Article Per Year (5 Year)
p-Index From 2021 - 2026
5.372
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Bulletin of Electrical Engineering and Informatics JETT (Jurnal Elektro dan Telekomunikasi Terapan) JOIV : International Journal on Informatics Visualization JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING Jurnal Ilmiah FIFO TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika IJAIT (International Journal of Applied Information Technology) JATI (Jurnal Mahasiswa Teknik Informatika) Journal of Computer, Electronic, and Telecommunication (COMPLETE) Almufi Jurnal Pengabdian kepada Masyarakat KOMMAS: Jurnal Pengabdian Kepada Masyarakat Jurnal Ilmiah Teknik Elektro eProceedings of Engineering Jurnal Ilmiah Agroust Telkatika: Jurnal Telekomunikasi Elektro Komputasi & Informatika SWAGATI: Journal of Community Service Jurnal Nasional Sains dan Teknik
Suryo Adhi Wibowo
Universitas Telkom
Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Social Sciences Other

Published : 69 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 69 Documents
Search

 3   4   5   6   7 
Analisis Performansi Hate Comments pada Learning Rate 10-1- 10-3 dengan Dataset dari X Budiyanto, Anggara; Maharani , Kartika Dwi; Huljannah, Miftah; Syahanifa , Nancy Olivia; Wibowo, Suryo Adhi; Usman, Koredianto
eProceedings of Engineering Vol. 12 No. 2 (2025): April 2025
Publisher : eProceedings of Engineering

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

Abstract

Cyberbullying merupakan fenomena sosial yang se- makin meningkat seiring dengan meningkatnya penggunaan media sosial, dan seringkali menyebabkan dampak psikologis serta emosional yang merugikan, terutama melalui hate com- ments. Penelitian ini bertujuan untuk mengevaluasi kinerja model IndoBERT dan Cendol dalam mendeteksi komentar kebencian yang berhubungan dengan cyberbullying. Survei terhadap 328 partisipan menghasilkan 64 kata kunci terkait cyberbullying. Proses penelitian mencakup pengumpulan dataset yang berisi kata kunci tersebut, serta pengujian kedua model menggunakan metrik evaluasi seperti akurasi, presisi, recall, dan F1-Score. Hasil eksperimen menunjukkan bahwa model Cendol unggul dengan akurasi sebesar 90,5% pada konfigurasi batch size 15, epoch ke-4, dan learning rate 10-3, sementara IndoBERT hanya mencapai akurasi 36% pada konfigurasi batch size 5, epoch ke- 4, dan learning rate 10-3. Meskipun kedua model menunjukkan potensi dalam mendeteksi ujaran kebencian, model IndoBERT menunjukkan performa yang lebih rendah pada dataset yang digunakan, kemungkinan disebabkan oleh keterbatasan dalam menangani konteks lokal. Penelitian ini memberikan kontribusi signifikan dalam pengembangan teknologi deteksi ujaran keben- cian berbasis bahasa Indonesia, yang dapat diimplementasikan pada berbagai platform media sosial seperti X, Facebook, Insta- gram, dan TikTok untuk mengurangi dampak negatif dari hate comments. Kata Kunci: Cyberbullying, Hate Comments, IndoBERT, Cen- dol, NLP.
Data-Driven Telecommunication Infrastructure: AI Clustering and Geodesic Measurement for Strategic Tower Optimization Al Rasyid, Sadam; Wibowo , Suryo Adhi
eProceedings of Engineering Vol. 12 No. 2 (2025): April 2025
Publisher : eProceedings of Engineering

