Article Per Year (5 Year)
p-Index From 2021 - 2026
4.5
P-Index
This Author published in this journals
All Journal IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Elkom: Jurnal Elektronika dan Komputer Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Jurnal Teknologi Informasi dan Ilmu Komputer Register: Jurnal Ilmiah Teknologi Sistem Informasi Jurnal Ilmiah KOMPUTASI JOURNAL OF APPLIED INFORMATICS AND COMPUTING Jiko (Jurnal Informatika dan komputer) Prosiding SNITP (Seminar Nasional Inovasi Teknologi Penerbangan) bit-Tech JATI (Jurnal Mahasiswa Teknik Informatika) Jifosi Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika Jurnal Teknik Informatika (JUTIF) Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Djtechno: Jurnal Teknologi Informasi International Journal Of Computer, Network Security and Information System (IJCONSIST) Jurnal Ilmiah IT CIDA : Diseminasi Teknologi Informasi Jurnal Sosial dan Abdimas Malcom: Indonesian Journal of Machine Learning and Computer Science Jurnal Teknik Terapan (J-TETA) Journal of Community Service (JCOS) Indonesian Journal of Electronics, Electromedical Engineering, and Medical Informatics
idhom, Mohammad
Unknown Affiliation
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 Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Materials Science & Nanotechnology Mathematics Mechanical Engineering Public Health Social Sciences Transportation

Published : 36 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 36 Documents
Search

 1   2   3   4 
Optimization of Palm Fruit Ripeness Detection With Yolov11 on CPU Anniswa, Iqbal Ramadhan; JAUHARIS SAPUTRA, Wahyu Syaifullah; Idhom, Mohammad; Rizaldy Pratama, Alfan; Susrama Mas Diyasa, I Gede
IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol 19, No 4 (2025): October
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijccs.111253

Abstract

The palm oil industry is one of the strategic sectors that contributes significantly to the Indonesian economy. However, this industry still faces various challenges, particularly in terms of operational efficiency and the implementation of digitalization, especially at the level of independent farmers who often still use manual methods to determine the ripeness of the fruit. This manual process is prone to subjectivity, which can impact harvest quality and supply chain efficiency. To address this issue, this study proposes a palm oil fruit ripeness detection system based on the YOLOv11 algorithm, chosen for its advantages in inference speed and detection accuracy, especially when run on devices with limited resources. The developed model was then implemented using the ONNX Runtime Framework. This enables accelerated inference processes and supports portability on hardware with limited resources. Test results show that the model achieves an mAP@50 accuracy of 90.2% with an average latency of around 255 ms to 300 ms. With these achievements, this system is not only reliable in detecting fruit ripeness, but also efficient in processing time and relevant to support digital transformation in the palm oil plantation sector.
Pengaruh Faktor Lingkungan Terhadap Distribusi Kasus DBD di Jakarta Selatan Menggunakan Pendekatan Geographically and Temporally Weighted Regression (GTWR): The Effect of Environmental Factors on the Distribution of Dangue Fever Cases in South Jakarta Using Geographically and Temporally Weighted Regression (GTWR) Approach Carissa, Savvy Prissy Amellia; Sugiarti, Nova Putri Dwi; Trimono, Trimono; Idhom, Mohammad
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 4 (2025): MALCOM October 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i4.2116

Abstract

Demam Berdarah Dengue (DBD) adalah penyakit endemis yang dipengaruhi oleh banyak faktor lingkungan dan memiliki pola penyebaran yang kompleks secara spasial dan temporal.  Dengan menggunakan pendekatan Geographically and Temporally Weighted Regression (GTWR), penelitian ini bertujuan untuk menganalisis distribusi kasus DBD di wilayah Jakarta Selatan. Suhu maksimum dan suhu minimum memiliki dampak positif yang konsisten terhadap peningkatan kasus DBD, menurut hasil penelitian.  Kinerja model GTWR ditunjukkan dengan nilai R-squared 0,5697 dan AIC 556,766. Visualisasi peta risiko mengidentifikasi wilayah seperti Jagakarsa, Cilandak, dan Mampang Prapatan sebagai daerah dengan risiko tinggi, dan pola musiman memperlihatkan peningkatan kasus pada awal hingga pertengahan tahun serta penurunan pada musim kemarau.
Implementasi Algoritma LightGBM untuk Prediksi Status Gizi Bayi dan Balita di Desa Doko Kabupaten Kediri Thoriqulhaq, Muhammad; Idhom, Mohammad; Maulida Hindrayani, Kartika
Jurnal Teknik Terapan Vol. 4 No. 2 (2025): Oktober
Publisher : P3M Politeknik Negeri Jember

