Article Per Year (5 Year)
p-Index From 2020 - 2025
4.309
P-Index
This Author published in this journals
All Journal Jurnal Technopreneur (JTech) Jurnal Sistem informasi dan informatika (SIMIKA) Andragogi: Jurnal Pendidikan Islam dan Manajemen Pendidikan Islam Journal of Intelligent Decision Support System (IDSS) Nusantara Hasana Journal Journal Automation Computer Information System (JACIS) Jurnal Mandiri IT Brilliance: Research of Artificial Intelligence Jurnal Minfo Polgan (JMP) Indonesian Journal of Informatics and Research Jurnal Indonesia Sosial Teknologi Journal of Artificial Intelligence and Digital Business Jurnal Masyarakat Madani Indonesia Innovative: Journal Of Social Science Research Jurnal Teknik Informatika dan Desain Komunikasi Visual
Syefudin, Syefudin
STMIK YMI Tegal
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Nursing Public Health Social Sciences Other

Published : 26 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 26 Documents
Search

 1   2   3 
Tinjauan Pustaka Sistematic: Penerapan Metode Position Averaging Point Pada Computer Vision Ariyani, Rizki; Arif, Zaenul; Syefudin, Syefudin
Journal Automation Computer Information System Vol. 2 No. 2 (2022): November
Publisher : Indonesian Journal Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47134/jacis.v2i02.48

Abstract

Computer Vision adalah salah satu parameter penting untuk menghasilkan suatu sistem yang hampir mendekati dengan sistem visual manusia. Pada penelitian ini bertujuan untuk mengkaji Literatur Review terkait penerapan metode Position Averaging Point pada Computer Vision. Metode penelitian yang digunakan dalam penelitian ini menggunakan pendekatan paradigma Systematic Literature Review (SLR) terhadap jurnal yang sudah di publikasikan dari tahun 2016 sampai tahun 2022. Pengumpulan data dilakukan dengan mendokumentasikan dari berbagai sumber jurnal yang mempunyai penelitian serupa pada laporan penelitian. Jurnal yang diperoleh dari search engine dalam penelitian ini sebanyak 3 (tiga) jurnal dengan menggunakan aplikasi Google Chrome dengan situs Google Scholar. Berdasarkan penelitian ini didapatkan bahwa objek penerapan metode Positin Averaging Point pada Computer Vision pada penelitian ini banyak yang mengukur panjang dengan akurasi rata-rata ikan lele.
Pengolahan Citra Digital Untuk Identifikasi Kematangan Mentimun Dengan Menggunakan Jaringan Syaraf Tiruan Fadli, Muhamad Rizaldi Satrio; Murtopo, Aang Alim; Syefudin, Syefudin
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 2 (2025): Mei - Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i2.819

Abstract

Perkembangan teknologi berpengaruh besar pada pertanian dan pascapanen. Salah satu tantangan utama adalah menentukan tingkat kematangan buah dengan tepat dan efisien. Kematangan buah penting untuk kualitas dan nilai jual produk hortikultura. Metode tradisional yang bergantung pada pengamatan manual kurang konsisten dan akurat. Penentuan kematangan buah adalah area penelitian penting untuk meningkatkan kualitas produk. Mentimun menjadi fokus penelitian karena pentingnya dalam konsumsi. Hasil mentimun meningkat antara 2014 hingga 2018, sehingga pemahaman kematangannya diperlukan untuk pengelolaan panen yang lebih baik. Pendekatan berbasis teknologi seperti kecerdasan buatan dan jaringan syaraf tiruan telah dikembangkan untuk mengklasifikasikan kematangan berdasarkan warna, tekstur, dan ukuran. Penelitian ini bertujuan mengembangkan model untuk menentukan kematangan mentimun dari citra digital.Hasil yang didapatkan dalam pengolahan citra digital untuk mengidentifikasi kematangan mentimun, digunakan jaringan syaraf tiruan dengan algoritma backpropagation yang efektif untuk klasifikasi dan prediksi. Sebanyak 17 citra digital diambil dari kamera Canon 600D, terdiri dari 12 mentimun mentah dan 5 matang, diolah menggunakan aplikasi Matlab. Analisis menunjukkan bahwa citra mentimun mentah memiliki nilai RGB yang hampir merata, sedangkan data latih dan uji berhasil mengidentifikasi 12 mentimun mentah dan 5 matang, termasuk 1 semi-matang.
Penerapan Algortima Convolutional Neural Network (CNN) Untuk Identifikasi Lahan Kosong Di Kota Tegal Berdasarkan Citra Google Earth Triwinanto, Mohammad Amin Triwinanto; Murtopo, Aang Alim; Syefudin, Syefudin; Gunawan, Gunawan
Jurnal Minfo Polgan Vol. 13 No. 1 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i1.13626