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

Abstract

The optimization of Base Transceiver Station (BTS) location is a major challenge in current urban areas, owing to fast population increase and rising need for high-performance communications networks. This paper describes a revolutionary strategy to BTS deployment that employs advanced clustering algorithms to improve network performance and coverage in densely populated urban locations. Four clustering algorithms are assessed, including K-Means, DBSCAN, Hierarchical Clustering, and K-Medoids, while taking into account urban variables such as housing density, land use, and geographic distribution. The paper makes two major contributions: dynamic change of the K-Means algorithm’s cluster count and efficient centroid initialization using real-world urban data. Geodesic distance measures are used to examine the spatial relationships between BTS locations, resulting in more accurate and efficient tower de- ployment. Experimental results show that the modified K-Means algorithm beats the other techniques, with a Calinski-Harabasz index of 1662.46 and a Davies-Bouldin index of 0.868, showing improved cluster cohesiveness and separation. This technique lowers deployment costs while improving network coverage, resulting in more precise BTS placement and better resource use. These findings fill a gap in the literature by providing vital insights into data-driven urban optimization methodologies. They also have substantial implications for the planning and development of smart city infrastructure, furthering the future of wireless network architecture in urban contexts. Index Terms—telecommunication optimization, base transceiver station (BTS), clustering algorithms, geodesic measurement.
Mengoptimalkan Pelaporan Pemilu melalui Aplikasi DocsQuik Berbasis Android berbahasa Dart menggunakan YOLOv8 sebagai Machine Learning serta Amazon Web Service (AWS) Prihananto, Jeremia Pandu Putra; Sujatmoko, Kris; Wibowo, Suryo Adhi
eProceedings of Engineering Vol. 11 No. 4 (2024): Agustus 2024
Publisher : eProceedings of Engineering

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

Abstract

Pemilu merupakan sebuah pilar utama untuk melakukan sebuah demokrasi warga negara agar dapat memilik wakil negara mereka secara langsung. Pada laporan ini akan membahas sistem pemilu yang menggambungkan anatara sistem distrik dan perwakilan berimbang, serta dapat memberikan kursi tambahan kepada partai dengan perolehan suara yang tertinggi. Disisi lain, laporan ini membahas mengenai pembuatan aplikasi yang berbasis Android menggunakan framework flutter, konsep dasar machine learning YOLOv8, dan penyimpanan serta pemrosesan data menggunakan Amazon Web Service (AWS). Machine learning ini menjadi hal utama untuk meningkatkan transparansi dan integritas dalam pelaporan hasil pemilu. Hasil akan menunjukkan adanya efektifitas untuk mengurangi kesalahan dan kecurangan agar meningkatkan kepercayaan publik terhadap proses berlangsungnya pemilu. Kata Kunci: Aplikasi Mobile, Cloud Computing, Deteksi Objek, Formulir C1, Machine Learning, Pemilu, dan YOLOv8.
Aplikasi DocsQuik sebagai Pelaporan Formulir C1 Pemilu Berbasis Android dengan Penggunaan Cloud Computing Amazon Web Service dan Firebase serta Machine Learning YOLO sebagai Pengoptimalan Gusdi, Angelita; Sujatmoko, Kris; Wibowo, Suryo Adhi
eProceedings of Engineering Vol. 11 No. 4 (2024): Agustus 2024
Publisher : eProceedings of Engineering

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

Abstract

Pemilu adalah media untuk pelaksanaan kegiatan memilih Presiden dan Wakil Presiden beserta jajarannya, yang dilaksanakan secara langsung, umum, rahasia, jujur, dan adil dalam Negara Kesatuan Republik Indonesia berdasarkan Pancasila dan Undang- Undang Dasar tahun 1945. Pemilu menggunakan sistem campuran, yaitu sistem distrik dan sistem perwakilan berimbang. Wilayah negara dibagi menjadi beberapa daerah pemilihan yang menjadikan satu orang sebagai perwakilan merupakan sistem distrik. Dalam sistem perwakilan berimbang, partai politik yang memiliki perolehan suara terbanyak tetap mendapatkan jatah kursi tambahan, meskipun tidak memenangkan suara di daerah pemilihan. Laporan ini menggunakan aplikasi berbasis android yang menggunakan framework Flutter, Machine learning menggunakan model YOLOv8 dan Cloud Computing menggunakan Amazon Web Service (AWS) sebagai penyimpanan data dan pemprosesan yang bisa dibagikan antar pengguna. Kata Kunci: Aplikasi Mobile, Cloud Computing, DocsQuik, Formulir C1, Machine Learning, dan Pemilu
Pengolahan Citra Digital: Implementasi Algoritma YOLOv8 dalam Mendeteksi dan Mengenali Tulisan Tangan Berupa Angka pada Gambar Syifa, Vito Devara; Sujatmoko, Kris; Wibowo, Suryo Adhi
eProceedings of Engineering Vol. 11 No. 4 (2024): Agustus 2024
Publisher : eProceedings of Engineering

