Article Per Year (5 Year)
p-Index From 2021 - 2026
6.615
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal Informatika Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik Prosiding SNATIF Infotech Journal Jurnal Pendidikan Informatika dan Sains Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) IKRA-ITH Informatika : Jurnal Komputer dan Informatika JURIKOM (Jurnal Riset Komputer) JUMANJI (Jurnal Masyarakat Informatika Unjani) Jurnal Informasi dan Komputer SEINASI-KESI Jurnal Cendikia JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Jurnal ICT : Information Communication & Technology Building of Informatics, Technology and Science Jurnal Muara Sains, Teknologi, Kedokteran dan Ilmu Kesehatan JUTIS : Jurnal Teknik Informatika SENSITEK Jurnal Informatika dan Rekayasa Elektronik JATI (Jurnal Mahasiswa Teknik Informatika) Abdi Masyarakat Tematik : Jurnal Teknologi Informasi Komunikasi Journal of Applied Computer Science and Technology (JACOST) Jurnal Ilmiah Wahana Pendidikan Journal La Multiapp International Journal Software Engineering and Computer Science (IJSECS) Istech Journal (International Science And Technology Journal) Batara Wisnu : Indonesian Journal of Community Services Jurnal Nasional Teknik Elektro dan Teknologi Informasi Jurnal Locus Penelitian dan Pengabdian Jurnal Informatika Teknologi dan Sains (Jinteks) Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) Jurnal Algoritma Electrician : Jurnal Rekayasa dan Teknologi Elektro IJESPG (International Journal of Engineering, Economic, Social Politic and Government) journal Jurnal Ilmu Komputer, Sistem Informasi, Teknik Informatika (JILKOMSITI) Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Journal Of Informatics And Busisnes International Journal of Electrical, Computer, and Biomedical Engineering (IJECBE) JuTISI (Jurnal Teknik Informatika dan Sistem Informasi) Jurnal Komputasi
Komarudin, Agus
Universitas Jenderal Achmad Yani
Religion Aerospace Engineering Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering 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 Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Physics Social Sciences Transportation Other

Published : 96 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 96 Documents
Search

 6   7   8   9   10 
Sistem Pendukung Keputusan Penentuan Calon Transmigran Menggunakan Simple Additive Weighting dan Profile Matching Wardani, Mathilda Fitri; Abdillah, Gunawan; Komarudin, Agus
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 3 No. 1 (2019): PROSIDING SEMNAS INOTEK Ke-III Tahun 2019
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v3i1.520

Abstract

Transmigrasi merupakan salah satu program pemerintah dalam mengatasi masalah kepadatan penduduk dengan memindahkan penduduk dari suatu daerah yang padat penduduk ke daerah lain yang jarang penduduk di wilayah Indonesia berlandaskan pada Undang-Undang Nomor 25 tahun 2000 dan Peraturan Pemerintah Nomor 2 Tahun 1999 tentang Penyelenggaraan Transmigrasi. Calon transmigran tidak dapat menentukan sendiri daerah tujuan transmigrasi melainkan harus disesuaikan dengan peraturan yang telah ditetapkan oleh pemerintah, sehingga pemerintah diharuskan untuk dapat memilih daerah tujuan transmigrasi yang tepat sasaran untuk calon transmigran. Penelitian ini telah membangun sistem yang mampu merekomendasikan prioritas calon transmigran beserta daerah tujuan transmigrasi dari segi usia, jumlah anggota keluarga, pekerjaan, pendidikan dan keterampilan dengan bobot yang ditentukan oleh pengguna. Metode yang digunakan adalah Simple Additive Weighting dan Profile Matching. Hasil dari uji coba sistem ini menghasilkan presentase akurasi sistem untuk penentuan calon transmigran sebesar 50% dan akurasi sistem untuk penentuan daerah tujuan transmigrasi sebesar 90%.
SISTEM INFORMASI PENJUALAN SPAREPART DI BENGKEL PRAWIRA BERBASIS WEB Wirajaya Putra, Basudewa; Komarudin, Agus
JURNAL ILMU KOMPUTER, SISTEM INFORMASI, TEKNIK INFORMATIKA Vol 4 No 2 (2025)
Publisher : PT Akom Media Informatika

