Article Per Year (5 Year)
p-Index From 2020 - 2025
2.757
P-Index
This Author published in this journals
All Journal Jurnal Informatika JURNAL NASIONAL TEKNIK ELEKTRO IJCIT (Indonesian Journal on Computer and Information Technology) INTEGER: Journal of Information Technology Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) J-Dinamika: Jurnal Pengabdian Kepada Masyarakat Jurnal Tekno Kompak Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) International Journal of Recent Technology and Applied Science (IJORTAS) Humanism : Jurnal Pengabdian Masyarakat Jurnal Pengabdian Masyarakat Indonesia eProceedings of Engineering Jurnal Informatika: Jurnal Pengembangan IT
Bernadus Anggo Seno AjiAji
Institut Teknologi Telkom Surabaya
Religion Humanities Biochemistry, Genetics & Molecular Biology Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Public Health Social Sciences

Published : 17 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 17 Documents
Search

 1   2 
Real-Time Accident Detection Using KNN Algorithm to Support IoT-based Smart City Khodijah Amiroh; Bernadus Anggo Seno Aji; Farah Zakiyah Rahmanti
JURNAL NASIONAL TEKNIK ELEKTRO Vol 11, No 1: March 2022
Publisher : Jurusan Teknik Elektro Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (411.643 KB) | DOI: 10.25077/jnte.v11n1.999.2022

Abstract

Surabaya is a city with an area of 326.81 km2 and is the center of land transportation in the eastern part of Java Island. The construction of digital infrastructure in the Surabaya area will make it easier for the City Government to make efficient services. Traffic accidents that occurred in Surabaya until 2017 recorded 1,365 incidents. EVAN (Emergency Vehicle Automatic Notification) is a research topic that focuses on the field of transportation, especially in real-time traffic accidents which can be integrated with city information centers and hospitals for primary assistance in accidents. The purpose of this research is to make it easier for the Surabaya city government to provide first aid in the event of an accident. The design of the device on the user side is made using the Arduino, the accelerometer sensor and the gyroscope in the form of the MPU6050 sensor and the u-blox gps module. Crash detection on the system using the k-Nearest neighbors algorithm (KNN). On the operator side, the design is done on a web basis by utilizing the ReactJs framework which is integrated with the Google Maps APIs. The results of the accuracy of the accident detection system reached 97% and the detection of accident locations and the nearest hospital from the location reached 100%. Thus, real-time accident detection can be implemented in Surabaya city to support the smart city.
Pelatihan Pemanfaatan Tool Kolaborasi dan Pengolahan Data Online Bagi Seluruh Guru BK SMA/MA Kabupaten Situbondo Oktavia Ayu Permata; Khodijah Amiroh; Bernadus Anggo Seno Aji; Farah Zakiyah Rahmanti; Pangestu Widodo; Philip Tobianto Daely
J-Dinamika : Jurnal Pengabdian Masyarakat Vol 5 No 1 (2020): Juni
Publisher : Politeknik Negeri Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25047/j-dinamika.v5i1.1234

Abstract

Kemajuan perkembangan teknologi informasi dan komunikasi diiringi dengan munculnya berbagai aplikasi yang dapat menunjang kemudahan dalam beraktivitas sehari – hari. Google sebagai salah satu penyedia produk dan layanan berbagai aplikasi menyediakan berbagai fitur yang dapat diakses oleh masyarakat luas seperti teknologi pencarian, komputasi web, perangkat lunak, dan periklanan. Tidak hanya untuk keperluan bisnis, Google juga merambah ke sektor pendidikan dalam upaya peningkatan kualitas pendidikan melalui penyediaan tool yang interaktif. Salah satunya melalui tool kolaborasi dan pengolahan data online yang menggunakan Google Sheets dan Google Forms. Melalui kedua tool tersebut civitas academia dapat saling berkolaborasi dan berinteraksi secara online. Namun kemajuan teknologi tidak akan ada manfaatnya jika masyarakat tidak bisa memanfaatkan atau menggunakan tool tersebut secara optimal. Untuk itu kegiatan pengabdian masyarakat ini dibuat dalam bentuk pelatihan dengan tema pemanfaatan tool kolaborasi dan pengolahan data online. Setelah melakukan survei terhadap masyarakat sasar sebelum kegiatan berlangsung, diketahui bahwa Google Sheets dan Google Forms masih minim penggunanya. Untuk itu diadakan pelatihan pemanfaatan tool kolaborasi dan pengolahan data online menggunakan Google Sheets dan Google Forms bagi seluruh Guru BK SMA/MA Kabupaten Situbondo untuk meningkatkan kompetensi dan kualitas sistem pengajaran di sekolah. Dari hasil pelaksanaan diketahui bahwa pelatihan ini mampu meningkatkan kompetensi Guru BK SMA/MA Kabupaten Situbondo yang dapat dilihat dari kemampuan mengoperasikan dan menggunakan Google Sheets dan Google Forms selama pelatihan dan setelahnya.
PERBANDINGAN KINERJA WORD EMBEDDING WORD2VEC, GLOVE, DAN FASTTEXT PADA KLASIFIKASI TEKS Arliyanti Nurdin; Bernadus Anggo Seno Aji; Anugrayani Bustamin; Zaenal Abidin
Jurnal Tekno Kompak Vol 14, No 2 (2020): AGUSTUS
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtk.v14i2.732