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

Abstract

Pemilihan Umum (PEMILU) merupakan salah satu pilar utama proses demokrasi yang memungkinkan warga negara memilih rakyat mereka secara langsung. Jurnal ini membahas perancangan machine learning menggunakan YOLOv8 untuk deteksi angka dalam gambar dalam proses pelaporan Formulir C1 Pemilu untuk meningkatkan transparansi dan integritas dalam konteks pemilihan umum. Selanjutnya penerapan cloud computing juga dimanfaatkan untuk penyimpanan dan pengiriman data. Hasil analisis menunjukkan bahwa penggunaan teknologi ini dapat mengurangi human error dalam pelaporan hasil pemilu. Model YOLOvm dengan dataset combine memiliki hasik terbaik dengan precision 98%, recall 98.3%, dan f1-score 98%. Secara keseluruhan model yang dirancang sudah sesuai dengan yang diharapkan. Kata Kunci - Cloud Computing, Machine Learning, Pemilu, YOLOv8.
Desain dan Implementasi Website Harvest Lens Prediksi Harga Beras Menggunakan Framework Streamlit Julyano , Muhammad Billy; Wibowo , Suryo Adhi; Usman, Koredianto
eProceedings of Engineering Vol. 11 No. 4 (2024): Agustus 2024
Publisher : eProceedings of Engineering

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

Abstract

Pergerakan harga pangan di Indonesia memiliki dampak signifikan terhadap ekonomi dan kesejahteraan masyarakat. Fluktuasi harga dan ketidaksesuaian pasokan sering menjadi pemicu inflasi yang mengganggu stabilitas ekonomi. Oleh karena itu, pemahaman yang akurat tentang dinamika harga pangan sangat penting untuk mendukung kebijakan yang efektif dalam mengendalikan inflasi dan memastikan ketersediaan pangan yang memadai. Program prediksi harga pangan yang dikembangkan oleh Badan Pangan Nasional, Telkom University, dan Badan Riset Inovasi Nasional bertujuan untuk meningkatkan pemahaman ini. Telkom University berperan dalam mengembangkan prediksi harga pangan berbasis web yang disebut Harvest Lens. Website ini dikembangkan menggunakan Use Case Diagram dan Activity Diagram untuk perancangan, serta Python dan Framework Streamlit untuk implementasi. Pengujian menggunakan System Usability Scale (SUS) menunjukkan rata-rata nilai 87,08, mencerminkan kategori "Best Imaginable" menurut skala SUS. Hasil ini menunjukkan bahwa website berhasil memenuhi kebutuhan pengguna dengan baik dan memberikan pengalaman pengguna yang memuaskan. Kata kunci— Website, Python, Streamlit, SUS
Pengembangan Model Prediksi Harga Beras Nasional Berbasis Multivariate Menggunakan Temporal Fusion Transformer (TFT) Radhibilla, Maulaya; Wibowo, Suryo Adhi; Usman, Koredianto
eProceedings of Engineering Vol. 11 No. 4 (2024): Agustus 2024
Publisher : eProceedings of Engineering

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

Abstract

Dalam konteks ekonomi, sosial, dan politik, harga komoditas pangan memiliki peran penting yang signifikan dalam menentukan stabilitas ekonomi dan kesejahteraan masyarakat. Namun, terdapat tantangan dalam pengelolaan harga pangan, seperti mengidentifikasi periode-periode tertentu di mana harga pangan mengalami kenaikan signifikan dan memperkirakan tren harga pangan di masa depan. Berdasarkan latar belakang tersebut, dirancanglah model prediksi dengan pendekatan multivariate, menggunakan arsitektur Temporal Fusion Transformer (TFT). TFT adalah model Transformer yang dirancang untuk peramalan time series multi-horizon dan meraih performa state-of-the-art. Pada perancangan ini, terdapat enam jenis data, baik data kontinu maupun kategorial, yang digunakan dengan target prediksi harga harian Beras Premium dan Beras Medium hingga 30 hari ke depan berdasarkan pola temporal 90 hari sebelumnya. Berdasarkan pengujian yang dilakukan dengan 30 baris terakhir data, didapatkan nilai Mean Absolute Percentage Error (MAPE) sebesar 0,23% untuk Beras Premium dan 0,3% untuk Beras Medium. Pengujian ini menunjukkan bahwa performa TFT sangat baik dalam implementasi time series multivariate forecasting. Kata kunci— Harga, Beras, Time Series, TFT, Multivariate, MAPE
Evaluasi Kinerja YOLOv8 dalam Identifikasi Kesegaran Ikan dengan Metode Deteksi Objek Maulana , Muhammad Dafa; Novamizanti, Ledya; Wibowo, Suryo Adhi
eProceedings of Engineering Vol. 11 No. 4 (2024): Agustus 2024
Publisher : eProceedings of Engineering

