cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kab. sleman,
Daerah istimewa yogyakarta
INDONESIA
Seminar Nasional Informatika (SEMNASIF)
Published by Universitas Pembangunan Nasional Veteran Yogyakarta
ISSN : -     EISSN : -     DOI : -
Core Subject : Science,
Computer Science & IT
Arjuna Subject : -
Articles 18 Documents
 1   2 
Search results for , issue "Vol 1, No 1 (2010): Computatinal" : 18 Documents clear
DETEKSI KEMIRINGAN ALUR POLA SIDIK JARI DENGAN HAMMING NET SEBAGAI DASAR KLASIFIKASI Suwarno, Sri; Hartati, Sri
Seminar Nasional Informatika (SEMNASIF) Vol 1, No 1 (2010): Computatinal
Publisher : Jurusan Teknik Informatika

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

Abstract

Sidik jari memiliki dua fitur penting yang disebut fitur lokal (minutiae) dan fitur global (singularities). Fitur lokal terdiri dari bagian-bagian detail dari sidik jari, sedangkan fitur global terdiri alur (ridge), titik pusat (core), dan titik persimpangan (delta). Fitur lokal biasanya digunakan sebagai dasar pencocokan sidik jari, sedangkan fitur global biasanya dipakai untuk dasar klasifikasi. Klasifikasi berdasarkan keberadaan dan posisi core dan delta memerlukan proses komputasi yang rumit dan panjang. Pada penelitian ini sudut kemiringan alur diteliti, dengan harapan dapat dipakai sebagai dasar klasifikasi yang lebih sederhana dan lebih cepat proses komputasinya. Pertama, citra grayscale sidik jari dikonversi menjadi citra biner, kemudian dilakukan proses thinning dan selanjutnya dikonversi menjadi citra bipolar. Kedua, dibuat 12 definisi sudut potongan alur yang melewati blok berukuran 3x3 piksel. Nilai dari piksel-piksel pada ke 12 blok tersebut digunakan sebagai target pelatihan bagi Hamming Network. Dengan memproses setiap blok berukuran 3x3 piksel dari citra sidik jari dengan Hammning Network maka sudut kemiringan potongan alur pada blok tertentu dapat ditentukan. Penelitian ini menghasilkan klasifikasi dengan ketepatan 63% dari 80 sampel pola sidik jari.
ANALISIS PENGARUH METODE COMBINE SAMPLING DALAM CHURN PREDICTION UNTUK PERUSAHAAN TELEKOMUNIKASI Angelina Sagita Sastrawan; ZK Abdurahman Baizal; Moch. Arif Bijaksana
Seminar Nasional Informatika (SEMNASIF) Vol 1, No 1 (2010): Computatinal
Publisher : Jurusan Teknik Informatika

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

Abstract

Churn prediction pada pelanggan telekomunikasi merupakan upaya memprediksi/mengklasifikasi pelanggan jasa telekomunikasi yang berhenti atau berpindah berlangganan dari suatu operator ke operator yang lain. Namun dataset pada kasus churn ini biasanya memiliki kelas yang imbalance dimana jumlah instance suatu kelas (kelas active atau tidak churn atau mayor atau negatif) jauh lebih besar dari jumlah kelas yang lain (kelas churn atau minor atau positif). Akibatnya, kebanyakan classifier cenderung memprediksi kelas mayor dan mengabaikan kelas minor sehingga akurasi kelas minor sangat kecil. Salah satu pendekatan yang dilakukan untuk menangani permasalahan ini adalah dengan memodifikasi distribusi instances dari dataset yang digunakan atau yang lebih dikenal dengan pendekatan sampling-based. Teknik resampling ini meliputi oversampling, under-sampling, dan combine-sampling. Analisis yang dilakukan pada penelitian ini adalah mengetahui bagaimana pengaruh metode combine sampling yang digunakan terhadap akurasi prediksi data churn dengan melakukan penghitungan akurasi model churn prediction yang dinyatakan dalam bentuk lift curve, top decile dan gini coefficient serta f-measure untuk penghitungan akurasi prediksi data sebagai data yang imbalance. Hasil yang didapat dari penelitian menunjukkan bahwa metode combine sampling belum sesuai diterapkan pada data churn, karena cenderung masih menghasilkan nilai top decile yang kecil. Tetapi secara umum metode combine sampling ini mampu meningkatkan akurasi untuk memprediksi data minor. Dengan penerapan metode combine sampling, data churn yang memiliki tingkat imbalance yang besar dapat diklasifikasi tanpa mengorbankan data minor yang menjadi fokus penelitian. Metode combine sampling yang digunakan juga memiliki hasil evaluasi yang berbeda terhadap dataset sebagai data churn dan sebagai dataimbalance.
PENERAPAN PROGRAM LINEAR BERKENDALA FUZZY UNTUK OPTIMISASI PRODUKSI GERABAH Eko Hari Parmadi
Seminar Nasional Informatika (SEMNASIF) Vol 1, No 1 (2010): Computatinal
Publisher : Jurusan Teknik Informatika

