Article Per Year (5 Year)
p-Index From 2021 - 2026
2.668
P-Index
This Author published in this journals
All Journal Jurnal sistem informasi, Teknologi informasi dan komputer Jurnal Informatika dan Teknik Elektro Terapan Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Jurnal Pengabdian Pada Masyarakat Jurnal Sains dan Informatika Techne : Jurnal Ilmiah Elektroteknika STRING (Satuan Tulisan Riset dan Inovasi Teknologi) Informasi Interaktif Systematics Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi Cyber Security dan Forensik Digital (CSFD) Scientific Journal of Informatics Abdimas: Jurnal Pengabdian Masyarakat Universitas Merdeka Malang JUSTIN (Jurnal Sistem dan Teknologi Informasi) Jurnal Nasional Teknik Elektro dan Teknologi Informasi SATIN - Sains dan Teknologi Informasi
Chaerur Rozikin
Universitas Singaperbangsa Karawang
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Library & Information Science Mathematics Other

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 22 Documents
Search

 1   2   3 
Metode Algoritma Convolutional Neural Network pada Klasifikasi Penyakit Tanaman Cabai Dwi Suci Anggraeni; Arif Widayana; Putri Dwi Rahayu; Chaerur Rozikin
STRING (Satuan Tulisan Riset dan Inovasi Teknologi) Vol 7, No 1 (2022)
Publisher : Universitas Indraprasta PGRI Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/string.v7i1.13304

Abstract

In Indonesia, chili is a very important vegetable, which is consumed for domestic trade as well as for export. In addition to containing nutrients, chili also has a high economic value. Due to the increasing quality of chili as a commodity that often experiences the highest price fluctuations, it is necessary to classify chili plants to maintain the quality of chili harvests so that chili production can increase. This research is a classification of chili plant diseases using the convolutional neural network method, with several design and implementation processes. The purpose of this research is to assist in classifying the quality of chili plants in the hope of maintaining the quality of chili in the market and preventing the price spikes. Classification of chili plant diseases using a convolutional neural network based on train data and test data. To form a model in the classification, training data needs to be carried out and there are 3 categories used for the classification model, namely yellowish, leaf curl, and healthy. Training data compatible with computers in single GPU mode and validation data are not included in the training process as well as interpreter review materials to determine the type of chili plant object that is difficult to distinguish significantly, namely the results of the classification label that appears on the network.
Klasifikasi Penyakit Jantung dengan Menggunakan Algoritma C4.5 Arni Sepharni; Iwansyah Edo Hendrawan; Chaerur Rozikin
STRING (Satuan Tulisan Riset dan Inovasi Teknologi) Vol 7, No 2 (2022)
Publisher : Universitas Indraprasta PGRI Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/string.v7i2.12012

Abstract

Heart disease is one of dangerous diseases. The late treatment for the disease will endanger the life of the sufferers. This problem is caused by the difficulty of early detection in patients with heart disease because they always ignore the initial symptoms. In addition, the costs involved in examining heart disease are not cheap because it requires examinations carried out by specialists and laboratory tests. The prediction system is one of options that can be used to perform early detection of heart disease patients at a lower cost, with the costs used in examinations by specialist doctors and laboratory tests can be eliminated and replaced by a prediction system. This study aims to create a prediction system using the C4.5 algorithm by which the predictions based on historical data of the patient to be examined are made. The results obtained from using the C4.5 algorithm to make predictions show an accuracy of 79%, meaning that the results can be expected to be a source of information for further research on prediction systems using the C4.5 algorithm.
Analysis of Public Sentiment of Covid-19 Dynamics on Social Media Using Support Vector Machine and Particle Swarm Optimization: Analisis Sentimen Publik Dinamika Covid-19 di Media Sosial Menggunakan Support Vector Machine dan Particle Swarm Optimization Fakhri Muhammad; Chaerur Rozikin; Riza Ibnu Adam
SYSTEMATICS Vol 4 No 2 (2022): August 2022
Publisher : Universitas Singaperbangsa Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35706/sys.v4i2.7006

