Article Per Year (5 Year)
p-Index From 2021 - 2026
10.957
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Komputer dan Informasi Techno.Com: Jurnal Teknologi Informasi TEKNOLOGI: Jurnal Ilmiah Sistem Informasi TELKOMNIKA (Telecommunication Computing Electronics and Control) Jurnal Ilmu Komputer dan Agri-Informatika EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi Jurnal Teknologi Informasi dan Ilmu Komputer International Journal of Advances in Intelligent Informatics Jurnal Teknologi dan Sistem Komputer JOIV : International Journal on Informatics Visualization Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Journal of Information Technology and Computer Science Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Jurnal Inovasi Hasil Pengabdian Masyarakat (JIPEMAS) Jurnal Litbang Edusaintech Tri Dharma Mandiri: Diseminasi dan Hilirisasi Riset Kepada Masyarakat (Jurnal Pengabdian Kepada Masyarakat) Kohesi: Jurnal Sains dan Teknologi
Novanto Yudistira
Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya
Agriculture, Biological Sciences & Forestry Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Library & Information Science Mathematics Public Health Social Sciences Other

Published : 94 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 94 Documents
Search

 6   7   8   9   10 
Klasifikasi Aktivitas Manusia menggunakan Algoritme Computed Input Weight Extreme Learning Machine dengan Reduksi Dimensi Principal Component Analysis Irwanto, M. Sofyan; Bachtiar, Fitra Abdurrachman; Yudistira, Novanto
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 5 No 13 (2021): Publikasi Khusus Tahun 2021
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Untuk dipublikasikan di Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK)
Pengembangan Perangkat Bergerak untuk Klasifikasi Tanaman Obat Menggunakan Kamera Berbasis Android Harlan, Fajri Rayrahman; Al Huda, Fais; Yudistira, Novanto
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 13 (2025): Publikasi Khusus Tahun 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Naskah ini akan diterbitkan di Konferensi Internasional ICOMIT 2025
Klasifikasi Emosi Manusia pada Citra Digital dengan MobileNetV3 dan Spatial Transformer Dhaifullah, Afif Naufal; yudistira, Novanto; Mahmudy, Wayan Firdaus
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 10 (2025): Oktober 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Emosi merupakan kondisi psikofisiologis seseorang dengan faktor internal dan/atau lingkungan. Pengenalan akurat dari emosi wajah melalui sistem pengenalan visi komputer akan kondusif untuk kelancaran kemajuan interaksi manusia-komputer. Selain itu, karena dinamika dan heterogenitas layanan seluler, dibutuhkan sistem pengenalan emosi yang dapat memproses data secara akurat dengan waktu komputasi yang minimal. Kami mengusulkan penggunaan MobileNetV3 dengan penjadwalan learning rate serta penambahan attention module guna mendapatkan model dengan performa akurasi baik namun efisien dalam penggunaan sumber daya, seperti ukuran model, jumlah parameter yang rendah, dan waktu komputasi yang cepat, sehingga cocok diterapkan pada perangkat mobile. Adanya SE (Squeeze and Excitation) dan fungsi h-swish memungkinkan MobileNetV3 mempertahankan akurasi sekaligus mengurangi jumlah parameter secara signifikan. Adapun fitur localization dan sampling grid pada spatial transformer membantu model untuk fokus ke bagian yang diperlukan guna meningkatkan akurasi. Pada penelitian ini dibuktikan bahwa metode yang digunakan memberikan hasil yang baik dengan akurasi validasi sebesar 69.89% pada dataset FER2013 dan 84.10% pada FER2013+ dengan ukuran model sebesar 16.36 MB dan parameter 4,235,112 menunjukkan efisiensi memori dan kecepatan inferensi yang signifikan dibandingkan model lain seperti ResNet50 sehingga dapat dinyatakan model memiliki performa akurasi yang baik dengan efisiensi memori dan komputasi yang cukup baik.
