Article Per Year (5 Year)
p-Index From 2021 - 2026
8.896
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Industri Pertanian JUTI: Jurnal Ilmiah Teknologi Informasi Seminar Nasional Informatika (SEMNASIF) JOIN (Jurnal Online Informatika) Abdimas Pedagogi: Jurnal Ilmiah Pengabdian kepada Masyarakat JOIV : International Journal on Informatics Visualization Jurnal Abdimas BSI: Jurnal Pengabdian Kepada Masyarakat Jurnal Ecodemica : Jurnal Ekonomi Manajemen dan Bisnis Jurnal Teknik Informatika STMIK Antar Bangsa JITK (Jurnal Ilmu Pengetahuan dan Komputer) Jurnal Ekonomi, Manajemen Akuntansi dan Perpajakan (Jemap) J I M P - Jurnal Informatika Merdeka Pasuruan Applied Information System and Management Jurnal Teknoinfo Jurnal Nasional Komputasi dan Teknologi Informasi Energi & Kelistrikan Indonesian Journal of Applied Informatics Komputasi: Jurnal Ilmiah Ilmu Komputer dan Matematika CSRID (Computer Science Research and Its Development Journal) Jurnal Ilmu Komputer dan Bisnis Aisyah Journal of Informatics and Electrical Engineering Jurnal Sistem informasi dan informatika (SIMIKA) Journal of Innovation and Future Technology (IFTECH) TIN: TERAPAN INFORMATIKA NUSANTARA Journal of Intelligent Computing and Health Informatics (JICHI) Jurnal Sistem Informasi Journal of Industrial and Engineering System Jurnal Sains Indonesia Bulletin of Computer Science Research Journal of Students‘ Research in Computer Science (JSRCS) Journal Software, Hardware and Information Technology Jurnal Media Informatika Jurnal Mandiri IT J-Intech (Journal of Information and Technology) Jurnal Pustaka Data : Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer Jurnal Sains dan Teknologi Jurnal Sains Informatika Terapan (JSIT) Paradigma Indonesian Journal Computer Science (ijcs) Jurnal Ilmiah Teknik Informatika dan Komunikasi Innovative: Journal Of Social Science Research Jurnal Komputer dan Teknologi (JUKOMTEK) Jurnal Ilmiah Sistem Informasi Bulletin of Artificial Intelligence Riau Jurnal Teknik Informatika Seminar Nasional Riset dan Teknologi (SEMNAS RISTEK) Journal of Information Technology Jurnal Teknoinfo Komputasi : Jurnal Ilmiah Ilmu Komputer dan Matematika Jurnal Teknik Informatika dan Teknologi Informasi
Sumanto, Sumanto
Universitas Bina Sarana Informatika
Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering 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 : 94 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Indonesian Journal of Applied Informatics

 1 
Pemodelan Prediktif Emisi CO2 Kendaraan Kanada: Studi Komparatif Neural Network dan Support Vector Machine Rifki Nur Hidayat Putra; Nindya Dwi Lestari; Dinda Aprillia; Sumanto Sumanto; Imam Budiawan; Roida Pakpahan
IJAI (Indonesian Journal of Applied Informatics) Vol 10, No 1 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v10i1.110736

