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

 2   3   4   5   6 
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 CONVOLUTIONAL NEURAL NETWORK PADA TRANSLITERASI AKSARA JAWA KE AKSARA LATIN DENGAN PENERAPAN FUNGSI HINGE LOSS Akbar, Refansya Rachmad; Rahmat, Basuki; Junaidi, Achmad
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.v12i3S1.5350

Abstract

Masyarakat jawa, terutama di wilayah kraton seperti Yogyakarta dan Surakarta, menggunakan aksara jawa untuk melestarikan tradisi penulisan dalam Bahasa jawa. Aksara jawa atau yang sering disebut Hanacaraka sering digunakan untuk menulis berbagai jenis naskah, termasuk cerita, catatan sejarah, tembang kuno, dan ramalan primbon. Selain itu, aksara jawa memiliki keterkaitan dengan aksara bali, keduanya merupakan perkembangan Bahasa kawi. Seiring berkembangnya zaman generasi milenial sudah mulai asing dengan aksara jawa. Padahal pulau jawa merupakan pulau terbesar dan memiliki beragam budaya, jika generasi ke generasi aksara jawa mulai dilupakan akan berdampak buruk terhadap kelesestarian budaya.Pada era digitalisasi ini pembuatan transliterasi aksara jawa ke aksara latin digital dapat membantu mengatasi masalah tersebut. Penelitian ini bertujuan untuk melakukan klasifikasi citra terhadap aksara jawa untuk mendukung proses transliterasi tersebut, adapun algoritma yang digunakan dalam klasifikasi citra yaitu convolutional neural network.Penerapan fungsi Hinge loss pada convolutional neural network merupakan tipe lain dari loss function yang biasa digunakan sebagai alternatif dari cross entropy untuk permasalahan klasifikasi citra. Namun, performa hinge loss terkadang lebih baik dari cross entropy dan terkadang lebih buruk dari cross entropy. Hasil terbaik pada implementasi convolutional neural network pada transliterasi aksara jawa ke aksara latin dengan penerapan fungsi hinge loss didapatkan pada rasio dataset 80:10:10 menggunakan arsitektur VGG19 dan loss function categorical hinge loss dengan menerapkan layer dropout 0,5 dan L2 Regulatization 0,0001 mendapatkan hasil akurasi 100%, precision, recall 100%, dan f1-score 100%.
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 Penyakit Kronis Melalui Mata Menggunakan Algoritma Convolutional Neural Network Dengan Model MobileNet-V3 Mohammad Haydir Awaludin Waskito; Andreas Nugroho Sihananto; Achmad Junaidi
Uranus: Jurnal Ilmiah Teknik Elektro, Sains dan Informatika Vol. 2 No. 2 (2024): Juni: Uranus: Jurnal Ilmiah Teknik Elektro, Sains dan Informatika
Publisher : Asosiasi Riset Teknik Elektro dan Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61132/uranus.v2i2.120

Abstract

Chronic diseases in humans are very difficult to detect visually, for example glaucoma, hypertension, diabetes, and others. So it takes a lot of time for further medical examination by visiting a health center or hospital. Therefore, this research aims to find a solution combining medical and computer science to classify quickly and precisely. Classifying eye images requires good features and characteristics so that disease images can be classified. This research uses the Deep Learning method, namely Convolutional Neural Network with MobileNet-V3 architecture which can extract features from large resolution images very well. This research resulted in accurate classification of images of chronic diseases Normal, Diabetes, Glucoma, Cataract, Age related macular degeneration, Hypertension, Pathalogical Myopia. uses the MobileNet-V3 architecture, with transfer learning reaching 81%, and loss only 0.4913.
IMPLEMENTASI EKSTRAKSI FITUR TEKSTUR DAN WARNA PADA KLASIFIKASI PENYAKIT DAUN JAGUNG MENGGUNAKAN RANDOM FOREST Galan Ahmad Defanka; Achmad Junaidi; Hendra Maulana
Prosiding Seminar Nasional Sains dan Teknologi Vol. 15 No. 1 (2025): Prosiding SNST 15 Tahun 2025
Publisher : Fakultas Teknik Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/psnst.v15i1.14646

