat memberikan informasi tentang pubertas sehat kepada remaja
PENGENALAN DAN KLASIFIKASI MORFOLOGI DAUN TANAMAN HIAS BERBASIS SUPPORT VECTOR MACHINE Karmilasari; Paramitha Megarani
Prosiding Seminar SeNTIK Vol. 7 No. 1 (2023): Prosiding SeNTIK 2023
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

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

Abstract

PENGENALAN DAN KLASIFIKASI MORFOLOGI DAUN TANAMAN HIAS BERBASIS SUPPORT VECTOR MACHINE
TRANSFER LEARNING MODEL CNN PRALATIH UNTUK KLASIFIKASI BUNGA IRIS BERBASIS CITRA Ahmad Sabri
Prosiding Seminar SeNTIK Vol. 7 No. 1 (2023): Prosiding SeNTIK 2023
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

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

Abstract

Klasifikasi bunga iris merupakan topik yang populer pada bidang kecerdasan buatan. Penelitian yang dilakukan untuk topik ini pada umumnya adalah model klasifikasi iris yang mengacu pada dataset iris standar yang berbentuk tabular numerik. Penelitian ini mengusulkan pendekatan alternatif, yaitu menggunakan model kecerdasan buatan yang dibangun berdasar dataset iris berbasis citra. Model yang digunakan adalah model CNN pralatih MobileNet V2, VGG 16 dan Inception V3. Transfer learning dilakukan dengan mengganti top layer dari ketiga model tersebut dengan flattened layer yang dirangkai dengan output layer berupa dense layer 3 simpul dengan fungsi aktivasi softmax. Metode transfer learning dipilih karena jumlah trainable parameter yang jauh lebih sedikit dan waktu training yang lebih singkat dibandingkan menggunakan model Convolutional Neural Network (CNN) yang dibangun dari awal. Perbandingan kinerja ketiga model ditinjau dari metrik precision, recall, F1, dan akurasi. Hasil evaluasi menunjukkan nilai metrik yang bervariasi, di mana tidak ada satu di antara ketiga model tersebut yang semua metriknya mengungguli kedua model lainnya. Dalam hal akurasi, MobileNet V2 memberikan akurasi terbaik yaitu sebesar 91%, diikuti oleh Inception V3 sebesar 87% dan terakhir VGG16 sebesar 84%
SISTEM DATA WAREHOUSE INVENTORI PADA PT. BENING TEKNOLOGY INDUSTRI Hurnaningsih; Juni Sasmiharti; Erni Rihyanti
Prosiding Seminar SeNTIK Vol. 7 No. 1 (2023): Prosiding SeNTIK 2023
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

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

Abstract

Sistem Data Warehouse Inventori pada PT. Bening Teknologi Industri dirancang untuk mengelola dan menganalisis data inventori perusahaan dengan efisien. Tujuan utama dari sistem ini adalah untuk menyediakan akses yang mudah dan cepat ke informasi inventori yang relevan, serta memberikan wawasan bisnis yang berharga untuk pengambilan keputusan. Sistem ini mengumpulkan data inventori dari berbagai sumber yang terdistribusi di dalam perusahaan, seperti sistem manajemen inventori, sistem penjualan, sistem pembelian, dan lain-lain. Data ini kemudian dikonsolidasikan dan disimpan dalam data warehouse yang terpusat. Data warehouse ini menyediakan lingkungan yang optimal untuk analisis data, dengan memungkinkan pengguna untuk melihat tren, pola, dan hubungan antara data inventori yang berbeda. Dalam sistem ini, data inventori disusun dalam format yang terstruktur, sehingga memungkinkan pengguna untuk dengan mudah mengakses dan memanipulasi data tersebut. Sistem ini juga dilengkapi dengan fitur visualisasi data yang memungkinkan pengguna untuk menyajikan informasi inventori secara grafis, seperti grafik, diagram, dan laporan yang dapat disesuaikan. Dalam kesimpulannya, Sistem Data Warehouse Inventori pada PT. Bening Teknologi Industri merupakan solusi yang efisien dan efektif dalam mengelola dan menganalisis data inventori perusahaan. Dengan mengintegrasikan dan mengolah data inventori yang beragam, sistem ini memberikan wawasan bisnis yang berharga dan membantu perusahaan dalam pengambilan keputusan yang lebih baik.
KINERJA KEUANGAN NEGARA-NEGARA ASEAN SEBELUM DAN SAAT PANDEMI: PERIODE 2018-2022 Afrila Eki Pradita; Dharma Tintri Ediraras
Prosiding Seminar SeNTIK Vol. 7 No. 1 (2023): Prosiding SeNTIK 2023
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

