Article Per Year (5 Year)
p-Index From 2020 - 2025
2.534
P-Index
This Author published in this journals
All Journal JSM (Jurnal SIFO Mikroskil) JURNAL MEDIA INFORMATIKA BUDIDARMA Indonesian Journal of Artificial Intelligence and Data Mining MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi Yayasan Cita Cendikiawan Al Khwarizmi Journal of Social Responsibility Projects by Higher Education Forum
Sinaga, Frans Mikael
Univeritas Mikroskil, Medan
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 17 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 17 Documents
Search

 1   2 
Enhancing Image Quality for the Detection of Underwater Debris with Adaptive Fuzzy Filter Halim, Apriyanto; Ulina, Mustika; Tanti, Tanti; Sinaga, Frans Mikael
Indonesian Journal of Artificial Intelligence and Data Mining Vol 8, No 1 (2025): March 2025
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/ijaidm.v8i1.33010

Abstract

The image quality improvement process plays a very important role. This is because the process can increase the clarity and accuracy of image detection. One type of image detection that exists is the detection of garbage found under the sea. One of the image quality improvement processes is related to noise removal. Noise is a sudden increase in pixel intensity in an image. This can cause various problems that occur such as in medical photos, satellites, and photography. One method used to remove noise from images is using Adaptive Fuzzy Filter (AFF). This method is carried out by first finding the average value of the mean fuzzy set and the gray level fuzzy. After that, the value comparison process is carried out. From the results of the research conducted on 689 images from the dataset obtained, there is a decrease in the amount of noise of around 96,23% of the total noise obtained previously. This can certainly provide good results in terms of changes in noise that have been made.
RANCANG BANGUN SISTEM INFORMASI LES PRIVAT BERBASIS WEB PADA LES PRIVAT MEDAN Ng, Poi Wong; Vanessa Leonora; Filbert; Jerry Johnson; Sinaga, Frans Mikael
METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi Vol. 11 No. 1 (2025): Volume 11 Nomor 1 Tahun 2025
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/mtk.v11i1.3680

Abstract

Les Privat Medan merupakan salah satu usaha kecil yang bergerak di bidang pendidikan yang memberikan les privat, dimana manajemen kegiatan pembelajarannya masih dilakukan secara manual mulai dari proses pendaftaran, pengaksesan paket, bahan belajar dan penyusunan jadwal, proses pembayaran, hingga pemberian maupun penerimaan informasi seperti berita atau pengumuman. Pencatatan data masih direkap dengan menggunakan microsoft excel, sehingga menyebabkan proses menjadi tidak efisien dan rentan terjadinya kesalahan. Untuk menyelesaikan permasalahan tersebut, maka dirancang dan dibangun sistem informasi les privat dengan metodologi waterfall, analisis sistem dengan diagram use case, dan pengujian dengan metode black-box. Hasil dari perancangan dan pengembangan ini adalah sistem informasi berbasis web yang mampu menyelesaikan permasalahan yang masih dilakukan secara manual dalam manajemen kegiatan pembelajaran pada Les Privat Medan dengan lebih efisien dan terstruktur.
Random Forest Optimization Using Recursive Feature Elimination for Stunting Classification Marpaung, Sophya Hadini; Sinaga, Frans Mikael; Rambe, Khairul Hawani; Simamora, Fandi Presly; Kelvin, Kelvin
Indonesian Journal of Artificial Intelligence and Data Mining Vol 8, No 1 (2025): March 2025
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/ijaidm.v8i1.35295

Abstract

Stunting is still a major health problem in Indonesia, with a prevalence of 27% in toddlers in 2023, far from the WHO target of below 20%. RSU Mitra Medika Tanjung Mulia in Medan serves patients with various socio-economic backgrounds, which affects the quality of services, including stunting detection. Conventional methods are prone to bias and error. This study used the Random Forest algorithm and the Recursive Feature Elimination (RFE) feature selection method to improve the accuracy of stunting classification. After data preprocessing and feature selection, two main variables were identified, namely age and height. The initial Random Forest model achieved an accuracy of 94.38%, which increased to 94.42% after hyperparameter tuning. The results showed that this approach produced an accurate, efficient model that can be integrated into clinical systems, helping medical personnel identify children at risk of stunting quickly and accurately, increasing the effectiveness of interventions, and supporting government efforts to reduce the prevalence of stunting
Pengembangan Aplikasi Deteksi Kematangan Buah Pisang Berbasis Web Menggunakan Model CNN-LSTM Sintiya, Cindy; Gunawan, Erin; Marpaung, Dhea Romantika; Fa, Farrell Rio; Sinaga, Frans Mikael
Jurnal Sifo Mikroskil Vol 26, No 1 (2025): JSM VOLUME 26 NOMOR 1 TAHUN 2025
Publisher : Fakultas Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55601/jsm.v26i1.1500

