Article Per Year (5 Year)
p-Index From 2021 - 2026
4.682
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) Jurnal Riset Informatika Prosiding SNITP (Seminar Nasional Inovasi Teknologi Penerbangan) JATI (Jurnal Mahasiswa Teknik Informatika) Jifosi Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika Jurnal Teknik Informatika (JUTIF) 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 Journal of Information Systems and Technology Research 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 : 38 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 38 Documents
Search

 1   2   3   4 
Nutritional Status; Infants and Toddlers; LightGBM; Posyandu; Nutrition Prediction; Doko Village; Monitoring Application Muhammad Thoriqulhaq; Idhom, Mohammad; Maulida, Kartika
IJCONSIST JOURNALS Vol 5 No 1 (2023): September
Publisher : International Journal of Computer, Network Security and Information System

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/ijconsist.v5i1.136

Abstract

This study aims to implement a nutritional status index for infants and toddlers in Doko Village, Kediri Regency, using the LightGBM algorithm. Child health issues in Indonesia, particularly stunting, are a serious concern due to chronic malnutrition, recurring infections, and insufficient psychological stimulation during early developmental stages. Doko Village was selected as the research location due to significant challenges related to child nutrition in the area. The LightGBM algorithm was chosen for its ability to process large and imbalanced datasets while providing accurate predictions. The data used in this study comes from weight and height measurements of children at the local Posyandu. The main objective of this research is to develop a predictive model that can help healthcare workers identify children at risk of malnutrition, enabling more precise interventions. Additionally, this study developed a web-based application to monitor nutritional status in real-time, which is expected to improve the quality of life for children in Doko Village and nearby areas facing similar challenges.
Implementation of A* Algorithm and Contraction Hierarchies for Delivery Route Optimization (Case Study: CV. Almaed.id) Gunawan, Boy Erdyansyah; Idhom, Mohammad; Akbar , Fawwaz Ali; Riyantoko, Prismahardi Aji
IJCONSIST JOURNALS Vol 5 No 2 (2024): March
Publisher : International Journal of Computer, Network Security and Information System

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/ijconsist.v5i2.140

Abstract

In the digital era, manufacturing companies like CV. Almaed.id are required to have an efficient distribution system to compete in the furniture industry. This study proposes the application of the A* algorithm and Contraction Hierarchies (CH) to optimize product delivery routes. This system utilizes road network data from OpenStreetMap and calculates geographic distances using the Haversine method. Implementation results show that the combination of A*, CH, and Haversine can accelerate route calculation and reduce operational costs compared to manual methods.
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.
Data Augmentation of Sperm Images Using Generative Adversarial Networks (WGAN-GP) Diyasa, I Gede Susrama Mas; Kuswardhani , Hajjar Ayu Cahyani; Idhom, Mohammad; Riyantoko, Prismahardi Aji; Dewi , Deshinta Arrova
Register: Jurnal Ilmiah Teknologi Sistem Informasi Vol 12 No 1 (2026): January (In Progress)
Publisher : Information Systems - Universitas Pesantren Tinggi Darul Ulum

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/register.v12i1.5954

Abstract

This study analyzes the use of WGAN-GP for data augmentation in the analysis of sperm morphology. WGAN-GP has been the focus in this study for generating sperm microscopy images, which in turn aims to mitigate the problem of data scarcity in medical imaging. A heterogeneous dataset with mixed object categories was initially employed, leading to an FID score of 134, which in turn reflected a high incidence of mode collapse. For this reason, the dataset was divided into subcategories of Normal, Abnormal, and Non-Sperm identifications, with the scores of the subcategories being 59.19, 74.92, and 83.56, respectively, and showing better balanced model stability. This study's primary contribution is the use of WGAN-GP for the first time for sperm image data augmentation and the generation of more realistic synthetic images. Furthermore, this study illustrates the first understanding of the intricacies of data distribution's complexity and its effect on the model's performance, indicating the possibility of improvement using class-based techniques and sophisticated architectures for the generator. The innovation of this study is the application of WGAN-GP to sperm morphology datasets, improving image quality and the stability of the results, coupled with extensive model performance analysis and providing a further understanding of the field of medical image data augmentation.
Fuzzy Time Series Cheng Optimasi Adaptive Particle Swarm Optimization (APSO) untuk Optimalisasi Prediksi Harga Beras di Kota Surabaya Ulayya, Yasmin; Idhom, Mohammad; Diyasa, I Gede Susrama Mas
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 13 No 1: Februari 2026
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2026131

