Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan Journal of Embedded Systems, Security and Intelligent Systems Nusantara Journal of Multidisciplinary Science
Muhammad Tri Setianto
Universitas Multi Data Palembang
Religion Humanities Computer Science & IT Languange, Linguistic, Communication & Media

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
PERBANDINGAN ALGORITMA GREEDY, BACKTRACKING, DAN BRUTE FORCE PADA PENJADWALAN INDIAN PREMIER LEAGUE Wahyudi Alfurqon; Muhammad Tri Setianto; Ahmad Naufal; Muhammad Ezar Al Rivan
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 3 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i3.10078

Abstract

Penjadwalan pertandingan olahraga profesional seperti Indian Premier League merupakan permasalahan kombinatorial yang kompleks karena melibatkan keterbatasan waktu, tempat pertandingan, dan konflik antar tim. Penelitian ini bertujuan membandingkan kinerja algoritma greedy, backtracking, dan brute force dalam menyelesaikan masalah penjadwalan IPL. Data yang digunakan adalah dataset jadwal IPL 2022 yang terdiri atas 70 pertandingan, sepuluh tim, dan lima tempat pertandingan. Penelitian dilakukan dengan menguji ketiga algoritma pada enam fase jumlah pertandingan, yaitu 15, 20, 25, 30, 35, dan 70 pertandingan, dengan masing-masing sepuluh kali percobaan. Parameter evaluasi meliputi waktu eksekusi, jumlah pertandingan valid, dan jumlah konflik jadwal. Hasil penelitian menunjukkan bahwa algoritma greedy memiliki waktu eksekusi rata-rata 0,0001 detik dengan kemampuan menangani 70 pertandingan, sementara algoritma backtracking memerlukan waktu 1.643 detik pada fase 30 pertandingan. Algoritma brute force menunjukkan waktu eksekusi 13.947 detik pada fase 30 pertandingan. Ketiga algoritma berhasil menghasilkan jadwal tanpa konflik. Kesimpulan penelitian ini adalah algoritma greedy lebih unggul dalam efisiensi waktu dan skalabilitas untuk penjadwalan IPL skala besar.
MedCall: Perancangan Aplikasi Mobile Berbasis Lokasi untuk Akses Cepat Layanan Medis Darurat di Indonesia Muhammad Reizan; Wahyudi Alfurqon; Muhammad Tri Setianto; Dina Putri Lestari
Nusantara Journal of Multidisciplinary Science Vol. 2 No. 11 (2025): NJMS - Juni 2025
Publisher : PT. Inovasi Teknologi Komputer

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

Abstract

Akses layanan medis darurat yang cepat merupakan kebutuhan krusial dalam penyelamatan nyawa, namun masih menjadi tantangan besar di masyarakat Indonesia. Dalam situasi kritis, masyarakat sering mengalami kepanikan dan kesulitan mencari informasi mengenai nomor kontak darurat atau fasilitas kesehatan terdekat. Penelitian ini bertujuan untuk merancang MedCall, sebuah aplikasi penyambung hidup yang membantu pengguna menghubungi layanan medis secara cepat, menyediakan informasi pertolongan pertama, dan memungkinkan konsultasi kesehatan secara daring melalui fitur live chat. Metode penelitian dilakukan dengan pendekatan design thinking, yang mencakup identifikasi masalah melalui observasi dan wawancara, studi literatur, serta pengembangan prototipe berbasis desain solusi Miro. Hasil penelitian menunjukkan bahwa MedCall memiliki fitur utama berupa tombol Emergency Call, integrasi nomor darurat nasional, informasi pertolongan pertama yang praktis, serta konsultasi langsung dengan dokter. Penelitian ini menyimpulkan bahwa MedCall memiliki potensi untuk meningkatkan kecepatan respons layanan medis darurat, mengurangi risiko keterlambatan penanganan, meningkatkan kesadaran masyarakat terhadap penanganan darurat, serta membuka peluang kerja sama dengan rumah sakit dan penyedia layanan kesehatan dalam membangun ekosistem layanan medis darurat yang terintegrasi.
UAV Based Automated Surveillance of Ganoderma boninense in Oil Palm Canopies Using YOLO26 Architecture Muhammad Rizky Pribadi; Hafiz Irsyad; Eka Puji Widiyanto; Muhammad Tri Setianto; Safeti Intan Pratiwi
Journal of Embedded Systems, Security and Intelligent Systems Vol 7 No 3 (2026): September 2026
Publisher : Program Studi Teknik Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59562/jessi.v7i3.11502

Abstract

Purpose – This study develops and evaluates a UAV-based automated surveillance approach using the YOLO26 architecture to detect visible symptoms associated with Ganoderma boninense infection in oil palm canopies. The study addresses the limitations of conventional manual inspection and multi-stage detection systems by applying a unified single-stage object-detection framework. Design/methods/approach – The model was developed using a publicly available dataset containing 1,133 annotated UAV images of oil palm canopies. Images were preprocessed, augmented, and partitioned using a plantation-block-aware strategy to reduce spatial data leakage. YOLO26s was trained using the Ultralytics framework on an NVIDIA Tesla T4 GPU. Model performance was evaluated using precision, recall, mAP@50, mAP@50–95, confidence-threshold sensitivity analysis, precision–recall curves, and five-fold block-aware cross-validation. Findings – On the independent block-aware test set of 118 images, the model achieved an mAP@50 of 77.14%, mAP@50–95 of 41.98%, precision of 66.03%, and recall of 76.32%. Five-fold block-aware cross-validation produced a mean mAP@50 of 74.12% ± 5.51% and a mean mAP@50–95 of 41.31% ± 4.00%. The relatively high recall indicates that the model can identify most visible infection instances, although its moderate precision shows that false-positive detections remain a practical concern. Research implications/limitations – The findings demonstrate the potential of YOLO26 to support UAV-based oil palm disease surveillance and targeted field inspection. However, the study relies on a single public dataset with inherited annotation procedures, lacks geographically independent external validation, and does not include direct benchmarking on onboard UAV or embedded edge devices. Originality/value – This study provides an early empirical evaluation of YOLO26 for UAV-based detection of visible Ganoderma symptoms in oil palm canopies. Its contribution lies in combining a single-stage detection architecture with plantation-block-aware evaluation, threshold-sensitivity analysis, and cross-validation to provide a more leakage-controlled assessment of model performance.
Co-Authors Ahmad Naufal Dina Putri Lestari Eka Puji Widiyanto Hafiz Irsyad Muhammad Ezar Al Rivan Muhammad Reizan Muhammad Rizky Pribadi Safeti Intan Pratiwi Wahyudi Alfurqon