Abstract

Variants of covid in Indonesia continue to grow and make people required to stay at home and are not required to go out if they don't have important things, therefore many people who stay at home often play social media such as twitter, it is possible that many irresponsible people make opinions or hoaxes with a specific purpose to make tweets that are not in accordance with the facts, which are feared to make the public more panicked about the increase in this covid-19 variant. Therefore this study was conducted to classify tweets as positive, negative, and neutral. The methodology used is a text mining process with 4 modelings using Support Vector Machine and Particle Swarm Optimization. The results obtained from the 4th modeling produce an accuracy of 83% on the linear kernel. While the PSO modeling in scenario 4 with 90:10 data division resulted in the highest accuracy in linear and polynomial kernels of 86% and 87%, respectively. Other evaluation values ​​also improved, such as precision to 90%, recall to 83%, and f1-score to 86%.
IMPLEMENTASI COSINE SIMILARITY DALAM ANALISIS INVESTIGASI CYBERBULLYING PADA TWITTER DENGAN FRAMEWORK NIST Eno Hakimah Kusuma Dewi; Aries Suharso; Chaerur Rozikin
Cyber Security dan Forensik Digital Vol. 5 No. 1 (2022): Edisi Mei 2022
Publisher : Fakultas Sains dan Teknologi UIN Sunan Kalijaga Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14421/csecurity.2022.5.1.3397

Abstract

Pengguna Twitter di Indonesia pada tahun 2021 tercatat mencapai 63,6% dari jumlah populasi dan menempati urutan ke-5 sosial media yang sering diakses oleh masyarakat Indonesia. Semakin tingginya tingkat pengguna Twitter memberi peluang bagi penggunanya untuk melakukan cybercrime seperti cyberbullying. Korban cyberbullying rentan terkena depresi dibandingkan dengan korban tindakan kekerasan verbal lainnya. Melihat dampak yang ditimbulkan maka diperlukan langkah-langkah untuk mengatasi cyberbullying dengan investigasi forensik untuk membuktikan dan menemukan bukti digital yang membantu menyelesaikan kasus cyberbullying yang  marak terjadi di media sosial seperti pada Twitter, sehingga dapat diajukan sebagai bukti kuat, konkrit, serta dapat diproses di pengadilan. Tujuan dari penelitian ini untuk menemukan bukti digital dan mengidentifikasi tindakan cyberbullying pada fitur pesan grup Twitter dengan alur kerja NIST (National Institute of Standards and Technology). Penelitian ini berhasil mendapatkan bukti digital berupa teks percakapan pada smartphone korban yang diekstrak dengan tools MOBILEdit Forensic Express dan dianalisis dengan text processing, pembobotan term/kata, dan menerapkan formula cosine similarity untuk mengidentifikasi cyberbullying. Hasil penelitian menujukkan alur kerja NIST berhasil mengangkat barang bukti hingga pelaporan barang bukti. Metode cosine similarity berhasil mengidentifikasi kalimat yang terindikasi bullying dengan nilai yang berbeda, pelaku dengan nilai tertinggi mencapai 0,377, sedangkan pelaku dengan nilai terendah menyentuh angka 0,02 berdasarkan dengan percakapan terhadap query (kata kunci) bullying. Kata kunci: digital forensik, cyberbullying, cosine similarity, nist, twitter ------ Twitter users in Indonesia in 2021 are recorded at 63.6% of the total population and ranks 5th on social media that are often accessed by Indonesian people. The higher level of Twitter users provides opportunities for users to commit cybercrime such as cyberbullying. Victims of cyberbullying are more prone to depression than other victims of verbal abuse. Seeing the impact, it is necessary to take steps to overcome cyberbullying with forensic investigations to prove and find digital evidence that helps resolve cyberbullying cases that are rife on social media such as Twitter, so that it can be submitted as strong, concrete evidence, and can be processed in court. The purpose of this study was to find digital evidence and identify acts of cyberbullying on the Twitter direct message group with the NIST (National Institute of Standards and Technology) methodology. This study succeeded in obtaining digital evidence in the form of text conversations on the victim's smartphone which was extracted with the MOBILEdit Forensic Express tool and analyzed by text processing, weighting terms/words, and applying the cosine similarity formula to identify cyberbullying. The results of the study show that the NIST has succeeded in raising evidence to reporting evidence. The cosine similarity method succeeded in identifying sentences that indicated bullying with different values, the perpetrator with the highest score reached 0.377, while the perpetrator with the lowest score touched 0.02 based on conversations about the bullying query (keyword). Keywords: digital forensic, cyberbullying, cosine similarity, nist, twitter
Disease Detection in Banana Leaf Plants using DenseNet and Inception Method Andreanov Ridhovan; Aries Suharso; Chaerur Rozikin
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 6 No 5 (2022): Oktober 2022
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (573.301 KB) | DOI: 10.29207/resti.v6i5.4202