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

Abstract

MThe issue of nutritional status among infants and toddlers remains a serious concern in Indonesia, particularly in rural areas. Doko Village was chosen as the research location due to its significant challenges in child health. This study aims to develop a nutritional status prediction model based on the LightGBM algorithm, capable of processing anthropometric data to classify nutritional categories such as "Underweight", "Normal", and "Overweight". Using an 80:20 training-to-testing data ratio, the model achieved 97% accuracy and a 94% F1-score. In addition to building the prediction model, this study also developed an interactive web application using Streamlit, and compared its results with the conventional WHO AnthroPlus method. The results indicate that LightGBM offers advantages in terms of speed, flexibility, and predictive accuracy based on local data.
Gema Gasing Aktif Sebagai Upaya Cegah Stunting Di Desa Wonokerto Khasanah, Ema Isfa'atin; Putri, Deva Amalia Rahma; Kurniawati, Dyah Ayu Listyo; Bajramaya, Dewa Widya; Idhom, Mohammad
Jurnal Sosial & Abdimas Vol. 6 No. 2 (2024): Jurnal Sosial & Abdimas
Publisher : LPPM Universitas Adhirajasa Reswara Sanjaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51977/jsa.v6i2.1726

Abstract

Sustainable Development Goals (SDGs) adalah target yang harus dicapai oleh Indonesia pada tahun 2030. Oleh karena itu, Pengabdian Masyarakat UPN Veteran Jawa Timur bertujuan untuk membantu desa-desa dalam beradaptasi dengan SDGs. Salah satu tantangan utama yang dihadapi Indonesia saat ini adalah tingginya angka stunting. Di Desa Wonokerto, terdapat 10 balita yang teridentifikasi mengalami stunting, sementara Kecamatan Wonosalam dikategorikan sebagai daerah dengan tingkat stunting yang tinggi pada tahun 2024. Program Gema Gasing Aktif (Gerakan Masyarakat Cegah Astasi Stunting dan Promosi Asi Eksklusif) dirancang untuk menyebarkan pengetahuan mengenai pencegahan stunting. Program ini terdiri dari tiga tahap utama, yaitu mendampingi ibu dan balita saat kegiatan posyandu, melakukan sosialisasi mengenai pencegahan stunting dan promosi asi eksklusif kepada remaja, ibu hamil, kader, dan orang tua sebagai upaya intervensi dini, serta memberikan pelatihan khusus kepada kader posyandu oleh BKKBN Provinsi Jawa Timur. Diharapkan bahwa program ini dapat efektif dalam mencegah stunting di Desa Wonokerto. Penelitian ini menggunakan pendekatan deskriptif dengan metode pengumpulan data melalui wawancara dan observasi.
ANALYSIS AND IMPLEMENTATION OF SENTIMENT SYSTEM ON THE ELECTABILITY OF INDONESIAN PRESIDENTIAL CANDIDATES 2024 USING SUPPORT VECTOR MACHINE METHOD Harahap, Jasmine Avrile Kaniasari; Syaifullah JS, Wahyu; Idhom, Mohammad
Jurnal Teknik Informatika (Jutif) Vol. 5 No. 4 (2024): JUTIF Volume 5, Number 4, August 2024 - SENIKO
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2024.5.4.2029

Abstract

Indonesia is a country that implements democracy in choosing presidential candidates through the election process. People have their own views on the presidential candidates they support, and in this digital era, social media is the main platform for people to express their opinions. Public opinion can be positive or negative, public opinion, hate speech, and various other comments that can cause hostility, insults, debates, and disputes. In this study, data modeling using the Support Vector Machine (SVM) method will be evaluated using a confusion matrix. The data used for anies data is 1607 tweets, prabowo data is 1761 tweets, and ganjar data is 1607 tweets with the keywords “anies baswedan”, “prabowo subianto”, and “ganjar pranowo” with the data collection period from November - December 2023. The results of this study show that the sentiment classification model has good performance. For Anies Baswedan data, the SVM model achieved accuracy of 86.64%, precision of 86.69%, recall of 86.64%, and f1-score of 86.62%. For Prabowo Subianto data, the model achieved an accuracy of 90.65%, precision of 90.81%, recall of 90.65%, and f1-score of 90.61%. Meanwhile, for Ganjar Pranowo data, the model achieved an accuracy of 93.78%, precision of 93.67%, recall of 93.78%, and f1-score of 93.72%. These results show that the system is able to classify people's sentiment.
Optimizing Clustering Analysis to Identify High-Potential Markets for Indonesian Tuber Exports Prasetya, Dwi Arman; Sari, Anggraini Puspita; Idhom, Mohammad; Lisanthoni, Angela
Indonesian Journal of Electronics, Electromedical Engineering, and Medical Informatics Vol. 7 No. 1 (2025): February
Publisher : Jurusan Teknik Elektromedik, Politeknik Kesehatan Kemenkes Surabaya, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35882/skzqbd57

