Article Per Year (5 Year)
p-Index From 2021 - 2026
5.444
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 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 bit-Tech JATI (Jurnal Mahasiswa Teknik Informatika) Journal Cerita: Creative Education of Research in Information Technology and Artificial Informatics Jurnal Informatika Teknologi dan Sains (Jinteks) ILTEK : Jurnal Teknologi Jurnal Informatika Polinema (JIP) 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
Unknown Affiliation
Agriculture, Biological Sciences & Forestry 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 Library & Information Science Mechanical Engineering Public Health Social Sciences Other

Published : 45 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 45 Documents
Search

 1   2   3   4   5 
Klasifikasi Citra Tulisan Tangan Aksara Sunda Berbasis Inception-ResNetV2 dengan Transfer Learning Paramitha, Clara Diva; Junaidi, Achmad; Al Haromainy, Muhammad Muharrom
ILTEK : Jurnal Teknologi Vol. 20 No. 02 (2025): ILTEK : Jurnal Teknologi
Publisher : Fakultas Teknik Universitas Islam Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47398/iltek.v20i02.258

Abstract

Aksara Sunda adalah aksara yang semakin jarang digunakan sehingga masyarakat awam sering tidak familiar dengan bentuknya, terutama saat membaca tulisan tangan yang selalu memiliki variasi tergantung penulisnya sehingga ada keterbatasan dalam mengenali bentuknya. Penelitian ini berfungsi untuk menguji performa model deep learning untuk tugas klasifikasi 23 kelas Aksara Sunda serta menguji kombinasi model terhadap berbagai parameter agar dapat memberikan hasil optimal. Penelitian ini menggunakan Inception-ResNetV2 yang dikombinasikan dengan metode fine-tuning transfer learning untuk diuji terhadap tiga optimizer dan learning rate sebanyak 20 epoch. Data pada penelitian ini gabungan dari data GitHub dan data pengumpulan mandiri. Pengujian ini menggunakan rasio 80:20 untuk data latih dan data uji. Optimizer yang diuji adalah SGD, Adam, dan RMSProp. Hasil pengujian menunjukkan bahwa tiap-tiap optimizer mampu memberikan hasil teroptimalnya pada parameter tertentu. Melihat skor performa, RMSProp 0.0001 berhasil mencapai nilai akurasi data uji tertinggi pada 99.15%, diikuti oleh SGD 0.01 dengan akurasi data uji 98.66%, lalu disusul Adam 0.0001 dengan akurasi data uji 96.61%. Akan tetapi, melihat grafik kurva, optimizer SGD lebih stabil dibandingkan RMSProp—yang mengalami guncangan di awal—ataupun Adam—yang mengalami gejala overfitting ringan. Hasil kontradiktif ini dapat menjadi pembelajaran untuk penelitian selanjutnya.
IMPLEMENTASI HYBRID MODEL CEEMDAN-ARIMA-LSTM PREDIKSI HARGA SAHAM PENUTUP Dafauzan Bilal Syaifulloh; Fetty Tri Anggraeny; Achmad Junaidi
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.v8i1.6938

Abstract

Pergerakan harga saham yang bersifat non-linear dan non-stasioner menjadi tantangan utama dalam proses peramalan deret waktu. Penelitian ini mengusulkan model hybrid CEEMDAN–ARIMA–LSTM untuk meningkatkan akurasi prediksi harga penutupan saham PT Industri Jamu dan Farmasi Sido Muncul Tbk (SIDO). Metode CEEMDAN digunakan untuk mendekomposisi data saham menjadi beberapa Intrinsic Mode Functions (IMF), yang selanjutnya dianalisis menggunakan Sample Entropy (SampEn) guna mengidentifikasi tingkat kompleksitas dan menentukan model yang paling sesuai. Komponen dengan karakteristik linier diprediksi menggunakan ARIMA, sedangkan komponen non-linier dimodelkan menggunakan LSTM. Hasil prediksi dari seluruh IMF kemudian direkonstruksi menjadi nilai akhir. Evaluasi kinerja menggunakan MAPE, MAE, RMSE, dan R² menunjukkan bahwa model hybrid memberikan akurasi yang lebih tinggi dibandingkan model tunggal, dengan nilai MAPE yang termasuk dalam kategori sangat akurat. Temuan ini menegaskan bahwa integrasi CEEMDAN dengan pendekatan statistik dan deep learning mampu menangani dinamika kompleks pada data saham serta meningkatkan kualitas prediksi secara signifikan.
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.
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.
Identifikasi Citra Penyakit Monkeypox dengan Random Forest Serta Ekstraksi Fitur VGG19: Indonesia Muhammad Azka Zaki; Eka Prakarsa Mandyartha; Achmad Junaidi
Jurnal Informatika Dan Tekonologi Komputer (JITEK) Vol. 6 No. 1 (2026): Maret : Jurnal Informatika dan Tekonologi Komputer
Publisher : Pusat Riset dan Inovasi Nasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/jitek.v6i1.10132

Abstract

Monkeypox is an infectious disease that can be recognized through images of the patient's skin lesions. A fast and accurate diagnosis method is required to identify Monkeypox. This research aims to identify Monkeypox imagery using the VGG19 feature extraction method, which is then classified using the Random Forest algorithm. The dataset consists of 770 original images, which were expanded to 5,860 images through geometric transformation augmentation. The test results show that the VGG19 feature extraction method with Random Forest classification achieved an accuracy of 95.1%, indicating good performance. This finding suggests the potential of this method as a machine learning approach for detecting Monkeypox and can be further developed with other artificial intelligence approaches.
Co-Authors Afifudin, Muhammad Agung Mustika Rizki, Agung Mustika Akbar, Refansya Rachmad Akmal, Mohammad Faizal Al Fathoni, Hanif Andreas Nugroho Sihananto Andreas Nugroho Sihananto Anggraini Puspita Sari Ar Romandhon, Mitzaqon Gholizhan Arif Saifudin, Muhamad Ariq Musyaffah Ghufron, Althaf Bachtiar Riza Pratama Basuki Rahmat Basuki Rahmat Masdi Siduppa beni tiyas kristanti Dafauzan Bilal Syaifulloh Darmawan, Marcellinus Aditya Vitro Dwi Arman Prasetya Efendi, Ridwan Eka Prakarsa Mandyartha Erik evranata Pardede Eva Yulia Puspaningrum Fauzan Novriandy, Muhammad Fetty Tri Anggraeny Firnanda, Mochammad Yoga Firza Prima Aditiawan Galan Ahmad Defanka Henni Endah Wahanani I Gede Susrama Mas Diyasa Izzatul Fithriyah Kartini Kartini kristanti, beni tiyas Lesmana, Benedictus Rafael Mandyartha, Eka Prakarsa Maulana, Hendra Mohammad Haydir Awaludin Waskito Muhammad Azka Zaki Muhammad Muharrom Al Haromainy Mustika Rizki, Agung Muttaqin, Faisal Nugroho Sihananto, Andreas Nurlaili, Afina Lina Oktaviana, Dinda Friska Paramitha, Clara Diva Pratama, Novandi Kevin Prinafsika PW, Benar Setya Rachmadhany Iman Rahmanda Putri, Endin Ratantja Kusumajati, Fatwa Ridwan Efendi Rizki, Agung Mustika Royan Fajar Sultoni Sajiwo, Achmad Fauzihan Bagus Sebrina, Aida Fitriya Shahab, Muhammad Syaugi Tanjung, Mutiq Anisa Tinambunan, Fernanda Wardah Gracillaria Suharyono, Farra William Lijaya Therry, Renaldy Zaim, Mohammad Syarifuz