cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Rahmadya Trias Handayanto
Contact Email
rahmadya.trias@gmail.com
Phone
-
Journal Mail Official
piksel.unisma@gmail.com
Editorial Address
rogram Studi Teknik Komputer Fakultas Teknik Universitas Islam 45 Jl. Cut Meutia No. 83 Bekasi 17113
Location
Kota bekasi,
Jawa barat
INDONESIA
PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic
Published by Universitas Islam 45 Bekasi
ISSN : 23033304     EISSN : 26203553     DOI : https://doi.org/10.33558/piksel
Core Subject : Science,
Computer Science & IT Decision Sciences, Operations Research & Management
Jurnal PIKSEL diterbitkan oleh Universitas Islam 45 Bekasi untuk mewadahi hasil penelitian di bidang komputer dan informatika. Jurnal ini pertama kali diterbitkan pada tahun 2013 dengan masa terbit 2 kali dalam setahun yaitu pada bulan Januari dan September. Mulai tahun 2014, Jurnal PIKSEL mengalami perubahan masa terbit yaitu setiap bulan Maret dan September namun tetap open access tanpa biaya publikasi. p-ISSN: 2303-3304, e-ISSN: 2620-3553. Available Online Since 2018.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 6 Documents
 1 
Search results for , issue "Vol 1 No 2 (2013): September 2013" : 6 Documents clear
EVALUASI DAN OPTIMASI LOKASI PENDIRIAN SENTRA PENGISIAN BAHAN BAKAR UTAMA (SPBU) DI KABUPATEN BEKASI MENGGUNAKAN METODE ALGORITMA GENETIK Handayanto, Rahmadya Trias; Srie Gunarti, Anita Setyowati; Whidhiasih, Retno Nugroho
PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Vol 1 No 2 (2013): September 2013
Publisher : LPPM Universitas Islam 45 Bekasi

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

Abstract

ABSTRACTGas Stations are important objects for transportation. Therefore, the location must be optimum regardingto economic, environment, and safety aspects. Genetic Algorithms are used to help calculating for optimumlocation of gas stations. For easiness we integrated Geographic Information Systems (GIS) with geneticalgorithms for Bekasi District. According to GIS rule, we use two kinds of data: vector data and rasterdata. Road of map and location of object that must far away from gas station as vector data and map asraster data. Conversion from local coordinate to global coordinate is used in order to be integrated withgoogle map application. Testing result showed that optimum gas station location are far enough from vitallocations that must far away from gas stations. Keywords: Geographic Information System, Genetic Algorithms, Optimization ABSTRAKSentra Pengisian Bahan Bakar Utama (SPBU) merupakan sarana vital rakyat agar sistem transportasiberjalan dengan baik. Oleh karena itu letaknya harus memenuhi syarat optimum yang selain memiliki aspekekonomis, juga harus tidak menyalahi aspek lingkungan, keamanan dan keselamatan warga yang berada disekitar SPBU. Algoritma genetik digunakan untuk membantu sistem penentuan lokasi yang optimum.Untuk meningkatkan kemudahan pengguna, sistem ini diintegrasikan dengan Sistem Informasi Geografis(SIG) khusus kabupaten Bekasi. Sesuai aturan SIG dimana data terdiri dari data vektor dan data raster makasebagai data vektor kami menggunakan data fungsi jalan dan lokasi koordinat dimana lokasi tersebut harussejauh mungkin dari SPBU. Untuk data raster kami menggunakan peta yang berupa citra. Konversikoordinat lokal menjadi koordinat lintang dan bujur perlu dilakukan agar dapat dikombinasikan denganaplikasi google map sehingga dapat langsung terkoneksi ke sistem SIG tersebut. Hasil pengujianmenghasilkan lokasi optimal SPBU yang secara matematis terbukti terjauh dari lokasi-lokasi yangberbahaya dan kurang optimal untuk berdekatan dengan SPBU. Kata Kunci: Sistem Informasi Geografis, Algoritma Genetik, Optimasi
PENENTUAN KLASIFIKASI MUTU FISIK BERAS DENGAN METODE NAÏVE BAYES Leidiyana, Henny
PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Vol 1 No 2 (2013): September 2013
Publisher : LPPM Universitas Islam 45 Bekasi

