Article Per Year (5 Year)
p-Index From 2021 - 2026
8.429
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik Jurnal Ilmiah Kursor Scan : Jurnal Teknologi Informasi dan Komunikasi Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Informatika dan Teknik Elektro Terapan JIEET (Journal of Information Engineering and Educational Technology) JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Journal of Information System, Applied, Management, Accounting and Research Jurnal Mantik Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi bit-Tech ILKOMNIKA: Journal of Computer Science and Applied Informatics JATI (Jurnal Mahasiswa Teknik Informatika) Journal Cerita: Creative Education of Research in Information Technology and Artificial Informatics Bertuah : Jurnal Syariah dan Ekonomi Islam Journal of Applied Data Sciences International Journal Of Computer, Network Security and Information System (IJCONSIST) Jurnal Informatika Teknologi dan Sains (Jinteks) Journal of Vocational Education and Information Technology (JVEIT) Jurnal Penelitian Sistem Informasi ILTEK : Jurnal Teknologi Jurnal Informatika Polinema (JIP) Horizon: Indonesian Journal of Multidisciplinary Repeater: Publikasi Teknik Informatika dan Jaringan Neptunus: Jurnal Ilmu Komputer dan Teknologi Informasi Uranus: Jurnal Ilmiah Teknik Elektro, Sains dan Informatika Jurnal Informatika Dan Tekonologi Komputer Jati Emas (Jurnal Aplikasi Teknik dan Pengabdian Masyarakat)
Achmad Junaidi
Universitas Pembangunan Nasional Veteran Jawa Timur
Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mechanical Engineering Public Health Social Sciences Other

Published : 70 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 70 Documents
Search

 1   2   3   4   5 
KLASIFIKASI CITRA PENYAKIT KANKER MULUT MENGGUNAKAN ARSITEKTUR RESNET50 OPTIMASI ADAM DAN SGD Fauzan Novriandy, Muhammad; Rahmat, Basuki; Junaidi, Achmad
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4732

Abstract

Kanker mulut merupakan salah satu kanker terbanyak yang terjadi di dunia dan tercatat menempati urutan keenam pada kategori kanker yang sering terjadi serta kanker yang paling banyak menyebabkan kematian. Klasifikasi penyakit kanker mulut menggunakan 5.000 data gambar untuk 2 kelas yaitu Normal dan Oral Squamous Cell Carcinoma (OSCC). Peneliti menggunakan arsitektur Resnet50 dengan optimizer Adam dan SGD untuk melakukan klasifikasi pada dataset yang terbatas. Hasil Penelitian menggunakan model Resnet50 memiliki hasil akurasi lebih baik apabila menggunakan Optimasi SGD, Akuisisi Data 80 % dan 20 %, menggunakan Batch Size 32 dengan akurasi sebesar 0.95 daripada Optimasi Adam dengan akurasi tertinggi pada penerapan model Resnet50 menggunakan Optimasi Adam pada akuisisi data 70 % dan 30 % menggunakan Batch Size 32 dengan memperoleh akurasi sebesar 0.84. Pada pelatihan dan pengujian dengan data uji/validasi, model Resnet50 menggunakan Optimasi SGD, pada Akuisisi Data 70 % dan 30 %, dan menggunakan Batch Size 32. mencapai hasil klasifikasi gambar terbaik. Kelas normal berhasil diklasifikasikan dengan benar sebanyak 470 gambar, sedangkan terdapat 26 gambar yang salah diklasifikasikan. Untuk kelas OSCC, terdapat 473 gambar yang diklasifikasikan dengan benar dan hanya 37 gambar yang salah diklasifikasikan.
PENERAPAN HYBRID CRYPTOGRAPHY MENGGUNAKAN CAMELLIA DAN DUAL MODULUS RSA PADA PERTUKARAN FILE Ar Romandhon, Mitzaqon Gholizhan; Junaidi, Achmad; Sihananto, Andreas Nugroho
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.v12i3S1.5218

