Article Per Year (5 Year)
p-Index From 2021 - 2026
4.739
P-Index
This Author published in this journals
All Journal Jurnal Sistem Komputer & Kecerdasan Buatan JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Jurnal Teknologi Informatika dan Komputer Jurnal Teknik Informatika (JUTIF) Jurnal Pengabdian kepada Masyarakat Jurnal Impresi Indonesia Jurnal Pustaka AI : Pusat Akses Kajian Teknologi Artificial Intelligence KOMMAS: Jurnal Pengabdian Kepada Masyarakat Abdi Jurnal Publikasi Jikom: Jurnal Informatika dan Komputer Ranah Research : Journal of Multidisciplinary Research and Development Jurnal Ilmiah Multidisiplin Indonesia APPA : Jurnal Pengabdian Kepada Masyarakat Power Elektronik : Jurnal Orang Elektro Branding: Jurnal Manajemen & Bisnis Digitus : Journal of Computer Science Applications Jurnal Ilmu Komputer
Anggai, Sajarwo
Universitas Pamulang
Religion Agriculture, Biological Sciences & Forestry Humanities Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Medicine & Pharmacology Physics Public Health Social Sciences Transportation Other

Published : 38 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 38 Documents
Search

 1   2   3   4 
TRAINER ALAT PEMILAH BARANG OTOMATIS BERDASARKAN TINGGI BENDA BERBASIS ARDUINO UNO SEBAGAI MEDIA PEMBELAJARAN MAHASISWA DIII TEKNIK ELEKTRONIKA DI POLITEKNIK HARAPAN BERSAMA TEGAL Hanto Sujatmiko; Sajarwo Anggai; Muhammad Nana
Power Elektronik : Jurnal Orang Elektro Vol 7, No 2 (2018): POWER ELEKTRONIK
Publisher : Politeknik Harapan Bersama Tegal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/polektro.v7i2.1203

Abstract

Teknik elektronika merupakan ilmu yang mengaplikasikan listrik di kehidupan sehari-hari dengan melibatkan konsep, perancangan, pengembangan, dan produksi perangkat listrik dan elektronik yang dibutuhkan oleh masyarakat. Alat-alat yang menggunakan prinsip kerja elektronika ini disebut sebagai peralatan elektronik (electronic devices). Dewasa ini ilmu elektronika sangat dibutuhkan sebagai dasar teknologi masa kini. Dunia pendidikan saat ini sangat pesat perkembangannya, terutama pada alat penunjang kegiatan belajar mengajar. Pada perguruan tinggi terdapat mata kuliah yang berhubungan dengan ilmu elektronika antara lain : Mikroprosesor, Mikrokontroler, PLC (Programmable Logic Controller). Di Politeknik Harapan Bersama Tegal khususnya pada jurusan DIII Teknik Elektronika terdapat mata kuliah mikrokontroler. Salah satu alat peraga pada mata kuliah mikrokontroler ini adalah arduino. Arduino ini merupakan rangkaian elektronik yang bersifat open source, serta memiliki perangkat keras dan lunak yang mudah untuk digunakan. Arduino dapat mengenali lingkungan sekitarnya melalui berbagai jenis sensor dan dapat mengendalikan lampu, motor, dan berbagai jenis aktuator lainnyaTrainer alat pemisah barang otomatis berdasarkan tinggi benda berbasis arduino uno merupakan gambaran sistem kendali yang ada pada industri yang menerapkan prinsip kerja arduino uno sebagai kendali utama untuk mengolah masukan dari berbagai sensor. Dengan penerapan rangkaian ini dapat digunakan untuk proses pemilah barang berdasarkan tinggi benda pada perindustrian. Belum adanya alat simulasi arduino sebagai bahan praktik di laboratorium DIII teknik elektronika menjadi kendala dalam proses belajar mengajar mengingat Politeknik Harapan Bersama merupakan perguruan tinggi berbasis vokasi yang mengharuskan lulusannya handal dalam teori maupun praktik.
SIMULASI ELEKTRONIKA PNEUMATIC PEMILIH BARANG BERBASIS PLC SEBAGAI MEDIA PEMBELAJARAN MAHASISWA ELEKTRONIKA POLITEKNIK HARAPAN BERSAMA TEGAL Slamet Wiyono; Sajarwo Anggai
Power Elektronik : Jurnal Orang Elektro Vol 6, No 2 (2017): POWER ELEKTRONIK
Publisher : Politeknik Harapan Bersama Tegal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/polektro.v6i2.1197