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

Abstract

ABSTRACTRice is the staple food of the people of Indonesia in particular. One factor that made the people's choice inselecting rice is quality. Writing is about the determination of the classification of rice quality is acceptableand not based on quality components that have been set by the ISO.A total of 1161 data is used as trainingdata. The data obtained consists of 6 attributes, namely moisture content, milling degree, broken grains,grain groats, because the other is a predictor attributes, while the condition of a label attribute(class). Training data is cleaned and then made a physical model of the determination of quality grade riceusing Naïve Bayes method. The resulting model was tested using the method of Cross Validation and theROC curve. From the test results obtained by the results of model accuracy by 92.56% and AUC values for0989, this means that the resulting model is classified as very good Keywords : Naïve Bayes, Cross Validation, Confusion matrix, ROC curve ABSTRAKBeras merupakan makanan pokok masyarakat Indonesia khususnya. Salah satu faktor yang dijadikanpilihan masyarakat dalam memilih beras adalah mutunya. Penulisan ini membahas tentang penentuanklasifikasi mutu beras yang dapat diterima dan tidak berdasarkan komponen mutu yang telah ditetapkanoleh SNI. Sebanyak 1161 data digunakan sebagai data training. Data yang didapat terdiri dari 6 atribut,yaitu kadar air, derajat sosoh, butir patah, butir menir, sebab lain merupakan atribut prediktor, sedangkankondisi merupakan atribut label (kelas). Data training dibersihkan kemudian dibuat model penentuan kelasmutu fisik beras menggunakan metode Naïve Bayes. Model yang dihasilkan diuji menggunakan metodeCross Validation dan Kurva ROC. Dari hasil pengujian diperoleh hasil akurasi model sebesar 92,56% dannilai AUC sebesar 0.989, ini berarti bahwa model yang dihasilkan termasuk klasifikasi sangat baik. Kata Kunci : Naïve Bayes, Cross Validation, Confusion matrix, Kurva ROC
KLASIFIKASI DINAMIS DENGAN MODIFIKASI ALGORITMA FUZZY C-MEANS (FCM) Herlawati, Herlawati; Handayanto, Rahmadya Trias
PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Vol 1 No 2 (2013): September 2013
Publisher : LPPM Universitas Islam 45 Bekasi

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

Abstract

ABSTRACTAside forecasting, classification is an important process in the data mining field. Nowdays, theclassification usually use soft computing algorithms, such as Fuzzy Inference System (FIS), NeuralNetworks (NNs), and Genetic Algorithms (GAs). Different from K-Means, the fuzzy-based classification issometimes is said soft clustering. Some dynamic method has been research using K-Means for obtaining theoptimal number of cluster. This paper try to implement this method for FCM algoritms because thisalgorithms run better than K-Means. Similar to Dynamic Clustering using K-Means, for FCM everyelements of cluster are counted the distance from the center. Key Workds : Fuzzy C-Means Clustering (FCM), Cluster Quality, Dynamic Classification ABSTRAKSelain peramalan, klasifikasi merupakan salah satu proses penting dalam bidang data mining. Saat iniklasifikasi banyak dilakukan dengan algoritma-algoritma yang berbasis soft computing seperti fuzzy,jaringan syaraf tiruan (JST) ataupun algoritma genetik. Berbeda dengan K-Means, klasifikasi berbasis fuzzyyang sering disebut fuzzy C-Means (FCM) merupakan klasifikasi halus (soft clustering). Beberapa metodedinamis dengan memodifikasi algoritma K-Means telah banyak dilakukan dan terbukti memiliki hasil yangoptimal. Tulisan ini bermaksud menerapkan metode dinamis itu pada algoritma FCM mengingat FCMmemiliki keunggulan tertentu dibanding K-Means. Seperti pada K-Means, klasifikasi dinamis pada FCMmenunjukkan perbaikan pada nilai intra dan inter dimana nilai-nilai tersebut menunjukkan kedekatan antarelemen tiap kluster dan seberapa jauh jarak pisah antar pusat-pusat kluster. Kata Kunci : Fuzzy C-Means Clustering (FCM), Kualitas Kluster, Klasifikasi Dinamis
KLASIFIKASI BUAH BELIMBING MANIS DAN TIDAK MANIS BERDASARKAN CITRA RED GREEN BLUE MENGGUNAKAN FUZZY NEURAL NETWORK Whidhiasih, Retno Nugroho
PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Vol 1 No 2 (2013): September 2013
Publisher : LPPM Universitas Islam 45 Bekasi