Abstract

Kebutuhan akan keamanan atas data merupakan hal yang sangat penting dalam era digital saat ini, terutama pada proses pertukaran data yang bersifat sensitif terhadap serangan siber. Selain keamanan data, ukuran data yang semakin besar juga menjadi permasalahan dalam proses pertukaran file karena waktu yang dibutuhkan dalam pemrosesan juga semakin lama. Penelitian ini melakukan implementasi skema hybrid cryptography menggunakan algoritma Camellia dan Dual Modulus RSA yang bertujuan untuk mengatasi permasalahan-permasalah tersebut. Pemilihan skema hybrid cryptography adalah untuk mendapatkan kekuatan dari masing-masing algoritma, sehingga keamanan dan kecepatan dari tiap algoritma dapat didapatkan. Tahapan yang dilakukan dalam penelitian ini adalah studi literatur, perancangan, implementasi dan pengujian. Hasil dari pengujian yang telah dilakukan, diperoleh bahwa untuk proses pembangkitan kunci skema hybrid memiliki waktu tempuh yang mirip dengan algoritma DM-RSA dengan perbedaan 9.3% lebih cepat dan pada proses enkripsi dan dekripsi memiliki waktu tempuh yang mirip dengan algoritma Camellia dengan perbedaan 2.3% lebih cepat. Untuk keseluruhan proses algoritma hybrid memiliki waktu tempuh yang mirip dengan algoritma Camellia untuk skenario ukuran data 600MB dan 1200MB dengan perbedaan 25.2% lebih lambat.
KLASIFIKASI INDEKS STANDAR PENCEMARAN UDARAN (ISPU) MENGGUNAKAN ALGORITMA XGBOOST DENGAN TEKNIK IMBALANCED DATA (SMOTE) Sajiwo, Achmad Fauzihan Bagus; Rahmat, Basuki; Junaidi, Achmad
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4699

Abstract

Polusi udara adalah masuknya zat-zat berbahaya ke atmosfer, yang dapat disebabkan oleh tindakan manusia, serta oleh peristiwa alam. Menurut Air Quality Live Index (AQLI) pada bulan April 2021, DKI Jakarta sebagai ibu kota negara, menempati posisi keenam di dunia dengan kota tingkat kualitas udara yang paling buruk. Untuk menghadapi masalah polusi udara yang terus memburuk, perlu diambil tindakan yang tepat, satu diantaranya adalah melakukan penelitian klasifikasi indeks standar pencemaran udara (ISPU). Penerapan klasifikasi ISPU membutuhkan metode yang dapat mengolah dan menganalisis pola data dari sensor-sensor yang mengukur tingkat polutan udara. Metode yang digunakan pada penelitian ini adalah eXtreme Gradient Boosting (XGBoost). Untuk membantu menyeimbangkan data, pada penelitian ini menggunakan Synthetic Minority Over-sampling Technique (SMOTE). Data yang digunakan adalah ISPU DKI Jakarta tahun 2022-2023. Hasil klasifikasi indeks standar pencemaran udara menggunakan algoritma XGBoost dengan teknik SMOTE, didapatkan akurasi sebesar 99.63%.
GWO-SVM: AN APPROACH TO IMPROVING SVM PERFORMANCE USING GREY WOLF OPTIMIZER IN INTELLECTUAL DISABILITY CLASSIFICATION Afifudin, Muhammad; Junaidi, Achmad; Sihananto, Andreas Nugroho; Fithriyah, Izzatul
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.v12i3S1.5359

Abstract

 Intellectual disability (ID) is a neurodevelopmental disorder that requires early and accurate diagnosis. This study aims to improve the efficiency of ID diagnosis using a machine learning approach. A Support Vector Machine (SVM) model optimized with Grey Wolf Optimizer (GWO) was developed and trained using data from questionnaires completed by 101 families/guardians of ID patients at RSUD Dr. Soetomo Surabaya. The features used include family history, cognitive abilities, and adaptive behaviors. The results showed that the GWO-SVM model achieved an accuracy of 95% in classifying ID patients, an improvement of 5% compared to the conventional SVM. The GWO algorithm successfully optimized the parameters in SVM, resulting in a model with the best performance. These findings indicate the potential of GWO-SVM as an effective and efficient tool for assisting in the diagnosis of ID.
KLASIFIKASI CITRA PLANKTON DENGAN ALGORITMA HIBRIDA CONVOLUTIONAL NEURAL NETWORK DAN EXTREME LEARNING MACHINE Shahab, Muhammad Syaugi; Junaidi, Achmad; Sihananto, Andreas Nugroho
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.v12i3S1.5219