Abstract

Agriculture is a key contributor to Indonesia's economic growth, with tubers representing the second most important food crop. Despite their significance, the export value of Indonesia’s tuber crops has not yet reached its full potential given the decline in the value of tuber exports since 2021. One of the contributing factors is the restricted range of export market options. This study aims to analyze export trade patterns to identify the most high-potential markets for Indonesian tuber commodities.  Clustering analysis is used as a key method to identify market locations by grouping countries based on similar trade characteristics. Clustering was conducted using the Gaussian Mixture Model (GMM), which enhanced by Particle Swarm Optimization (PSO) and evaluated by silhouette score and DBI. The dataset is collected from Indonesia’s Central Bureau of Statistics from 2019 to 2023, focusing on 5 kinds of tuber exports with total of 455 entries and 8 columns. Using the AIC/BIC method, the optimal number of clusters obtained is 2 which are low market opportunities (cluster 0) and high market oppurtunities (cluster 1). Results showed that the GMM model without optimization has silhouette score of 0.7602 and DBI of 0.8398, while the GMM+PSO model achieved an improved silhouette score of 0.8884 and DBI of 0.5584. Both score are categorized as strong structure but, GMM+PSO has higher silhouette score and lower DBI score, demonstrating the effectiveness of PSO in enhancing the clustering model’s performance. The key potential markets for Indonesian tuber exports are primarily concentrated in Asia, including countries such as China, Malaysia, Thailand, Vietnam, Hong Kong, and United States.
Prediksi Viralitas Tweet Berbahasa Indonesia Menggunakan IndoBERTweet, RoBERTa, dan Multi-Layer Perceptron untuk Optimalisasi Strategi Pemasaran Digital Putri, Deannisa Syafira; Muhaimin, Amri; Idhom, Mohammad
Jurnal Ilmiah IT CIDA Vol 11 No 2: Desember 2025
Publisher : STMIK AMIKOM Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55635/jic.v11i2.297

Abstract

Penelitian ini bertujuan memprediksi tingkat viralitas tweet berbahasa Indonesia dengan menggabungkan fitur teks, sentimen, dan numerik melalui model IndoBERTweet, RoBERTa, dan Multi-Layer Perceptron (MLP). IndoBERTweet digunakan untuk menghasilkan representasi semantik, RoBERTa untuk menganalisis polaritas sentimen, dan MLP sebagai klasifikator yang menggabungkan seluruh fitur. Dataset terdiri dari 1.716 tweet promosi pada platform X (27 November 2024–27 Mei 2025), yang setelah pra-pemrosesan dan pelabelan menggunakan Gaussian Mixture Model (GMM) menghasilkan 1.481 data bersih siap latih. Model mencapai performa tinggi dengan akurasi 96,99%, precision 96,97%, recall 96,99%, dan F1-score 96,97%, mencatat peningkatan sebesar 0,32% dibandingkan Linear SVM dan 1,66% dibandingkan Decision Tree. Temuan ini menunjukkan bahwa integrasi representasi semantik dan sentimen secara efektif meningkatkan akurasi prediksi dibandingkan pendekatan tunggal, serta berpotensi membantu praktisi pemasaran digital merancang strategi kampanye yang lebih tepat sasaran dan berpeluang viral.
Prediksi Penyaluran Obat Kandungan Misoprostol dengan Metode Temporal Convolutional Networks Ramadani, Nurmalita; Idhom, Mohammad; Trimono
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 6: Desember 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025126