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

Abstract

Suatu negara pada umumnya memiliki tujuan untuk dapat menjaga stabilitas, baik bagi negara maupun masyarakat. Dampak pandemi Covid-19 berdampak besar bagi seluruh negara di dunia, termasuk 10 negara di ASEAN yang mengalami pasang surut di negaranya masing-masing. Risiko besar adalah utang kepada negara lain adalah satu-satunya jalan yang harus ditempuh untuk dapat menstabilkan keadaan ekonomi penduduknya. Semua negara telah berusaha sekuat tenaga untuk keluar dari zona pandemi ini. Penulisan ini bertujuan untuk menganalisis kinerja keuangan di negara-negara ASEAN akibat dampak pandemi Covid-19 dengan menggunakan Debt Ratio to GDP dan Efficiency Ratio, juga melalui Uji Normality Statistics (Kolmogorov Smirnov). Tes Anova satu arah, Uji- T Sampel Berpasangan¸ Uji Wilcoxon. Jenis data yang digunakan adalah data sekunder berupa: latar belakang Covid-19, profil negara anggota ASEAN, data keuangan negara ASEAN melalui situs data resmi masing-masing. Berdasarkan hasil kajian, masih ada negara yang terdampak berat akibat pandemi Covid- 19. Penulis mengusulkan agar negara-negara yang terkena dampak lebih dapat menggunakan alokasi dana yang seharusnya digunakan untuk warganya sendiri, dan sebisa mungkin mengatasi masalah tersebut dengan tidak berhutang kepada negara lain. Negara perlu meningkatkan tingkat pendapatan dengan cara meningkatkan jumlah produksi di negaranya sendiri karena untuk menyeimbangkan alokasi pengeluaran yang akan terjadi
Aplikasi Perbandingan Prediksi Harga Bitcoin Menggunakan Deep Learning dengan metode ARIMA, SARIMA, LTSM dan Gradient Boosting Regressor Agung Slamet Riyad; Ire Puspa Wardhani; Irfan; Andi Perdana
Prosiding Seminar SeNTIK Vol. 7 No. 1 (2023): Prosiding SeNTIK 2023
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

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

Abstract

Sebagai mata uang digital pertama di dunia yang muncul pada tahun 2009 Bitcoin menjadi yang paling populer saat ini selain Ethereum, Binance Coin, Tether, Solana dan sebagainya. Berkembangnya metode untuk melakukan prediksi harga mata uang digital termasuk Bitcoin semakin penting. Penelitian ini menggunakan algoritma deep learning dengan memanfaatkan metode Autoregressive Integrated Moving Average (ARIMA), Seasonal Autogresive Integrated Moving Average (SARIMA), Long Short Term Memory (LTSM) dan Gradient Boosting Regressor untuk memprediksi harga Bitcoin. Data diambil menggunakan dataset seperti harga penutupan harian, volume perdagangan, indikator teknis dan model yang digunakan untuk jaringan saraf buatan atau tiruan sehingga dapat menghasilkan prediksi yang lebih akurat dari empat metode tersebut. Dengan membuat aplikasi berbasis Neural Network yang dapat meningkatkan keakuratan prediksi harga bitcoin dalam memberikan informasi lebih akurat sehingga diketahui harga bitcoin kedepannya. Pengolahan data menggunakan aplikasi berbasis pemrograman phyton. Hasil penelitian ini menunjukkan bahwa dengan pendekatan deep learning mempunyai potensi untuk memiliki kemampuan memprediksi harga bitcoin sehingga dapat dimanfaatkan untuk para pedagang dan investor untuk mengambil keputusan yang lebih tepat dengan hasil penggunaan metode SARIMA lebih baik dibandingkan dengan metode lainnya dengan memiliki nilai lebih rendah atau tingkat kesalahan yang lebih rendah, yaitu dengan nilai RMSE 13692.22 dibandingkan dari metode ARIMA dengan RMSE 14490,55 metode LTSM dengan RMSE 19650,40 dan Gradient Boosting Regressor dengan RMSE 14573,20.

Page 20 of 35 | Total Record : 347

 18   19   20   21   22 

Filter by Year

2017 2025


Reset
Filter By Issues
All Issue Vol. 9 No. 1 (2025): Prosiding SeNTIK 2025 Vol. 8 No. 1 (2024): Prosiding SeNTIK 2024 Vol. 7 No. 1 (2023): Prosiding SeNTIK 2023 Vol. 6 No. 1 (2022): Prosiding SeNTIK 2022 Vol. 5 No. 1 (2021): Prosiding SeNTIK 2021 Vol. 4 No. 1 (2020): Prosiding SeNTIK 2020 Vol. 3 No. 1 (2019): Prosiding SeNTIK 2019 Vol. 2 No. 1 (2018): Prosiding SeNTIK 2018 Vol. 1 No. 1 (2017): Prosiding SeNTIK 2017