Abstract

Klasifikasi tingkat kematangan buah merupakan salah satu tantangan dalam penerapan teknologi kecerdasan buatan di sektor pertanian. Penelitian ini mengusulkan sistem deteksi tingkat kematangan pisang menggunakan arsitektur deep learning berbasis Convolutional Neural Network (CNN) dan Long Short-Term Memory (LSTM). Dataset citra pisang diproses melalui tahapan preprocessing yang mencakup normalisasi, segmentasi warna (mask kuning dan hijau), serta deteksi tepi, untuk menonjolkan fitur visual yang relevan. Model yang diimplementasikan mampu mengklasifikasikan tingkat kematangan pisang ke dalam kategori "matang" dan "mentah". Sistem ini diintegrasikan dengan antarmuka berbasis web menggunakan Streamlit, memungkinkan prediksi dilakukan secara real-time. Hasil pengujian menunjukkan bahwa model mencapai akurasi 100% pada dataset uji, dengan precision, recall, dan F1-score sempurna. Penelitian ini membuktikan efektivitas pendekatan CNN-LSTM dalam klasifikasi tingkat kematangan buah yang diharapkan dapat membantu memberikan kontribusi terhadap otomatisasi di sektor pertanian.
Klasifikasi Sampah Organik dan Anorganik Menggunakan Algoritma CNN Purba, Michael Emmanuel; Situmorang, Angga Zefanya; Br Ginting, Geby Laurent; Lubis, Muhammad Wahyu Pratama; Sinaga, Frans Mikael
Jurnal Sifo Mikroskil Vol 26, No 1 (2025): JSM VOLUME 26 NOMOR 1 TAHUN 2025
Publisher : Fakultas Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55601/jsm.v26i1.1510

Abstract

Penelitian ini mengembangkan sistem klasifikasi sampah menggunakan algoritma Convolutional Neural Network (CNN) untuk membedakan sampah organik dan anorganik. Arsitektur CNN yang digunakan terdiri dari input layer berukuran 150 x 150 x 3, tiga lapisan konvolusi dengan filter 3x3 yang jumlahnya bertambah secara bertahap (32, 64, dan 128), dilengkapi dengan fungsi aktivasi ReL-U dan lapisan MaxPooling 2x2. Model juga menggunakan dense layer dengan 128 neuron, dropout 0.5, dan output layer dengan aktivasi sigmoid. Dalam proses pelatihan, model dikompilasi menggunakan optimizer Adam dengan learning rate 0.001 dan binary crossentropy sebagai loss function. Hasil evaluasi menunjukkan bahwa model mencapai akurasi yang sangat baik sebesar 94.88% pada data uji, membuktikan efektivitas model dalam mengklasifikasikan sampah. Tingkat akurasi yang tinggi ini menunjukkan bahwa arsitektur CNN yang dirancang mampu mempelajari dan mengenali pola-pola penting dari citra sampah dengan baik. Penelitian ini memberikan kontribusi signifikan dalam pengembangan sistem pemilahan sampah otomatis yang dapat membantu meningkatkan efisiensi pengelolaan sampah. Model yang dikembangkan memiliki potensi besar untuk diimplementasikan dalam aplikasi praktis dan dapat diandalkan untuk sistem klasifikasi sampah yang efektif.
Klasifikasi Jenis Tumbuhan Batang Daun dan Buah Br. Sitorus, Rotua Eka Wati; Bate'e, David; Hutagaol, Grace Helena; Limbong, Mila Rachmafika; Hui, David Christian; Sinaga, Frans Mikael
Jurnal Sifo Mikroskil Vol 26, No 1 (2025): JSM VOLUME 26 NOMOR 1 TAHUN 2025
Publisher : Fakultas Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55601/jsm.v26i1.1501

