Edi Noersasongko
Universitas Dian Nuswantoro

Published : 4 Documents
Articles

Found 4 Documents
Search

Pengaruh Peringkas Dokumen Otomatis Dengan Penggabungan Metode Fitur Dan Latent Semantic Analysis (LSA) Pada Proses Clustering Dokumen Teks Berbahasa Indonesia Jamhari, Muhammad; Noersasongko, Edi; Subagyo, Hendro
Jurnal Pseudocode Vol 1, No 2 (2014)
Publisher : Universitas Bengkulu

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

Abstract

Penyimpulan adalah proses pengumpulan bagian yang paling penting dari sebuah sumber dokumen yang menghasilkan versi yang lebih singkat. Metode yang dianggap paling layak untuk melakukan penyimpulan adalah metode berbasis fitur dan LSA (Latent Semantic Analysis). Pengklusteran adalah proses pengelompokan dokumen yang mempunyai kesamaan topik. Metode yang paling seringd ilakukan adalah LSA dimana SVD (Singular Value Decomposition) digunakan untuk menghubungkan semantik antara istilah dan kalimat begitu juga dengan dokumen. SVD juga mengurangi dimensi yang besar dari matriks dokumen istilah. Yang bersama dengan metode Feature Selection melakukan pengurangan fitur. Tesis ini memeriksa pengaruh metode penggabungan fitur dan metode LSA pada penyimpulan pada kumpulan data yang hasilnya akan diklusterkan berdasarkan pada LSA dimana SVD dilakukan bersamaan dengan metode seleksifitur. Uji coba yang dilakukan pada 150 dokumen dari 5 topik dengan beberapa kombinasi metode fitur metode LSA dan kedua metode digabungkan, pada tingkatan penyimpulan yang diintegrasikan tingkatan klusterisasi berdasarkan pada LSA dengan nilai k 12 dan metode kontribusi tema pemilih tema terbimbing memperlihatkan pengaruh yang besar pada metode yang digabungkan pada tahapan penyimpulan yang mendapatkan hasil akurasi 93.33%  dan waktu komputasi yang relatif cepat berkisar 57 detik dengan proporsi penggabungan seperti berikut : Kesimpulan LSA + 50% kesimpulan Fitur+20% seleksifitur+ Klusterisasi LSA.
PREDIKSI VOLUME LALU LINTAS ANGKUTAN LEBARAN PADA WILAYAH JAWA TENGAH DENGAN METODE K-MEANS CLUSTERING UNTUK ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) Evanita, Evanita; Noersasongko, Edi; Pramunendar, Ricardus Anggi
Jurnal Simetris Vol 7, No 1 (2016): JURNAL SIMETRIS VOLUME 7 NO 1 TAHUN 2016
Publisher : Universitas Muria Kudus

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

Abstract

Di Indonesia kepadatan arus lalu lintas terjadi pada jam berangkat dan pulang kantor, hari-hari libur panjang atau hari-hari besar nasional terutama saat hari raya Idul Fitri (lebaran). Mudik sudah menjadi tradisi bagi masyarakat Indonesia yang ditunggu-tunggu menjelang lebaran, berbondong-bondong untuk pulang ke kampung halaman untuk bertemu dan berkumpul dengan keluarga. Kegiatan rutin tahunan ini banyak di lakukan khususnya bagi masyarakat kota-kota besar seperti Jakarta, dimana diketahui bahwa Jakarta adalah Ibu kota negara Republik Indonesia dan menjadi tujuan merantau untuk mencari pekerjaan yang lebih layak yang merupakan harapan besar bagi masyarakat desa. Volume kendaraan bertambah sejak 7 hari menjelang lebaran sampai 7 hari setelah lebaran tiap tahunnya terutama pada arah keluar dan masuk wilayah Jawa Tengah yang banyak menjadi tujuan mudik. Volume kendaraan saat arus mudik yang selalu meningkat inilah yang akan diteliti lebih lanjut dengan metode ANFIS agar dapat menjadi alternatif solusi  langkah  apa  yang  akan  dilakukan di  tahun  selanjutnya agar  pelayanan lalu  lintas, kemacetan panjang dan angka kecelakaan berkurang. Dengan input parameter ANFIS yang digunakan yaitu pengclusteran hingga 5 cluster, epoch 100, error goal 0 diperoleh performa terbaik ANFIS dengan K-Means clustering yang terbagi menjadi 3 cluster, epoch terbaik sebesar 20 dengan RMSE Training terbaik sebesar  0,1198,  RMSE  Testing terbaik sebesar  0,0282  dan  waktu proses tersingkat  sebesar 0,0695.Selanjutnya hasil prediksi diharapkan dapat bermanfaat menjadi alternatif solusi langkah apa yang akan dilakukan di tahun selanjutnya agar pelayanan lalu lintas lebih baik lagi.Kata kunci: angkutan lebaran, Jawa Tengah, ANFIS.
Sistem Informasi Pergudangan Alat-Alat Kesehatan Pada PT.Global Medika Utama Susviando, Bave; Noersasongko, Edi
JOINS (Journal of Information System) Vol 2, No 1 (2017)
Publisher : Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (383.284 KB) | DOI: 10.33633/joins.v2i1.1461