Abstract

Diseases that attack banana plants can affect the growth and productivity of the fruit produced. The disease can be identified by looking at changes in the pattern and color of the leaves. Infected leaves will experience an increased transpiration process and the photosynthesis process is almost non-existent. Furthermore, disease on banana leaves can cause yield losses of up to 50%. Therefore, early detection is needed so that diseases on banana leaves can be overcome as soon as possible by using deep learning. This study aims to compare the performance of DenseNet and Inception methods in detecting disease on banana leaves. DenseNet is a transfer learning architecture model with fewer parameters and computations to achieve good performance. Inception, on the other hand, is a transfer learning architectural model that applies cross-channel correlation, executes at lower resolution inputs, and avoids spatial dimensions. In conducting the test, this study uses several data handling schemes to test the two methods, namely without data handling, under-sampling, and oversampling. Furthermore, the data is separated into training data and test data with a ratio of 80:20. The result is that the model using the DenseNet method with an oversampling scheme is superior to other models with a percentage value of 84.73% accuracy, 84.80% precision, 84.73% recall, and 84.62% f1 score. In addition, the machine learning model using the DenseNet method in all schemes is also superior to the machine learning model using the Inception method.
Klasifikasi Motif Batik Karawang Berbasis Citra Digital dengan Principal Component Analysis dan K-Nearest Neighbor Alifa Puteri Bilqis Salsabila; Chaerur Rozikin; Riza Ibnu Adam
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 11, No 1 (2023)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v11i1.46936

Abstract

Batik ialah salah satu budaya Indonesia yang dikenal sebagai warisan, batik telah ada pada zaman kerajaan terdahulu serta selalu digunakan oleh para raja. Seiring dengan perkembangan zaman, kain batik semakin bervariasi dengan motif yang berbeda pada setiap daerah. Karena itu terdapat banyak sekali jenis motif batik yang ada di Indonesia, menyebabkan sulitnya mengidentifikasi motif pada batik jika hanya mengandalkan panca indera, karena motif dan warna batik yang bervariasi. Oleh karena itu, citra digital dapat dijadikan langkah awal dalam mengklasifikasi motif batik Karawang. Proses pengolahan citra merupakan penelitian yang sangat berkembang. Pengawasan terhadap proses deteksi pada objek, pengelompokkan objek dan jenis motif batik. Pada penelitian ini klasifikasi terhadap citra motif batik Karawang dengan ciri warna HSV dan ciri tekstur GLCM, LBP. Dengan Langkah awal citra masukan RGB yang ke dalam warna HSV dan citra masukan RGB masukan ke dalam warna grayscale atau citra keabuan untuk dicari ciri bentuk dan tekstur. Proses klasifikasi motif batik menjadi 4 kelas, yaitu: batik citarum, batik cere bulu, batik leuit, batik bulir padi. Dengan metode klasifikasi KNN, dataset yang digunakan sebanyak 200, dan pengujian menggunakan nilai K = 3, K = 5, K = 7. Nilai tertinggi tertinggi pada K = 3 sebesar 95%, presisi 95%, recall 100% dan f-measure 97%. Hal ini menunjukan bahwa klasifikasi motif batik Karawang dapat dilakukan dengan menggunakan algorima KNN. Dengan Langkah awal citra masukan RGB yang ke dalam warna HSV dan citra masukan RGB masukan ke dalam warna grayscale atau citra keabuan untuk dicari ciri bentuk dan tekstur. Proses klasifikasi motif batik menjadi 4 kelas, yaitu: batik citarum, batik cere bulu, batik leuit, batik bulir padi. Dengan metode klasifikasi KNN, dataset yang digunakan sebanyak 200, dan pengujian menggunakan nilai K = 3, K = 5, K = 7. Nilai tertinggi tertinggi pada K = 3 sebesar 95%, presisi 95%, recall 100% dan f-measure 97%. Hal ini menunjukan bahwa klasifikasi motif batik Karawang dapat dilakukan dengan menggunakan algorima KNN. Dengan Langkah awal citra masukan RGB yang ke dalam warna HSV dan citra masukan RGB masukan ke dalam warna grayscale atau citra keabuan untuk dicari ciri bentuk dan tekstur. Proses klasifikasi motif batik menjadi 4 kelas, yaitu: batik citarum, batik cere bulu, batik leuit, batik bulir padi. Dengan metode klasifikasi KNN, dataset yang digunakan sebanyak 200, dan pengujian menggunakan nilai K = 3, K = 5, K = 7. Nilai tertinggi tertinggi pada K = 3 sebesar 95%, presisi 95%, recall 100% dan f-measure 97%. Hal ini menunjukan bahwa klasifikasi motif batik Karawang dapat dilakukan dengan menggunakan algorima KNN. Dengan metode klasifikasi KNN, dataset yang digunakan sebanyak 200, dan pengujian menggunakan nilai K = 3, K = 5, K = 7. Nilai tertinggi tertinggi pada K = 3 sebesar 95%, presisi 95%, recall 100% dan f-measure 97%. Hal ini menunjukan bahwa klasifikasi motif batik Karawang dapat dilakukan dengan menggunakan algorima KNN. Dengan metode klasifikasi KNN, dataset yang digunakan sebanyak 200, dan pengujian menggunakan nilai K = 3, K = 5, K = 7. Nilai tertinggi tertinggi pada K = 3 sebesar 95%, presisi 95%, recall 100% dan f-measure 97%. Hal ini menunjukan bahwa klasifikasi motif batik Karawang dapat dilakukan dengan menggunakan algorima KNN.
Survei Tingkat Pemahaman Mahasiswa Mengenai Ancaman Keamanan Sistem pada Facebook Eddy Ryansyah; Muhamad Yoga Fauzan; Reymen Maulana; Chaerur Rozikin
STRING (Satuan Tulisan Riset dan Inovasi Teknologi) Vol 7, No 3 (2023)
Publisher : Universitas Indraprasta PGRI Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/string.v7i3.15090