Abstract

Karakteristik teks yang tidak terstruktur menjadi tantangan dalam ekstraksi fitur pada bidang pemrosesan teks. Penelitian ini bertujuan untuk membandingkan kinerja dari word embedding  seperti Word2Vec, GloVe dan FastText dan diklasifikasikan dengan algoritma Convolutional Neural Network. Ketiga metode ini dipilih karena dapat menangkap makna semantik, sintatik, dan urutan bahkan konteks di sekitar kata jika dibandingkan dengan feature engineering tradisional seperti Bag of Words. Proses word embedding dari metode tersebut akan dibandingkan kinerjanya pada klasifikasi berita dari dataset 20 newsgroup dan Reuters Newswire. Evaluasi kinerja diukur menggunakan F-measure. Performa terbaik menunjukkan FastText unggul dibanding dua metode word embedding lainnya dengan nilai F-Measure  sebesar 0.979 untuk dataset 20 Newsgroup dan 0.715 untuk Reuters. Namun, perbedaan kinerja yang tidak begitu signifikan antar ketiga word embedding tersebut menunjukkan bahwa ketiga word embedding ini memiliki kinerja yang kompetitif. Penggunaannya sangat bergantung pada dataset yang digunakan dan permasalahan yang ingin diselesaikan.Kata kunci: word embedding, word2vec, glove, fasttext, klasfikasi teks, convolutional neural network, cnn.
DETEKSI ANOMALI TOTAL ELECTRON CONTENT SEBELUM GEMPA BUMI PALU MENGGUNAKAN JARINGAN SYARAF TIRUAN LEVENBERG-MARQUARDT Bernadus Anggo Seno Aji; Arliyanti Nurdin; Pangestu Widodo; Muhammad Rizal Dwi Pramana
Jurnal Tekno Kompak Vol 14, No 1 (2020): Februari
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtk.v14i1.504

Abstract

Indonesia termasuk kedalam negara dengan aktifitas gempa bumi yang tinggi. Analisis gempa bumi yang pernah terjadi sangat membantu dalam memahami karakteristik gempa bumi di Indonesia. Penelitian ini menggunakan Gempa bumi Palu (0.18oS 119.85oE) 2018 sebagai pengamatan dan menggunakan JST LM (Jaringan Syaraf Tiruan Levenberg-Marquardt) sebagai metode pembelajaran. Tujuan dari penelitian ini untuk menganalisis gempa bumi Palu dan menguji kesesuaian metode JST LM untuk mendeteksi anomali sebelum gempa bumi yang diamati. Hasil memperlihatkan bahwa metode ini cukup baik dalam mendeteksi anomali yang berasosiasi dengan gempa bumi Palu. Anomali yang terdeteksi didapat pada H-3 dan H-0 sebelum gempa bumi terjadi, serta H+1 setelah gempa bumi. Dalam penelitian ini juga dianalisis pola distibusi anomali sepanjang garis lintang. Pola anomali menunjukkan terlokalisasi disekitar epicenter gempa bumi. Selain itu juga didapatkan pola anomali bergerak ke arah selatan searah dengan pergerakan Sesar Palukoro.
Pengenalan Pemrograman Perangkat Bergerak bagi Siswa SMA/SMK dalam Kegiatan Seminar Ilmiah Populer Online Farah Zakiyah Rahmanti; Bernadus Anggo Seno Aji; Khodijah Amiroh; Helmy Widyantara; Oktavia Ayu Permata; Ignatia Indreswari; Muhammad Iqbal Maulana; Muhammad Rafi Irzam
Jurnal Pengabdian Masyarakat Indonesia Vol 2 No 3 (2022): JPMI - Juni 2022
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpmi.596