Abstract

Penelitian ini bertujuan untuk meningkatkan akurasi dalam klasifikasi plankton secara otomatis dengan pendekatan hibrida CNN-ELM. Menggunakan Convolutional Neural Network (CNN) untuk ekstraksi fitur dan Extreme Learning Machine (ELM) sebagai pengklasifikasi, model ini dirancang untuk mengatasi tantangan citra plankton yang buram, dataset kecil, dan ketidakseimbangan kelas. SMOTE digunakan untuk menangani ketidakseimbangan data. Dari implementasi SMOTE dengan metode interpolasi, permasalahan ketidakseimbangan kelas berhasil diatasi dengan menjadikan jumlah data latih sama rata untuk setiap kelas. Dari hasil pengujian, konfigurasi dengan 32 filter dan 2000 hidden node serta 64 filter dan 2000 hidden node memberikan performa terbaik dengan akurasi 97,78%. Sebaliknya, model dengan 64 filter dan 4000 hidden node menunjukkan performa terendah dengan akurasi 82,78% yang diakibatkan overfitting. Analisis confusion matrix mengungkapkan kinerja tinggi pada beberapa kelas plankton, namun masih kesalahan klasifikasi sering terjadi pada kelas seperti Alexandrium, Noctiluca, dan Nitzschia. Temuan ini menunjukkan bahwa konfigurasi dengan filter dan node yang lebih kompleks tidak selalu menghasilkan kinerja lebih baik. Penelitian ini diharapkan dapat mendukung pengambilan keputusan di bidang kelautan.
Implementasi Algoritma K-Means dan Knearest Neighbors (KNN) Untuk Identifikasi Penyakit Tuberkulosis Pada Paru-Paru Rachmadhany Iman; Basuki Rahmat; Achmad Junaidi
Repeater : Publikasi Teknik Informatika dan Jaringan Vol. 2 No. 3 (2024): Juli : Repeater : Publikasi Teknik Informatika dan Jaringan
Publisher : Asosiasi Riset Teknik Elektro dan Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62951/repeater.v2i3.77

Abstract

In Indonesia, tuberculosis is ranked third in terms of prevalence among countries with the highest tuberculosis burden. Radiological examination, such as X-rays or X-rays, is a method generally used to detect tuberculosis. Chest X-ray examination is one method used to detect tuberculosis. To achieve these goals, the research will combine two powerful data processing techniques. First, the K-Means algorithm will be used to group x-ray image data based on similar characteristics, making it easier to identify typical patterns from images infected with tuberculosis. The research results show the highest accuracy of 93% using data division with a ratio of 80 : 20 with parameter K = 1. These results show that the combined model of the two algorithms can be applied to identify tuberculosis in the lungs.
PROGRAM PENERJEMAH BAHASA ISYARAT INDONESIA (BISINDO) SECARA REAL TIME MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DAN MEDIAPIPE William Lijaya Therry, Renaldy; Junaidi, Achmad; Nugroho Sihananto, Andreas
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 6 (2024): JATI Vol. 8 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i6.11582

Abstract

Komunikasi adalah salah satu aspek penting dalam kehidupan sehari-hari, namun bagi komunitas tuna rungu dan tuna wicara, komunikasi dapat menjadi tantangan besar. Bahasa isyarat Indonesia (BISINDO) merupakan salah satu alat komunikasi yang digunakan oleh komunitas ini, namun masih banyak masyarakat umum yang tidak memahami bahasa isyarat tersebut. Hal ini dapat menyebabkan kesulitan dalam berkomunikasi dan membatasi akses komunitas tuna rungu dan tuna wicara dalam berpartisipasi dalam kegiatan sosial dan ekonomi. Oleh karena itu, pengembangan sistem deteksi bahasa isyarat yang akurat sangat penting untuk memfasilitasi komunikasi antara komunitas tuna rungu, tuna wicara dan masyarakat umum. Pada penelitian ini, penulis mengembangkan program penerjemah bahasa isyarat Indonesia menggunakan Convolutional Neural Network (CNN) dan MediaPipe, program ini memiliki keterbatasan, yaitu arah pembacaan proses deteksi berada pada tangan kanan dan program ini hanya dapat mendeteksi abjad BISINDO. Hasil pelatihan model menunjukkan akurasi sebesar 98.59%, loss sebesar 13.03%,, akurasi validasi sebesar 93.78%, validation loss sebesar 32.15%. Hasil evaluasi model, model dapat mendeteksi abjad bahasa isyarat Indonesia dengan akurasi sebesar 94%.,. Hasil pengujian akurasi deteksi pada empat skenario Hasil deteksi terbaik diperoleh pada skenario pertama, yaitu pencahayaan baik dan latar belakang gelap dengan nilai akurasi sebesar 72%, presisi sebesar 69.5%, recall sebesar 68% dan F1-score sebesar 68.7%.
IMPLEMENTATION OF BALANCING DATA METHOD USING SMOTETOMEK IN DIABETES CLASSIFICATION USING XGBOOST Ratantja Kusumajati, Fatwa; Rahmat, Basuki; Junaidi, Achmad
Jurnal Ilmiah Kursor Vol. 12 No. 4 (2024)
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/kursor.v12i4.410