Abstract

Lahan kosong memiliki berbagai macam jenis. Setiap jenis lahan kosong memiliki macam-macam tertentu dengan model yang beragam. Dalam menentukan jenis lahan kosong maka perlu dilakukan sebuah klasifikasi dengan menggunakan metode Convolutional Neural Network (CNN). Dengan penggunaan CNN dapat dilakukan ekstraksi sebuah fitur kemudian fitur-fitur tersebut akan menjadi data dalam menentukan klasifikasi jenis lahan kosong. Data gambar lahan kosong yang dikumpulkan dari data augmentasi adalah sebanyak 120 gambar dengan jenis lahan kosong tambak, rawa, pemukiman, dan sawah. Keempat kelas jenis lahan kosong tersebut memiliki perbandingam data latih 70% dan data uji 30%. Masing-masing kelas menggunakan empat convolutional layer dengan filter 32, 32, 64, dan 64 dan menggunakan pool size sebesar 2x2 dengan neuron (hidden layer) sebanyak 512. Pengujian website image classification dengan menggunakan metode confusion matrix didapatkan akurasi sebesar 80,5% dari pengujian yang dilakukan pada data uji.
Machine Learning Model for Human Resource Placement in Higher Education Syefudin, Syefudin; Kurniawan, Rifki Dwi
Brilliance: Research of Artificial Intelligence Vol. 5 No. 2 (2025): Brilliance: Research of Artificial Intelligence, Article Research November 2025
Publisher : Yayasan Cita Cendekiawan Al Khwarizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/brilliance.v5i2.6861

Abstract

This study presents the development and evaluation of a machine learning model designed to support human resource (HR) placement decisions in higher education institutions. Using combined personnel data from STMIK YMI Tegal and Politeknik Harber, we built a predictive model to estimate staff attendance at institutional progress reporting events, a critical indicator for performance evaluation and role suitability. The dataset comprised 137 records with six categorical predictors: Position, Homebase, Origin, Tegal_Status, Gender, and Institution. Categorical variables were encoded using label encoding, and a Random Forest classifier was trained using a stratified 75%/25% train-test split. The model achieved a held-out test accuracy of 97.14%, precision of 93.33%, recall of 100%, and F1-score of 96.55%, outperforming baseline models (Logistic Regression and Decision Tree). Five-fold cross validation confirmed robust generalization with an average accuracy of 91.22%. Feature importance analysis revealed Position as the most influential variable (76.88% importance), followed by Homebase and Origin. The results suggest that machine learning, particularly ensemble based methods, can provide reliable decision support tools for HR managers in academic settings, enabling data driven placement strategies. This research highlights the potential of predictive analytics for optimizing staff assignments and fostering institutional effectiveness. Future work should include larger datasets, additional features, and external validation to enhance model generalizability.
Sosialisasi Dan Pelatihan Penerapan Aplikasi E-Posyandu Bagi Kader Posyandu Desa Bandasari Di Kabupaten Tegal Syefudin, Syefudin; Nugroho, Bangkit Indarmawan; Murtopo, Aang Alim; Surorejo, Sarif; Santoso, Nugroho Adh; Arif, Zaenul; Gunawan, Gunawan; Andriani, Wresti
Jurnal Masyarakat Madani Indonesia Vol. 2 No. 4 (2023): November
Publisher : Alesha Media Digital

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59025/js.v2i4.161

Abstract

Pengabdian masyarakat ini bertujuan untuk menyediakan sosialisasi dan pelatihan intensif kepada kader Posyandu di Desa Bandasari, Kabupaten Tegal, dalam rangka menerapkan aplikasi E-Posyandu. Tujuan utama adalah untuk meningkatkan pemahaman dan keterampilan kader Posyandu dalam penggunaan aplikasi E-Posyandu sebagai alat efisien untuk mengumpulkan, merekam, dan menganalisis data kesehatan masyarakat. Metode pelaksanaan melibatkan sesi sosialisasi konsep aplikasi dan pelatihan praktis dalam pengoperasian aplikasi tersebut. Hasil dari kegiatan ini diharapkan dapat mengoptimalkan peran Posyandu dalam perawatan kesehatan masyarakat, dengan pemantauan data yang lebih akurat dan real-time. Keberhasilan dalam menghadirkan teknologi ini diharapkan mampu menjadi contoh positif untuk program serupa di daerah lain yang memerlukan peningkatan efisiensi dalam pemantauan kesehatan masyarakat
Perbandingan Metode Double Moving Average dan Double Exponential Smoothing untuk Prediksi Jumlah Penduduk Miskin di Kota Tegal Farkhan, Muhammad; Santoso, Nugroho Adhi; Syefudin, Syefudin
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 3 (2025): Agustus - October
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i3.2116