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

Abstract

Identifikasi kesegaran ikan merupakan aspek penting dalam industri perikanan karena mempengaruhi kualitas dan nilai jual produk akhir. Teknologi deteksi objek menawarkan solusi modern untuk mengotomatisasi proses ini, menggantikan metode manual yang seringkali memakan waktu dan kurang akurat. Dalam penelitian ini, dilakukan evaluasi kinerja YOLOv8, yaitu sebuah model deteksi objek untuk mengidentifikasi kesegaran ikan. Dataset yang digunakan dalam penelitian ini mencakup citra ikan cakalang yang diperoleh dari Perusahaan Aruna dan sumber-sumber tambahan. Data dianotasi dan diproses menggunakan platform Roboflow yang memfasilitasi pra-pemrosesan dan augmentasi data. Model YOLOv8 kemudian dilatih dan dievaluasi di lingkungan Google Colab dengan fokus pada akurasi, kecepatan, dan keandalannya dalam mendeteksi perbedaan antara ikan segar dan tidak segar. Hasilnya menunjukkan bahwa YOLOv8 mampu mencapai nilai mAP (mean Average Precision) lebih dari 87%, yang menunjukkan bahwa model memiliki efisiensi dan keakuratan dalam melakukan identifikasi kesegaran ikan. Kesimpulannya, YOLOv8 berpotensi untuk diadopsi secara luas dalam industri perikanan sebagai alat untuk meningkatkan efisiensi dan memastikan kualitas produk perikanan yang lebih baik. Kata kunci— deteksi objek, YOLOv8, kesegaran ikan, industri perikanan, mean Average Precision (mAP).
Perancangan dan Implementasi Cloud Computing untuk Deteksi Kesegaran Ikan Menggunakan Model Deep Learning YOLOv8 Pada Aplikasi FishQ Firdaus, Rifqi Fadhilah; Novamizanti, Ledya; Wibowo, Suryo Adhi
eProceedings of Engineering Vol. 11 No. 4 (2024): Agustus 2024
Publisher : eProceedings of Engineering

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

Abstract

file:///C:/Users/User/Downloads/24.04.1572_jurnal_eproc.pdfSebagai solusi dari permasalah sortasi ikan, dilakukan pengembangan dan pengimplementasian aplikasi FishQ yang menggunakan teknologi cloud computing dan model deep learning YOLOv8 untuk mendeteksi kesegaran ikan cakalang. FishQ dirancang untuk meningkatkan efisiensi dan akurasi dalam proses sortasi ikan yang selama ini dilakukan secara manual dan rentan terhadap kesalahan. Pengujian dilakukan pada 30 sampel ikan cakalang dalam kondisi beku dan tidak beku, dengan kategori segar, tidak segar, dan multiple. Hasil pengujian menunjukkan bahwa sistem mampu mendeteksi kesegaran ikan dengan akurasi tinggi. Analisis hasil pengujian menunjukkan bahwa sistem cloud computing yang dirancang mampu mendeteksi kesegaran ikan dengan efisien dan akurat, terutama lebih cepat pada ikan dalam kondisi beku. Secara keseluruhan, aplikasi FishQ diharapkan dapat membantu perusahaan perikanan dalam meningkatkan efisiensi dan akurasi proses sortasi ikan, sehingga dapat meningkatkan kualitas produk perikanan yang dijual. Kata kunci— FishQ, cloud computing, YOLOv8, deteksi kesegaran ikan, deep learning, sortasi ikan.
Implementasi Sistem Monitoring Cerdas Berbasis Konsumsi Listrik pada Ruang Kelas Universitas Telkom Amara, Dhiva Byantika; Wibowo, Suryo Adhi; Umbara , Taufan
eProceedings of Engineering Vol. 11 No. 4 (2024): Agustus 2024
Publisher : eProceedings of Engineering