Abstract

In this research, XGBoost algorithm and the SMOTETomek approach are employed with the objective of enhancing the accuracy of diabetes classification. The study utilises 2,000 patient data points, comprising demographic and medical information, sourced from Kaggle. The dataset employed in this study comprises a number of variables, including pregnancies, glucose levels, blood pressure, skin thickness, insulin levels, Body Mass Index (BMI), diabetes pedigree function, age, and an outcome variable. The latter is a binary classification label, taking on the values 0 and 1. A value of 0 indicates that the patient is not affected by diabetes, whereas a value of 1 indicates that the patient has diabetes. Diabetes represents a significant public health concern in Indonesia. A significant challenge in this study was the imbalanced nature of the dataset, which included a disproportionate number of non-diabetic samples relative to diabetic samples. To address this class imbalance, the researchers employed the SMOTETomek method. SMOTETomek integrates the SMOTE (Synthetic Minority Over-sampling Technique) and Tomek links algorithms to oversample the minority class and remove borderline samples, thereby balancing the class distributions. The SMOTETomek method achieved higher accuracy (95.01%) than SMOTE and the original data (both 92.13%), highlighting the benefits of combining SMOTE with Tomek Links for XGBoost. During testing, SMOTETomek slightly reduced the minority class accuracy (0.97 vs. 0.99 for SMOTE and original data) but maintained strong F1-score and precision, indicating effective handling of data imbalance despite minor trade-offs.
Penerapan PSO-SVM Untuk Deteksi Serangan Web Dengan Pendekatan Hybrid Anomaly-Signature Based Pratama, Novandi Kevin; Junaidi, Achmad; Nurlaili, Afina Lina
Journal Cerita: Creative Education of Research in Information Technology and Artificial Informatics Vol 11 No 1 (2025): Journal CERITA : Creative Education of Research in Information Technology and Ar
Publisher : UNIVERSITAS RAHARJA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33050/cerita.v11i1.3497

Abstract

The security of web applications is becoming increasingly crucial with the growing use of web platforms in education and business, especially due to the management of sensitive data. Attacks such as SQL Injection often pose serious threats to data integrity by exploiting weaknesses in input validation. Signature-based approaches are employed to detect known attacks, but they are often ineffective against new threats. On the other hand, anomaly-based approaches using Machine Learning can identify anomalous patterns but are typically slow for real-time detection. This study implements PSO-SVM (Particle Swarm Optimization-Support Vector Machine) to enhance the detection of attacks on web applications by combining anomaly and signature-based approaches. PSO is utilized to optimize SVM parameters, aiming to improve the accuracy of detecting new attacks and reduce the number of undetected threats. Evaluation through testing scenarios demonstrated an accuracy improvement of up to 99.3%, confirming that this hybrid approach is effective in enhancing the security of web applications.
OPTIMASI ALGORITMA K-NEAREST NEIGHBOR DENGAN ALGORITMA GENETIKA PADA DETEKSI PENYAKIT DIABETES MELLITUS Darmawan, Marcellinus Aditya Vitro; Haromainy, M. Muharrom Al; Junaidi, Achmad
JATISI Vol 12 No 2 (2025): JATISI (Jurnal Teknik Informatika dan Sistem Informasi)
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jatisi.v12i2.11353