Abstract

Kegiatan pengabdian masyarakat ini memiliki latar belakang dimana kegiatan siswa SMA/SMK khususnya anak kelas XII di sekolah pada bulan Mei sudah tidak ada kegiatan akademik. Kegiatan siswa/SMK pada bulan Mei biasanya sedang mengikuti UTBK untuk melanjutkan jenjang pendidikan berikutnya. Kegiatan ini bermaksud untuk memfasilitasi pengetahuan awal di bidang Teknologi Informasi dan Komunikasi (TIK) sebelum siswa SMA/SMK masuk ke bangku perkuliahan. Program kegiatan Seminar Ilmiah Populer (SIP) online merupakan kegiatan pengabdian masyarakat yang memberikan banyak manfaat bagi siswa SMA/SMK yang sedang berada di rumah selama kondisi pandemik. Siswa SMA/SMK mendapatkan banyak ilmu terkait teknologi informasi pada perangkat bergerak. Siswa SMA/SMK dapat mengenal lebih awal tentang pemrograman mobile agar dapat membuat aplikasi yang dapat berjalan pada perangkat bergerak. Perangkat yang dimaksud adalah ponsel pintar, tablet, jam pintar, dan gelang pintar. Tujuan akhir dari program pengabdian masyarakat ini adalah siswa-siswa SMA/SMK dapat menambah wawasannya tentang bagaimana membuat aplikasi perangkat bergerak, serta dapat mengetahui perangkat lunak apa saja yang perlu disiapkan.
Perbandingan Sistem Deteksi Banjir Menggunakan Algoritma Naive Bayes Dan K-NN Berbasis IOT Ayu Ainun A'ziziyyah; Ignatia Indreswari Nugroho; Rasyid Sabillillah; Bernadus Anggo Seno Aji; Khodijah Amiroh
IJCIT (Indonesian Journal on Computer and Information Technology) Vol 7, No 1 (2022): IJCIT Mei 2022
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (481.341 KB) | DOI: 10.31294/ijcit.v7i1.12394

Abstract

Bencana alam banjir memiliki dampak yang merusak yang disebabkan oleh menaiknya ketinggian air secara tiba-tiba. Diperlukan sebuah sistem deteksi dini banjir untuk mencegah dampak dari banjir. Penelitian ini bertujuan untuk merancang sistem monitoring serta deteksi dini banjir berbasis mikrokontroler ESP8266 yang mengendalikan sensor Water Flow dan Ultrasonik untuk mendeteksi air dengan mengimplementasikan metode Algoritma Naive Bayes dan K-NN. Didapatkan hasil bahwa sistem dapat bekerja dengan baik melalui antarmuka dari aplikasi Blynk, yang nantinya akan menampilkan data hasil monitoring debit air dan juga mengetahui status air dengan tiga jenis status, ‘Aman’ (LED hijau) dengan ketinggian air kurang dari 7 cm, ‘Waspada’ (LED kuning) dengan ketinggian air lebih dari 7 cm sampai 18 cm, serta ‘Bahaya’ (LED merah) dengan ketinggian air sama atau lebih dari 18 cm sampai 29 cm. Jika debit air berubah lebih dari atau sama dengan 0,87 L/min dari data yang didapat sebelumnya, maka akan berubah ke kondisi status setelahnya. Hasil pengujian data menunjukkan bahwa, lebih baik menggunakan metode K-NN yang memperoleh akurasi 95% daripada metode Naïve Bayes yang memperoleh akurasi 90%. Flood natural disasters have a devastating impact, caused by a sudden rise in water levels. An early flood detection system is needed to prevent the impact of flooding. This study aims to design a monitoring system and flood early detection based on the ESP8266 microcontroller which controls the Water Flow and Ultrasonic sensors to detect water by implementing the Naive Bayes Algorithm and K-NN methods. The results show that the system can work properly through the interface of the Blynk application, which will later display data from monitoring the water discharge and also find out the status of the water with three types of status, 'Safe' (green LED) with a water level of less than 7 cm, 'Alert' ' (yellow LED) with a water level of more than 7 cm to 18 cm, and 'Danger' (red LED) with a water level of 18 cm to 29 cm. If the water discharge changes more than or equal to 0.87 L/min from the data obtained previously, it will change to the status condition after that. The results of data testing show that it is better to use the K-NN method which obtains 95% accuracy than the Naïve Bayes method which obtains 90% accuracy.
Classification of IGF1R ligand compounds for Identification of herbal extracts using extreme gradient boosting Mohammad Hamim Zajuli Al Faroby; Siti Amiroch; Bernadus Anggo Seno Aji; Avriono Aritonang
Jurnal Informatika Vol 16, No 3 (2022): September 2022
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jifo.v16i3.a23286