Abstract

Harga beras rentan mengalami fluktuasi, berdampak signifikan pada kesejahteraan masyarakat, terutama kelompok berpendapatan rendah. Di Surabaya, kenaikan harga beras mendorong perlunya prediksi akurat untuk mitigasi dampak ekonomi. Penelitian ini bertujuan meramalkan harga beras menggunakan metode Fuzzy Time Series Cheng (FTS Cheng) yang dioptimalkan dengan Adaptive Particle Swarm Optimization (APSO) untuk menangani data non-linear dan fluktuatif. Data sekunder diambil dari Dinas Perindustrian dan Perdagangan Provinsi Jawa Timur (Siskaperbapo) periode 1 Januari 2023 hingga 31 Maret 2025, mencakup harga beras premium dan medium di Pasar Tambahrejo dan Pasar Wonokromo. Metode utama adalah FTS Cheng dengan optimasi APSO untuk meningkatkan akurasi prediksi. Model menunjukkan akurasi tinggi dengan MAPE (Mean Absolute Percentage Error) sangat rendah. Di Pasar Tambahrejo, MAPE beras premium 0,09% dan medium 0,00%. Di Pasar Wonokromo, MAPE premium 6,38% dan medium 0,85%. Optimasi APSO berhasil menurunkan MAPE, misalnya di Pasar Tambahrejo (premium turun 0,38%, medium turun 0,68%). Kombinasi FTS dan APSO menghasilkan prediksi harga beras yang presisi. Temuan ini dapat mendukung kebijakan stabilisasi harga, manajemen stok, dan perencanaan produksi beras lebih efektif, sekaligus meningkatkan stabilitas ekonomi rumah tangga.   Abstract Rice prices are prone to fluctuations, significantly impacting public welfare, especially low-income groups. In Surabaya, rising rice prices necessitate accurate predictions to mitigate economic impacts. This research aims to forecast rice prices using the Fuzzy Time Series Cheng (FTS Cheng) method optimized with Adaptive Particle Swarm Optimization (APSO) to handle non-linear and fluctuating data. Secondary data was obtained from the East Java Provincial Department of Industry and Trade (Siskaperbapo) for the period January 1, 2023, to March 31, 2025, covering premium and medium rice prices at Tambahrejo Market and Wonokromo Market. The main method is FTS Cheng with APSO optimization to improve prediction accuracy. The model demonstrates high accuracy with very low MAPE (Mean Absolute Percentage Error). At Tambahrejo Market, MAPE for premium rice is 0.09% and medium rice is 0.00%. At Wonokromo Market, MAPE for premium rice is 6.38% and medium rice is 0.85%. APSO optimization successfully reduces MAPE, for example at Tambahrejo Market (premium decreased by 0.38%, medium decreased by 0.68%). The combination of FTS Cheng and APSO produces precise rice price predictions. These findings can support price stabilization policies, stock management, and more effective rice production planning, while improving household economic stability.
Co-Authors Adam, Cindi Akbar , Fawwaz Ali Alfan Rizaldy Pratama Alif, Rahmat Istighfaroni Aminullah, Ahmad Adiib Angga, Angga Rahmad Purnama Anggraini Puspita Sari Anniswa, Iqbal Ramadhan Aviolla Terza Damaliana 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 Gunawan, Boy Erdyansyah Halim, Rahman Nur Harahap, Jasmine Avrile Kaniasari Henni Endah Wahanani Jauharis Saputra, Wahyu Syaifullah JS, Wahyu Syaifullah Kartika Maulida Hindrayani Khasanah, Ema Isfa'atin Kristiawan, Kiki Yuniar Kurniawati, Dyah Ayu Listyo Kuswardhani , Hajjar Ayu Cahyani Lidya Musaffak, Awal Linggasari, Dienna Eries Lisanthoni, Angela Maulana, Hendra Maulida Hindrayani, Kartika Maulida, Kartika Muhaimin, Amri Muhammad Rizki Alamsyah Muhammad Thoriqulhaq Mutiara Irmadhani Nabila, Nasywa Azzah Nafiah, Fajria Ulumin Nariyana, Calvien Danny Nathania, Vannesa naufal firdaus, ahmad 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 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 Wardani, Firly Setya Widi Saputro, Tegar