Abstract

This study discusses the optimization of the K-Nearest Neighbor (KNN) algorithm using Genetic Algorithm (GA) in detecting diabetes mellitus. The research includes stages of collecting datasets on diabetes mellitus symptoms, data preprocessing through normalization and dataset alignment, model implementation, and testing with various scenarios to achieve the highest accuracy. The data used consists of the Pima Indians Diabetes Database as dataset 1 and the Early Stage Diabetes Risk Prediction Dataset as dataset 2. The evaluation is conducted by comparing the accuracy results between KNN without optimization and KNN optimized using Genetic Algorithm. The study's results indicate that optimization is performed by finding the optimal combination of the k-value and the features used in classification. The Genetic Algorithm produces individuals with the best fitness based on the combination of k-values and features that yield the highest accuracy. Testing was conducted on two datasets with two different fold values. The best accuracy was obtained in the 10-fold test, where the accuracy for dataset 1 increased from 74.2% to 79.1% after optimization. Meanwhile, for dataset 2, the accuracy improved from 97.5% to 98.2% after optimization. There was an increase in accuracy for dataset 1, whereas for dataset 2, the improvement was not significant. The conclusion of this study is that optimizing the KNN algorithm using Genetic Algorithm has proven to enhance the accuracy of diabetes mellitus detection, especially in numerical datasets with more complex features.
Co-Authors Achmad Rozy Priambodo Afifudin, Muhammad Agung Mustika Rizki, Agung Mustika Akbar, Refansya Rachmad Akmal, Mohammad Faizal Al Fathoni, Hanif Allan Ruhui Fatmah Sari Andreas Nugroho Sihananto Andreas Nugroho Sihananto Anggraini Puspita Sari Anggraini Puspita Sari Anggraini Puspita Sari Ar Romandhon, Mitzaqon Gholizhan Arif Saifudin, Muhamad Ariq Musyaffah Ghufron, Althaf Bachtiar Riza Pratama Basuki Rahmat Basuki Rahmat Masdi Siduppa Belia Putri Salsabila beni tiyas kristanti Ciptaagung Firjat Ardine Clara Diva Paramitha Dafauzan Bilal Syaifulloh Darmawan, Marcellinus Aditya Vitro Dinda Friska Oktaviana Dunuroi Assuryani Dwi Arman Prasetya Efendi, Ridwan Eka Prakarsa Mandyartha Ekamartha, Ken Narendra Erik evranata Pardede Erik Iman Heri Ujianto Eva Yulia Puspaningrum Eva Yulia Puspaningrum Farrel Tiuraka Vierino Fauzan Novriandy, Muhammad Fetty Tri Anggraeny Firza Prima Aditiawan Galan Ahmad Defanka Galan Ahmad Defanka Hafiyan Fazagi Adnanto Hakim, Albi Akhsanul Henni Endah Wahanani Henni Endah Wahanani I Gede Susrama Mas Diyasa I Gede Susrama Mas Diyasa Isworo, Muhamad Raihan Ramadhani Izzatul Fithriyah Kartini Kartini kristanti, beni tiyas Kus Dwi Prastyo Lesmana, Benedictus Rafael Mandyartha, Eka Prakarsa Maulana, Hendra Mochammad Afdal Susilo Aji Mochammad Afdal Susilo Aji Mochammad Yoga Firnanda Moh. Angga Ardiyansyah Mohammad Haydir Awaludin Waskito Mohammad Syarifuz Zaim Muh. Irsyad Dwi Kurniawan Muhammad Azka Zaki Muhammad Baihaqi Arrisalah Muhammad Muharrom Al Haromainy Muhammad Rafi Muhtaddin Noor Mustika Rizki, Agung Mutiq Anisa Tanjung Muttaqin, Faisal Nugroho Sihananto, Andreas Nurlaili, Afina Lina Pelean Alexander Jonas Sitompul Pratama, Novandi Kevin Prinafsika PW, Benar Setya Rachmadhany Iman Rafie Ishaq Maulana Rafif Ilafi Wahyu Gunawan Rahmanda Putri, Endin Ratantja Kusumajati, Fatwa Rayya Ruwa'im Nafie Ridwan Efendi Riza Satria Putra Rizki, Agung Mustika Royan Fajar Sultoni Ryan Reynickha Fatullah Sajiwo, Achmad Fauzihan Bagus Sebrina, Aida Fitriya Shahab, Muhammad Syaugi Syahbagus Radithya Haryo Santoso Thalita Syahlani Putri Tinambunan, Fernanda Wahyu Melinda Permanasari Wardah Gracillaria Suharyono, Farra William Lijaya Therry, Renaldy