Abstract

Abstrak : Sektor transportasi merupakan penyumbang emisi karbon dioksida (CO2) terbesar yang memperparah perubahan iklim. Penelitian ini bertujuan mengembangkan model prediktif yang akurat untuk memperkirakan emisi CO2 kendaraan dengan memanfaatkan pendekatan pembelajaran mesin. Dataset yang digunakan adalah data emisi kendaraan Kanada dari Kaggle. Metode yang diterapkan adalah Support Vector Machine (SVM) dan Neural Network untuk menganalisis pola kompleks dari berbagai parameter teknis kendaraan, seperti ukuran mesin, jumlah silinder, dan jenis transmisi. Hasil penelitian menunjukkan bahwa Neural Network secara konsisten unggul dibandingkan SVM dengan tingkat akurasi prediksi melebihi 90% dan nilai F1-score mencapai 0,831 untuk model SVM serta 0,954 untuk model Neural Network, yang menunjukkan kinerja klasifikasi yang kuat dan konsisten. Neural Network juga terbukti lebih baik dalam menangkap hubungan non-linier antara karakteristik kendaraan dan emisi CO2. Keberhasilan model ini membuka peluang pengembangan model prediktif yang lebih canggih serta dapat menjadi dasar bagi pembuat kebijakan dalam merancang regulasi emisi yang lebih akurat dan berbasis data.=====================================================Abstract :The transportation sector is the largest contributor to carbon dioxide (CO2) emissions that exacerbate climate change. This research aims to develop an accurate predictive model to estimate vehicle CO2 emissions by utilizing a machine learning approach. The dataset used is Canadian vehicle emissions data from Kaggle. The methods applied are Support Vector Machine (SVM) and Neural Network to analyze complex patterns of various vehicle technical parameters, such as engine size, number of cylinders, and transmission type. The results showed that the Neural Network consistently excelled over SVM with a prediction accuracy rate exceeding 90% and an F1-score value of 0.831 for the SVM model and 0.954 for the Neural Network model, indicating a strong and consistent classification performance. Neural networks have also been shown to be better at capturing the non-linear relationship between vehicle characteristics and CO2 emissions. The success of this model opens up opportunities for the development of more sophisticated predictive models and can serve as a basis for policymakers to design more accurate and data-driven emissions regulations.
Solusi Virtual Try-On Kacamata Berbasis AI dengan Integrasi Model Deep Learning untuk E-Commerce Fashion Arnata Nur Rasyid; Asmawati Asmawati; Widya Viona Septi Tanjung; Sumanto Sumanto; Imam Budiawan; Roida Pakpahan
IJAI (Indonesian Journal of Applied Informatics) Vol 10, No 1 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v10i1.110772

Abstract

Abstrak : Banyak pengguna menghadapi kesulitan dalam memilih kacamata secara daring karena tidak dapat memastikan apakah model tertentu sesuai dengan bentuk wajah mereka. Masalah ini sering menimbulkan ketidakpuasan pelanggan dan tingginya tingkat pengembalian produk. Penelitian ini bertujuan untuk mengembangkan solusi Virtual Try-On kacamata berbasis kecerdasan buatan (AI), yang mengintegrasikan model deep learning untuk menciptakan pengalaman belanja daring yang lebih interaktif dan personal. Sistem bekerja dengan mendeteksi bentuk wajah dari foto yang diunggah pengguna menggunakan model Face Shape Detection yang telah dilatih dan mencapai akurasi hingga 89% kemudian memberikan rekomendasi kacamata yang paling cocok berdasarkan sistem rekomendasi Rule-Based. Setelah pengguna memilih salah satu produk dari daftar tersebut, sistem memanfaatkan AI Nano Banana untuk menggabungkan citra wajah dan produk kacamata secara realistis. Teknologi utama yang digunakan meliputi EfficientNetB2 sebagai model CNN utama, InsightFace untuk deteksi wajah presisi tinggi, dan AdamW sebagai algoritma optimasi. Hasil pengujian menunjukkan bahwa sistem ini efektif dalam menghasilkan visualisasi try-on yang akurat dan memuaskan, serta berpotensi meningkatkan konversi penjualan di platform e-commerce fashion.====================================================Abstract : Many users experience difficulty in selecting eyeglasses online due to the inability to determine whether a particular model suits their facial shape. This issue often results in customer dissatisfaction and high product return rates. This study aims to develop an AI-based virtual try-on solution for eyeglasses by integrating deep learning models to create a more interactive and personalized online shopping experience. The system functions by detecting the user’s face shape from an uploaded photo using a pre-trained Face Shape Detection model that achieves an accuracy of up to 89%, followed by a rule-based recommendation system that suggests the most suitable eyeglass frames. Once the user selects a product from the recommended list, the system utilizes AI Nano Banana to realistically generate a composite image of the user's face wearing the selected eyeglasses. The core technologies implemented include EfficientNetB2 as the primary CNN model for visual feature extraction, InsightFace for high-precision face detection, and AdamW as the optimization algorithm. Experimental results demonstrate that the system effectively generates accurate and realistic try-on visualizations, which are not only satisfactory to users but also have the potential to increase sales conversion rates in fashion e-commerce platforms.
Analisis Komparatif Sentimen Negatif Pengguna Platform E-Commerce Shopee dan Tokopedia selama Periode Diskon Faris Syahrendra; Cahyani Ayu Sulistyawati; Ginting Wibi Prasetyo; Sumanto Sumanto; Roida Pakpahan; Imam Budiawan
IJAI (Indonesian Journal of Applied Informatics) Vol 10, No 1 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v10i1.110824