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

Abstract

Masalah program linear adalah masalah menentukan nilai maksimum atau nilai minimum dari sebuah fungsi linear yang disebut fungsi objektif dengan syarat-syarat atau kendala yang dinyatakan dalam bentuk persamaan atau pertidaksamaan linear. Namum dalam beberapa situasi dijumpai kendala yang tidak tegas atau fuzzy. Penyelesaian dengan Metode Simpleks maupun Metode Grafik hanya berlaku untuk kendala atau fungsi objektif yang tegas, demikian pula halnya dengan berbagai program aplikasi yang ada seperti QM for Windows TORA atau WinQSB. Masalah optimisasi gerabah adalah masalah menentukan keuntungan maksimum dari beberapa jenis gerabah yang diproduksi oleh suatu mesin. Masalah ini dapat dinyatakan dalam sebuah model program linear berkendala fuzzy. Kendala fuzzy yang dimaksud adalah kebutuhan tanah liat dan pasir serta ketersediaannya untuk setiap model gerabah. Dengan asumsi bahwa hubungan antara variabel tanah liat dan pasir adalah linear maka penerapan bilangan fuzzy segitiga dalam masalah program linear berkendala fuzzy akan diubah menjadi model masalah program linear tegas untuk kemudian hasilnya dapat disimulasikan menggunakan QM for Windows atau WinQSB
APLIKASI ALGORITMA DYNAMIC PROBABILISTIC INVENTORY PADA PROSES PENGENDALIAN PERSEDIAAN BAHAN BANGUNAN Ngarap Im Malik; Evelin Widyawati; Rudi Tjiptadi
Seminar Nasional Informatika (SEMNASIF) Vol 1, No 1 (2010): Computatinal
Publisher : Jurusan Teknik Informatika

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

Abstract

In a building construction project, optimizing of inventory control plays an important rule to guarantee continuity and fluency of the project. It is needed to choose a suitable model to control it, so the total cost of inventory can be minimized. This paper discusses a dynamic probabilistic inventory model. With this model the accurate average ordering can be known, as well also optimal ordering quantity, the minimum amount of stock inventory, and reordering time, so the total inventory cost can be minimized. Discuss here only the critical building materials, namely materials type A, because this type of materials needs big amount of company’s budget, so when it is well controlled, the budget of the company can be well saved / minimized.
PERAMALAN PORT THROUGHPUT MENGGUNAKAN METODE KOMBINASI NONLINIER Wiwik Anggraeni; Asra Alfathoni
Seminar Nasional Informatika (SEMNASIF) Vol 1, No 1 (2010): Computatinal
Publisher : Jurusan Teknik Informatika

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

Abstract

Port throughput mempunyai pengaruh yang sangat berarti bagi port logistics dan secara tidak langsung berpengaruh terhadap pertumbuhan ekonomi. Oleh karena itu, peramalan port throughput sangat diperlukan untuk kepentingan tersebut. Karena data port throughput merupakan data yang mempunyai sifat non linier, maka hasil peramalan akan lebih bagus jika digunakan metode yang dapat menangani sifat data yang non linier tersebut. Dari penelitian yang sudah dilakukan sebelumnya, terlihat bahwa metode Moving Average dan Exponential Smoothing mempunyai performance yang dapat dikatakan bagus untuk menangani data yang mempunyai sifat seperti port througput. Oleh karena itu, pada penelitian ini akan dicoba untuk menggabungkan metode Moving Average, Exponential Smoothing dan Elman Network. Dalam melakukan prediksi, data dibagi menjadi 2 bagian, yaitu data untuk ujicoba dan data untuk testing. Setelah itu data ujicoba diproses dengan menggunakan Moving Average dan Exponential Smoothing , setelah itu hasilnya digunakan sebagai input dari Elman Network. Dari sini kita akan mendapatkan serangkain bobot yang akan digunakan untuk meramalkan data port throughput untuk beberapa tahun kedepan. Pada akhir uji coba, nilai peramalan dari port throughput yang didapatkan dengan metode kombinasi nonlinier mempunyai tingkat kesalahan yang jauh lebih kecil dari batas Mean Square Error (MSE) normal yang berada disekitar nilai 0.1. Sehingga dapat disimpulkan bahwa hasil ramalan dengan metode kombinasi nonlinier dapat dikatakan bagus.
APLIKASI KOMPRESI CITRA BERBASIS ROUGH FUZZY SET Anny Yuniarti; Nadya Anisa Syafa; Handayani Tjandrasa
Seminar Nasional Informatika (SEMNASIF) Vol 1, No 1 (2010): Computatinal
Publisher : Jurusan Teknik Informatika