Abstract

PT.Global Medika Utama adalah perusahaan yang menjalankan bisnis penjualan alat-alat kesehatan yang berada dilokasi kota Semarang. Dalam menjalankan usaha pergudangan alat-alat kesehatan PT.Global Medika Utama melakukan pengelolaan secara konvensional, sehingga sering ditemui kendala dalam pemantauan stok barang, pencarian penyimpan barang dalam gudang, maupu menyusun laporan barang yang diperlukan untuk pengambilan keputusan. Tujuan penelitian ini adalah untuk merancang sitem informasi pergudangan alat-alat kesehatan pada PT.Global Medika Utama, guna membantu dalam pemantauan stok barang dan pembuatan laporan–laporan  yang dibutuhkan PT.Global Medika Utama. Metode pengembangan sistem yang digunakan pada penelitian ini adalah metode waterfall. Hasil dari penelitian ini yakni dihasilkan sebuah sistem informasi pergudangan yang mampu melakukan pendataan barang, pendataan pemasok, pendataan pengadaan, pendataan konsumen, dan pendataan penjualan. Kesmpulan dari penelitian ini adalah kemudahan dalam melakukan pendataan, kemudahaan pencetakan laporan pengadaan barang, dan laporan penjualan alat kesehatan PT.Global Medika Utama yang berguna untuk pengambilan keputusan. Kata kunci : data, informasi, sistem informasi, pengelolaan gudang, alat kesehatan.  PT.Global Medika Utama is a company that runs the business of selling medical devices that are planted in the city of Semarang. In carrying out the business of warehousing of medical equipment PT.Global Medika Utama managing conventionally, so often encountered obstacles in monitoring the stock of goods, storage of goods in the warehouse search, compile reports maupu goods necessary for decision making. The purpose of this study was to design warehousing information system health tools on PT.Global Medika Utama, to assist in monitoring the inventory and making reports required PT.Global Medika Utama. System development method used in this study is the waterfall method. Results from this study that produced an information system that is able to collect data warehousing of goods, supplier data collection, data collection procurement, customer data collection, and the collection of sales. Kesmpulan of this study is the ease in data collection, ease of printing procurement reports, and reports sales of medical devices PT.Global Medika Utama useful for decision making. Keywords: data, information, information systems, warehouse management, medical devices
Optimasi K-Nearest Neighbor Dengan Particle Swarm Optimization Untuk Memprediksi Harga Komoditi Karet Liklikwatil, Rudy Donny; Noersasongko, Edi; Supriyanto, Catur
E-JURNAL JUSITI : Jurnal Sistem Informasi dan Teknologi Informasi Vol 7 No 2 (2018): e-jurnal JUSITI
Publisher : STMIK Dipanegara Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (365.28 KB)

Abstract

Komoditi dan harganya karet mengalami perubahan yang fluktuatif dan menunjukkan pola yang tidak stasioner, di sisi lain pengambilan keputusan bisnis memerlukan data yang akurat dan terukur. Algoritma k-NN merupakan algoritma yang merupakan algoritma unsupervised, dan terbukti baik pada data mining. Sedangkan Particle Swarm Optimization (PSO) menunjukkan performa optimasi yang lebih baik dibandingkan dengan metode yang lain. Penelitian ini  bertujuan untuk merancang metode prakiraan yang dapat memperkirakan tingkat harga dan volume permintaan untuk TSR 20. Prakiraan dilakukan menggunakan Jaringan Syaraf Tiruan dengan algoritma propagasi balik, dimana data yang digunakan adalah data perkembangan pasar TSR pada bursa berjangka SICOM.. Berdasarkan tiga indikator pelatihan yang dijadikan acuan dalam pemilihan arsitektur terbaik, spesifikasi ke 15 tidak perlu melakukan pelatihan sampai epoch maksimum. Dalam teknik PSO terdapat beberapa cara untuk melakukan pengoptimasian diantaranya meningkatkan bobot atribut  terhadap semua atribut atau variable yang dipakai, menseleksi atribut dan fitur seleksi. Hasil penelitian dari prediksi harga komoditi karet dengan menggunakan model k-NN mendapatkan nilai RMSE sebesar 0,087 sedangkan bila menggunakan k-NN yang dioptimasi dengan menggunakan Particle Swarm Optimization didapatkan nilai  RMSE sebesar 0,082 lebih baik dibandingkan dengan hanya menggunakan k-NN saja.