Abstract

Aborsi ilegal di Indonesia masih menjadi permasalahan serius, terutama dengan maraknya penggunaan misoprostol yang diperjualbelikan secara ilegal. Indonesia mencatat sekitar 1,7 juta kasus aborsi per tahun, dengan 42,5 dari setiap 1.000 wanita usia subur di Pulau Jawa terlibat dalam praktik ini. Berdasarkan laporan kasus, penyalahgunaan misoprostol dapat menyebabkan komplikasi serius seperti hipertermia, hipoksia, hingga kematian akibat kegagalan multiorgan. Selain itu, ditemukan bahwa 73% obat aborsi yang dijual online mengandung misoprostol, dan lebih dari 300.000 situs penjual obat ilegal telah diblokir oleh Kementerian Komunikasi dan Informasi. Salah satu celah yang mempermudah penyalahgunaan adalah belum adanya regulasi batas kuantitas penyaluran obat tersebut. Penelitian ini menerapkan model Temporal Convolutional Networks (TCN) untuk memprediksi pola penyaluran obat misoprostol menggunakan data primer dari BPOM dengan periode 2021-2024. Hasil evaluasi menunjukkan bahwa TCN secara konsisten lebih unggul dibandingkan LSTM pada semua panjang input. TCN mencatat rata-rata penurunan NMAE sebesar 85% dan NMSE sebesar 68% dibandingkan LSTM. Pendekatan berbasis TCN ini diharapkan dapat membantu otoritas dalam meningkatkan pengawasan distribusi obat serta mendukung kebijakan pengendalian misoprostol agar tidak disalahgunakan.   Abstract Illegal abortion in Indonesia remains a serious problem, especially with the widespread use of misoprostol, which is sold illegally. Indonesia records around 1.7 million abortion cases per year, with 42.5 out of every 1,000 women of childbearing age on the island of Java involved in this practice. According to case reports, the misuse of misoprostol can lead to serious complications such as hyperthermia, hypoxia, and even death due to multi-organ failure. Additionally, it was found that 73% of abortion drugs sold online contain misoprostol, and over 300,000 illegal drug-selling websites have been blocked by the Ministry of Communication and Information. One loophole that facilitates misuse is the lack of regulations on the quantity of the drug's distribution. This study applied the Temporal Convolutional Networks (TCN) model to predict the distribution patterns of misoprostol using primary data from the Indonesian Food and Drug Administration (BPOM) for the period 2021-2024. Evaluation results show that TCN consistently outperforms LSTM across all input lengths. TCN achieves an average reduction of 85% in NMAE and 68% in NMSE compared to LSTM. This TCN-based approach is expected to assist authorities in enhancing drug distribution oversight and supporting misoprostol control policies to prevent misuse.
Prediksi Harga Saham Menggunakan ARIMA Outlier sebagai Pendekatan Awal Menuju Analisis AI Keuangan Adam, Cindi; Idhom, Mohammad; Trimono, Trimono
Elkom: Jurnal Elektronika dan Komputer Vol. 18 No. 2 (2025): Desember : Jurnal Elektronika dan Komputer
Publisher : STEKOM PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/elkom.v18i2.3314

Abstract

Perkembangan kecerdasan buatan (AI) mendorong inovasi dalam analisis keuangan, termasuk prediksi harga saham yang fluktuatif. Penelitian ini bertujuan memprediksi harga saham PT Garudafood Putra Putri Jaya Tbk menggunakan model ARIMA dengan penanganan Outlier sebagai pendekatan awal menuju sistem prediksi yang lebih adaptif. Data harga penutupan harian dari Yahoo Finance dianalisis melalui uji stasioneritas, identifikasi model ARIMA, deteksi Outlier berbasis log-return, serta evaluasi performa menggunakan RMSE, MAE, dan MAPE. Hasil penelitian menunjukkan bahwa ARIMA Outlier memberikan performa lebih baik dibandingkan ARIMA dasar. ARIMA standar menghasilkan MAPE 1.32% dan AIC –899.46, sedangkan ARIMA dengan tiga dummy Outlier mencapai MAPE 1.16% dan AIC –900.37. Peramalan 14 hari ke depan menunjukkan pola yang stabil pada kisaran Rp 370–371. Pada data uji, ARIMA dasar memberikan akurasi terbaik pada pertengahan Agustus, sedangkan ARIMA Outlier mencapai akurasi tertinggi pada akhir Agustus dengan prediksi Rp 370.2 yang sangat dekat dengan harga aktual Rp 370.4. Hasil ini menunjukkan bahwa penanganan Outlier meningkatkan ketepatan model, sehingga ARIMA Outlier dapat digunakan sebagai fondasi awal menuju pengembangan sistem prediksi keuangan berbasis AI.
DEPLOYMENT DETEKSI KEMATANGAN BUAH KELAPA SAWIT BERBASIS YOLOV11 DENGAN ONNX RUNTIME DAN STREMLIT Ramadhan Anniswa, Iqbal; Syaifullah J. S, Wahyu; Idhom, Mohammad; Rizaldy Pratama, Alfan; Gede Susrama Mas Diyasa, I
Prosiding SNITP (Seminar Nasional Inovasi Teknologi Penerbangan) Vol. 9 No. 1 (2025): SNITP 2025
Publisher : Politeknik Penerbangan Surabaya