Abstract

Diabetes Mellitus is a serious disease that requires serious treatment. The cause of this disease is due to malfunctions in insulin and insulin-producing organs. One of the proteins that become insulin signaling receptors is IGF1R, which has an important role in activating and maximizing insulin performance. In this study, we aimed to obtain herbal compounds that can activate the function of the IGF1R protein by utilizing compound data in an open database and modeling it using the ensemble method, namely extreme gradient boosting. We found that this method produces the best classification model than with other algorithms. We predicted 844 data for herbal compounds, but only 15 data met the threshold of 0.6. We got one plant from the fifteen herbal compounds, namely Zostera Marine, which was confirmed to have compounds that bind to IGF1R. These compounds have the highest probability value in the classification model that we formed compared to others.
Rekomendasi Pemilihan Program Studi Menggunakan Support Vector Regression Ayu Ainun A'ziziyyah; Bernadus Anggo Seno Aji; Muhammad Adib Kamali
IJCIT (Indonesian Journal on Computer and Information Technology) Vol 7, No 2 (2022): November 2022
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/ijcit.v7i2.14120

Abstract

Salah jurusan saat kuliah berdampak pada mahasiswa akan malas dan mendapat nilai yang kurang memuaskan. Jurusan yang kurang seimbang dengan kemampuan mahasiswa mengakibatkan mahasiswa kurang mengerti materi atau bahkan tidak menyukai materi perkuliahan yang diberikan. Maka sangat penting bagi seorang siswa untuk memilih jurusan yang sesuai dengan bidang minat, bakat dan kemampuannya. Penelitian ini bertujuan untuk memberikan rekomendasi program studi bagi calon mahasiswa menggunakan metode Support Vector Regression dengan skenario penelitian berdasarkan input data yaitu menggunakan data nilai raport per semester dan data mean per mata pelajaran, skenario penelitian berdasarkan kernel yaitu menggunakan kernel RBF, Polynomial, dan Linear. Hasil akurasi terbaik didapatkan ketika menggunakan data nilai per semester dan kernel RBF, yaitu mendapat akurasi MAPE sebesar 5% dan MAE sebesar 0,16. Dan pada uji coba 10 sampel IPK tertinggi dari seluruh program studi didapatkan bahwa hasil dari rekomendasi 80% cocok dengan data asli. Wrong majors during college have an impact on students to be lazy and get unsatisfactory grades. Majors that are less balanced with student abilities result in students not understanding the material or even not liking the lecture material given. So it is very important for a student to choose a major that is in accordance with the areas of interest, talents and abilities. This study aims to provide study program recommendations for prospective students using the Support Vector Regression method with research scenarios based on input data, namely using report card scores per semester and mean data per subject, kernel based research scenarios using RBF, Polynomial and Linear kernels. The best accuracy results were obtained when using the value data per semester and the RBF kernel, which obtained an accuracy of 5% MAPE and 0.16 of MAE. And in the trial of the 10 highest GPA samples from all study programs, it was found that the results of the recommendations matched the original data 80%.
Pendampingan Perizinan Usaha Melalui Online Single Submission Risk-Based Approach Untuk Pelaku Usaha Perempuan Sekitar Desa Pangkahwetan Kecamatan Ujungpangkah Rifdatun Ni'mah; Mohammad Hamim Zajuli Al Faroby; Bernadus Anggo Seno Aji
Humanism : Jurnal Pengabdian Masyarakat Vol 4 No 1 (2023): April
Publisher : Universitas Muhammadiyah Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30651/hm.v4i1.15720