Abstract

Facebook is an example of a platform of social media and has become one of the best-selling media in Indonesia and even in the world. It may be said one person in the world has one facebook account. The platform is used as a forum for users to interact with friends, relations, colleagues, and even families outside the city. This social media application provides many facilities as follows, sharing statuses, in the form of texts, images, and videos. In this research, the researcher explores the theme of threats on facebook including phishing, link scam, and clickjacking. The researcher also analyzes the causes, how the lurking threats work and how to deal with or prevent them. The research uses a quantitative approach. The data collection method is carried out using a survey and a library research. The samples collected in the research are 58 respondents who are all students having used Facebook. Based on the research results, the researchers conclude that most respondents do not understand or even know the various system security threats on Facebook.
Klasifikasi Retak Ban Kendaraan Menggunakan Arsitektur ResNet50 Iwansyah Edo Hendarawan; Riza Ibnu Adam; Chaerur Rozikin
SATIN - Sains dan Teknologi Informasi Vol 9 No 1 (2023): SATIN - Sains dan Teknologi Informasi
Publisher : STMIK Amik Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1296.193 KB) | DOI: 10.33372/stn.v9i1.902

Abstract

Ban adalah salah satu komponen penting yang hampir ada pada semua kendaraan. Ban berfungsi untuk meneruskan fungsi pengereman serta memberikan kenyamanan kepada pengguna. Seiring usia ban yang sering digunakan dapat mengalami kerusakan yang disebabkan oleh berbagai faktor seperti jalan yang dilalui ataupun cuaca yang diterima oleh ban kerndaraan. Retak pada ban merupakan salah satu kerusakan yang dapat terjadi pada ban dimana hal ini dapat menjadi sebuah tanda dimana ban yang digunakan telah kehilangan sifat lenturnya. Ban yang telah mengalami penurunan pada kelenturannya menandakan bahwa traksi yang dimiliki ban berkurang sehingga jika diabakan dapat menjadi sumber potensi kecelakaan pengendara. Perawatan yang tepat pada ban sangat diperlukan sehingga ban yang digunakan dapat dalam keadaan optimal sehingga tidak akan melukai pengendara. Dalam proses perawatan ban kendaraan saat ini masih dilakukan secara manual yang bergantung ke mata telanjang manusia sehingga dapat terjadi kemungkinan human error. Pada penelitian ini dilakukan pengembangan model dimana untuk melakukan klasifikasi terhadap ban kendaraan yang retak sebagai upaya mengurangi kemungkinan human error. Model yang dibangun menggunakan arsitektur ResNet50 yang merupakan salah satu arsitektur CNN yang merupakan algoritma dalam deep learning. Arsitektur ResNet50 menggunakan model Transfer Learning dimana model tidak memerlukan pelatihan atau penyesuaian layer. Dari 6 skenario parameter tunning yang dilakukan model mendapat nilai terbaik untuk akurasi 94%, presisi 94% dan recall 94%.
Penerapan Metode SMOTE dalam Klasifikasi Daerah Rawan Banjir di Karawang Menggunakan Algoritma Naive Bayes Rika Nursyahfitri; Chaerur Rozikin; Riza Ibnu Adam
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 10, No 4 (2022)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v10i4.46935