Abstract

Penelitian ini mengembangkan sistem untuk mengidentifikasi penyakit pada daun jagung menggunakan kombinasi ekstraksi fitur tekstur dan warna. Ekstraksi tekstur dilakukan dengan metode Local Binary Pattern (LBP), sedangkan karakteristik warna citra dianalisis menggunakan Fuzzy Color Histogram (FCH). Fitur yang dihasilkan dari kedua metode tersebut kemudian digunakan sebagai input pada algoritma Random Forest untuk proses klasifikasi. Dataset berupa citra daun jagung melalui beberapa tahapan pengolahan, yaitu preprocessing, segmentasi citra, ekstraksi fitur, serta pelatihan model. Hasil pengujian menunjukkan bahwa Random Forest memiliki performa terbaik dengan akurasi mencapai 93,75%. Penelitian ini membuktikan bahwa kombinasi fitur tekstur dan warna dengan algoritma Random Forest efektif dalam mendeteksi penyakit daun jagung. Kata kunci: daun jagung, ekstraksi fitur, random forest
PENERAPAN LBP DAN FCH UNTUK KLASIFIKASI PENYAKIT DAUN JAGUNG MENGGUNAKAN ALGORITMA RANDOM FOREST Galan Ahmad Defanka; Achmad Junaidi; Hendra Maulana
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 1 (2026): EDISI 27
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i1.6948

Abstract

Klasifikasi penyakit daun jagung menjadi salah satu langkah penting dalam mendukung pemantauan kesehatan tanaman secara dini. Pada penelitian ini dikembangkan sebuah sistem klasifikasi penyakit daun jagung berbasis pengolahan citra dan machine learning yang mampu mengidentifikasi empat kondisi daun, yaitu bercak daun, hawar daun, karat daun, dan daun sehat. Dataset yang digunakan terdiri dari 1.200 citra daun jagung, dengan masing-masing kelas berjumlah 300 citra, kemudian diperluas menjadi 3.600 citra melalui proses augmentasi data. Proses pengolahan data meliputi tahapan preprocessing citra, segmentasi, ekstraksi fitur, serta pelatihan dan pengujian model klasifikasi. Karakteristik tekstur daun diekstraksi menggunakan metode Local Binary Pattern (LBP), sedangkan karakteristik warna direpresentasikan melalui Fuzzy Color Histogram (FCH). Seluruh fitur hasil ekstraksi tersebut digunakan sebagai masukan pada algoritma Random Forest untuk melakukan klasifikasi penyakit daun jagung. Hasil pengujian menunjukkan bahwa algoritma Random Forest mampu memberikan performa klasifikasi yang baik dengan tingkat akurasi sebesar 95,22%. Hasil tersebut menunjukkan bahwa kombinasi fitur tekstur LBP dan fitur warna FCH efektif dalam membedakan jenis penyakit daun jagung, sehingga sistem yang dikembangkan berpotensi menjadi solusi pendukung dalam deteksi penyakit tanaman jagung secara otomatis dan akurat.
Model Hibrida Deret Waktu Adaptif untuk Peramalan Dinamis Permintaan Penumpang Kereta Api Menggunakan Kalman Filter Isworo, Muhamad Raihan Ramadhani; Tri Anggraeny, Fetty; Junaidi, Achmad
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 13 No 1: Februari 2026
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2026131

Abstract

Peramalan permintaan penumpang kereta api yang akurat sangat penting untuk optimasi operasional dan perencanaan layanan transportasi PT KAI. Model peramalan konvensional sering menghadapi tantangan dalam menangani dinamika permintaan yang kompleks, terutama saat terjadi perubahan pola mendadak dan kejadian khusus seperti hari libur atau kejadian luar biasa. Penelitian ini mengusulkan model hibrida adaptif yang menggabungkan SARIMAX dan Prophet dengan optimasi bobot menggunakan Kalman Filter. Data yang digunakan adalah jumlah penumpang bulanan PT KAI DAOP 8 periode 2016-2023 yang mencakup fluktuasi musiman dan kejadian khusus yang mempengaruhi permintaan penumpang. Hasil menunjukkan bahwa model hibrida adaptif mencapai MAPE 4.32%, lebih baik dibandingkan dengan SARIMAX (7.72%) dan Prophet (6.06%). Kalman Filter berhasil mengoptimalkan bobot secara dinamis, meningkatkan kemampuan adaptasi model terhadap perubahan pola permintaan. Model ini menunjukkan performa akurasi dan stabilitas yang tinggi, serta dapat digunakan untuk meramalkan permintaan penumpang di masa depan dan memberikan rekomendasi untuk perencanaan kapasitas PT KAI yang lebih efektif.   Abstract Accurate forecasting of rail passenger demand is essential for operational optimization and planning of transportation services. Conventional forecasting models often face challenges in handling complex demand dynamics, especially when sudden pattern changes and special events occur. This study proposes an adaptive hybrid model combining SARIMAX and Prophet with weight optimization using the Kalman Filter. The data used is the monthly passenger number of PT KAI DAOP 8 from 2016 to 2023, which includes seasonal fluctuations and special events affecting passenger demand. The results show that the adaptive hybrid model achieved a MAPE of 4.32%, better than SARIMAX (7.72%) and Prophet (6.06%). The Kalman Filter successfully optimized the weights dynamically, improving the model's adaptability to changing demand patterns. This model demonstrates high accuracy and stability, and can be used to forecast future passenger demand and provide recommendations for more effective capacity planning for PT KAI.
Prophet–LightGBM Hybrid Model Implementation in Cafe Menu Sales Prediction: Implementasi Model Hybrid Prophet–LightGBM dalam Prediksi Penjualan Menu Kafe Erik evranata Pardede; Fetty Tri Anggraeny; Achmad Junaidi
JATI EMAS (Jurnal Aplikasi Teknik dan Pengabdian Masyarakat) Vol. 9 No. 4 (2025): Jati Emas (Jurnal Aplikasi Teknik dan Pengabdian Masyarakat)
Publisher : DPD Jatim Perkumpulan Dosen Indonesia Semesta