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

Abstract

Penelitian ini berfokus pada bengkel Prawira yang belum mengimplementasikan sistem terkomputerisasi dalam pengecekan persediaan barang. Salah satu masalah utama yang dihadapi adalah kesalahan dalam pencatatan persediaan dan harga barang. Tujuan penelitian ini adalah untuk memahami cara kerja sistem yang ada, mengidentifikasi kelebihan sistem yang diusulkan, serta mempermudah pekerjaan pengguna dalam pengelolaan persediaan. Metode penelitian yang digunakan adalah Metode Waterfall, yang membantu dalam perencanaan dan pengembangan sistem secara terstruktur, serta Framework Bootstrap untuk desain antarmuka. Hasil yang diperoleh adalah sistem persediaan barang berbasis web, yang berfungsi untuk pencatatan dan pengendalian persediaan secara efisien, sehingga mengurangi kesalahan dan meningkatkan produktivitas.
Deteksi Pneumonia Menggunakan Explainable AI: Model Hibrid CNN–ViT dan Grad-CAM Atika Hendryani; Vita Nurdinawati; Agus Komarudin
Jurnal Nasional Teknik Elektro dan Teknologi Informasi Vol 14 No 4: November 2025
Publisher : This journal is published by the Department of Electrical and Information Engineering, Faculty of Engineering, Universitas Gadjah Mada.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/jnteti.v14i4.19822

Abstract

Pneumonia detection through medical imaging presents a significant challenge, particularly in regions with limited access to healthcare professionals. This study presents an explainable artificial intelligence (XAI) model that integrates convolutional neural network (CNN) and vision transformer (ViT) to enhance the accuracy of pneumonia diagnosis using chest X-ray images. The proposed research aims to enhance diagnostic accuracy by providing explanations through gradient-weighted class activation mapping (Grad-CAM) visualization. The methodology includes image preprocessing, local feature extraction via CNN, and global spatial relationship modelling using ViT. The model was trained on a preprocessed chest X-ray dataset and evaluated using standard performance metrics such as accuracy, precision, recall, and F1 score. The proposed CNN-ViT model was assessed using chest X-ray datasets for pneumonia detection. The experimental results demonstrated that the model achieved an accuracy of 96.5%, precision of 96%, recall of 96%, and F1 score of 94%, These results indicate that the integration of CNN and ViT effectively enhances classification performance and provides a reliable tool for medical image analysis. Furthermore, Grad-CAM visualizations highlight the critical regions in the images that influence the model’s predictions, thereby enhancing interpretability. Compared to conventional models, this approach offers improved transparency in AI-driven diagnostics. Consequently, the proposed model represents a promising and reliable diagnostic tool, particularly beneficial in underserved or remote areas with limited medical infrastructure. Additionally, this research opens opportunities for the development of transparent and XAI-based diagnostic systems.
Komparasi Kinerja Model Machine learning Berbasis Metadata Produk untuk Prediksi Popularitas Produk Elektronik pada Marketplace Lazada Indonesia Aziz Apriadi, Eko; Komarudin, Agus; Julianto, Ribut
JURNAL ILMU KOMPUTER, SISTEM INFORMASI, TEKNIK INFORMATIKA Vol 5 No 1 (2026)
Publisher : PT Akom Media Informatika

