Article Per Year (5 Year)
p-Index From 2020 - 2025
1.116
P-Index
This Author published in this journals
All Journal Syntax Jurnal Informatika JOURNAL OF APPLIED INFORMATICS AND COMPUTING MIND (Multimedia Artificial Intelligent Networking Database) Journal Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi Jurnal Sistem Informasi dan Sains Teknologi Jurnal Sisfotek Global
Wicaksana, Yusuf Eka
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
Implementasi Monitoring Log System Untuk Keamanan dan Integritas Data Akademik Wicaksana, Yusuf Eka; Pratama, Adi; Nugraha, Fariz
Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi Vol 8 No 2 (2023): Techno Xplore: Jurnal Ilmu Komputer dan Teknologi Informasi
Publisher : Teknik Informatika, Fakultas Teknik dan Ilmu Komputer, Universitas Buana Perjuangan Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36805/technoxplore.v8i2.5992

Abstract

Implementasi Monitoring Log System untuk ketersediaan dan penelusuran data akademik adalah penelitian yang bertujuan untuk mengimplementasikan sistem logging dan monitoring pada sistem informasi akademik sebuah institusi pendidikan. Tujuan dari penelitian ini adalah untuk memastikan ketersediaan data akademik dan memudahkan penelusuran data dengan sistem logging dan monitoring yang diimplementasikan. Metode yang digunakan adalah pengembangan sistem menggunakan metode Agile atau Waterfall. Peneliti juga menganalisis keefektifan sistem logging dan monitoring yang diimplementasikan dalam meningkatkan ketersediaan dan penelusuran data akademik pada sistem informasi akademik. Penelitian ini memiliki urgensi penting karena ketersediaan dan keamanan data akademik sangat penting dalam meningkatkan kualitas pendidikan.
Peramalan Tren Musiman Jumlah Mahasiswa Baru Dengan Triple Exponential Smoothing Multiplicative Wicaksana, Yusuf Eka; Faisal, Sutan; Munzi, Gugy Guztaman
Syntax : Jurnal Informatika Vol. 13 No. 02 (2024): Oktober 2024
Publisher : Universitas Singaperbangsa Karawang

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

Abstract

Pengetahuan jumlah mahasiswa baru dapat membantu dalam perencanaan sumber daya perguruan tinggi, dan optimisasi strategi pemasaran dan rekrutmen. Penelitian sebelumnya belum dapat mendeteksi data yang bersifat musiman, sehingga menggunakan triple exponential smoothing multiplicative untuk mengotimalisasi peramalan yang bersifat tren dan musiman. Dengan menggunakan pemulusan α = 0,1; β = 0,4; γ = 0,8; menghasilkan RMSE sebesar 3,32 sehingga dapat menjadi acuan untuk meramal jumlah mahasiswa baru Universitas Buana Perjuangan Karawang.
Comparison of Machine Learning Models for Heart Disease Classification with Web-Based Implementation Ramadhan, Angga Ramda; Saefulloh, Nandang; Utami, Nisa; Diana, Muji; Utomo, Abiyyu Aji Prasetyo; Wicaksana, Yusuf Eka
Journal of Applied Informatics and Computing Vol. 8 No. 2 (2024): December 2024
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v8i2.8744

Abstract

Heart disease has become one of the most concerning diseases in Indonesia according to research published in 2018 by the Health Ministry of Indonesia. Based on said research, 15 out of 1000 Indonesians suffer from heart disease. Furthermore, according to data published by the Health Ministry of Indonesia, 3 million premature deaths (under 60 years old) occurred in 2013 due to heart disease. Therefore, this research aims to develop a web-based system designed to aid health workers in screening for heart diseases and producing early diagnosis. In developing this system, 5 models were evaluated based on performance and the model with the best metrics was selected to be used in the final system. These models were: Logistic Regression, Decision Tree, Random Forest, Naïve Bayes, and K-Nearest Neighbours. SMOTE and ADASYN was also used to deal with imbalanced data, and the resulting balanced data was used as additional training scenarios in order to compare the result with algorithms trained using imbalanced data. Cross validation, accuracy, precision, recall, f1-score, and ROC with AUC were set as evaluation metrics. Results show that Random Forest trained with data balanced using ADASYN achieved the highest AUC score of 0.920. Meanwhile, Logistic Regression scored lowest with an AUC score of 0.500. These results indicate that Random Forest is the most suitable for this system Therefore, Random Forest was selected as the algorithm to be used in the final system. Furthermore, this system has been tested successfully using the black-box method and is ready to be implemented.
PENERAPAN APLIKASI QUIZ BERBASIS WEBSITE SEBAGAI MEDIA PEMBELAJARAN PADA MATA KULIAH BAHASA INDONESIA Munzi, Gugy Guztaman; Wicaksana, Yusuf Eka; Bahreisy, Muhammad Naufal
Jurnal Sistem Informasi dan Sains Teknologi Vol 7, No 1 (2025): Jurnal Sistem Informasi dan Sains Teknologi
Publisher : Universitas Trilogi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31326/sistek.v7i1.2127

