Article Per Year (5 Year)
p-Index From 2021 - 2026
3.725
P-Index
This Author published in this journals
All Journal Jurnal Transformatika Jurnal Informatika dan Teknik Elektro Terapan Sinkron : Jurnal dan Penelitian Teknik Informatika JTT (Jurnal Teknologi Terpadu) Jurnal Teknologi Terpadu Jusikom: Jurnal Sistem Informasi Ilmu Komputer JURNAL Al-AZHAR INDONESIA SERI SAINS DAN TEKNOLOGI Jurnal Teknik Informatika (JUTIF) Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Riset dan Aplikasi Mahasiswa Informatika (JRAMI) SmartComp
Hermanto, Teguh Iman
Unknown Affiliation
Biochemistry, Genetics & Molecular Biology Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mechanical Engineering Public Health

Published : 20 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 20 Documents
Search

 1   2 
IMPLEMENTASI ALGORITMA LINEAR REGRESSION UNTUK PREDIKSI HARGA SAHAM PT. ANEKA TAMBANG TBK Hermanto, Teguh Iman; Nugroho, Imam Ma ruf; Sunandar, Muhamad Agus; Totohendarto, Mochamad Hafid
Jurnal Transformatika Vol. 19 No. 2 (2022): January 2022
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v19i2.4396

Abstract

Stock investments that provide high returns, but the higher the benefits offered, the higher the risk that will be faced in investing, especially if it is not supported by knowledge of analyzing stocks. This study utilizes the Data Mining prediction technique with the Linear Regression algorithm on the shares of PT. Aneka Tambang Tbk or ANTM. The dataset that will be used is downloaded through the Yahoo Finance website in the period January 2016 - March 2021. In this study the analytical method used is SEMMA (Sample, Explore, Modify, Model, Assess). With RapidMiner Studio 9.9 tools. The result of testing the RMSE (Root Mean Squared Error) value is 17.135, MSE (Mean Squared Error) is 293.599 and the MAPE (Mean Absolute Percentage Error) value is 1.87%. Based on the MAPE, the accuracy of the Linear Regression algorithm in predicting the stock price of PT. Aneka Tambang Tbk provides high-accuracy predictions.
Klasifikasi Penyakit Daun Singkong Menggunakan Convolutional Neural Network (CNN) dengan Arsitektur VGG16 Berbasis Android Anggraeni, Annisa Mustika; Hermanto, Teguh Iman; Nugroho, Imam Maruf
Jurnal Teknologi Terpadu Vol 11 No 1 (2025): Juli, 2025
Publisher : LPPM STT Terpadu Nurul Fikri

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

Abstract

Cassava plants play an important role as a national food source. However, their productivity has declined in recent years due to leaf disease. Manual disease identification is often inaccurate and slow. This study aims to develop an automatic classification system based on digital images to detect cassava leaf disease quickly and accurately. The method used is a Convolutional Neural Network (CNN) with a VGG16 architecture. The system was developed following the CRISP-DM approach and uses tools such as Python, Keras, TensorFlow, and TensorFlow Lite for integration into Android. The model was trained to recognize five leaf conditions: brown spots, bacterial blight, green mite, mosaic, and healthy. Testing over 50 epochs showed an accuracy of 96%, with precision, recall, and F1-score ranging from 0.93 to 0.98. This approach is superior to the research by Setyanto and Ariatmanto, which only achieved an accuracy of 72.84%. This system helps farmers perform early diagnosis by taking or uploading photos of leaves, enabling more effective disease control.
Diagnosa Penyakit Jantung Berdasarkan Kondisi Tubuh Dengan Metode Artificial Neural Network Febrianti, Nisa; Hermanto, Teguh Iman; Sunandar, Muhamad Agus
JURNAL FASILKOM Vol. 15 No. 2 (2025): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v15i2.9348