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

Abstract

This study explores the use of product metadata to predict the popularity of electronic products in the Lazada Indonesia marketplace. By using machine learning models, including Logistic Regression, Random Forest, and XGBoost, this study shows that simple metadata such as product category, brand, price, and rating are sufficiently informative to build predictive models. The results indicate that although Logistic Regression delivers the lowest performance due to its linear nature, both Random Forest and XGBoost provide significant improvement. XGBoost achieves the best results with the highest accuracy and F1-score, making it the most effective model for predicting product popularity. These findings highlight the complexity of e-commerce data, which requires more flexible models to capture non-linear patterns and interactions among product features. This study contributes to e-commerce management by providing insights into the use of machine learning for inventory management, promotional strategies, and product placement in digital marketplaces
GAME DESIGN EDUKASI PENGENALAN WISATA CIANJUR MENGGUNAKAN METODE MECHANICS DYNAMICS AESTHETICS Muhammad Aditya Putra; Agus Komarudin; Fatan Kasyidi
Jurnal Komputasi Vol. 12 No. 1 (2024): Jurnal Komputasi
Publisher : Jurusan Ilmu Komputer Fakultas MIPA Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/komputasi.v12i1.252

Abstract

The development of educational games plays a crucial role as a means to introduce interesting tourist destinations in the era of technological advancement. In this research, the development of an educational game named "Cianjur Adventure" was conducted with the aim of introducing tourist attractions in Cianjur. The development of this game utilized the Mechanic Dynamics Aesthetics (MDA) Framework. The MDA Framework consists of three main components: mechanics, dynamics, and aesthetics. Mechanics represent specific rules or algorithms that guide the interaction between players and the game. Dynamics emerge as a result of these interactions, while aesthetics encompass the responses and experiences felt by the player. To assess the performance of this game, playtesting was conducted. The results of the testing indicate that the "Cianjur Adventure" game functions well and has successfully achieved its primary goal, which is to provide information related to tourism in Cianjur. By using this game, players can experience an engaging adventure and gain deeper knowledge about tourist destinations in Cianjur.
PENERAPAN ALGORITMA MACHINE LEARNING UNTUK PREDIKSI PENYAKIT DIABETES MILITUS MENGGUNAKAN METODE EXTREME GRADIENT BOOSTING Rina Dwi Khairunnisa; Wina Witanti; Agus Komarudin
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 11, No 2 (2026)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v11i2.7897

