Article Per Year (5 Year)
p-Index From 2021 - 2026
4.534
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Sainteks Jurnal Teknik Elektro Jurnal Edukasi dan Penelitian Informatika (JEPIN) Semesta Teknika Jurnal Ilmiah KOMPUTASI Knowledge Engineering and Data Science Jurnal Pilar Nusa Mandiri CogITo Smart Journal Indonesian Journal of Information System Justek : Jurnal Sains Dan Teknologi Jurnal ULTIMA InfoSys Jurnal Teknologi Sang Pencerah: Jurnal Ilmiah Universitas Muhammadiyah Buton Infotekmesin RADIAL: JuRnal PerADaban SaIns RekAyasan dan TeknoLogi JIKA (Jurnal Informatika) Journal of Telecommunication, Electronics and Control Engineering (JTECE) Insearch: Information System Research Journal KERNEL: Jurnal Riset Inovasi Bidang Informatika dan Pendidikan Informatika Jurnal Nasional Teknik Elektro dan Teknologi Informasi Malcom: Indonesian Journal of Machine Learning and Computer Science J-Icon : Jurnal Komputer dan Informatika Journal of Informatics and Information Security Prosiding SeNTIK STI&K RADIAL: Jurnal Peradaban Sains, Rekayasa dan Teknologi
Bayangkari Karno, Adhitio Satyo
Universitas Gunadarma
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 Energy Engineering Environmental Science Languange, Linguistic, Communication & Media Mathematics Mechanical Engineering Medicine & Pharmacology Social Sciences Other

Published : 33 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 33 Documents
Search

 1   2   3   4 
Menggunakan Xception, Transfer Learning, dan Permutasi untuk Meningkatkan Klasifikasi Ketidaksempurnaan Permukaan Baja: Using Xception, Transfer Learning, and Permutation to Improve the Classification of Steel Surface Imperfections Setiawati, Popong; Karno, Adhitio Satyo Bayangkari; Hastomo, Widi; Setiawan, Iwan
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 1 (2024): MALCOM January 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i1.1258

Abstract

Kualitas permukaan baja yang diproduksi sangat penting untuk meningkatkan daya saing dalam industri baja. Tingginya tingkat cacat pada permukaan baja merupakan masalah serius yang berdampak pada kualitas keluaran. Pengendalian yang masih dilakukan secara manual dan visual saat ini hanya dapat dilakukan oleh orang-orang dengan bakat dan keahlian tertentu. Pengamatan dengan metode konvensional ini memerlukan waktu yang lama, lamban, dan presisi yang rendah. Saat ini, perkembangan teknik pembelajaran mendalam memungkinkan deteksi cacat permukaan baja secara otomatis dengan tingkat akurasi yang tinggi. Arsitektur Xception digunakan dalam pekerjaan ini untuk menerapkan strategi pembelajaran mendalam. Teknik permutasi dan augmentasi digunakan untuk mengatasi ketidakseimbangan data. Model yang dikembangkan dapat membedakan empat jenis cacat pada permukaan baja. Koleksi 7.095 foto permukaan baja digunakan dalam prosedur pelatihan. Jika dibandingkan dengan tidak menggunakan transfer learning, hasil pengukuran kinerja proses pelatihan dengan menggunakan transfer learning (Imagenet) menunjukkan hasil yang lebih baik. Pelatihan pembelajaran transfer menghasilkan skor akurasi masing-masing sebesar 94,9% dan 97,7% untuk data pelatihan dan validasi. Sedangkan hasil penilaian nilai kerugian untuk data latih dan validasi masing-masing sebesar 19,4% dan 14,4%.
OPTIMASI CONVOLUTION NEURAL NETWORK UNTUK DETEKSI COVID-19 Hastomo, Widi; Karno, Adhitio Satyo Bayangkari; Bakti, Indra
RADIAL : Jurnal Peradaban Sains, Rekayasa dan Teknologi Vol. 10 No. 2 (2022): RADIAL: JuRnal PerADaban SaIns RekAyasan dan TeknoLogi
Publisher : Universitas Bina Taruna Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37971/radial.v10i2.299

