Article Per Year (5 Year)
p-Index From 2021 - 2026
4.35
P-Index
This Author published in this journals
All Journal Jurnal Edukasi dan Penelitian Informatika (JEPIN) JIKO (Jurnal Informatika dan Komputer) JURNAL TEKNOLOGI DAN OPEN SOURCE JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) Jurnal Bumigora Information Technology (BITe) Infotek : Jurnal Informatika dan Teknologi Infotech: Journal of Technology Information Jurnal Teknik Informatika (JUTIF) Information System Journal (INFOS) Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Jurnal Teknik Informatika Jurnal Nasional Teknologi Komputer Proceeding of International Conference Health, Science And Technology (ICOHETECH) Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Innovative: Journal Of Social Science Research Dedikasi Saintek Jurnal Pengabdian Masyarakat SmartComp CSRID DEDIKASI SAINTEK Jurnal Pengabdian Masyarakat
Irawan, Ridwan Dwi
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mechanical Engineering Medicine & Pharmacology Nursing Physics Public Health Social Sciences Other

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

Found 33 Documents
Search

 1   2   3   4 
Klasifikasi Kondisi Tanaman Cabai Sehat dan Tidak Sehat Menggunakan Convolutional Neural Network Berbasis Teachable Machine Satria Yudha, Rafiq; Imanuel, Christian; Yoga Saputra, Muchammad; Dwi Irawan, Ridwan
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/a0nwc842

Abstract

Tanaman cabai merupakan salah satu komoditas hortikultura yang memiliki nilai ekonomi tinggi di Indonesia. Namun, produktivitas tanaman cabai kerap mengalami penurunan akibat serangan penyakit yang dapat merusak tanaman. Deteksi dini terhadap kondisi kesehatan tanaman cabai sangat diperlukan guna mencegah penyebaran penyakit lebih luas. Penelitian ini bertujuan untuk membangun model klasifikasi kondisi tanaman cabai sehat dan tidak sehat menggunakan metode Convolutional Neural Network (CNN) berbasis Teachable Machine. Data citra tanaman cabai dikelompokkan menjadi dua kelas, yaitu Healthy (sehat) dan Unhealthy (tidak sehat). Proses pelatihan model dilakukan selama 50 epoch dengan ukuran citra 224 x 224 piksel. Berdasarkan hasil pengujian, model berhasil mencapai akurasi total sebesar 91%, dengan akurasi klasifikasi masing-masing kelas sebesar 83% untuk tanaman sehat dan 100% untuk tanaman tidak sehat. Hasil ini menunjukkan bahwa model CNN berbasis Teachable Machine dapat digunakan sebagai alat bantu deteksi dini kondisi kesehatan tanaman cabai secara praktis dan efisien.
Klasifikasi Citra Bunga Multikelas Menggunakan Convolutional Neural Network (CNN) Ihza Yuzar Vianda, Rizqi; Anjarwati, Pipin; Akbar Pratama, Hamzah; Maulana Akbar, Reza; Dwi Irawan, Ridwan
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/0d10j421

Abstract

Penelitian ini bertujuan mengembangkan model klasifikasi citra bunga multikelas menggunakan algoritma Convolutional Neural Network (CNN) untuk mengatasi keterbatasan identifikasi manual yang kurang efisien dan rawan kesalahan. Dataset yang digunakan berjumlah 994 gambar dari sepuluh jenis bunga, diunduh dari platform Kaggle dan diproses melalui tahapan augmentasi serta normalisasi. Model CNN dibangun dengan empat lapisan konvolusi beraktivasi ReLU, dilanjutkan dengan pooling dan lapisan dense, serta dilatih menggunakan optimizer Adam dan fungsi loss categorical crossentropy. Evaluasi dilakukan dengan metrik akurasi, Mean Absolute Error (MAE), dan Mean Absolute Percentage Error (MAPE). Hasil pelatihan menunjukkan akurasi validasi sebesar 72,48% dan nilai MAE yang rendah, yang mengindikasikan kemampuan generalisasi model terhadap data baru. Model juga menunjukkan performa yang baik dalam mengklasifikasikan citra yang belum pernah dilatih sebelumnya. Dengan demikian, CNN terbukti efektif untuk klasifikasi otomatis citra bunga dan memiliki potensi untuk dikembangkan lebih lanjut dalam aplikasi berbasis teknologi visual serta peningkatan performa melalui tuning arsitektur.
Klasifikasi Sampah Organik dan Anorganik Menggunakan Transfer Learning MobileNetV2 pada Citra Digital Syarif , Muhammad; Prasetyo, Sidik; Oktaviana Az Zahra, Erika; Indra Kristiawan, Yohanes; Dwi Irawan, Ridwan
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/wabtd264