Abstract

Abstrak : Fenomena potongan harga besar pada platform jual beli online sering kali menimbulkan kekecewaan bagi pengguna karena masalah dalam layanan, harga, dan pengiriman. Studi ini bertujuan untuk menganalisis dan membandingkan perasaan pengguna terhadap Shopee dan Tokopedia selama masa promosi dengan cara menggunakan pendekatan machine learning. Data ulasan diambil dari Google Play Store, yang terdiri dari 929 ulasan untuk Shopee dan 1.111 ulasan untuk Tokopedia. Dua algoritma untuk klasifikasi sentimen, yaitu Naive Bayes dan Neural Network, diimplementasikan dan dievaluasi dengan metode validasi silang 10-fold. Temuan yang berasal dari penilaian analitis menunjukkan bahwa model Naive Bayes menunjukkan tingkat akurasi dan presisi tertinggi yaitu 91,0%, sementara Neural Network memperoleh 83,9%. Selain itu, ulasan positif mendominasi sentimen terhadap Shopee (70%), sedangkan Tokopedia lebih banyak diwarnai oleh sentimen negatif (60%). Penemuan ini menandakan bahwa pengguna lebih puas dengan pengalaman diskon di Shopee dan memberikan masukan strategis untuk peningkatan layanan e-commerce.===============================================Abstract :Large-scale discount events on e-commerce platforms often lead to user disappointment due to issues with service, pricing, and delivery. This study aims to analyze and compare user sentiment towards Shopee and Tokopedia during promotional periods using a machine learning approach. Review data were sourced from the Google Play Store, consisting of 929 reviews for Shopee and 1,111 for Tokopedia. Two algorithms for sentiment classification, namely Naive Bayes and Neural Network, were implemented and evaluated using the 10-fold cross-validation method. Findings from analytical assessments indicate that the Naive Bayes model demonstrates the highest level of accuracy and precision at 91.0%, while the Neural Network obtained 83.9%. Furthermore, positive reviews dominated the sentiment towards Shopee (70%), whereas Tokopedia was largely characterized by negative sentiment (60%). These findings indicate that users are more satisfied with the discount experience on Shopee and provide strategic input for the improvement of e-commerce services.
Perbandingan Algoritma Machine Learning untuk Klasifikasi Risiko Penyakit Paru Berdasarkan Data Diagnostik Pasien Alwan Kapi Muntaha; Kevin Dwi Satria; Desiana Nuranudin Putri; Sumanto Sumanto; Roida Pakpahan; Imam Budiawan
IJAI (Indonesian Journal of Applied Informatics) Vol 10, No 1 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v10i1.110867

