Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Journal of Vocational Education and Information Technology (JVEIT)
Ardhon Rakhmadi
Universitas Pembangunan Nasional Veteran Jawa Timur
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Engineering Mechanical Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Rupiah Classification System using Segmented Fractal Texture Analysis and HSV Color Features Ardhon Rakhmadi; Putri Nur Rahayu; Hazna At Thooriqoh; Budi Mukhamad Mulyo
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 4 No. 2 (2025): September 2025
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i2.560

Abstract

The crime of forgery of rupiah currency can be anticipated by examining the rupiah banknotes based on traits or features contained on the original paper money. Features that are not owned by the rupiah banknote counterfeit is an ultraviolet sign that are owned by the original paper money. Rupiah banknotes feature extraction consists of a combination of color and texture feature extraction. The proposed method is the HSV color histogram for color feature extraction and Segmented Fractal Texture Analysis (SFTA) for texture feature extraction. The combination of HSV and SFTA is expected to improve the performance of rupiah banknotes feature extraction. Moreover this paper will analyze feature redundancy in Two Threshold Decomposition Algorithm in SFTA Algorithm. Experimental results show the proposed method can reach 100% accuracy. Experiment results also show that redundant features can be removed without affecting the accuracy of of the system so that it can reduce the computational cost.
Explainable AI-Based Learning Analytics for Adaptive Learning Personalization Using Rule-Based Reasoning and CoCoSo: Learning Analytics Berbasis Explainable AI untuk Personalisasi Pembelajaran Adaptif Menggunakan Rule-Based Reasoning dan CoCoSo Daffa Ferdinan; I Gede Susrama Mas Diyasa; Ardhon Rakhmadi
Journal of Vocational Education and Information Technology (JVEIT) Vol. 7 No. 1 (2026): Jurnal JVEIT : Vol 7 No 1 2026
Publisher : Lembaga Pengembangan dan Inovasi Universitas Dharmas Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56667/jveit.v7i1.2316

Abstract

Sistem adaptive learning semakin berkembang sebagai pendekatan untuk mendukung pembelajaran yang dipersonalisasi melalui pemanfaatan data aktivitas belajar. Meskipun demikian, sebagian besar sistem yang ada masih menghasilkan rekomendasi yang kurang transparan serta belum menyediakan mekanisme yang mampu memprioritaskan intervensi pembelajaran secara sistematis. Untuk mengatasi keterbatasan tersebut, penelitian ini mengusulkan Adaptive Learning Intelligence Framework (ALIF) yang mengintegrasikan Learning Analytics, Rule-Based Reasoning, Combined Compromise Solution (CoCoSo), dan Explainable Artificial Intelligence (XAI) dalam satu kerangka pengambilan keputusan. Data penelitian diperoleh dari Learning Management System (LMS) yang mencakup nilai kuis, durasi belajar, penyelesaian materi, aktivitas pembelajaran, frekuensi remedial, dan riwayat rekomendasi siswa. Seluruh data dianalisis menggunakan Learning Analytics untuk membentuk Adaptive Learning Intelligence Index (ALII) sebagai representasi kondisi belajar siswa. Selanjutnya, rekomendasi pembelajaran dihasilkan melalui mekanisme Rule-Based Reasoning, diprioritaskan menggunakan CoCoSo, dan disertai penjelasan berbasis XAI untuk meningkatkan transparansi keputusan. Hasil penelitian menunjukkan bahwa ALIF mampu mentransformasikan data aktivitas pembelajaran menjadi rekomendasi yang lebih adaptif, objektif, dan mudah diinterpretasikan sehingga mendukung pengambilan keputusan guru secara berbasis bukti. Kebaruan penelitian terletak pada pengembangan kerangka terpadu yang menghubungkan analitik pembelajaran, inferensi berbasis aturan, pemeringkatan multikriteria, dan Explainable Artificial Intelligence dalam satu arsitektur Intelligent Educational Decision Support System yang mendukung personalisasi pembelajaran secara lebih transparan dan terstruktur.
Co-Authors Budi Mukhamad Mulyo Daffa Ferdinan Hazna At Thooriqoh I Gede Susrama Mas Diyasa Putri Nur Rahayu