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

Abstract

In the use of electronic facilities are often used unintentionally, when the user leaves the room the lights, TV, and AC are still on. This can result in inefficient use of electrical energy, increased costs, to damage to electrical components or electrical short circuits. This study explains the implementation of the Intelligent Monitoring System (IMS) in the classroom of the Telkom University Landmark Tower (TULT) building. IMS is used to monitor and control classroom conditions remotely, the tool used to monitor the classroom is CCTV, while the control tool uses an IoT device, and uses a website to find out classroom conditions remotely. In this context, the author uses one of the branches of deep learning science with the YOLOv8 method and a confidence level value of 0.1 to detect the presence of humans in the classroom. The results of this test show that the use of the YOLOv8 method and a confidence level value of 0.1 in detecting humans in the classroom obtained an accuracy level of 100%, sensitivity of 100%, and specificity of 100%. So the YOLOv8 method and the confidence level value of 0.1 are used in this study. Keywords — electronic facilities, IMS, classrooms, websites.
Co-Authors Achmad Rizal Adam Wisnu Pradana Agnes Gabriela Putri Winata Agus Pratondo Al Rasyid, Sadam Aldo Tripolyta Aldra Kasyfil Aziz Amara, Dhiva Byantika Angga Rusdinar ANGGUNMEKA LUHUR PRASASTI Anky Aditya P Annisa Istiqomah Asep Insani Atina Nur Azizah Aulia Aushaf Abidah Aulia, Agniya Tazkiya Aziz, Burhanuddin Bambang Hidayat Bambang Hidayat Bambang Setia Nugroho Budiyanto, Anggara Casi Setianingsih Dany Eka Saputra David Chandra Dawwam, Muhammad Devita Rahma Apriliani Dien Rahmawati Dini Himmah Al Aliyyah Al Aliyyah Djoko Heru Pamungkas Djoko Heru Pamungkas Dwiki Kurniawan Dyah Avita Sari Fahmi Oscandar Fahmi Oscandar Fajri, Farhan Ulil Farah Hana Kusumaputri Fathiyya, Dhiya Felix Corputty Fiky Y. Suratman Firdaus, Rifqi Fadhilah Fityanul Akhyar Gelar Budiman Gusdi, Angelita Hanaluthfina Nurhadiati Hashfi Fadhillah Hesty Susanti Hoka Cristian Son Hudzaifa, Muhammad Altaharik Huljannah, Miftah Humayra, Tia Hasna Husneni Mukhtar Indra Aulia Iwan Iwut Tritoasmoro Jangkung Raharjo Julyano , Muhammad Billy Khairunnisa, Mutiarahmi Koredianto Usman Kris Sujatmoko Kurnia Ramadani Kusnahadi Susanto Kusuma Nindia Rizki Lazuardi, Aldira Fadillah Ledya Novamizanti Liyana Faiza Lulud Annisa Ainun Mahmuddah Lyra Vega Ugi M. Faiz Nashrullah Maharani , Kartika Dwi Maharani, Kartika Dwi Mahfuz, Muhammad Rafi Maulana , Muhammad Dafa Mertu, Aidi Miftadi Sudjai Muhammad Alief Hidayah Baso Muhammad Azwar Zulmi Muhammad Raia Pratama Putra Wibowo Muthia Saada Nadya Sindi Safitri Nasirudin, Akhmad Yusuf Nauw, Alvaro Septra Dominggo Oriza Intani Prasaja Wibawa Utama Prihananto, Jeremia Pandu Putra Putri Utami Hafgianti Qomariyati, Laily Nur Rabby Fitriana Adawiyah Radhibilla, Maulaya Raditiana Patmasari Rahmalisty , Fiona Okki Rahmalisty, Fiona Okki Raihan Putra Darmawan Ramadhan, Ferdian Ilham Rambi, Wesli Yeremi Valentino Ricky Hilmi Sudrajad Rissa Rahmania Rissa Rahmania Rissa Rahmania Rissa Rahmania Rissa Rahmania, Rissa Rita Purnamasari Rizal , Syamsul Rofifi, M. Faiq Rosadi, Choiron Ruslan , Ramah Rinaldi Setiawan, Jonathan Vito Siddiq Wahyu Hidayat Sunaryo, Yacobus Susi Diriyanti Novalina Syahanifa , Nancy Olivia Syahanifa, Nancy Olivia Syamsul Rizal Syifa, Vito Devara Taufan Umbara Tembang Florian Falah Teuku Zulkarnain Muttaqien Unang Sunarya Viky Premeita Mitayani Vivian Alfionita Sutama Wahmisari Priharti Wahyu Maulana, Andi Wardani , Shania Widianto, Kiki Willy Anugrah Cahyadi Wiwit Ratri Wulandari Yacobus Sunaryo Yurika Ambar Lita Yuti Malinda