Abstract

Indonesia memiliki keanekaragaman tumbuhan yang sangat luas, namun identifikasi dan klasifikasi bagian tumbuhan seperti daun, batang, dan buah secara manual sering kali memakan waktu dan rentan terhadap kesalahan. Penelitian ini mengembangkan sistem klasifikasi berbasis Artificial Neural Network (ANN) untuk otomatisasi identifikasi. Dengan menggunakan 6.707 citra tumbuhan, model ANN dilatih dengan fitur visual seperti bentuk,tekstur,dan warna. Hasilnya menunjukkan potensi besar ANN dalam meningkatkan efisiensi dan akurasi identifikasi tumbuhan. Sistem ini diimplementasikan dalam aplikasi web, yang mendukung penelitian botani,pertanian, dan pemantauan lingkungan.
Klasifikasi Biji Chia dan Biji Selasih Menggunakan Algoritma k-Nearest Neighbors Berdasarkan Fitur Warna HSV Maynius, Veilind; Revelin, Dylan; Michael, Michael; Sinaga, Frans Mikael
Jurnal Sifo Mikroskil Vol 26, No 1 (2025): JSM VOLUME 26 NOMOR 1 TAHUN 2025
Publisher : Fakultas Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55601/jsm.v26i1.1688

Abstract

Biji chia dan biji selasih sering dianggap sebagai biji yang sama, padahal sebenarnya keduanya memiliki beberapa perbedaan. Salah satu perbedaan yang membedakannya adalah warna. Meskipun tampak serupa, biji selasih memiliki warna yang lebih gelap dibandingkan dengan biji chia. Oleh karena itu, kami memutuskan untuk menggunakan Hue, Saturation, dan Value (HSV) sebagai fitur model warna untuk mendapatkan informasi warna dari kedua biji ini. Selain itu, metode Gray Level Co-occurrence Matrix (GLCM) dan deteksi tepi juga digunakan untuk membantu meningkatkan akurasi dalam mengklasifikasikan kedua jenis biji ini. Kami menerapkan algoritma k-Nearest Neighbor (k-NN) untuk melatih model dan mengukur akurasi dari setiap nilai "k" yang diuji mengunakan Stratified 5-Fold Cross-Validation. Total data gambar yang digunakan untuk melatih model dalam penelitian ini adalah 100 gambar untuk masing- masing jenis biji. Ukuran gambar yang diuji diubah menjadi 200×200 piksel. Akurasi tertinggi yang diperoleh dalam penelitian ini mencapai 94,4% pada data uji dengan parameter "k" sebesar 3 dan jumlah data citra yang digunakan adalah 90. Hasil penelitian ini menunjukkan bahwa jumlah data gambar yang digunakan untuk melatih dan menguji model akan mempengaruhi tingkat akurasi yang diperoleh. Selain itu, pemilihan nilai parameter "k" juga berpengaruh terhadap seberapa akurat model dalam mendeteksi suatu gambar.
Co-Authors Adriansyah, R. A. Fattah Ananda Putra Brahmana Angkasa, Aswin Apriyanto Halim Bate'e, David Br Ginting, Geby Laurent Br. Sitorus, Rotua Eka Wati Carles Juliandy Chen, Kelvin Fa, Farrell Rio Fandi Presly Simamora Filbert Gunawan, Erin Heru Kurniawan Heru Kurniawan Hui, David Christian Hutagaol, Grace Helena Jerry Johnson Karina Mannita Tarigan Kelvin Kelvin Kelvin Lestari, Wulan Sri Liko, Frederick Limbong, Mila Rachmafika Lubis, Muhammad Wahyu Pratama Marpaung, Dhea Romantika Maynius, Veilind Michael Michael Muhammad Noor Hakim Ng Poi Wong Pipin, Sio Jurnalis Purba, Michael Emmanuel Rambe, Khairul Hawani Revelin, Dylan Ronsen Purba Saragih, Yuni Marlina Sintiya, Cindy Sio Jurnalis Pipin Sio Jurnalis Pipin Situmorang, Angga Zefanya Sophya Hadini Marpaung Susmanto, Susmanto Syanti Irviantina Tanti Tanti Ulina, Mustika Vanessa Leonora Winardi, Sunaryo