Abstract

Abstrak : Penyakit paru-paru termasuk salah satu faktor utama penyebab tingginya angka kematian di seluruh dunia. Kondisi ini terjadi karena penyakit paru-paru sering kali sulit terdeteksi pada tahap awal akibat gejalanya yang tidak spesifik. Perkembangan teknologi machine learning memberikan peluang untuk membantu proses diagnosis secara otomatis dengan memanfaatkan data diagnostik pasien. Penelitian ini bertujuan untuk mengklasifikasikan risiko penyakit paru menggunakan berbagai algoritma machine learning pada aplikasi Orange3, serta menentukan model dengan akurasi terbaik. Dataset yang digunakan terdiri dari 5.000 data pasien dengan 18 atribut yang mencakup faktor demografis, gaya hidup, riwayat medis, dan kondisi klinis seperti kadar oksigen, tingkat stres, dan kebiasaan merokok. Lima algoritma diuji, yaitu iDecision Tree, Naïve Bayes, Support Vector Machine (SVM), k-Nearest Neighbor (kNN), dan Neural Network. Hasil pengujian menunjukkan bahwa Neural Network menghasilkan nilai akurasi tertinggi sebesar 89,15%, diikuti oleh Decision Tree (85,12%) dan Naïve Bayes (83,63%). Temuan ini membuktikan bahwa Neural Network lebih unggul dalam mengenali pola kompleks antarvariabel dan mampu memberikan prediksi yang lebih akurat. Dengan demikian, penelitian ini menegaskan potensi penerapan machine learning berbasis data diagnostik non-citra sebagai sistem pendukung keputusan untuk diagnosis dini penyakit paru.=================================================Abstract : Lung disease is a major contributing factor to high mortality rates worldwide. This is because lung disease is often difficult to detect in its early stages due to its nonspecific symptoms. The development of machine learning technology provides an opportunity to assist the automated diagnosis process by utilizing patient diagnostic data. This study aims to classify the risk of lung disease using various machine learning algorithms in the Orange3 application, and determine the model with the best accuracy. The dataset used consists of 5,000 patient data with 18 attributes covering demographic factors, lifestyle, medical history, and clinical conditions such as oxygen levels, stress levels, and smoking habits. Five algorithms were tested: Decision Tree, Naïve Bayes, Support Vector Machine (SVM), k-Nearest Neighbor (kNN), and Neural Network. The test results showed that Neural Network produced the highest accuracy value of 89.15%, followed by Decision Tree (85.12%) and Naïve Bayes (83.63%). These findings prove that Neural Network is superior in recognizing complex patterns between variables and is able to provide more accurate predictions. Thus, this study confirms the potential of applying machine learning based on non-image diagnostic data as a decision support system for early diagnosis of lung disease.
Co-Authors Abdurrachman, Qais Achmad Rivai Syahputra Ade Budiman, Ade Ade Christian Ade Christian Ade Christian Ade Christian, Ade Adi Pangestu Adi Supriyatna Aditia Yudhistira Agung Wibowo Agus Buono Ahmad Habibullah Ahmad Yani ahmad yani Ahmad Yani , Ahmad Yani Alamsyah, Muhammad Arkan Alghifar Firgiawan Alghiffary, Muhammad Adya Ali, Muhamad Hafis Ali, Satrio Nur Alwan Kapi Muntaha Alya Avisa Andi Diah Kuswanto Andika Amansyah Andri Amico Anggreani, Namira Anita Adelia Syahfitri Antony Pangaribuan, Rizky Daud Apip Supiandi Aprilyanto, Ryan Dwi Ardiyansyah, Rizqi Ari Sulistiyawati Ari Sulistiyawati Arnata Nur Rasyid Arshad, Muhammad Waqas Arya, Yudi Asmawati Asmawati Asy'ari, Muhammad Rifqi Audy Aulia Azzahra Aulia Rachmat, Daffa Azkia, Farah Diba Bib Paruhum Silalahi