Penerapan Model Vision Transformer dalam Klasifikasi Hama pada Pertanian Wahyu Taufiqurrahman, Rayhan; Novanto Yudistira; Agus Wahyu Widodo
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 10 (2025): Oktober 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Identifikasi hama secara manual pada sektor pertanian seringkali tidak efisien dan dapat menyebabkan kerugian panen yang signifikan. Penelitian ini bertujuan untuk menerapkan dan mengevaluasi arsitektur modern Vision Transformer (ViT) dan Swin Transformer untuk klasifikasi hama yang efisien, dengan fokus pada optimasi model melalui pruning. Menggunakan dataset IP102, kedua model dioptimalkan melalui alur kerja sparse training, diikuti pruning (0-30%), dan diakhiri dengan fine-tuning. Hasil menunjukkan ViT mencapai akurasi puncak (72,95%), namun dengan biaya komputasi tinggi pada kondisi awal. Sebaliknya, Swin Transformer menunjukkan keseimbangan terbaik; proses pruning tidak hanya mengurangi parameter hingga ~30% dan waktu pelatihan hingga 80,5%, tetapi juga meningkatkan akurasinya menjadi 70,52%. Swin Transformer juga secara inheren memiliki kecepatan inferensi yang jauh lebih unggul (~45 detik). Swin Transformer yang dioptimalkan dengan pruning 25-30% direkomendasikan sebagai solusi paling praktis untuk aplikasi di dunia nyata, karena menawarkan keseimbangan superior antara akurasi, kecepatan inferensi, dan efisiensi sumber daya.
Enhancing Islamic Boarding School Management in Jombang through Artificial Intelligence Kurnianingtyas, Diva; Daud, Nathan; Widodo, Agus Wahyu; Muflikhah, Lailil; Yudistira, Novanto
TRI DHARMA MANDIRI: Dissemination and Downstreaming of Research to the Community (Journal of Community Engagement) Vol 5 No 2 (2025)
Publisher : SMONAGENES Research Center, Univeritas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21776/ub.jtridharma.2025.005.02.143

Abstract

The drive for digital transformation and the need to enhance governance efficiency in religious educational institutions provided the backdrop for this community service program, which implemented artificial intelligence (AI) technology at an Islamic boarding school in Jombang. This program aimed to enhance the management competencies of Islamic boarding schools in Jombang by applying AI technology. The activities included socialization and training sessions on AI-based applications such as facial recognition, attendance systems, and student nutrition management tools. A one-group pretest–posttest design was employed to evaluate management competence before and after the training. The analysis showed a significant increase in participants’ scores from the pretest (23.86 ± 3.34) to the posttest (45.06 ± 1.56), with Z = –6.166 and p < 0.001. This improvement contributed to more efficient student attendance tracking, optimized data-based nutrition management, and motivated participants to integrate technology into pesantren administration. The practical implication of this program is the need for continuous training to expand further the adoption of artificial intelligence in other Islamic boarding schools.
Facial Expression Recognition Using Convolutional Neural Network with Attention Module Khoirullah, Habib Bahari; Yudistira, Novanto; Bachtiar, Fitra Abdurrachman
JOIV : International Journal on Informatics Visualization Vol 6, No 4 (2022)
Publisher : Society of Visual Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30630/joiv.6.4.963

Abstract

Human Activity Recognition (HAR) is an introduction to human activities that refer to the movements performed by an individual on specific body parts. One branch of HAR is human emotion. Facial emotion is vital in human communication to help convey emotional states and intentions. Facial Expression Recognition (FER) is crucial to understanding how humans communicate. Misinterpreting Facial Expressions can lead to misunderstanding and difficulty reaching a common ground. Deep Learning can help in recognizing these facial expressions. To improve the probation of Facial Expressions Recognition, we propose ResNet attached with an Attention module to push the performance forward. This approach performs better than the standalone ResNet because the localization and sampling grid allows the model to learn how to perform spatial transformations on the input image. Consequently, it improves the model's geometric invariance and picks up the features of the expressions from the human face, resulting in better classification results. This study proves the proposed method with attention is better than without, with a test accuracy of 0.7789 on the FER dataset and 0.8327 on the FER+ dataset. It concludes that the Attention module is essential in recognizing Facial Expressions using a Convolutional Neural Network (CNN). Advice for further research first, add more datasets besides FER and FER+, and second, add a Scheduler to decrease the learning rate during the training data.