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

Abstract

Kelapa Sawit merupakan komoditas strategis di Indonesia yang menjadi salah satusumber devisa utama. Tingkat kematangan buah kelapa sawit sangat berpengaruhterhadap kualitas minyak yang dihasilkan, sehingga diperlukan metode yang cepat,tepat, dan konsisten untuk mendeteksi tingkat kematangan buah. Dalam metedoKonversional masih mengandalkan pengamatan visual oleh pekerja lapangan seringbersifat subjektif dan tidak efesien.Dengan hal tersebut,penelitian ini mengusulkanpenerapan model object detection berbasis YOLOv11 untuk mendeteksikematangan buah kelapa sawit. Model YOLOv11 dipilih karena memilikikeunggulan dalam kecepatan inferensi dan akurasi deteksi pada objek kecil maupunkompleks. Untuk memfasilitasi penggunaan di lingkungan produksi,Model yangtelah dilatih dikonversi ke format ONNX dan dijalankan menggunakan ONNXRuntime agar memperoleh perfoma inferensi yang lebih optimal pada sumber dayaterbatas. Selanjutnya, aplikasi antarmuka berbasis Streamlit dikembangkan untukmemudahkan pengguna dalam mengunggah gambar atau video dan memperolehhasil deteksi secara real-time. Diharapkan, sistem ini mampu memberikan solusipraktis, efisien, dan akurat dalam mendukung proses panen buah kelapa sawit.
Co-Authors Adam, Cindi Adelia Adelia, Adelia Alfan Rizaldy Pratama Alif, Rahmat Istighfaroni Aminullah, Ahmad Adiib Angga, Angga Rahmad Purnama Anggraini Puspita Sari Anniswa, Iqbal Ramadhan Arif, M. Azis, Nauval Ihsani Azzahra, Adelia Ramadhina Bajramaya, Dewa Widya Basuki Rahmat Masdi Siduppa Cahaya Purtri Agustika Carissa, Savvy Prissy Amellia Damaliana, Aviolla Terza Dewi , Deshinta Arrova Diash, Hakam Dzakwan Diyasa, I Gede Susrama Mas Dwi Arman Prasetya Fahrudin, Tresna Maulana Gede Susrama Mas Diyasa, I Halim, Rahman Nur Harahap, Jasmine Avrile Kaniasari Henni Endah Wahanani Jauharis Saputra, Wahyu Syaifullah JS, Wahyu Syaifullah Kartika Maulida Hindrayani Khasanah, Ema Isfa'atin Kurniawati, Dyah Ayu Listyo Kuswardhani , Hajjar Ayu Cahyani Lidya Musaffak, Awal Linggasari, Dienna Eries Lisanthoni, Angela Maulana, Hendra Maulida Hindrayani, Kartika Muhaimin, Amri Muhammad Rizki Alamsyah Nabila, Nasywa Azzah Nafiah, Fajria Ulumin Nariyana, Calvien Danny Nathania, Vannesa naufal firdaus, ahmad Nur Hidayat, Fadhilah Pamungkas, Syahrul Ardi Panglima, Talitha Fujisai Permadani, Citra Amelia Intan Priananda, Arya Mahardika Putri, Deannisa Syafira Putri, Deva Amalia Rahma Ramadani, Nurmalita Ramadhan Anniswa, Iqbal Raynaldi, Achmad Riyantoko, Prismahardi Aji Ryan Dana, Alvin Saputra, Wahyu Syaifullah Jauharis Shaffa Ameera, Divanda Sugiarti, Nova Putri Dwi Sugiarto S Susrama Mas Diyasa, I Gede Syaifullah J. S, Wahyu Syaifullah JS, Wahyu Terza Damaliana, Aviolla Thohir, A. Zaki Thoriqulhaq, Muhammad Trimono Trimono, Trimono Ulayya, Yasmin Wardana, Azel Christian Widi Saputro, Tegar