Abstract

Pneumatic pada masa sekarang ini memegang peran penting dalam pengembangan teknologi otomasi, disamping hidrolik dan elektronik. Sistem otomasi pneumatic secara umum terdiri dari elemen sumber daya, elemen sinyal input, elemen pemroses sinyal, elemen pengendali sinyal dan elemen output (actuator). Untuk menunjang pengetahuan tentang pneumatic maka perlu adanya alat – alat pendukung praktikum pneumatic untuk menambah pengetahuan mahasiswa, salah satunya seperti alat peraga atau simulator pneumatic. Metodologi yang diterapkan meliputi perancangan simulasi pneumatic, pembuatan simulasi pneumatic, pengujian simulasi pneumatic, pemilihan komponen pneumatic pada alat pemilih barang. Berdasarkan hasil perancangan alat pemilih barang yang menggunakan sistem  pneumatic yang menunjukan bahwa untuk untuk memilih barang dengan masa ½ Kg sejauh 20 Cm diperlukan dua silinder pneumatic dobel acting dengan kecepatan piston 8 Cm/second. Kapasitas udara yang dibutuhkan sebesar 0,49 bar dan tenaga yang dibutuhkan sebesar 0.071105 Psi.
SISTEM KENDALI MOTOR LISTRIK UNTUK MESIN CRANE PADA TRAINER BERBASIS PLC UNTUK PEMBELAJARAN MAHASISWA ELEKTRONIKA Chaerul Umam; Sabari Sabari; Sajarwo Anggai
Power Elektronik : Jurnal Orang Elektro Vol 7, No 1 (2018): POWER ELEKTRONIK
Publisher : Politeknik Harapan Bersama Tegal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/polektro.v7i1.1180

Abstract

Dengan semakin pesatnya perkembangan teknologi pada saat ini, banyak bermunculan mulai dari teknologi yang baru di temukan, sampai teknologi yang merupakan perkembangan dari teknologi-teknologi sebelumnya. Khususnya pada bidang kontrol, teknologi-teknologi yang diterapkan berkembang dengan pesat pula, dimana pada saat ini proses sistem kontrol yang di rangkai secara elemen mekanik. Tetapi sudah banyak menggunakan peralatan kontrol dengan sistem pemograman yang dapat di perbaruhi atau lebih popular dengan nama PLC (Programmable Logic Controller), alasan kuat yang mendorong terbentuknya sistem kendali ini, di awali dari produktivitas dalam perpindahan barang pada industri yang masih lama sangat lama  untuk memenuhi jumlah pasokan yang dibutuhkan, maka dibutuhkan mesin crane yang handal. Dengan menggunakan rangkaian forward reverse interlock diharapkan keamanan motor listrik lebih meningkat dan mempermudah dalam sistem pengawatannya dengan menggunakan sistem PLC lebih mudah mencari trouble bila mengalami gangguan dan sistem kontrol lebih simple atau sederhana dibandingkan sistem konvensional (secara manual)
PELATIHAN MEMBUAT KARYA TULIS ILMIAH DENGAN MEMANFAATKAN ARTIFISIAL INTELIGENCE (AI) BAGI PELAJAR SMK BINUSA KOTA TANGERANG SELATAN Tukiyat; Sajarwo Anggai; Arya Adhyaksa Waskita; Rafi Mahmud Zain; Muhammad Rafif Misbahuddin
Abdi Jurnal Publikasi Vol. 3 No. 2 (2024): November
Publisher : Abdi Jurnal Publikasi

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

Abstract

Scientific writing is an essential skill that students, particularly those in Vocational High Schools (SMK), need to master. However, many students face challenges in understanding research methodology and technical skills, often resulting in scientific works that do not meet academic standards. This study aims to enhance students' scientific writing skills through training based on Artificial Intelligence (AI) technology. This Community Service Program (PKM) was conducted at SMK Binusa, South Tangerang City, involving 22 participants from the Computer Network Engineering department. The implementation method consisted of theory sessions, practical sessions, and workshop discussions. Evaluation was carried out using pre-tests and post-tests to measure participants' understanding improvements. The training results revealed that most participants showed enhanced scientific writing abilities, with 43% rated as excellent and 31% as good. Additionally, the training materials and instructor quality were positively evaluated, with 57% of participants rating the materials as excellent and 60% rating the instructors as excellent. This training provided significant benefits, particularly in fostering innovation and participants' digital literacy skills. Nevertheless, several areas for improvement were identified, such as delivering more interactive materials and diversifying training methods. This program recommends integrating interactive technology and continuous training to support the development of scientific writing skills for vocational students, thereby enhancing their competitiveness in the future.
Optimasi Akurasi Jawaban Aplikasi Chatbot Layanan Pelanggan dengan Metode RAGRetrieval-Augmented Generation Dhaman, Dhaman; Anggai, Sajarwo; Waskita, Arya Adhyaksa
Journal of Information System Research (JOSH) Vol 6 No 4 (2025): July 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josh.v6i4.8048