Abstract

Penyakit jantung merupakan salah satu penyebab utama kematian yang dapat memengaruhi individu pada usia produktif maupun lanjut usia. Oleh karena itu, strategi deteksi dini sangat dibutuhkan untuk mengurangi risiko komplikasi serta menekan biaya perawatan medis. Penelitian ini mengembangkan model klasifikasi berbasis Artificial Neural Network (ANN) guna meningkatkan akurasi dalam mendiagnosis penyakit jantung. Data penelitian bersumber dari Heart Disease Dataset Kaggle dengan jumlah 1.025 rekam medis pasien yang memuat 14 parameter klinis, di antaranya jenis nyeri dada, kadar kolesterol, detak jantung maksimum, hingga kadar gula darah puasa. Pendekatan CRISP-DM digunakan untuk mengarahkan tahapan penelitian mulai dari pemahaman data, pemilihan fitur, pelatihan model, evaluasi performa, hingga penerapan pada aplikasi mobile. ANN yang dibangun memiliki dua lapisan tersembunyi, menggunakan algoritma optimisasi Adam, dan dilatih selama 50 epoch. Evaluasi menghasilkan akurasi 79,61%, precision 73,53%, recall 94,34%, serta F1-score 82,64%. Model ini berhasil diimplementasikan pada platform Android sehingga memudahkan prediksi kondisi jantung secara efisien. Penelitian ini diharapkan mendukung kemajuan teknologi kesehatan digital dan dapat ditingkatkan dengan dataset yang lebih luas serta arsitektur model yang lebih kompleks.
Implementasi Metode ANN untuk Klasifikasi Diagnosis Tiroid Berbasis Aplikasi Mobile Rengganis, Mega Dwi; Hermanto, Teguh Iman; Sunandar, Muhamad Agus
Jurnal Riset dan Aplikasi Mahasiswa Informatika (JRAMI) Vol 6, No 04 (2025): Jurnal Riset dan Aplikasi Mahasiswa Informatika (JRAMI)
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/jrami.v6i04.14502

Abstract

Kelenjar tiroid memegang peranan penting dalam pengaturan metabolisme melalui produksi hormon yang memengaruhi pertumbuhan, pembentukan protein, serta distribusi oksigen dalam tubuh. Gangguan pada organ ini, seperti gondok dan nodul, merupakan masalah endokrin yang umum terjadi di seluruh dunia. Sayangnya, banyak kasus tidak terdeteksi dini akibat gejala yang tidak khas dan kerap diabaikan. Dengan demikian, dibutuhkan metode deteksi dini yang memiliki tingkat keandalan tinggi. Penelitian ini mengaplikasikan metode Artificial Neural Network (ANN) sebagai pendekatan klasifikasi berbasis machine learning untuk identifikasi gangguan pada kelenjar tiroid. Model ANN yang dibangun kemudian diintegrasikan ke dalam aplikasi Android dengan antarmuka yang ramah pengguna. Evaluasi performa menunjukkan akurasi 97%, precision 99%, recall 97%, dan f1-score 98%, mencerminkan kapabilitas model dalam mengenali pola data yang kompleks secara konsisten. Integrasi sistem ke dalam platform mobile terlaksana dengan lancar, menghasilkan alat pendukung diagnosis awal yang efektif dan mudah dijangkau.
KLASIFIKASI TANAMAN HERBAL UNTUK KESEHATAN KULIT DAN RAMBUT BERDASARKAN CITRA DAUN MENGGUNAKAN ALGORITMA CNN DENGAN ARSITEKTUR INCEPTIONV3 Melati, Winda Ayu; Hermanto, Teguh Iman; Nugroho, Imam Maruf
Jurnal Teknologi Terpadu Vol 13, No 2 (2025): JTT (Jurnal Terpadu Terpadu)
Publisher : Pusat Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32487/jtt.v13i2.2578

Abstract

Tanaman herbal telah dimanfaatkan dalam pengobatan tradisional, terutama untuk perawatan kulit dan rambut. Namun, pengenalan tanaman herbal berdasarkan ciri visual seperti bentuk daun masih dilakukan secara manual dan kurang akurat. Penelitian in bertujuan untuk membuat sistem klasifikasi otomatis sepuluh tanaman herbal berbasis citra daun menggunakan arsitektur Convolusional Neural Network (CNN) InceptionV3. Model dibangun menggunakan pendekatan deep learning dan mengikuti kerangka kerja CRISP-DM. Dataset yang digunakan terdiri dari 1.000 citra daun yang telah diproses melalui augmentasi dan penyesuaiaan ukuran. Model dilatih menggunakan algoritma Adamax dengan learning rate sebesar 0,0001 selama 20 epoch. Hasil pelatihan menunjukkan akurasi tingggi, yaitu 97,50% pada data pelatihan, 99,00% pada validasi, dan 98,00% pada pengujian. Evaluasi juga dilakukan dengan confusion matrix dan classification report untuk menilai performa per kelas. Model terbaik kemudian dikonversi ke format TensoFlow Lite dan diintegrasikan ke dalam aplikasi Android offline. Aplikasi ini memungkinkan pengguna melakukan klasifikasi tanaman hanya dengan gambar daun dan memberikan informasi manfaat tanaman secara langsung. Sistem yang dikembangkan terbukti efektif, akurat, dan dapat digunakan dalam kehidupan sehari-hari.
Perancangan UI/UX Aplikasi Ngaji Ummi Berbasis Mobile Menggunakan Metode Design Thinking Khasanah, Afifa Nur; Resmi, Mochzen Gito; Hermanto, Teguh Iman
JURNAL Al-AZHAR INDONESIA SERI SAINS DAN TEKNOLOGI Vol 9, No 1 (2024): January 2024
Publisher : Universitas Al Azhar Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36722/sst.v9i1.2129