Bismo Raharjo, Yohanes Aryo Budhi Adhiani Christina Budi Santoso Budiman, Ade Surya Cahya, Titus Dwi Cahyani Ayu Sulistyawati Christian , Ade Damayanti Damayanti Dedi Darwis Dedi Triyanto Dedi Triyanto Deny Kurniawan DENY KURNIAWAN Desiana Nuranudin Putri Dewi, Revinta Arrova Diah, Andi Dinda Aprillia Dyah Ayu Megawaty Dyani Kalyana Mitta Eka Dyah Setyaningsih Eka Putri Alvi Syahrina Elisabeth Sri Hendrastuti Erlangga Rizki Ekaptra Faatin, Safinah Fahrian Fahroni, Aldiwa Alfa Thira Nur Faiz Djarot, Raihan Jamal Fajar Akbar Fajar Yoga Adiansyah Fajrian, Ihsan Fardha Hasykir Farhan Fadhilah Faris Syahrendra Faruk Ulum Fathur Rismansyah Fauzan Nawwir Andriansyah Fauzan, Muhammad Indra Ganda Wijaya Ganda Wijaya, Ganda Ghofar Taufiq, Ghofar Ginting Wibi Prasetyo Gustian, Riansyah Hafis Nurdin Harianto Harianto Hariyanto HARIYANTO HARIYANTO Hartanti Hartanti Hernawan, Muhammad Hendra Hidayat, Manarul Hilmy Ibrahim, Farras Imam Budiawan Imam Budiawan Imam Wahyudi Indah Purwandani Indra Chaidir, Indra Indra, Ahmad Indriani , Karlena Indriyanti, Zahra Kiky Dwi Insani Abdi Bangsa Iqro Mukti Arto Jefina Tri Kumalasari Joseph Melchior Nababan Jumadi, Yakobus Linus Jumaryadi, Yuwan Junhai Wang Junhai Wang Kadir, Fauwas Abdul Kaisar Ages Querio Karlena Indriani Karlisa Priandana Karo-Karo, Julkarnaen Kevin Dwi Satria Kotjek, Rafie Kumalasari Kumalasari Kuswanto, Andi Diah Laksono, Andriansyah Tri Laura Gabriel da Silva Lia Mazia, Lia Lise Pujiastuti Lise Pujiastuti Lita Sari Marita Maharani Rona Makom Mantriwira, Daniel Mardinawat Mardinawat Marundrury, Aberahamo Onoma Megawaty, Dyah Ayu Mochamad Wahyudi Muhammad Furqon Prasetyo Muhammad Raviansyah Musfiroh Musfiroh, Musfiroh Nabilla, Adinda Naufal Hermawan, Rezan Nindya Dwi Lestari Nirwana Hendrastuty Noviyanto Nur Rachmat Nugraha Nurfia Oktaviani Syamsiah Nurrahman, Alvin Oprasto, Raditya Rimbawan Paduloh Paduloh Pakpahan, Roida Pasaribu, A. Ferico Octaviansyah Paulus Paulus Permata, Permata Prasetyo Adi Suwignyo Prasetyo, Romadhan Edy Pribadi, Denny Pricillia Primadana, Raihan Pujiastuti, Lise Putra Satria Putra, Imam Hanif Rachmat Adi Purnama Rafi Kurniawan Raihan Naufal Ramadhan Raihan Raihan, Raihan Ramadani, Achmes Dade Ramadhan, Muhammad Gilang Ramadhani, Dwiki Gilang Ramadhani, Varla Octavia Rani, Maulidina Cahaya Rasendriya, Rafi Ratiyah* Ratiyah Respati Putra, Micho Reynaldi , Reynaldi Rian Hidayat Rifda Ilahy Rosihan Rifki Nur Hidayat Putra Riska Aryanti Riska Aryanti Rivaldi, Muhammad Rizal Maulana Rizqi Ramadhani, Muhammad Rofiqi, Ainur Roida Pakpahan Roida Pakpahan Roni Saputra Pratama Ruhul Amin Ruli , Ahmad Rais Rumidjan Rumidjan, Rumidjan Rusda Wajhillah Ryan Randy Suryono Ryehan Alfiansyah Sanriomi Sintaro Saputra, Sabita Abigail Saputra, Yusup Sefriani, Shintia Putriayu Sentanu, Quinn Abrar Athallah Setiawan, Dandi Setiawansyah Setiawansyah Siregar, Denny Solihin Solihin Souisa, Juanny Cheristy Sri Hendrastuti, Elisabeth Sri Sugiharti Suci, Bintang Dyas SUKAMTI . Sulaiman Sulaiman Sumarna Sumarna Sumarna Sumarna Syakir, Adryan Raihan Tarmidzi Ibrahim Taufig, Ghofar Teguh Budhi Santosa Temi Ardiansah Teuku Vaickal Rizki irdian Tito, Herdinan Tri Widian Ratnasari Ulum, Faruk Umam, Hairul Umar, Muhammad Hussein Ummu Radiyah, Ummu Vemi Januar Pratama Vera Agustina Yanti Virgiawan, Gilang Wahyudi, Agung Deni Wang, Junhai Wardani, Maidy Tri Wattilah, Florentina Widya Viona Septi Tanjung Wijaya, Filzah Wina Ningsih Yamani, Teuku Arrasy Yanuar Laik, Abraham Adrian Yunardus, Yunardus Yundari, Yundari Yuri Rahmanto Zahwa Asfa Rabbani Zalmi, Indah Oktavia Zidan, Muhammad `Diah Kuswanto, Andi