Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal KOMPUTEK Journal of Artificial Intelligence and Digital Business Scientica: Jurnal Ilmiah Sains dan Teknologi
Ansori, Yulian
Unknown Affiliation
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 Electrical & Electronics Engineering Engineering Mechanical Engineering Social Sciences Other

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
RANCANG BANGUN SISTEM ABSENKUY BERBASIS IOT (INTERNET OF THINGS) MENGGUNAKAN METODE PROTOTYPING PADA PERUSAHAAN CUBICART Hidayatulloh, Syarif; Najmuddin, Najmuddin; Ansori, Yulian
Scientica: Jurnal Ilmiah Sains dan Teknologi Vol. 2 No. 12 (2024): Scientica: Jurnal Ilmiah Sains dan Teknologi
Publisher : Komunitas Menulis dan Meneliti (Kolibi)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.572349/scientica.v2i12.3431

Abstract

Perkembangan teknologi informasi dan komunikasi (TIK), terutama Internet of Things (IoT), telah memberikan dampak signifikan dalam berbagai aspek kehidupan, termasuk dunia bisnis. Kemajuan ini mendorong kreativitas manusia untuk memaksimalkan kinerja teknologi yang ada. Salah satu aplikasi inovatif adalah sistem absensi berbasis IoT, yang memungkinkan perangkat elektronik berkomunikasi dan bertukar data melalui internet. Absensi adalah aktivitas pelaporan dan pendataan kehadiran dalam suatu institusi. Di perguruan tinggi, sistem absensi tradisional biasanya manual, di mana mahasiswa mengisi formulir absensi dengan tanda tangan. Penggunaan teknologi IoT dapat meningkatkan efisiensi dan akurasi proses ini. Di perusahaan percetakan Cubicart, absensi karyawan tidak diatur oleh sistem dan hanya mengandalkan kepercayaan atasan, yang sering disalahgunakan. Untuk mengatasi masalah ini, dikembangkan sistem absensi otomatis menggunakan teknologi RFID (Radio Frequency Identification). RFID memungkinkan pengiriman data identitas objek secara nirkabel menggunakan gelombang radio, bagian dari teknologi Automatic Identification (AutoID). Sistem ini terdiri dari microcontroller, modul RFID, modul ESP8266, dan komputer server. Microcontroller mengolah data dari modul RFID melalui komunikasi Transmission Control Protocol/Internet Protocol (TCP/IP). Pada Metode Penelitian sendiri penulis menggunakan metode kualitatif di manah penulis melakukan observasi dan wawancara langsung dengan narasumber terkait untuk keperluan pengumpulan data.
Perbandingan Algoritma LBP dan Cascading LBP-GLCM untuk Ekstraksi Fitur pada Citra Beras Rahman, Arief; Darnis, Febriyanti; Ansori, Yulian
KOMPUTEK Vol 8, No 2 (2024): Oktober
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/jkt.v8i2.2962

Abstract

This study compares two image feature extraction algorithms: Gray Level Co-occurrence Matrix (GLCM) and a combination of Local Binary Pattern with GLCM (LBP GLCM), for rice image classification. The objective is to evaluate the effectiveness of both methods in generating features such as ASM, contrast, correlation, entropy, and energy, as well as to measure the computational time. The results show that the LBP GLCM algorithm significantly improves classification accuracy compared to pure GLCM, but requires 13-17 times longer computational time. While GLCM is more efficient in terms of time, its classification accuracy is relatively lower. These findings align with previous studies indicating that adding LBP to GLCM enhances classification performance. In conclusion, LBP GLCM is superior in accuracy, making it a better choice for applications that prioritize precise classification results. However, the trade-off in computational time should be considered, especially for applications requiring fast processing. These findings are relevant for further development in agriculture and image processing. 
Perbandingan Algoritma LBP dan Cascading LBP-GLCM untuk Ekstraksi Fitur pada Citra Beras Rahman, Arief; Darnis, Febriyanti; Ansori, Yulian
KOMPUTEK Vol. 8 No. 2 (2024): Oktober
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/jkt.v8i2.2962

Abstract

This study compares two image feature extraction algorithms: Gray Level Co-occurrence Matrix (GLCM) and a combination of Local Binary Pattern with GLCM (LBP GLCM), for rice image classification. The objective is to evaluate the effectiveness of both methods in generating features such as ASM, contrast, correlation, entropy, and energy, as well as to measure the computational time. The results show that the LBP GLCM algorithm significantly improves classification accuracy compared to pure GLCM, but requires 13-17 times longer computational time. While GLCM is more efficient in terms of time, its classification accuracy is relatively lower. These findings align with previous studies indicating that adding LBP to GLCM enhances classification performance. In conclusion, LBP GLCM is superior in accuracy, making it a better choice for applications that prioritize precise classification results. However, the trade-off in computational time should be considered, especially for applications requiring fast processing. These findings are relevant for further development in agriculture and image processing. 
Prediksi Harga Emas Aneka Tambang (Antam) Menggunakan Long Short- Term Memory (LSTM) Ansori, Yulian; Rahman, Arief; Darnis, Febriyanti; Sika Azkia, Czidni; Sholihin, Miftahus
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.3408

Abstract

Emas merupakan salah satu instrumen investasi yang berperan penting dalam menjaga stabilitas ekonomi, khususnya pada periode ketidakpastian global. Pergerakan harga emas sangat dipengaruhi oleh berbagai faktor ekonomi makro seperti nilai tukar, tingkat suku bunga, kebijakan moneter, serta kondisi geopolitik internasional yang dinamis. Kompleksitas hubungan antar variabel tersebut menyebabkan model statistik konvensional kurang optimal dalam memprediksi harga emas secara akurat. Penelitian ini bertujuan untuk mengembangkan model prediksi harga emas PT Aneka Tambang Tbk (ANTAM) menggunakan algoritma Long Short-Term Memory (LSTM), yang merupakan pengembangan dari Recurrent Neural Network (RNN) dan memiliki kemampuan dalam menangkap dependensi jangka panjang pada data deret waktu. Data yang digunakan bersumber dari situs resmi Logam Mulia ANTAM dengan periode pengamatan 4 Januari 2010 hingga 31 Desember 2024 sebanyak 4.545 data harian. Proses penelitian meliputi tahap pengumpulan data, normalisasi, pemisahan data pelatihan dan pengujian, pembangunan model, serta evaluasi menggunakan metrik Root Mean Squared Error (RMSE) dan Mean Absolute Percentage Error (MAPE). Hasil eksperimen menunjukkan bahwa konfigurasi model dengan satu hidden layer, 150 hidden units, dan 150 epoch menghasilkan akurasi sebesar 99,55% dan nilai RMSE sebesar 7.492,998. Temuan ini menunjukkan bahwa algoritma LSTM mampu memberikan performa prediksi yang sangat baik dan berpotensi diterapkan sebagai metode alternatif dalam analisis pergerakan harga komoditas di Indonesia.
Co-Authors Arief Rahman Darnis, Febriyanti Miftahus Sholihin Najmuddin, Najmuddin Sika Azkia, Czidni Syarif Hidayatulloh