Abstract

Permasalahan sampah masih menjadi isu serius di berbagai kota besars, terutama akibat kurangnya pemilahan antara sampah organik dan anorganik sejak dari sumbernya. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi otomatis sampah berbasis citra digital menggunakan pendekatan transfer learning dengan arsitektur MobileNetV2. Dataset yang digunakan terdiri dari gambar sampah organik seperti daun kering dan sisa makanan, serta sampah anorganik seperti plastik dan botol bekas, yang dikumpulkan dari lingkungan nyata. Proses pelatihan dilakukan di Google Colab dengan teknik augmentasi dan normalisasi data. Model dilatih selama 15 epoch dan mencapai akurasi validasi sebesar 93%. Evaluasi terhadap 20 citra uji baru menunjukkan akurasi klasifikasi sebesar 100%, dengan nilai confidence score yang tinggi pada sebagian besar gambar. Hasil ini menunjukkan bahwa MobileNetV2 memberikan hasil yang sesuai dalam mengenali jenis sampah, bahkan dengan keterbatasan data dan sumber daya komputasi. Kendati demikian, model mengalami sedikit penurunan kepercayaan pada citra dengan karakteristik visual ambigu. Penelitian ini menunjukkan potensi penggunaan deep learning dalam pengelolaan sampah berbasis teknologi, dan dapat menjadi dasar pengembangan sistem pemilah sampah otomatis berbasis kamera.
EduArchive: Implementasi Sistem Repositori Digital untuk Pencatatan Karya Mahasiswa Rahmawati, Intan; Rahmaning Umiadi, Amara; Ayu Setyowati, Sintiya; Shalikashilla Tiaramadhan, Faiza; Suryanti, Ika; Dwi Irawan, Ridwan
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/yzy39087

Abstract

Dalam era digital saat ini, pengelolaan karya mahasiswa secara sistematis dan terdokumentasi menjadi kebutuhan penting, khususnya di Program Studi Teknologi Rekayasa Perangkat Lunak. Selama ini, pencatatan karya mahasiswa masih menggunakan Google Drive secara manual, yang memiliki keterbatasan dalam aspek pengelolaan, pencarian, serta keamanan data. Penelitian ini mengusulkan pengembangan EduArchive, sebuah sistem repositori digital berbasis web yang dirancang untuk mencatat dan menyimpan karya mahasiswa secara terpusat. Sistem ini memiliki dua jenis hak akses, yaitu admin dan user/mahasiswa, dengan fitur utama seperti manajemen data pengguna, pengelolaan dokumen, serta input dan akses karya mahasiswa. EduArchive diharapkan dapat meningkatkan efisiensi pengelolaan karya ilmiah, memudahkan pelacakan data, dan menjadi sarana portofolio akademik yang terstruktur. Implementasi sistem ini bertujuan untuk mendukung kebutuhan dokumentasi yang aman, mudah diakses, dan berkelanjutan di lingkungan akademik.
Sistem Manajemen Surat Viery, Andrean; Dwi Irawan, Ridwan
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/1v5bvb40

Abstract

Pengelolaan surat menyurat menjadi komponen penting dalam proses administrasi suatu instansi, baik pemerintah maupun swasta. Namun, sistem manual yang masih digunakan di banyak institusi kerap menimbulkan berbagai kendala seperti keterlambatan pengarsipan, kesalahan pencatatan, hingga risiko kehilangan dokumen. Oleh karena itu, diperlukan solusi digital yang mampu mengelola data surat masuk dan keluar secara efektif, efisien, dan terintegrasi. Penelitian ini bertujuan untuk membangun sebuah sistem informasi manajemen surat berbasis web menggunakan framework Laravel. Sistem ini mendukung pengelolaan data surat masuk dan keluar, pengelolaan data pegawai, autentikasi pengguna, serta penyusunan laporan berkala. Proses pengembangan dilakukan menggunakan pendekatan waterfall dengan tahapan analisis kebutuhan, desain sistem, implementasi, hingga pengujian. Berdasarkan hasil uji coba, sistem yang dibangun menunjukkan performa yang baik dalam meningkatkan kecepatan pencatatan, kemudahan pencarian dokumen, serta meningkatkan akurasi data. Sistem ini juga mampu membantu organisasi dalam mewujudkan pengelolaan arsip surat yang modern dan terdokumentasi dengan baik.
Implementation and Optimization of Saliency Mapping Algorithms in Convolutional Neural Networks (CNN) to Enhance Transparency in Pneumonia Diagnosis Ardiyanto, Marta; Irawan, Ridwan Dwi; Yudhianto, Kresna Agung
Proceeding of the International Conference Health, Science And Technology (ICOHETECH) 2025: Proceeding of the 6th International Conference Health, Science And Technology (ICOHETECH)
Publisher : LPPM Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/c9jq7074