Deteksi Spam Pada Short Message Service Berbasis CNN Dengan Kombinasi Word Embedding Model Bahasa Besar Maulana, Firman; Yudistira, Novanto; Santoso, Edy
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 12 (2025): Desember 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Pesan spam pada layanan Short Message Service (SMS) berpotensi menimbulkan gangguan maupun ancaman keamanan, khususnya ketika mengandung unsur phishing yang menargetkan informasi sensitif pengguna. Penelitian ini merancang dan mengevaluasi sistem deteksi spam SMS berbasis Convolutional Neural Network (CNN) dengan memanfaatkan kombinasi word embedding dari berbagai Model Bahasa Besar (Large Language Models). Proses penelitian mencakup tahapan preprocessing, pembangunan word embedding berdasarkan beragam model LLM, penerapan beberapa teknik penggabungan meliputi averaging, concatenation, concatenation + PCA, dan Mixture Of Expert (MoE) serta optimasi hyperparameter untuk mencapai performa terbaik. Hasil eksperimen menunjukkan teknik concatenation dikombinasikan dengan PCA untuk mereduksi dimensi, memberikan performa paling unggul, dengan kombinasi embedding LLaMA-2 dan Qwen2.5 menghasilkan akurasi 97.3%, F1-Score 89%, dan MCC 87.7% pada dataset multilingual, sedangkan kombinasi mBERT dan Qwen2.5 mencapai akurasi 97.9%, F1-Score 95%, dan MCC 93.5% pada dataset bilingual. Hasil penelitian ini menegaskan efektivitas penggabungan embedding berbasis model bahasa besar dalam meningkatkan representasi semantik dan kinerja CNN untuk deteksi spam SMS.
PERAMALAN DERET WAKTU FEW-SHOT TEST-TIME ADAPTATION MENGGUNAKAN MODEL UNIVERSAL TRANSFORMER MOIRAI-MOE PADA DATA MULTI-DOMAIN Chandra, Lucas; Yudistira, Novanto; Widodo, Agus
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 12 (2025): Desember 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Peramalan deret waktu merupakan aspek penting dalam berbagai bidang seperti energi, keuangan, kesehatan, dan cuaca, di mana akurasi prediksi sangat menentukan kualitas pengambilan keputusan. Model tradisional seperti ARIMA bekerja baik pada data yang stasioner, namun cenderung mengalami penurunan performa ketika diterapkan pada pola non-linear ataupun data lintas domain. Perkembangan foundation models pada time series, seperti Moirai dan variannya Moirai-MoE, memungkinkan peramalan lintas domain tanpa proses pelatihan ulang yang berat. Pada penelitian ini, Moirai digunakan dalam skenario zero-shot forecasting, sedangkan Moirai-MoE diterapkan dalam skenario few-shot test-time adaptation (TTA) untuk meningkatkan kemampuan adaptasi model menggunakan sejumlah kecil sampel target. Eksperimen dilakukan pada tiga dataset publik multi-domain, yaitu Weather Melbourne, Finance AAPL, dan CO₂ Mauna Loa, dengan membandingkan performa Moirai, Moirai-MoE TTA, ARIMA, dan LSTM berdasarkan metrik MAE dan sMAPE. Hasil penelitian menunjukkan bahwa Moirai memiliki kemampuan generalisasi yang kompetitif pada zero-shot, sedangkan Moirai-MoE dengan few-shot TTA mampu meningkatkan akurasi secara signifikan terutama pada domain yang mengalami pergeseran distribusi dari LOTSA. Pendekatan ini membuktikan efektivitas adaptasi ringan yang tidak memerlukan fine-tuning penuh.
ANALISIS PERBANDINGAN MODEL YOLOV11 YANG DITINGKATKAN TERHADAP PENDETEKSIAN OBJEK KECIL PADA DOMAIN MARITIM BERBASIS UAV Ali, Mustafa; Tibyani; Yudistira, Novanto
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 12 (2025): Desember 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Deteksi objek kecil pada citra maritim berbasis Unmanned Aerial Vehicle (UAV) merupakan tantangan krusial dalam operasi keselamatan maritim dan Search and Rescue (SAR) akibat kondisi visual laut yang kompleks. Penelitian ini mengusulkan peningkatan arsitektur YOLOv11n melalui integrasi Bidirectional Feature Pyramid Network (BiFPN) untuk memperkuat representasi fitur multi-skala, dan Convolutional Block Attention Module (CBAM) untuk meningkatkan selektivitas fokus terhadap noise latar belakang. Berdasarkan eksperimen pada dataset SeaDronesSee, model yang ditingkatkan (YOLOv11n+BiFPN+CBAM) terbukti memberikan kinerja paling baik dengan mAP50-95 mencapai 0.450 (meningkat 9,2% dari model standar) dan peningkatan Precision tertinggi hingga 0.910,. Hasil ini mengindikasikan bahwa integrasi kedua modul berhasil menekan tingkat deteksi palsu (false positive) secara signifikan dibandingkan penggunaan modul tunggal. Meskipun integrasi ini meningkatkan beban komputasi dengan latensi 16.51 ms, sistem tetap mampu beroperasi pada kecepatan 60.58 FPS, dua kali lipat di atas standar minimum real-time (30 FPS). Penelitian ini menyimpulkan bahwa penggabungan mekanisme fusi fitur dan atensi visual menawarkan trade-off paling optimal antara kinerja tinggi dan efisiensi sistem deteksi real-time, menjadikannya solusi andal untuk deteksi objek pada domain maritim yang membutuhkan kepastian deteksi tinggi.