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

Abstract

BSTRACTClassical classification problems that can not be solved using the NN can be done using the FNN. Thedifference lies in the use of learning targets, which uses a degree of membership in the output. This studyaims to create a classification of star fruit to sweet and not sweet categories with non destructive methodusing fuzzy neural network. Red green and blue components of the image of the star fruit is used as an inputparameter. FNN 3-15-2 accuration obtained is 88.89% by using 15 neurons in the hidden layer, MSE9.13e-09 at epoch 16th. Keyword : classification, fuzzy neural network, starfruit, non-destructive grading, pattern recognition. ABSTRAKPermasalahan klasifikasi klasik yang tidak dapat diselesaikan menggunakan NN dapat dilakukanmenggunakan FNN. Perbedaannya terletak pada target pembelajaran yang digunakan, yaitu menggunakanderajat keanggotaan pada output. Penelitian ini bertujuan untuk membuat klasifikasi buah belimbing manisdan tidak manis secara non destruktif menggunakan fuzzy neural network. Komponen red green dan bluedari citra buah belimbing digunakan sebagai parameter masukan. Ketepatan yang didapatkan menggunakanFNN 3-15-2 pada penelitian ini sebesar 88,89% dengan 15 neuron pada lapisan tersembunyi, MSE sebesar9.13e-09 pada epoch ke 16. Keyword : identifikasi, fuzzy neural network, belimbing, identifikasi non destruktiF
PREDIKSI PINJAMAN KREDIT DENGAN SUPPORT VECTOR MACHINE DAN K-NEAREST NEIGHBORS PADA KOPERASI SERBA USAHA Iriadi, Nandang; Leidiyana, Henny
PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Vol 1 No 2 (2013): September 2013
Publisher : LPPM Universitas Islam 45 Bekasi

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

Abstract

BSTRACTCooperatives as a form of organization that are important in promoting economic growth . Cooperatives bean alternative for people to get funds in an effort to improve their quality of life , day-to- day needs anddevelop the business . No doubt , lend funds to member cooperatives will surely emerge problems , such asmembers of the borrower paying the overdue installment of funds , misuse of funds for other purposes , thecustomer fails to develop its business so as to result in cooperative funds do not flow or it can lead to badcredit . In this research will be carried out loans prediction using data mining classification Support VectorMachine and k - Nearest Neighbors were then conducted a comparison of both methods . From the testresults to measure the performance of both methods using cross validation , confusion matrix and ROCcurves is known that Support Vector Machine has an accuracy value of 92.67 % followed by k -NearestNeighbors, which has a value of 88.67 % accuracy . Thus the Support Vector Machine method is includedin Verry Good Clasification because it has the accuracy of 92.67 % . Keywords: comparative, Support Vector Machines, k-Nearest Neighbors, Credit Analysis ABSTRAKKoperasi sebagai salah satu bentuk organisasi yang penting dalam meningkatkan pertumbuhan ekonomi.Koperasi simpan pinjam menjadi salah satu alternatif bagi masyarakat untuk mendapatkan dana dalamupaya memperbaiki taraf kehidupan, pemenuhan kebutuhan sehari-hari dan mengembangkan usaha.Tidakdipungkiri, memberikan pinjaman dana kepada anggota koperasi pasti akan muncul permasalahanpermasalahan, seperti anggota peminjam terlambat membayarkan cicilan dana, penyalahgunaan dana untukkeperluan lain, nasabah gagal mengembangkan usahanya sehingga dapat mengakibatkan dana di koperasitidak mengalir atau dapat mengakibatkan kredit macet. Dalam penelitian ini akan dilakukan prediksipinjaman kredit dengan menggunakan metode klasifikasi data mining Support Vector Machine dan kNearest Neighbor syang kemudian dilakukan komparasi kedua metode tersebut. Dari hasil pengujiandengan mengukur kinerja kedua metode tersebut menggunakan cross validation, confusion matrix dankurva ROC diketahui bahwa Support Vector Machine memiliki nilai akurasi 92.67% diikuti oleh k-NearestNeighbors yang memiliki nilai akurasi 88,67%. Dengan demikian Metode Support Vector Machine tersebuttermasuk dalam Verry Good Clasification karena memiliki nilai akurasinya sebesar 92.67%. Kata kunci: komparasi,Support Vector Machine,k-Nearest Neighbors ,Analisa Kredit
SISTEM PAKAR PEMBAGIAN WARIS (FARO’IDL) STUDI KASUS KEPAKARAN KYAI ROCHMADI Sumadyo, Malikus
PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Vol 1 No 2 (2013): September 2013
Publisher : LPPM Universitas Islam 45 Bekasi