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

Abstract

This study aims to improve the accuracy of sales forecasting for cafe menu items through the development of a hybrid model that combines the Facebook Prophet and LightGBM algorithms. This hybrid model is designed to leverage the strengths of Prophet in detecting seasonal patterns and trends, as well as the ability of LightGBM to learn from residuals that are not captured by Prophet. The dataset used is sourced from Kaggle, containing cafe menu sales data, which includes information about the menu items, the quantity sold, and the transaction dates. Model evaluation was conducted using MAE (Mean Absolute Error), MAPE (Mean Absolute Percentage Error), and RMSE (Root Mean Squared Error) metrics. According to the results, the hybrid model shows significant improvement in forecasting accuracy, with MAPE of 5.83% for one menu item (cake), MAE of 0.84, and RMSE of 0.99, indicating better accuracy compared to the single models. This study is expected to provide valuable contributions to more efficient stock management and the development of more targeted marketing strategies for the cafe industry.
Cloud-Based High Availability Architecture Using Least Connection Load Balancer and Integrated Alert System Prinafsika; Achmad Junaidi; Muhammad Muharrom Al Haromainy
bit-Tech Vol. 8 No. 1 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v8i1.2520

Abstract

Ensuring optimal service continuity remains a critical challenge in cloud computing, especially when dealing with high traffic loads and system failure potential that can cause losses. To address this, this research presents the implementation of a high availability (HA) cloud system using the Least Connection load balancing algorithm implemented with Nginx, integrated with early anomaly detection and alert mechanisms. The HA architecture is implemented across two geographically distributed cloud service providers, Alibaba Cloud and Google Cloud, to analyze latency and performance differences under high load conditions. The system's resilience and scalability were evaluated through load testing using K6, simulating workloads ranging from 100 to 1000 Virtual Users (VUs) for single server configurations and 200 to 2000 VUs for HA configurations. The experiment results showed a significant improvement in service availability, reaching 100% uptime with the HA configuration compared to a peak of 98.79% in the single server environment. The Least Connection strategy effectively balanced traffic by monitoring active connections, resulting in a 29.73% increase in processed requests and a 42% reduction in system load at 1000 VUs. Additionally, the alert system successfully sent real-time Telegram notifications for delays or failures, enabling proactive mitigation. These results confirm that combining dynamic load balancing with proactive alerts can significantly improve service reliability, resource efficiency, and resilience to failures in distributed cloud infrastructure providing a viable model for robust and scalable cloud service architectures.
Website Security Testing Using PTES Method and OWASP Top 10 Approach Mochammad Yoga Firnanda; Henni Endah Wahanani; Achmad Junaidi
bit-Tech Vol. 8 No. 1 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v8i1.2564

Abstract

Rapid technological advancements have greatly benefited the industrial sector, making technology essential for business operations. However, this reliance also introduces vulnerabilities, particularly in Enterprise Resource Planning (ERP) systems, which are critical for managing business processes and sensitive data. Due to their complexity and integration, ERP systems are prime targets for cyberattacks, emphasizing the need for robust security testing. This research aims to identify, evaluate, and exploit vulnerabilities in the ERP website of PT. XYZ, specifically targeting pages accessible by users with the SPV Marketing role. The Penetration Testing Execution Standard (PTES) methodology was used to guide the process from intelligence gathering to exploitation and reporting. PTES also ensures that testing is conducted legally during the pre-engagement phase. Tools such as Google Dorking, Netcraft, Wappalyzer, and Nmap were employed for intelligence gathering. For threat modeling, ISO 27005 was employed to identify vulnerabilities, while ISO 25010 served as a standard for security quality. A ZAP scan revealed 23 security vulnerabilities, including 18 that fall under the OWASP Top 10, such as Broken Access Control and Injection. Simulated attacks successfully identified Cross-Site Scripting (XSS), Session Hijacking, and Cross-Site Request Forgery (CSRF). Based on the findings, the recommendations focus on enhancing ERP system security according to the OWASP Top 10 guidelines, ensuring clarity for the development team. This study highlights the need for improved ERP security and offers a structured PTES-OWASP framework applicable across sectors. Future research may integrate multiple tools to enhance vulnerability detection.
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