Abstract

This research addresses the issue of low answer accuracy in chatbot systems based on Large Language Models (LLMs) when responding to questions derived from customer service documents. To overcome this problem, the Retrieval-Augmented Generation (RAG) method is applied to improve the quality of responses by adding relevant context from external documents. Three LLM models used in this study are LLaMA3.1 8B, LLaMA3.2 1B, and LLaMA3.2 3B from Meta AI. Evaluation is conducted using automatic ROUGE metrics (ROUGE-1, ROUGE-2, and ROUGE-L) and manual human evaluation assessing accuracy, relevance, and hallucination. This research contributes to the development of more reliable question-answering systems based on LLMs enhanced with external contextual documents related to customer service information. The results show a significant improvement across all models after applying the RAG method. ROUGE F1-scores increased consistently, with Llama3.1:8b showing the highest gain (from 0.12 to 0.58 on ROUGE-1). Human evaluation also confirmed improvements in accuracy (up to +2.73 points) and reductions in hallucination (up to −2.63 points). These improvements were evident not only in larger models but also in smaller ones, indicating that the benefits of RAG are not dependent on model size. In conclusion, RAG is highly effective in enhancing the accuracy and reliability of chatbot responses, especially in document-based question-answering scenarios. By leveraging contextual information from external documents, the system produces more factual, relevant, and hallucination-free responses. RAG has proven to be an effective approach for enhancing the response quality of LLM, including those with smaller parameter sizes.
Analisis Prediksi Curah Hujan di Kota Tangerang Menggunakan Metode LSTM dan GRU Supriatna, Dahlan; Anggai, Sajarwo; Tukiyat, Tukiyat
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 5 No 2 (2025): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v5i2.1068

Abstract

Curah hujan yang tidak menentu dapat memengaruhi berbagai sektor, seperti pertanian, energi, dan infrastruktur. Akurasi prediksi curah hujan sangat penting untuk mitigasi risiko bencana banjir maupun kekeringan. Penelitian ini bertujuan untuk membandingkan akurasi prediksi curah hujan menggunakan dua algoritma deep learning, yaitu LSTM dan GRU serta dapat memberikan kontribusi pada pengelolaan sumber daya air yang lebih efektif. Model ini diterapkan pada data historis curah hujan dan variabel meteorologi terkait, data penelitian adalah data sekunder yang bersumber dari data BMKG Kota Tangerang periode Januari 2014 – Januari 2025 sebanyak 4.062 data. Evaluasi kinerja model dilakukan menggunakan metrik seperti MAE, MSE, RMSE, dan R². Hasil menunjukan Model LSTM dengan konfigurasi hyperparameter optimal—terdiri dari timesteps 36 bulan, 64 unit memori, 100 epoch pelatihan, batch size 16, dropout 0.3, dan learning rate 0.0001—menghasilkan metrik evaluasi terbaik MAE sebesar 0.08473, MSE sebesar 0.00973, RMSE sebesar 0.09863, dan R2 sebesar 0.65601. Nilai R2 yang relatif tinggi ini mengindikasikan bahwa model LSTM mampu menjelaskan sekitar 65.6% dari variabilitas dalam data curah hujan aktual. Sebagai perbandingan, model GRU dengan kinerja terbaiknya (menggunakan batch size 32) menunjukkan metrik evaluasi yang sedikit di bawah LSTM, yaitu MAE 0.08883, MSE 0.01078, RMSE 0.10383, dan R2 Score 0.61878, secara keseluruhan, LSTM terbukti lebih unggul dalam kapabilitas prediksinya.
Enhancing BERTopic with Neural Network Clustering for Thematic Analysis of U.S. Presidential Speeches Anggai, Sajarwo; Zain, Rafi Mahmud; Tukiyat, Tukiyat; Waskita, Arya Adhyaksa
Jurnal Teknik Informatika (Jutif) Vol. 6 No. 4 (2025): JUTIF Volume 6, Number 4, Agustus 2025
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2025.6.4.5090