Abstract

Penelitian ini bertujuan untuk melakukan perbandingan antara metode Double Moving Average (DMA) dan Double Exponential Smoothing (DES) dalam memprediksi jumlah penduduk miskin di kota Tegal. Data yang digunakan merupakan data sekunder jumlah penduduk miskin tahunan dari tahun 2005 hingga 2024 yang diperoleh dari Badan Pusat Statistik (BPS). Metode DMA diuji dengan ordo 2, 3, 4, dan 5, sedangkan metode DES diuji menggunakan variasi nilai alpha dari 0,1 hingga 0,9. Hasil penelitian menunjukkan bahwa metode DMA ordo 3 memberikan hasil peramalan paling akurat dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 5,73%, sementara DES dengan alpha 0,4 menghasilkan MAPE sebesar 5,86%. Prediksi jumlah penduduk miskin di Kota Tegal pada tahun 2025 berdasarkan metode DMA ordo 3 adalah sebesar 18.827,78 jiwa. Berdasarkan hasil evaluasi, dapat disimpulkan bahwa metode DMA ordo 3 lebih optimal digunakan dalam memprediksi jumlah penduduk miskin dibandingkan dengan metode DES. Penelitian ini diharapkan dapat menjadi referensi bagi pemerintah daerah dalam merancang kebijakan pengentasan kemiskinan yang lebih tepat sasaran.
Perbandingan Metode ARIMA dan Fuzzy Time Series dalam Peramalan Harga Eceran Daging Sapi di Indonesia Amalani, Mukhamad Zulfa Bakhtiar; Santoso, Nugroho Adhi; Syefudin, Syefudin
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 3 (2025): Agustus - October
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i3.2283

Abstract

Peramalan harga eceran daging sapi menjadi krusial dalam menjaga stabilitas pangan dan mendukung kebijakan ekonomi di Indonesia. Penelitian ini bertujuan untuk membandingkan akurasi metode ARIMA dan Fuzzy Time Series (FTS) Chen dalam memprediksi harga eceran daging sapi di 34 provinsi Indonesia. Metode yang digunakan bersifat kuantitatif-komparatif dengan menerapkan kedua model pada data deret waktu tahunan periode 2020–2024, kemudian dievaluasi menggunakan metrik MAE, RMSE, dan MAPE. Hasil penelitian menunjukkan bahwa metode Fuzzy Time Series Chen memiliki performa lebih baik dibandingkan ARIMA dengan nilai MAE sebesar 3514,15, RMSE sebesar 5518,69, dan MAPE sebesar 2,57%, sedangkan ARIMA menghasilkan MAE sebesar 8523,43, RMSE sebesar 10462,26, dan MAPE sebesar 6,28%. Temuan ini menunjukkan bahwa pendekatan non-linier berbasis logika fuzzy lebih efektif dalam menangani data harga yang fluktuatif, sehingga metode FTS Chen layak dijadikan alternatif unggulan untuk pengembangan sistem prediksi harga komoditas pangan strategis di masa mendatang.
Optimalisasi Preprocessing Data Menggunakan Pendekatan CRISP-DM untuk Meningkatkan Kualitas Klasifikasi Penyakit Jantung Nursahid, Wahyu; Nugroho, Bangkit Indarmawan; Syefudin, Syefudin
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 3 (2025): Agustus - October
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i3.2514