Abstract

Perkembangan teknologi digital saat ini memengaruhi berbagai aspek kehidupan, salah satunya dalam tata bahasa yang digunakan sehari-hari. Penggunaan sosial media yang digunakan juga dapat memengaruhi tata bahasa yang digunakan, khususnya oleh remaja seperti siswa sekolah menengah atas sederajat maupun mahasiswa di perguruan tinggi. Banyaknya penggunaan kata asing maupun kata slang memengaruhi kemampuan mahasiswa dalam menulis karya ilmiah. Sehingga perlu dilakukan pengujian untuk mengukur kemampuan mahasiswa dalam memahami penggunaan bahasa indonesia yang sesuai EYD dan KBBI. Adapun pengujian dilakukan dengan menggunakan aplikasi quiz berbasis website yang dapat diakses oleh mahasiswa. Pengujian dilakukan dengan melibatkan sebanyak 300 mahasiswa di Universitas Buana Perjuangan Karawang dari berbagai program studi yang mengambil mata kuliah Bahasa Indonesia. Hasil akhir berupa penskoran nilai dalam bentuk grafik untuk menampilkan akurasi antara kesesuaian soal dan kemampuan mahasiswa dalam menyelesaikan soal sebanyak 20 soal pada Quiz dengan rata-rata skor nilai jawaban benar adalah 16 atau sekitar 80%. Hasil ini diharapkan dapat menjadi bahan evaluasi untuk pembelajaran mata kuliah Bahasa Indonesia agar dapat meningkatkan kompetensi mahasiswa dalam menggunakan tata bahasa yang baik dan benar.
Pengujian Model Klasifikasi Kesegaran Daging Sapi Berbasis GLCM (Gray Level Co-occurrence Matrix) dan Algoritma Machine Learning RAMDANI, MUHAMAD IKBAL; HANDAYANI, HANNY HIKMAYANTI; WICAKSANA, YUSUF EKA; AL-MUDZAKIR, TOHIRIN
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 10, No 1 (2025): MIND Journal
Publisher : Institut Teknologi Nasional Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v10i1.73-88

Abstract

AbstrakDaging sapi merupakan sumber hewani yang penting, namun konsumsi masyarakat Indonesia masih rendah dan harga yang terus meningkat mendorong adanya praktik curang, seperti mencampur daging segar dan tidak segar. Hal ini berdampak pada kesehatan karena daging sapi tidak segar mengandung bakteri berbahaya. Penelitian ini dilakukan untuk mengklasifikasikan kesegaran daging sapi dengan memanfaatkan metode ekstraksi fitur Gray Level Co-occurrence Matrix (GLCM) dan algoritma Random Forest serta Decision Tree. Penelitian ini menggunakan 400 data citra augmentasi dan dibagi menjadi 238 data latih dan 160 data uji atau dengan rasio 60:40. Hasil penelitian ini menunjukkan Accuracy sebesar 93% untuk Random Forest dan 88% untuk Decision Tree.Kata kunci: Daging Sapi, Klasifikasi Citra, Gray Level Co-ccurrence Matrix (GLCM), Random Forest, Decision TreeAbstractBeef is a vital source of animal protein. However, its consumption in Indonesia remains relatively low. The continuous increase in beef prices has led to fraudulent practices, such as mixing fresh and non-fresh meat, which poses serious health risks due to the presence of harmful bacteria in spoiled meat. This research aims to classify the freshness level of beef using feature extraction techniques through the Gray Level Co-occurrence Matrix (GLCM) and the Random Forest Algorithm. The study uses 400 augmented image data, divided into 238 training data and 160 testing data with a 60:40 ratio. The results show that the Random Forest algorithm achieved an Accuracy of 93%, while the Decision Tree reached 88%.Keywords: Beef, Image Classification, Gray Level Co-occurrence Matrix (GLCM), Random Forest, Decision Tree
EXIF Metadata Feature Extraction to Improve Source Device Identification Accuracy in Digital Images within a Digital Forensics Approach Bahreisy, Muhammad Naufal; Pratama, Adi Rizky; Munzi, Gugy Guztaman; Wicaksana, Yusuf Eka
JURNAL SISFOTEK GLOBAL Vol 15, No 2 (2025): JURNAL SISFOTEK GLOBAL
Publisher : Institut Teknologi dan Bisnis Bina Sarana Global

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38101/sisfotek.v15i2.15998

Abstract

This study aims to develop and evaluate methods for digital image source device identification through three main approaches, namely EXIF metadata feature extraction, visual analysis using Convolutional Neural Networks (CNN), and Photo Response Non-Uniformity (PRNU). The dataset consists of 500 original images captured from five different devices, with 100 images per device containing intact metadata. The EXIF-only model was built using the Random Forest algorithm, the CNN model employed a ResNet18 architecture, while PRNU utilized high-pass filtering to construct sensor noise templates for each device. Evaluation was carried out using accuracy, precision, recall, and f1-score metrics. The results show that EXIF-only achieved perfect accuracy (100%) on the dataset with complete metadata, CNN reached 21% accuracy with imbalanced recall across classes, and PRNU demonstrated low performance due to the limited number of templates and image quality. These findings indicate that EXIF-only excels under intact metadata conditions but is vulnerable to manipulation, CNN can be applied when metadata is unavailable but requires optimization, while PRNU has potential resilience against metadata manipulation but demands higher-quality data. The novelty of this study lies in its comparative multi-method approach that integrates metadata-based, visual-based, and sensor fingerprint-based analyses, along with the proposal of a multimodal integration framework to enhance the reliability of device identification systems in digital forensic practice.
Co-Authors Adi Pratama, Adi AL-MUDZAKIR, TOHIRIN Bahreisy, Muhammad Naufal Diana, Muji Faisal, Sutan Hanny Hikmayanti Handayani Munzi, Gugy Guztaman Nisa Utami, Nisa Nugraha, Fariz Pratama, Adi Rizky RAMADHAN, ANGGA RAMDA RAMDANI, MUHAMAD IKBAL Saefulloh, Nandang Utomo, Abiyyu Aji Prasetyo