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

Abstract

Perkembangan teknologi informasi yang pesat telah memberi peran yang sangat penting untuk menjalin pertukaran informasi yang cepat. Kecepatan pengiriman informasi akan menjadi bagian utama dalam pertukaran informasi masa mendatang. Salah satu cara untuk mempersingkat waktu dan memperkecil biaya pengiriman adalah dengan melakukan pemampatan data teks, suara dan citra sebelum ditransmisikan. Dalam makalah ini, diperkenalkan suatu metode kompresi citra baru berbasis rough fuzzy set yang menggunakan metode kuantisasi vektor. Metode ini dinamakan Rough Fuzzy Vector Quantization (RFVQ). Dengan menggunakan RFVQ diperoleh hasil kompresi yang baik karena citra yang dihasilkan serupa dengan citra aslinya. Metode ini disusun dari tiga fase yaitu perancangan codebook, fase coding, dan fase decoding. Uji coba dilakukan pada citra abu–abu 8 bit per piksel berukuran 256 x 256. Hasil ujicoba ditunjukkan dengan nilai Peak Signal to Noise Ratio (PSNR) dengan blok dimensi dan tingkat kompresi tertentu. Tingkat kompresi yang bagus untuk menghasilkan citra kompresi dengan metode ini adalah tingkat kompresi 0.25.
APLIKASI KLASIFIKASI DOKUMEN MENGGUNAKAN METODA NAÏVE BAYSIAN Marvin Chandra Wijaya; Semuil Tjiharjadi
Seminar Nasional Informatika (SEMNASIF) Vol 1, No 1 (2010): Computatinal
Publisher : Jurusan Teknik Informatika

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

Abstract

Suatu makalah yang diterima atau didapatkan oleh sebuah institusi atau perorangan melalui berbagai sumber merupakan makalah dengan berbagai macam klasifikasi. Misalnya suatu perpustakaan perlu memilah-milah dokumen atau makalah yang diterima ke dalam berbagai kategori. Sebagai contoh suatu makalah dapat merupakan salah satu dari kateogri berikut : Komputer, Elektro / elektronika, Teknik Sipil, Teknik Industri, Ekonomi dan kedokteran. Banyak metode yang dapat digunakan untuk melakukan proses klasifikasi terhadap data, salah satu yang akan digunakan adalah dengan menggunakan metode Naïve Bayessian. Dengan menggunakan metoda ini perlu adanya pembelajaran terlebih dahulu sebelum program dapat digunakan untuk melakukan klasifikasi dokumen / makalah. Pertama-tama program diberi sejumlah input berupa data dokumen / makalah yang sudah diklasifikasikan terlebih dahulu. Setelah cukup banyak data makalah / dokumen untuk setiap kategorinya, maka program sudah siap digunakan untuk melakukan klasifikasi dokumen.
SISTEM REKOMENDASI NILAI MATA KULIAH MENGGUNAKAN METODE CONTENT-BASED FILTERING Puspaningtyas Sanjoyo Adi
Seminar Nasional Informatika (SEMNASIF) Vol 1, No 1 (2010): Computatinal
Publisher : Jurusan Teknik Informatika