Modifikasi Yolov11 Dengan Coordinate Attention Pada Modul Neck Untuk Peningkatan Deteksi Objek Kecil Alat Pelindung Diri Bagidya, Moga Taufiq; Yudistira, Novanto; Rahman, Muh. Arif
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 2 (2026): Februari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Pemantauan kepatuhan penggunaan Alat Pelindung Diri (APD) merupakan aspek krusial dalam Keselamatan dan Kesehatan Kerja (K3) di lingkungan industri. Namun, pengawasan manual memiliki keterbatasan dalam hal konsistensi dan cakupan area. Pendekatan otomatisasi menggunakan computer vision sering kali terkendala dalam mendeteksi objek APD berukuran kecil, sesuai dengan standar pada MS COCO yaitu untuk objek yang ukurannya <322 piksel terhadap keseluruhan input gambar, yang kerap kehilangan detail spasial akibat proses downsampling pada jaringan saraf tiruan. Penelitian ini bertujuan mengatasi permasalahan tersebut dengan memodifikasi arsitektur YOLOv11n-seg melalui integrasi mekanisme Coordinate Attention (CA) pada modul Neck. Pendekatan ini dirancang untuk memperkuat representasi fitur spasial dan kanal tanpa membebani komputasi secara berlebihan. Model dilatih dan dievaluasi menggunakan dataset industri migas yang terdiri dari 1.551 citra dengan 14 kelas objek. Hasil pengujian menunjukkan bahwa model modifikasi mampu mencapai Mean Average Precision (mAP@50) sebesar 71,3%. Integrasi CA terbukti efektif meningkatkan akurasi pada objek kecil yang dinamis dan rentan oklusi, dengan peningkatan mAP@50 pada kelas Hand Gloves sebesar 8,2%, Safety Glasses sebesar 2,3%, dan Dust Mask sebesar 2,2% dibandingkan model baseline. Selain itu, model mampu beroperasi secara real-time dengan kecepatan inferensi 210,5 FPS. Penelitian ini menyimpulkan bahwa modifikasi Neck dengan Coordinate Attention dapat meningkatkan sensitivitas deteksi objek kecil pada sistem pengawasan K3 tanpa mengorbankan efisiensi waktu nyata.
Co-Authors Abdurrachman Bachtiar, Fitra Abel Filemon Haganta Kaban Achmad Basuki Achmad Ridok Adam Hendra Brata Adhi Setiawan Aditama, Gustian Agi Putra Kharisma Agus Wahyu Widodo Agus Wahyu Widodo Agus Wahyu Widodo, Agus Wahyu AGUS WIDODO Akbar, Alvin Tarisa Al Huda, Fais Aldi Fianda Putra Alfen Hasiholan Ali, Mustafa Almasyhur, Muhammad Bin Djafar Alwan, Muhammad Fajrul Amin, Muhammad Basil Musyaffa Anarya Indika Putra Andina, Sherla Puspa Andy Soebroto, Arief Anggraheni, Hanna Shafira Annisa Sukmawati Aprianto, Anda Bagas Apriyanti -, Apriyanti Ardhani, Luthfi Afrizal Ardhanto, Riyadh Ilham Arifandis Winata Arifien, Zainal Asmani, Wahayu Widyaning Austin, Yehezkiel Stephanus Bagidya, Moga Taufiq Bahrur Rizki Putra Surya Bana Falakhi Bayu Rahayudi Budi Darma Setiawan Caesar Rio Anggina Toruan Cahyo Prayogo, Cahyo Candra Dewi Cevita Detri Intan Suryaningrum Chandra, Lucas Chindy Aulia Sari Christopher, Juan Young