Abstract

Kelompok perempuan merupakan pilar utama dalam pertumbuhan Usaha Mikro, Kecil dan Menengah (UMKM). Pemerintah telah melakukan sejumlah kebijakan untuk mendukung sektor UMKM dalam mengembangkan usaha diantaranya kemudahan perizinan usaha melalui Undang-Undang (UU) Nomor 11 Tahun 2020 tentang Cipta Kerja (Ciptaker). Undang-undang tersebut mendorong reformasi perizinan berusaha, salah satunya adalah bukti perizinan berusaha. Pelaku usaha dapat membuat Nomor Induk Berusaha (NIB) melalui sistem Online Single Submission Risk Based Approach (OSS-RBA). KPI Balai Perempuan Pangkahwetan sebagai kesatuan kelompok kepentingan perempuan di tingkat desa dan sekitarnya berupaya agar kelompok perempuan pelaku UMK di wilayah sekitar dapat mengurus perizinan berusaha supaya dapat meningkatkan kegiatan usaha mereka. Namun, sebagian besar dari kelompok perempuan ini berasal dari kelompok kurang mampu, usia lanjut, tingkat pendidikan dan literasi digital rendah. Kondisi tersebut membuat kelompok perempuan tersebut enggan mengurus perizinan usaha secara mandiri. Pengabdian masyarakat dilakukan agar mitra mendapatkan peningkatan pemberdayaan berupa pengetahuan terbaru terkait perizinan berusaha berbasis risiko melalui kegiatan penyuluhan dan pendampingan. Sebanyak 23 pelaku usaha telah berhasil terdaftar dalam sistem OSS-RBA dan mendapatkan dokumen NIB versi cetak secara gratis. Bukti legalitas usaha dapat dimanfaatkan untuk membantu dalam mengembangkan kapasitas usaha mereka.
Leaf Health Identification on Melon Plants Using Convolutional Neural Network Farah Zakiyah Rahmanti; Bernadus Anggo Seno Aji; Oktavia Ayu Permata; Berliana Amelia; M. Hamim Zajuli Al Faroby
Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI Vol. 12 No. 1 (2023)
Publisher : Prodi Pendidikan Teknik Informatika Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/janapati.v12i1.58492

Abstract

Plants require complete nutrients to grow well and produce good-quality products. Some examples of symptoms in plants that lack nutrients such as wrinkled leaves and slow ripening of fruit, so plants are less productive. Plants that lack nutrients are unhealthy plants. This research aims to identify healthy and unhealthy leaves on melon plants so that immediate action can be taken to deal with them. This research will be useful for melon farmers everywhere. The dataset used is data taken directly using a digital camera with the help of melon farmers to label each data, both healthy and unhealthy leaves. This research has two main works, they are the training process and the testing process. The proposed research uses the Convolutional Neural Network (CNN) method with 10 epochs. The test results on the 20-test data achieve 100% accuracy. We used accuracy, precision, recall, and f1-score to evaluate the classification method.
Co-Authors Anggraini, Sukma Dewi Anugrayani Bustamin Arliyanti Nurdin Avriono Aritonang Ayu Ainun A'ziziyyah Ayu Ainun A'ziziyyah Berliana Amelia Daniel Happy Putra Farah Zakiyah Rahmanti Faroby, Mohammad Hamim Zajuli Al Helmy Widyantara Ignatia Indreswari Ignatia Indreswari Nugroho Juniyanto, Muhammad Ma'sum Khodijah Amiroh Mohammad Hamim Zajuli Al Faroby Muhammad Adib Kamali Muhammad Iqbal Maulana Muhammad Rafi Irzam Muhammad Rizal Dwi Pramana Oktavia Ayu Permata Pangestu Widodo, Pangestu Philip Tobianto Daely Rasyid Sabillillah Rifdatun Ni’mah Rose, Clarenza Dixie Siti Amiroch, Siti Wahyu Listyanto, Ferdhyan Yohanes Setiawan Zaenal Abidin