Abstract

Understanding the underlying themes in presidential speeches is critical for analyzing political discourse and determining public policy direction.  However, topic modeling in this context presents difficulties, particularly when clustering semantically rich topics from high-dimensional embeddings.  This study seeks to improve topic modeling performance by incorporating a Neural Network Clustering (NNC) approach into the BERTopic pipeline.  We analyze 2,747 speeches delivered by U.S President Joe Biden (2021-2025) and compare three clustering techniques: HDBSCAN, KMeans, and the proposed Autoencoder-based NNC.  The evaluation metrics (UMass, NPMI, Topic Diversity) show that NNC produces the most coherent and diverse topic clusters (UMass = -0.4548, NPMI = 0.0234, Diversity = 0.3950, ).  These findings show that NNC can overcome the limitations of density and centroid-based clustering in high-dimensional semantic spaces. The study contributes to the field of Natural Language Processing by demonstrating how neural-based clustering can improve topic modeling, particularly for complex, real-world political corpora.
Analisis Sentimen Ulasan Pengguna Aplikasi Info BMKG pada Google Play Store Menggunakan Model Transformer BERT dan RoBERTa Brando, Charlo; Anggai, Sajarwo; Tukiyat, Tukiyat
Jurnal SISKOM-KB (Sistem Komputer dan Kecerdasan Buatan) Vol. 9 No. 1 (2025): Volume IX - Nomor 1 - September 2025
Publisher : Teknik Informatika, Sistem Informasi dan Teknik Elektro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47970/siskom-kb.v9i1.872

Abstract

Aplikasi Info BMKG memiliki peran penting dalam menyampaikan informasi cuaca, iklim, gempa bumi, dan peringatan dini bencana kepada masyarakat. Seiring meningkatnya penggunaan perangkat mobile di Indonesia, analisis sentimen menjadi relevan untuk mengevaluasi kepuasan pengguna serta mengidentifikasi aspek yang perlu diperbaiki. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna terhadap aplikasi Info BMKG di Google Play Store dengan memanfaatkan model transformer BERT dan RoBERTa. Dataset 10.791 ulasan pengguna yang diklasifikasikan ke dalam tiga kategori sentimen meliputi positif, netral, dan negatif. Tahapan penelitian mencakup eksplorasi data awal, prapemrosesan data, serta evaluasi model. Hasil evaluasi menunjukkan bahwa model BERT memberikan performa terbaik dengan akurasi sebesar 93,14%, disusul oleh RoBERTa dengan akurasi 91,06% pada skenario pembagian data 80:10:10. Selain itu, model BERT juga unggul dalam metrik lain, yakni presisi 93,45%, recall 92,90%, dan F1-score 93,17%, dibandingkan RoBERTa dengan presisi 91,12%, recall 90,72%, dan F1-score 90,91%. Analisis lanjutan menunjukkan bahwa meskipun aplikasi mendapatkan apresiasi, pengguna juga menyoroti isu keterlambatan notifikasi gempa dan ketidakakuratan informasi. Temuan ini diharapkan dapat menjadi dasar pengembangan lebih lanjut dalam meningkatkan kualitas layanan dan efektivitas penyampaian informasi oleh BMKG.
ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI MEDIA SOSIAL X DI PLAY STORE MENGGUNAKAN ALGORITMA LONG SHORT-TERM MEMORY (LSTM) DAN GATED RECURRENT UNIT (GRU): Studi Kasus pada Ulasan Pengguna di Google Play Store Wily, Wily Arisandi; Anggai, Sajarwo; Tukiyat, Tukiyat
Jurnal SISKOM-KB (Sistem Komputer dan Kecerdasan Buatan) Vol. 9 No. 1 (2025): Volume IX - Nomor 1 - September 2025
Publisher : Teknik Informatika, Sistem Informasi dan Teknik Elektro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47970/siskom-kb.v9i1.875