Darmawan, Abizard Hashfi Darmawan, Hanif Daud, Nathan Daut Daman Dewa Gede Trika Meranggi Dhaifullah, Afif Naufal Dhifan Diandra H Didik Suprayogo Dytha Suryani Edy Santoso Edy Santoso Elmira Faustina Achmal Eriq Muhammad Adams Jonemaro Fadhil Yusuf Rahadika Fadhil Yusuf Rahadika Fadhil Yusuf Rahadika Fahmi Achmad Fauzi Fajrina, Julia Nur Fathina Atsila F Fauzi, Muhammad Rifqi Firhan Fauzan Hamdani Firman Maulana, Firman Fitra Abdurrachman Bachtiar Galih Wicaksana Putra, Achmad Griselda Anjeli Sirait Griselda Anjeli Sirait Hafshah Durrotun Nasihah Hakim, Gibran Hakim, Sulthan Abiyyu Hanum, Assyfa Rasida Haris, Asmuni Harlan, Fajri Rayrahman Hawari, Rahmada Zulvia Azzahra Hermanto, Putri Tsania Maulidia Heru Nurwarsito Huda, Fais Al Hutamaputra, William Ikhwanul Kiram, Muh Zaqi Imam Cholissodin Indriati Indriati Iqra Ilhamsyah Irfan Ardiansyah Irfannanto, Adimas Irfano, Haikal Irwanto, M. Sofyan Izzatul Azizah Jauhar Bariq Rachmadi Javier Ardra Figo Kaluge, Hendrika Rosa Vincensia Karina Amadea Katrina Puspita Kevin Nadio Dwi Putra Khalid Rahman Khoirullah, Habib Bahari Krisnabayu, Rifky Yunus Kurnia Fakhrul Izza Kurnianingtyas, Diva Lailil Muflikhah Laksono, Khansa Salsabila Sangdiva Larasati, Saqina Salsabila Lutfi, Raniyah Mahardika, Mohammad Alfiano Rizky Manurung, Daniel Geoffrey Marasitua, Wahyu Valentino Marji Marpaung, Veronika Oktafia Maulana Ahmad Maliki Maulana, Muhammad Rizqon Maulana, Muhammad Taufik Mawarni, Marrisaeka Meilinda Dwi Puspaningrum Michael David Muh. Arif Rahman Muhammad Rizaldi Muhammad Rizaldi Muhammad Tanzil Furqon Muhammad Zaini Rahman Natanniel Eka Christyanto Naufal, Muhammad Jilan Niluh Putu Vania Dyah Saraswati Nisa, Lisa N. Nisa, Septia Khoirin Novianti, Siska Nurannisa, Nadhira Oakley, Simon Pangondian, Yosia Permadhi, Raditya Atmaja Satria Pinasthika, Mohammad Ryan Prais Sarah Kayaningtias Prasetia, Anugrah Prayata, Rakan Fadhil Putra Pandu Adikara Putra, Octo Perdana Putri, Rania Aprilia Dwi Setya Putri, Salwa Cahyani Qurrata Ayuni Rahmadi, Anang Bagus Rahman, Muhammad Arif Raihan Hanif F RAMADHAN, ADITYA RIZKY Randy Cahya Wihandika Renata Rizki Rafi' Athallah Rian Nugroho Rilinka Rilinka Rishani Putri Aprilli Rizal Setya Perdana Rizky, Audhinata Bebytama RR. Ella Evrita Hestiandari Sabriansyah Rizqika Akbar, Sabriansyah Sahirah, Rafifa Addin Saputra, Kylix Eza Sastomo, Yogi Puji Selle, Nurfatima Setyawan Purnomo Sakti Sholeh, Mahrus Stephen Lui, Michael Sugihdharma, Joseph Ananda Sukma, Lintang Cahyaning Sulthon Akhdan G Suprapto Suprapto Sutrisna, Naufal Putra Syafira, Putri Amanda Tampubolon, Agustinus Parasian Thiodorus, Gustavo Tibyani Timothy Bastian Sianturi Usfita Kiftiyani Vasya, Muhammad Azka Obila Wa Ode May Zhara Averina Wahyu Taufiqurrahman, Rayhan Waludi, Ikbal Wayan Firdaus Mahmudy Wulandari, Rafifah Ayud Yuita Arum Sari Yuita Arum Sari Zetha, Ivykaeyla Adriana