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

Abstract

ABSTRACTFaro'idl is the science of division of inheritance be based Islamic rules already stated in the Qur'an. Someexperts faro'idl has built and formulate rules the division of inheritance in the specific tables. So as toresolve the division of inheritance cases, an expert can solve it by following the rules set out in the table.Expert system is part of artificial intelligence that is built to resemble an expert way of thinking in solvingproblems. Inheritance division expert system is a system that represents expertise that had been developedby an expert division of inheritance. Kyai Rochmadi is a faroidl expert who lived between the early 20thcentury until the 1970s of Weleri Kendal regency of Central Java has posted faro'idl rules in the form oftables and algorithms dispute resolution division of inheritance.This research is a design system based onthe expertise built by Kyai Rochmadi. With the design and development of research methodology, thesesystems are built with the knowledge acquisition phase, the design and development of data tables andprogramming algorithms. The system can resolve the problem faro'idl prepared with optimally resemblanceto the expertise of the expert when testing.Expert System is built using PHP programming language andMySQL database, for this system to be used by the general public. The results of this study are web-basedsystems. Users can enter data such as the number of heirs to the input field, then the system will answersection obtained as heirs along with the arguments that support it. Keywords: expert system, faro'id (division of inheritance), a web-based system ABSTRAKFaro’idl adalah ilmu pembagian harta waris menurut islam yang aturan-aturannya sudah tertera dalam AlQur’an. Beberapa pakar faro’idl telah membangun dan merumuskan aturan-aturan pembagian harta waristersebut dalam tabel-tabel yang spesifik. Sehingga untuk menyelesaikan kasus pembagian harta warisseorang pakar dapat menyelesaikannya dengan mengikuti aturan-aturan yang tertuang dalam tabel tersebut.Sistem pakar adalah bagian dari kecerdasan buatan yang dibangun untuk menyerupai cara berfikir seorangpakar dalam menyelesaikan masalah. Sistem pakar pembagian harta waris adalah sistem yangmerepresentasikan kepakaran yang telah disusun oleh seorang pakar pembagian harta waris. KyaiRochmadi seorang pakar faro’idl yang hidup antara awal abad 20 hingga tahun 1970 an dari WeleriKabupaten Kendal Jawa Tengah telah membukukan aturan-aturan faro’idl dalam bentuk tabel-tabel danalgoritma penyelesaian permasalahan pembagian harta waris. Penelitian ini adalah penelitian rancangbangun sistem yang berbasis pada kepakaran yang dibangun oleh Kyai Rochmadi. Dengan metodologipenelitian design and development, sistem ini dibangun dengan tahapan akuisisi pengetahuan, perancangantabel data dan pengembangan algoritma dan pemrograman. Sistem yang disusun dapat menyelesaikanmasalah faro’idl dengan mempunyai kemiripan secara optimal terhadap kepakaran sang pakar saatpengujian. Sistem Pakar ini dibangun menggunakan bahasa pemrograman PHP dan database MySQL, agarsistem ini dapat digunakan oleh masyarakat secara umum. Hasil penelitian ini berupa sistem berbasis web.Pengguna dapat memasukkan data berupa jumlah ahli waris ke dalam kolom input, selanjutnya sistem akanmenjawab bagian yang didapatkan sebagai ahli waris beserta dalil yang mendukungnya. Kata kunci: sistem pakar, faro’id (pembagian waris), sistem berbasis web

Page 1 of 1 | Total Record : 6

 1 

Filter by Year

2013 2013


Reset
Filter By Issues
All Issue Vol. 13 No. 2 (2025): September 2025 Vol. 13 No. 1 (2025): Maret 2025 Vol. 12 No. 2 (2024): September 2024 Vol. 12 No. 1 (2024): March 2024 Vol. 11 No. 2 (2023): September 2023 Vol 11 No 2 (2023): September 2023 Vol. 11 No. 1 (2023): March 2023 Vol 11 No 1 (2023): March 2023 Vol 10 No 2 (2022): September 2022 Vol 10 No 1 (2022): March 2022 Vol 9 No 2 (2021): September 2021 Vol 9 No 1 (2021): Maret 2021 Vol 8 No 2 (2020): September 2020 Vol. 8 No. 2 (2020): September 2020 Vol 8 No 1 (2020): Maret 2020 Vol 7 No 2 (2019): September 2019 Vol 7 No 1 (2019): Maret 2019 Vol 6 No 2 (2018): September 2018 Vol 6 No 1 (2018): Maret 2018 Vol 5 No 2 (2017): September 2017 Vol 5 No 1 (2017): Maret 2017 Vol 4 No 2 (2016): September 2016 Vol. 4 No. 1 (2016): Maret 2016 Vol 4 No 1 (2016): Maret 2016 Vol 3 No 2 (2015): September 2015 Vol 3 No 1 (2015): Maret 2015 Vol 2 No 2 (2014): September 2014 Vol 2 No 1 (2014): Maret 2014 Vol. 1 No. 2 (2013): September 2013 Vol 1 No 2 (2013): September 2013 Vol 1 No 1 (2013): Januari 2013 Vol. 1 No. 1 (2013): Januari 2013 More Issue