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

Abstract

Sistem rekomendasi merupakan sistem yang bertujuan memperkirakan informasi yang menarik bagi penggunanya dan juga membantu calon konsumen dalam memutuskan barang apa saja yang akan dibelinya. Pada awal semester, setiap mahasiswa mendaftar untuk menempuh suatu mata kuliah. Saat inilah, mahasiswa membutuhkan suatu rekomendasi mengenai nilai yang akan diperolehnya. Penelitian ini bertujuan membuat perkiraan nilai mata kuliah yang akan ditempuh oleh seorang mahasiswa. Metode yang digunakan adalah metode content-based filltering. Metode content-based filering diimplementasikan dengan masukan sistem adalah dokumen silabus mata kuliah. Dokumen-dokumen ini selanjutnya diproses penghapusan stop word, stemming dan pengindeksan. Proses pengindeksan mengasilkan sebuah daftar kata dan frekuensinya pada dokumen tersebut. Setelah proses pengindeksan selesai, sistem akan melakukan penghitungan bobot kata dalam semua dokumen dengan algoritma TF-IDF. Menggunakan bobot kata ini, dokumen dapat dimodelkan dalam vekor yang dikenal dengan istilah vector space model. Berdasarkan model ini, setiap mata kuliah dihitung tingkat kemiripannya satu sama lain. Nilai tingkat kemirian ini selanjutnya digunakan untuk membangkitkan rekomendasi nilai menggunakan algoritma K Nearest Neighborhood. Sistem ini telah diujicobakan pada 10 mahasiswa T. Informatika USD angkatan 2006. Sistem membangkitkan rekomendasi untuk nilai-nilai semester 3 dan semester 4. Nilai yang dibangkitkan sebanyak 176 buah dengan tingkat akurasi sebesar 53%. Tingkat akurasi ini sangat jelek karena masih belum tepatnya algoritma pembangkitan rekomendasi dalam hal ini algoritma K Nearest neighborhood. Masih diperlukan penelitian lanjutan untuk menyempurnakan sistem ini.

Page 2 of 2 | Total Record : 18

 1   2 

Filter by Year

2010 2010


Reset
Filter By Issues
All Issue Vol 1, No 1 (2021): Inovasi Teknologi dan Pengolahan Informasi untuk Mendukung Transformasi Digital Vol 1, No 1 (2020): Peran Digital Society dalam Pemulihan Pasca Pandemi Vol 1, No 1 (2018): Landscape Industri Internet Dampak Perilaku Marketing Indonesia Vol 1, No 1 (2018): Landscape Industri Internet Dampak Perilaku Marketing Indonesia Vol 1, No 1 (2017): “e-Defense : Menjaga keamanan data menghadapi cyber warfare untuk memperkokoh ke Vol 1, No 2 (2016): Semnasif 2016 Vol 1, No 2 (2016): Semnasif 2016 Vol 1, No 1 (2015): Informatika Dalam Pengelolaan Sumber Daya Alam Vol 1, No 1 (2015): Informatika Dalam Pengelolaan Sumber Daya Alam Vol 1, No 1 (2014): Business Intelligence Vol 1, No 5 (2013): Network And Security Vol 1, No 4 (2013): Intelligent System dan Application Vol 1, No 3 (2013): Computation And Instrumentation Vol 1, No 3 (2013): Computation And Instrumentation Vol 1, No 2 (2013): Cloud Computing Technology Vol 1, No 1 (2013): Information System and Application Vol 1, No 1 (2013): Information System and Application Vol 1, No 5 (2012): Geoinformatic And GIS Vol 1, No 5 (2012): Geoinformatic And GIS Vol 1, No 4 (2012): Information System and Application Vol 1, No 4 (2012): Information System and Application Vol 1, No 3 (2012): Intelligent System dan Application Vol 1, No 3 (2012): Intelligent System dan Application Vol 1, No 2 (2012): Network And Security Vol 1, No 1 (2012): Computation And Instrumentation Vol 1, No 5 (2011): Information System and Application Vol 1, No 5 (2011): Information System and Application Vol 1, No 4 (2011): Intelligent System dan Application Vol 1, No 3 (2011): Network And Security Vol 1, No 2 (2011): Instrumentational And Robotic Vol 1, No 2 (2011): Instrumentational And Robotic Vol 1, No 1 (2011): Computatinal Vol 1, No 5 (2010): Information System And Application Vol 1, No 5 (2010): Information System And Application Vol 1, No 4 (2010): Intelligent System dan Application Vol 1, No 3 (2010): Network And Security Vol 1, No 3 (2010): Network And Security Vol 1, No 2 (2010): Instrumentational And Robotic Vol 1, No 1 (2010): Computatinal Vol 1, No 1 (2010): Computatinal Vol 1, No 6 (2009): E-Democracy Vol 1, No 6 (2009): E-Democracy Vol 1, No 5 (2009): Information System And Application Vol 1, No 5 (2009): Information System And Application Vol 1, No 4 (2009): Intelligent System dan Application Vol 1, No 3 (2009): Network And Security Vol 1, No 2 (2009): Instrumentational And Robotic Vol 1, No 1 (2009): Computatinal Vol 1, No 1 (2009): Computatinal Vol 1, No 5 (2008): Information System And Application Vol 1, No 5 (2008): Information System And Application Vol 1, No 4 (2008): Network And Security Vol 1, No 3 (2008): Intelligent System dan Application Vol 1, No 3 (2008): Intelligent System dan Application Vol 1, No 2 (2008): Instrumentational And Robotic Vol 1, No 1 (2008): Computational More Issue