Abstract

Abstrak: Optimasi Convolution Neural Network Untuk Deteksi Covid-19. Kondisi pandemi seperti sekarang ini diperlukan sebuah algoritma pembelajaran mesin untuk mendeteksi covid-19 secara otomatis berdasarkan pada gambar rontgen dada guna memudahkan dalam mambantu pengambil keputusan. Penelitian ini ingin membandingkan arsitektur CNN AlexNet dan MobileNetV2 untuk mendeteksi (a) covid-19, (b) lung opacity, (c) normal, (d) viral pneumonia. Data himpunan rontgen dada yang digunakan sejumlah 4000 yang berasal dari kaggle.com, 0.8 data dibagi untuk pelatihan sedangkan 0.2 nya digunakan untuk pengujian. Optimizer yang digunakan yaitu keras SGD momentum, dengan nilai learning rate 0.005 dan momentum 0.9, serta epoch 50. Ukuran gambar untuk input yaitu 224x224 serta ukuran batch 32. Hasil optimasi dari kedua algoritma tersebut yaitu, MobileNetV2 lebih baik untuk mendeteksi covid-19 dengan nilai akurasi presisi mencapai 99%. Penelitian selanjutnya dapat membandingkan algoritma CNN yang lainnya serta data himpunan yang lebih banyak. Kata kunci: CNN; AlexNet; MobileNetV2; Covid-19 Abstract: Convolution Neural Network Optimization for Covid-19 Detection. In the current pandemic conditions, a machine learning algorithm is needed to detect COVID-19 automatically based on chest X-ray images to make it easier to assist decision makers. Aim study be disposed for compare the architecture of CNN AlexNet and MobileNetV2 to detect (a) covid-19, (b) lung opacity, (c) normal, (d) viral pneumonia. The data set of chest X-rays used are 4000 from kaggle.com, 0.8 of the data is shared for training while 0.2 is used for testing. The optimizer used is hard SGD momentum, with a value of leaning rate 0.005 and momentum 0.9, and epoch 50. The image size for the input is 224x224 and the batch size is 32. The optimization results from the two algorithms are, MobileNetV2 is better for detecting covid-19 with an accuracy value The precision reaches 99%. Future research can compare other CNN algorithms and larger data sets. Keywords: CNN; AlexNet; MobileNetV2; Covid-19
Benchmarking Five Machine Learning Models for Accurate Steel Plate Defect Detection Sestri, Ellya; Karno, Adhitio Satyo Bayangkari; Hastomo, Widi
CogITo Smart Journal Vol. 11 No. 2 (2025): Cogito Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31154/cogito.v11i2.753.382-401

Abstract

Early detection of defects in steel plates is essential to ensure structural integrity and product quality in the metal manufacturing industry. This study compares the performance of five machine learning algorithms Support Vector Classifier (SVC), Nu-Support Vector Classifier (NuSVC), Decision Tree (DT), Random Forest (RF), and CatBoost (CB) to classify seven categories of steel plate defects using 26 technical features from a publicly available dataset on Kaggle. The preprocessing pipeline included outlier detection (IQR method), class imbalance correction using SMOTE, and feature normalization via StandardScaler. The models were evaluated using classification metrics such as Accuracy, Precision, Recall, F1-Score, ROC-AUC, and Log Loss. Results revealed that the CatBoost algorithm achieved the most balanced and consistent performance, with an AUC of 0.93, accuracy of 68.3%, and the lowest Log Loss value (0.786). In contrast, the Decision Tree showed severe overfitting with perfect training performance but poor generalization (Log Loss = 15.72). This study highlights the promise of CatBoost as an interpretable and efficient solution for automated defect detection in steel manufacturing, while also offering transparent reproducibility pathways for further research.
Co-Authors Agita Tunjungsari Ahmad Eko Saputro Aji Digdoyo Aji Digdoyo Aji Digdoyo Arif, Dody Aryo Nur Utomo Azis, Nur Bakti, Indra Deon Strydom Diana Yusuf Digdoyo, Aji Dodi Arif Dodi Arif Dodi Arif Dody Arif Dyah Ruri Irawati Eka Sally Moreta Eka Sally Moreta Elliya Sestri Eva Karla, Eva Fahrul Razi Faqihudin Faqihudin Handayani, Sri Setya Harini Agusta Holmes Rolandy Kapuy Ignatius Joko Dewanto, Ignatius Joko Indra Bakti Indra Sari Kusuma Wardhana Indra Sari Kusuma Wardhana Indra Sari Kusuma Wardhana Ire Puspa Wardhani Iwan Setiawan Kalbuana, Nawang Kamilia, Nada Kardian, Aqwam Rosadi Kasoni, Dian Kusuma Wardhana, Indra Sari Linda Wahyu Widianti LM Rasdi Rere LM Rasdi Rere Lussiana ETP Masriyanda, Masriyanda Meika Syahbana Rusli Nada Kamilia Nada Kamilia Nada Kamilia Nani Kurniawati Nia Yuningsih Nia Yuningsih Nisfiani, Ervina Nur Aini Nurdina Widanti Rachmat Nursalam Rasyiddin, Ahmad Rere, L.M Rasdi Reza Fitriansyah Reza Fitriansyah Rudy Yulianto Rudy Yulianto Sestri, Elliya Sestri, Ellya Setiawati, Popong Shevti Arbekti Arman Stevianus Stevianus Sudarto Usuli Sudjiran sudjiran Sukardi, Sukardi Sundoro, Aries Surawan, Tri Sutarno Sutarno Sutarno Sutarno Tri Surawan Tri Surawan Vany Terisia Widi Hastomo Yasin Effendi Yayat Sujatna, Yayat Yuningsih, Nia YUSUF, DIANA