Abstract

Penelitian ini bertujuan untuk membandingkan performa dua algoritma deep learning, yaitu Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU), dalam melakukan klasifikasi sentimen terhadap ulasan pengguna aplikasi media sosial X di Google Play Store. Dataset yang digunakan sebanyak 5.100 data ulasan yang telah diberi label secara manual ke dalam tiga kategori sentimen kelas positif, netral, dan negatif. Proses evaluasi dilakukan melalui 12 skenario kombinasi hyperparameter yang melibatkan variasi nilai learning rate, regularization, epoch, dan batch size. Data dibagi menjadi tiga bagian, yaitu 70% untuk pelatihan, 15% validasi, dan 15% pengujian. Hasil evaluasi menunjukkan bahwa model LSTM dengan skenario 0.002-LSTM-100-512 memberikan performa terbaik dengan akurasi 0.842, presisi 0.730, recall 0.719, dan F1-score 0.724. Sementara itu, model GRU terbaik dengan skenario 0.001-GRU-100-256 menghasilkan akurasi 0.837, presisi 0.713, recall 0.690, dan F1-score 0.696. Meskipun GRU memiliki nilai presisi yang kompetitif, model LSTM unggul dalam semua metrik lainnya, terutama F1-score yang menjadi indikator utama dalam penelitian ini karena mencerminkan keseimbangan antara presisi dan recall. Berdasarkan hasil tersebut, model LSTM dipilih sebagai model paling optimal untuk tugas analisis sentimen dalam studi ini.
Analysis of Broiler Chicken Production Success Classification Using K-Nearest Neighbors And Naive Bayes Methods at PT. Jandela Jaga Kaloka (Jajaka) Tukiyat; Anggai, Sajarwo; Agnia Bilqisti
Digitus : Journal of Computer Science Applications Vol. 2 No. 4 (2024): October 2024
Publisher : Indonesian Scientific Publication

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61978/digitus.v2i4.396

Abstract

The livestock subsector, particularly broiler chickens, provides animal protein sources in Indonesia. However, low production efficiency, managerial challenges, and productivity fluctuations remain the primary obstacles to achieving sustainability in this sector. This study aims to analyze the success rate of broiler chicken production at PT. Jandela Jaga Kaloka (JAJAKA) using a data mining classification approach with the K-Nearest Neighbors (K-NN) and Naive Bayes algorithms. The research population comprises broiler production data from various branches of PT. JAJAKA, with a sample of 200 datasets selected based on representative criteria. The study employs the hold-out method with data splits of 60:40 and 70:30 for training and testing the models. The success rate of production is classified into three categories: good, less good, and excellent. The findings reveal that the K-NN algorithm outperforms with an accuracy of 92.59%, compared to Naive Bayes, which achieves 76.67%. Regarding recall, K-NN records a value of 96.67%, higher than Naive Bayes at 71.67%. However, Naive Bayes shows slightly better precision (94.29%) than K-NN (93.55%). These results affirm that the K-NN algorithm is more effective for classifying the success rate of broiler chicken production, supporting PT. JAJAKA in making more precise and strategic managerial decisions. Furthermore, this study contributes significantly to developing data mining methods in the poultry farming sector to improve efficiency and productivity sustainably. It provides valuable insights for PT. Jandela Jaga Kaloka will evaluate the success rate of broiler chicken production, facilitating more accurate managerial decision-making.
Co-Authors Abu Khalid Rivai Agnia Bilqisti AGUNG BUDI SUSANTO Agung Budi Susanto Ali Imron Arya Adhyaksa Waskita Aslimah Brando, Charlo Chaerul Umam Cut Shifa Khoirunnisa Dhaman, Dhaman Effendy, Rangga Febrian Gumilar Riyansyah, Raden Hanto Sujatmiko Harasta Rahman Tri Putra Ismatullah Junedi, Beni Kurnia, Akhmad Rinaldy Mahardika Paramarta Laia Maulana, Romdon Mizanul Hakim Muhamad, Faruk Muhammad Haikal Abdussalam Muhammad Najwah Muhammad Nana Muhammad Rafif Misbahuddin Murni Handayani musyafa, ahmad Nugraha Wahyu, Fajar Pahira, Wulan Perdana, Aldi Aditya Permana, Surya R. Suharyadi Rafi Mahmud Zain Restu Putra, Catur Sabari Sabari Sabarrudin Samosir, Masniari Slamet Wiyono Sudarno Sugiyo Supriatna, Dahlan Sutrisno, Sutrisno T., Thoyyibah Taswanda Taryo Taswanda Taryo Taufik, Handri Taufiqur Rahman, Taufiqur Toyib, Wildan Tukiyat Tukiyat Tukiyat , Tukiyat Tukiyat Tukiyat, Tukiyat Waskita, Arya Adhyaksa Wibowo, Rizki Septiyanto Wibowo, Satria Ardi Wily, Wily Arisandi Winarni Yudi Candra Zain, Rafi Mahmud