Abstract

This study aims to develop a transparent and reliable artificial intelligence model for pneumonia diagnosis using chest X-ray images by implementing and optimizing Convolutional Neural Networks (CNN) with Saliency Mapping. The research employed a combination of advanced optimization techniques, including aggressive data augmentation, class weight balancing, L2 regularization, dropout, batch normalization, and adaptive learning rate scheduling to address overfitting challenges. A functional prototype was then deployed in a Streamlit-based application to provide an interactive diagnostic tool. The evaluation results demonstrated that the model achieved strong performance, with high training accuracy and competitive testing accuracy, while visualization through Saliency Mapping provided meaningful interpretability by highlighting critical lung regions, particularly the mid-to-lower lung fields and hilar area. This interpretability ensured that the system not only delivered accurate predictions but also supported clinical reasoning by aligning with radiological characteristics of early-stage pneumonia and bronchopneumonia. The integration into a user-friendly application illustrates the potential for practical adoption in healthcare settings, especially in regions with limited access to radiologists. Overall, the study demonstrates that combining CNN-based classification with explainable AI techniques can bridge the gap between advanced machine learning and clinical applicability, offering a strategic pathway to improve pneumonia diagnosis and patient outcomes.
A INFORMASI PENENTUAN TEMPAT MAGANG SISWA SMK DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) tri hartanti, ninik; Dwi Irawan, Ridwan
Jurnal Nasional Teknologi Komputer Vol 3 No 3 (2023): Volume 3 Nomor 3 Juli 2023
Publisher : CV. Hawari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61306/jnastek.v3i3.86

Abstract

Sistem pendidikan di Indonesia, khususnya Sekolah Menengah Kejuruan (SMK) merupakan sekolah yang dalam pola pembelajarannya lebih banyak prosentase memberikan keterampilan atau praktek yang bertujuan untuk membekali para lulusannya sehingga memiliki keterampilan yang bisa diunggulkan terutama di dunia industri atau usaha. Pembekalan tersebut dilaksanakan dengan mengadakan kerjasama diantara pihak sekolah dengan pihak industri atau usaha, dengan melaksanakan praktek kerja (magang). Pihak sekolah akan memberikan beberapa pilihan tempat untuk siswa melaksanakan magang. Tujuan penelitian ini adalah membantu pihak sekolah dan siswa dalam menentukan tempat magang, dengan harapan siswa dapat melaksanakan magang dengan merasa aman, nyaman, tenang dan memperolah hasil kinerja yang memuaskan. Sistem informasi untuk menentukan tempat magang para siswa ini menerapkan salah satu metode perhitungan dalam data mining, yaitu Simple Additive Weighting (SAW). Sistem akan memudahkan dalam proses penentuan tempat magang, dengan beberapa kriteria yaitu jarak tempat magang, kesesuaian dengan jurusan, ada tidaknya tempat kos untuk sementara, kebersihan tempat magang, dan luas tempat magang.
Utilization of the Internet of Things in Monitoring Hydroponic Lettuce Cultivation Nugroh, Heri; Maulindar, Joni; Irawan, Ridwan Dwi
Jurnal Bumigora Information Technology (BITe) Vol. 6 No. 1 (2024)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/bite.v6i1.4042

Abstract

Background: Urban residents who create agricultural systems with hydroponic techniques are very busy and do not have time to monitor plant growth.Objective: This study aims to utilize the Internet of Things (IoT) in monitoring hydroponic lettuce cultivation with the Nutrient Film Technique (NFT) system using ESP32.Methods: The method used in this study is Rule-Based Automatic Control for monitoring hydroponic lettuce cultivation.Result:The results of this research are successfully building a monitoring system with a web interface and mobile interface has been successfully built. The system that was built successfully controlled pH and hydroponic nutrients automatically with a pH sensor accuracy of 97.19% and a nutrient sensor of 97.815%.Conclusion: The implementation of a control and monitoring system for hydroponic lettuce cultivation can be applied because it has high accuracy.
Sistem Informasi Penjualan Produk Menggunakan Metode Customer Relationship Management (CRM) Pada Toko Zolla Cosmetic Kota Surakarta Amelia, Dinda; Purwanto, Eko; Ridwan Dwi Irawan
Innovative: Journal Of Social Science Research Vol. 4 No. 4 (2024): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v4i4.14336