Abstract

Diabetes Mellitus ialah salah satu tantangan kesehatan global di mana terus meningkat, dengan prevalensi yang mengkhawatirkan. Penelitian ini berfokus pada pengembangan model prediksi untuk mendeteksi status diabetes (Negatif, Prediabetes, dan Diabetes) memakai algoritma Extreme Gradient Boosting (XGBoost) pada dataset CDC Diabetes Health Indicators. Masalah kunci yang diatasi mencakup penanganan ketidakseimbangan kelas yang signifikan dalam dataset dan optimasi hyperparameter untuk meningkatkan akurasi prediksi. Penelitian ini bertujuan untuk menghasilkan model prediksi XGBoost yang optimal dan mengevaluasi kinerjanya. Proses penelitian melibatkan pengumpulan dataset, diikuti tahap preprocessing data termasuk penanganan ketidakseimbangan kelas memakai teknik over-sampling Synthetic Minority Over-sampling Technique (SMOTE) pada data pelatihan. Selanjutnya, hyperparameter model XGBoost dioptimalkan secara sistematis memakai framework Optuna dengan algoritma Tree-structured Parzen Estimator (TPE). Model akhir kemudian dilatih dan dievaluasi secara komprehensif pada set data pengujian yang terpisah. Hasil evaluasi memperlihatkan akurasi keseluruhan model 88%. Jadi, model prediksi yang dikembangkan ini berpotensi guna mendukung upaya deteksi dini dan pengelolaan faktor risiko diabetes, serta memberikan wawasan tentang penerapan algoritma XGBoost dalam analisis data kesehatan.
Co-Authors Ade Kanianingsih Aditya Prakasa Aek Mustofa Aghnie Kurnia Aini Nurul Akhmadi Surawijaya Al Farisi, Muhammad Farid Alda Amorita Azza Alfarizi, Muhammad Bayu Ardi Arifiansyah, Fitra Asep Id, Hadiana Atika Hendryani Azhari, Anissa Azzahra, Bunga Juliana Bambang Suparapto Damayanti, Ariesta Daswara Djajasasmita Dea Destiani Deka P Gustiawan Denny Hidayat Tri Nugroho Devian, Devian Dewi Purnamasari Diansyah Andri Ramdhany Dimitri Mahayana Djamal, Esmeralda Contesa Eddie Khrisna Putra Edvin Ramadhan Erlangi, Fauzan Erlangi, Fauzan Esmeralda C Djamal Esmeralda C Djamal Esmeralda C Djamal Esmeralda C. Djamal Esmeralda C. Djamal Esmeralda C. Djamal Esmeralda C. Djamal Fahmi Yusron Fiddin Faiza Renaldi Fajri Rakhmat Umbara Farhan Fadilah Farid Purwanto Ferdi Zulkarnain Ferry Kurniawan Fuadillah, Erry Galih Rakasiwi Gunawan Abdillah Gunawan Abdillah Gunawan Abdillah Gunawan Abdillah, Gunawan Hadiana, Asep Id Hadimas Aprilian, Doni Hafiz, Aliy Handayani, Indah Nursyamsi Hanif Abdul Aziz, Nabil Hardianto, Mohamad Aris Hartono, Rudi Ifo Wahyu Pratama Ike - Festiana Iman Muhdi Inggit Sumirah Irvan Herdiansyah Iskandar Iskandar Julianto, Ribut Kania Ningsih, Ade Kartika N Oktaviani Kasyidi, Fatan Kresna Septyana Ekaputra Krishna Putra, Eddie Kuncoro Buwono Kurniawan Ikhsan Kurniawan, Alexander Tommy Kurniawan, Fadhlika Kusuma Wardany M.Naufal Rafirhan Mandala, Muhamad Bintang Melina Melina Mia Narulita Anggraeni Mohamad Aris Hardianto Muhammad Aditya Putra Muhammad Dwi Laksono Muhammad Iqbal Zulfikar Mulyasari, Cicik Rafka Nasy`an Taufiq Al Ghifari Nendra Cahya Permana Neni Nuraeni Nenza Nurfirmansyah Nisa, Khoirotun Novianti, Sri Hutamy Nuari Anisa Sivi Nugraha, Faisal Okta Nugraha, Faisal Okta Nugraha, Mochammad Ganjar Nur Muhammad Hasyim Nurhakim, Riri Qorib Nurputra, Windi Raihan Nurul Sabrina, Puspita Oki Iskandar Oryza Habibie Rahman P., Tacbir Hendro Poppi Lodaya Pradana, Muhammad Rifqi Prima Nugraha Ramdani, Rahmat Muhamad Rasyid Ibnu Prasetyo Rezki Yuniarti Rezky Yuniarti Ridwan Ilyas Rifky Ekayama Rikarda, Willy Artanika Rina Dwi Khairunnisa Rizki Abdilah Rizkyawan, Ferdi Rozak Arief Pratama Sari, Reni Permata Sari, Wiwin Rita Sartika Dewi Selia Aysiah Septia Wahyuni Setyawati, Astri Sivi, Nuari Anisa Sopwatun Anisa Sri Hutamy Novianti Susana, Ernia Tacbir Hendro Pudjiantoro Vita Nurdinawati Wahidah, Nina Ikhwati Wahyu Eko Zulianto Wardani, Mathilda Fitri Wina Witanti Wina Witanti Wina Witanti Wini Afrilia Wirajaya Putra, Basudewa Yajid Ichsan Syifa Yanuar, Muhammad Rizki Yulison H. Crisnanto Yulison Herry Chrisnanto