Abstract

Penyakit jantung masih menjadi penyebab kematian utama di dunia sehingga deteksi dini berbasis data medis menjadi sangat penting. Penelitian ini menerapkan kerangka CRISP-DM untuk membangun klasifikasi penyakit jantung dengan pendekatan sistematis yang menekankan optimalisasi preprocessing data. Algoritma k-Nearest Neighbor (KNN) digunakan sebagai model dasar, dengan empat skema preprocessing yang dibandingkan: baseline dengan encoding, penambahan normalisasi, integrasi seleksi fitur berbasis Information Gain, serta kombinasi normalisasi, SMOTE dan seleksi fitur. Proses evaluasi dilakukan menggunakan 10 fold cross validation dengan metrik akurasi, presisi, recall, F1-score dan AUC. Hasil eksperimen menunjukkan bahwa skema keempat memberikan performa terbaik dengan akurasi 81,26 persen dan AUC 0,8460, melampaui skema lainnya. Fakta ini menegaskan bahwa strategi preprocessing yang tepat berkontribusi signifikan terhadap peningkatan performa model. Implikasi penelitian ini adalah perlunya menempatkan preprocessing sebagai bagian integral dari kerangka CRISP-DM, bukan sekadar langkah tambahan, serta membuka peluang penelitian lanjutan untuk mengeksplorasi variasi teknik preprocessing yang lebih adaptif. Pada tataran implementasi nyata, kombinasi preprocessing terbaik dengan algoritma yang lebih kuat dapat dipertimbangkan guna menghasilkan sistem prediksi penyakit jantung yang akurat dan andal.
Detection of normal chicken meat and tiren chicken using naïve bayes classifier and glcm feature extraction Surorejo, Sarif; Ubaidillah, Muhamad Rizal; Syefudin, Syefudin; Gunawan, Gunawan
Journal of Intelligent Decision Support System (IDSS) Vol 7 No 2 (2024): June: Intelligent Decision Support System (IDSS)
Publisher : Institute of Computer Science (IOCS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35335/idss.v7i2.245

Abstract

The chicken farming industry is an important sector in the Indonesian economy, but there are food security issues with the presence of tiren chicken. This research aims to develop a more accurate and efficient method of detection of tiren chickens using Naive Bayes Classifier with Gaussian and Bernoulli kernels and GLCM feature extraction. Data is collected from various internet sources, then pre-processing and feature extraction is carried out. The Naive Bayes Classifier algorithm is implemented with two kernels and evaluated using accuracy, precision, recall, and f1-score metrics. The Gaussian kernel showed an accuracy of 0.75, higher than Bernoulli's kernel which was only 0.50. Models with Gaussian kernels have high performance in detecting tiren chickens and normal chicken precision. The combination of Gaussian and Bernoulli kernels and GLCM feature extraction is effective in improving the detection accuracy of tiren chickens, contributing significantly to food safety and consumer confidence
Penerapan Metode Rule Based System Untuk Menentukan Jenis Tanaman Pertanian Berdasarkan Ketinggian Dan Curah Hujan Supratman, Ardhi; Nugroho, Bangkit Indarmawan; Syefudin, Syefudin; Kurniawan, Rifki Dwi
Innovative: Journal Of Social Science Research Vol. 4 No. 2 (2024): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v4i2.10235

Abstract

Penelitian ini mengembangkan sebuah metode Rule Based System untuk menentukan jenis tanaman pertanian yang optimal berdasarkan ketinggian dan curah hujan. Dengan menggabungkan data ketinggian dan data curah hujan dari Badan Pusat Statistik (BPS) Kabupaten Tegal, sistem ini menggunakan pengetahuan ahli pertanian untuk menghasilkan rekomendasi tanaman. Implementasi dilakukan dengan menggunakan Python dan framework flask, menyajikan hasil dalam bentuk website. Evaluasi menunjukkan bahwa metode ini efektif dalam menghasilkan rekomendasi tanaman yang sesuai dengan kondisi lingkungan. Meskipun ada beberapa kasus ketidaksesuaian, hasilnya menegaskan potensi metode Rule Based System dalam meningkatkan akurasi pengambilan keputusan pertanian. Penelitian ini memberikan wawasan untuk pengembangan lebih lanjut dengan fokus pada peningkatan keakuratan dan validasi sistem yang lebih komprehensif.
Co-Authors Aang Alim Murtopo Adhi Santoso, Nugroho Agustina, Catur Puji Amalani, Mukhamad Zulfa Bakhtiar Andriani, Wresti Arif, Zaenul Ariyani, Rizki Bangkit Indarmawan Nugroho Fadli, Muhamad Rizaldi Satrio Farkhan, Muhammad Gunawan Gunawan Gunawan Karsidin, Karsidin Kurniawan, Rifki Dwi Miftakhuddin, Ahmad Mohammad Rizal Kurniawan Muchamad Nauval Azmi Muhammad Fahmi Muttaqin, Anik Nia Uli Nadia Nursahid, Wahyu Nursidik, Maulia Prima Octarina Pramesti Riyadi, Fajar Sugeng Santoso, Bayu Aji Santoso, Nugroho Adh Santoso, Nugroho Adhi Sarif Surorejo Supratman, Ardhi Surur, Misbahu Triwinanto, Mohammad Amin Triwinanto Ubaidillah, Muhamad Rizal Zain, Ahmad Muzakky