Abstract

Toko Zolla Cosmetic merupakan UMKM yang bergerak dibidang penjualan produk perawatan kulit dan kosmetik, hingga saat ini proses penjualan masih bersifat manual. Tidak adanya media pemasaran secara online membuat Toko Zolla Cosmetic menjadi kurang dikenal dan kurang kompetitif dibandingkan dengan toko perawatan kulit lainnya. Menyimpan ulasan juga diperlukan untuk membantu pemilik membuat keputusan penjualan produk dan layanan customer kedepannya. Dengan mengimplementasikan CRM pada sistem informasi penjualan Zolla Cosmetic yang berbasis website, tujuannya adalah untuk membantu pemilik toko memahami kebutuhan dan keinginan pelanggan serta merekomendasikan produk yang lebih tepat.sehingga dapat membangun hubungan yang baik kepada pelanggan. Penelitian ini menggunakan metode pengembangan sistem Waterfall .Analisis kelemahan sistem menggunakan PIECES dan metode pengujian menggunakan metode pengujian black box. Hasil yang diperoleh berupa pengujian yang dilakukan terhadap beberapa pelanggan.
Comparative Analysis of SQL Injection Attack Clasification Using Naïve Bayes Method And Support Vector Machine (SVM). Pramono, Pramono; Dwi Irawan, Ridwan; Arum Sari, Aprilisa
Proceeding of the International Conference Health, Science And Technology (ICOHETECH) 2024: Proceeding of the 5th International Conference Health, Science And Technology (ICOHETECH)
Publisher : LPPM Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/icohetech.v5i1.4178

Abstract

SQL Injection is an attack that attempts to gain unauthorized access to a database by injecting code and exploiting SQL queries. SQL injection is an attack that is easy to execute but difficult to detect and classify because of the many types. The SQLI vulnerability is the result of incorrect validation of user input, enabling attackers to manipulate programmer queries by adding new SQL operators. Therefore, this study compares the use of the Naïve Bayes algorithm with the Support Vector Machine (SVM). The dataset that will be used in this study comes from a website called Kaggle. This study analyzes the comparison of methods resulting from the classification process based on the value of accuracy of confusion matrix, precision, recall. Naive Bayes, 95.594% accuracy quality while Support Vector Machine (SVM) 96.093% accuracy quality. The highest percentage of accuracy is obtained by the Support Vector Machine (SVM) while the Naïve Bayes accuracy score is slightly lower.
Co-Authors Abdul Harits, Muhammad Agus Fatkhurohman Akbar Pratama, Hamzah Alva Hendi Muhammad Amelia, Dinda Anjarwati, Pipin Antoni DM, Nikolas Aprilisa Arum Sari Ardiyanto, Marta Artdelia Pingkan Salsabilla Ayu Setyowati, Sintiya Brilliant Firdaus, Azkha Choirul Ananda, Naufal Eko Purwanto Eko Purwanto Ema Utami Fathoni, Syahrul Agung Febrian Fitiraldy Gilang Pramudito, Vincensius Harist, Muhammad Abdul Ihza Yuzar Vianda, Rizqi Ika Putri Pujianti, Ika Putri Pujianti Imanuel, Christian Indra Kristiawan, Yohanes Intan Rahmawati Kresna Agung Yudhianto Laksono, Ardean Risqi Maulana Akbar, Reza Maulindar, Joni Muh Adha Muh Adha Muhamad Paliya Sadana Muhammad Paliya Sadana Nailurrizqi, Adistya Nibras Faiq Muhammad Nugroh, Heri Nur Rohman, Sofyan Nurmalitasari Nurmalitasari Nurmalitasari Oktaviana Az Zahra, Erika Permatasari, Hanifah Pramono Pramono Pratama, Dika Adi Rahmaning Umiadi, Amara Riyadsyah, Deprinico Rizqy Alfiansyah, Rafif Rudi Susanto Satria Yudha, Rafiq Satrio Atmojo, Fattah Setiawan, Stevania Shalikashilla Tiaramadhan, Faiza Sidik Prasetyo, Sidik Sofa Marwati Sopingi Sopingi, Sopingi Stevania Setiawan Suryanti, Ika Syarif , Muhammad Tri Hartanti, Ninik Viery, Andrean Yoga Saputra, Muchammad Zitnaa Dhiaaul Kusnaa Washilatul Arba’ah Zitnaa Dhiaaul Kusnaa Washilatul Arba’ah