Abstract

Muslims occupy first place in Indonesia. There are 223 million Indonesian Muslims spread throughout the archipelago, among them there are 153.8 million or around 65% of the Indonesian Muslim population who cannot read the Qur'an, this is a matter of concern for the Indonesian Muslim population in learning the Qur'an. Many factors that affect people are difficult to learn the reading of the Qur'an, and from various observations, the Ummi method is applied as a method that is easy to apply and is a method that is starting to be widely used today. The current technological developments certainly support the ease of learning the Ummi method anywhere, anytime, and by anyone. An important factor of mobile applications is the user interface to provide convenience and comfort for application users. The design thinking method is used in this research, this method solves problems by approaching users, there are 5 stages in this method: The mobile application prototype produced in this study is called "Ngaji Ummi", and testing is carried out using the system usability scale method. The average SUS value obtained is 81.071, it can be concluded that the "Ngaji Ummi" application meets the acceptable category or can be accepted by users. With the "Ngaji Ummi" mobile application, it is hoped that it will help the community to learn the Qur'an easily and pleasantly.Keywords – Al-Qur’an, Ummi Method, Ngaji Ummi, Design Thinking, System Usability Scale.
OPTIMIZATION OF HYPERPARAMETERS FOR LSTM-BASED SENTIMENT ANALYSIS ON FACIAL SERUM DATASETS Saputri, Merly; Hermanto, Teguh Iman; Nugroho, Imam Ma'ruf
Jurnal Teknik Informatika (Jutif) Vol. 5 No. 1 (2024): JUTIF Volume 5, Number 1, February 2024
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2024.5.1.1192

Abstract

Air pollution and environmental pollutants directly exposed to the skin can damage the skin by accelerating premature aging, increasing the risk of acne, and causing hyperpigmentation. Skincare products such as facial serums containing vitamin C, niacinamide, and vitamin E can effectively address these issues. Awareness of the importance of using facial serums is increasing, so information about product quality through user reviews is essential before placing an order. Sentiment analysis used to classify product reviews into positive or negative, thus providing an overview of the product quality sought before placing an order. This research uses the Long Short-Term Memory (LSTM) method for the sentiment classification process. In this process, the text is converted into a number vector through feature extraction using Word2Vec. In addition, several hyperparameters such as the number of epochs, batch size, and activation function are tested to obtain optimal accuracy results. Testing the number of epochs was conducted with variations of 10, 15, and 20 to determine the performance of the resulting model as the number of epochs increased. Testing the batch size is done to evaluate the batch size in influencing the performance of the model. The batch sizes tested were 16, 32, and 64. In addition, choosing the best activation function can help the LSTM model learn more complex patterns and improve performance in sentiment analysis. The activation functions tested were Softmax, Sigmoid, and Softplus. The results of this study show that the optimal combination of the number of epochs 20, batch size 16, and Softmax activation function can provide optimal accuracy of 96.45%.
Implementasi Algoritma Support Vector Machine dan Randoom Forest Terhadap Analisis Sentimen Masyarakat Dalam Penggunaan Aplikasi Tiket.com, Traveloka, dan Agoda Pada Google Playstore Prabowo, Calleb Bhaskoro; Hermanto, Teguh Iman; Ma'ruf, Imam
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 13, No 1 (2024): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v13i1.5378

Abstract

Internet hadir sebagai elemen penting dalam menyokong perkembangan teknologi dan informasi dalam segala sektor aktifitas manusia. Pada sektor perdagangan dan pariwisata contohnya, aplikasi Tiket.com, Traveloka, dan Agoda menjadi aplikasi yang paling diminati masyrakat Indonesia saat ini. Ulasan atau review yang disematkan oleh para pengguna merupakan hal penting bagi pihak perusahaan untuk mengetahui kepuasan pelanggan yang nantinya digunakan untuk meningkatkan kualitas dalam segi pelayanan. Proses menganalisis ulasan komentar memiliki beberapa tahapan karena memiliki data yang jumlahnya tidak sedikit. Penggunaan suatu metode membantu dalam melakukan proses klasifikasi komentar yang bersifat positif atau negatif. Ulasan pengguna aplikasi yang diproses diambil dari platform layanan penyedia aplikasi Google Playstore, lalu menarik data yang diinginkan dengan mamasukan library Google Scraper pada Python. Data yang sudah ditarik selanjutnya diberi label untuk memisahkan ulasan yang bersifat positif dan negatif hal ini bertujuan untuk mepermudah proses klasifikasi dengan menggunakan metode Support Vector Machine (SVM) dan Random Forest. Hasil yang didapatkan nantinya merupakan tingkat akurasi dari dua metode yang digunakan berdasarkan pengolahan data yang sudah dilakukan pada masing-masing ulasan yang menjadi data set pada setiap aplikasi. Support Vector Machine memiliki akurasi yang lebih baik dibandingkan dengan Random Forest dengan rincian 85,5%, 87%, dan 88,7% pada urutan aplikasi Tiket.com, Traveloka, dan Agoda. Sedangkan Random Forest memiliki akurasi 84.7%, 84.7%, dan 88.2% dengan urutan aplikasi yang sama.
ANALISIS SEGMENTASI PELANGGAN BERBASIS MODEL RECENCY FREQUENCY DAN MONETARY (RFM) MENGGUNAKAN ALGORITMA K-MEANS Pangestu, Panji Indra; Hermanto, Teguh Iman; Irmayanti, Dede
Jurnal Informatika dan Teknik Elektro Terapan Vol. 11 No. 3s1 (2023)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v11i3s1.3396