Abstract

Salah satu akibat terjadinya perubahan iklim yaitu meningkatnya kejadian ekstrem yang ditandai dengan  peningkatan frekuensi bencana. Frekuensi bencana paling besar adalah banjir. Karawang menjadi salah satu daerah yang sering dilanda banjir, hal tersebut membuat kemajuan kota Karawang menjadi terhambat. Untuk mengantisipasi hal tersebut, maka dilakukan penilaian terhadap pengelolaan banjir dengan tujuan untuk memprediksi daerah yang termasuk dan yang tidak termasuk rawan banjir. Naive Bayes salah satu algoritma klasifikasi menggunakan metode probabilitastik dan statistik yang dapat memprediksi peluang di masa depan berdasarkan data sebelumnya. Namun, dalam klasifikasi biasanya penggunaan data imbalance sering terjadi sehingga akan menyebabkan klasifikasi lebih cenderung terhadap kelas mayoritas dibanding kelas minoritas. Maka dari itu, diperlukan salah satu teknik sampling untuk mengatasi data imbalance yaitu SMOTE (Synthetic Minority Over-Sampling Technique). Sehingga penelitian ini menggunakan 2 skenario pengujian untuk dilakukan perbandingan, pertama pemodelan hanya menggunakan Naive Bayes dan kedua pemodelan menggunakan Naive Bayes+SMOTE dengan percobaan nilai k-SMOTE sebanyak 5 kali. Data yang digunakan pada tahun 2016-2017 menggunakan 5 data parameter sebagai input dengan total 309 record.  Hasil eksperimen menunjukkan bahwa penerapan Naive Bayes+SMOTE dinilai mampu meningkatkan dan menghasilkan performance yang lebih baik dengan nilai akurasi tertinggi pada saat k = 11 sebesar 83,75% dibandingkan dengan Naive Bayes saja sebesar 65,38%. Selain itu, Naive Bayes dinilai mampu mengklasifikasikan daerah rawan banjir secara sangat baik dengan nilai AUC (The Under Curve) yang dihasilkan sebesar 0,944. Sehingga dapat disimpulkan bahwa algoritma Naive Bayes dapat dikombinasikan secara baik dengan metode SMOTE.
Sistem Akuisisi Data Multi Node untuk Irigasi Otomatis Berbasis Wireless Sensor Network Chaerur Rozikin; Heru Sukoco; Satyanto Krido Saptomo
Jurnal Nasional Teknik Elektro dan Teknologi Informasi Vol 6 No 1: Februari 2017
Publisher : Departemen Teknik Elektro dan Teknologi Informasi, Fakultas Teknik, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1568.473 KB)

Abstract

Watering plants is one of farmer’s activities. Most of Indonesian farmers use traditional watering method to water plants. It causes water productivity unmanaged properly and soil moisture level can not be monitored. To resolve these problems, an automatic watering system is developed. This system uses soil moisture sensors which provide real-time data. Data from multiple sensor node will be transmitted through wireless sensor network. LED in actuator node will turn on or off based on lower and upper set point values transmitted from coordinator node. Soil moisture sensors are calibrated using groundwater level to obtain correlation between sensor and groundwater level. Delay, throughput, and packet loss ratio are measured and result 0.2 seconds, 1.6 kbps, and 1.6%, respectively. These values showed that all automatic watering system were well implemented.
Co-Authors Agung Susilo Yuda Irawan Ahmad Ridhoi Fajri Alang Mulya Lesmana Alifa Puteri Bilqis Salsabila Andreanov Ridhovan Andriani Nurian Apriade Voutama Aries Suharso Arif Widayana Arip Solehudin Arni Sepharni Dewi Ratih Nurcahyani Dwi Suci Anggraeni Eddy Ryansyah Eno Hakimah Kusuma Dewi Fakhri Muhammad Febry Purnomo Aji Heru Sukoco Indira Nur Amalia Iwansyah Edo Hendarawan Iwansyah Edo Hendrawan Jamaludin Jamaludin Kusnadi, Kusnadi Moh. Aulia Miftakhurahmat Muhamad Yoga Fauzan Muhammad Nur Yasin Muhammad Samsul Ma'arif Nur Safitri Purwantoro Purwantoro Putri Aulia Kusnadi Putri Dwi Rahayu Reymen Maulana Richard Julianno Soeganda Rika Nursyahfitri Riza Ibnu Adam Ronna Putri Fadhillah Satyanto Krido Saptomo Suseno Suseno Susilawati Susilawati Ultach Enri Ultach Enri Yuyun Umaidah Zajuli T Bisri