Abstract

Business development is currently growing very rapidly, with the development of internet technology that can facilitate all business activities. Increasing business development has an impact on presenting new business competitors, so companies need strategies that are able to maintain customer quality. This study aims to segment customers from the company's sales transaction data, with a large number of transactions, technology is needed to group a data so that the method used in this study is a data mining method  and uses  the K-Means algorithm. With the K-Means Algorithm, it  can help in grouping customers to make it easier for companies to strategize each customer group. This customer grouping uses an initial model of Recency, Frequency and Monetary (RFM) to help calculate customer groups. Data mining evaluation  was carried out  using Silhouette Coefficient with test results using Visual Studio Code software python programming language, The results of this study selected 3 clusters consisting of Low Loyalty totaling 137 customers, Medium Loyalty totaling  1636 customers and Highest Loyalty totaling 2395 customers.
KLASIFIKASI JENIS PENYAKIT PADA DAUN TUMBUHAN STROBERI MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK ARSITEKTUR INCEPTIONV3 Sitohang, Andrian Herbert Parsaoran; Hermanto, Teguh Iman; Lestari, Candra Dewi
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 3S1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3S1.5274

Abstract

Stroberi adalah salah satu komoditas tanaman dengan nilai ekonomi yang cukup tinggi di Indonesia. Namun, terdapat upaya yang dapat mengurangi kualitas dan kuantitas hasil panen stroberi, yaitu penyakit-penyakit daun stroberi, termasuk leaf scorch. Oleh karena itu, deteksi dini dan klasifikasi penyakit mengenai daun stroberi ini sangat penting untuk melakukan tindakan yang diperlukan agar kerugian dapat diminimalkan. Tujuan dari penelitian ini adalah untuk mengembangkan model klasifikasi penyakit pada daun stroberi dengan metode Convolutional Neural Network menggunakan arsitektur InceptionV3. Proses penelitian yang dibutuhkan dalam pengembangan model melibatkan pengumpulan dataset gambar daun stroberi yang terdiri dari kategori sehat dan penyakit leaf scorch. Model CNN dilatih dan diuji dengan menggunakan dataset gambar daun tersebut untuk mengidentifikasi dan mengklasifikasikan jenis penyakit dengan tingkat akurasi yang tinggi. Hasil dari penelitian ini menunjukkan bahwa model CNN dengan arsitektur InceptionV3 berhasil mencapai akurasi klasifikasi sebesar 99%, menandakan keandalan model dalam mendeteksi penyakit pada daun stroberi. Selain itu, Implementasi model ini dalam aplikasi berbasis Android diharapkan dapat memberikan alat bantu yang praktis dan efisien bagi petani dalam memantau dan mengendalikan penyakit tanaman secara real-time, sehingga dapat meningkatkan kualitas dan kuantitas hasil panen stroberi. Dengan demikian, penelitian ini tidak hanya berkontribusi pada pengembangan teknologi deteksi penyakit tanaman tetapi juga pada peningkatan produktivitas pertanian.
Co-Authors Anggraeni, Annisa Mustika Azhar, Sarah Afifah Dede Irmayanti Defriani, Meriska Fauzi, Ibnu Fiki Febrianti, Nisa Ghozali, Miftah Al Ismi Kaniawulan, Ismi Khasanah, Afifa Nur Krishnavarty, Ayumas Aura Lestari, Candra Dewi Ma'ruf, Imam Melati, Winda Ayu Muhyidin, Yusuf Ningsih, Tiara Sari Nugraha, Rivan Adi Nugroho, Imam Ma ruf Nugroho, Imam Ma'ruf Nugroho, Imam Maruf Nugroho, Imam Ma’ruf Pangestu, Panji Indra Prabowo, Calleb Bhaskoro Ramadhan, Yudhi Raymond Rengganis, Mega Dwi Resmi, Mochzen Gito Saputri, Merly Sari, Anita Wulan Sitohang, Andrian Herbert Parsaoran Sunandar, Muhamad Agus Syakir, Yusuf Totohendarto, Mochamad Hafid Undamayanti, Erina