Article Per Year (5 Year)
p-Index From 2021 - 2026
6.87
P-Index
This Author published in this journals
All Journal Sistemasi: Jurnal Sistem Informasi Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Jurnal Informatika Universitas Pamulang J-SAKTI (Jurnal Sains Komputer dan Informatika) JURTEKSI JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Jurnal ICT : Information Communication & Technology JSAI (Journal Scientific and Applied Informatics) Jurnal Informatika dan Rekayasa Elektronik JATI (Jurnal Mahasiswa Teknik Informatika) Respati Jurnal Teknika JIKA (Jurnal Informatika) Jurnal Teknik Informatika (JUTIF) JNANALOKA Journal of Electrical Engineering and Computer (JEECOM) Information System Journal (INFOS) Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) International Journal of Artificial Intelligence and Robotics (IJAIR) Jurnal Pendidikan dan Teknologi Indonesia J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Informatika Teknologi dan Sains (Jinteks) Duta.com : Jurnal Ilmiah Teknologi Informasi dan Komunikasi Journal of Comprehensive Science Jurnal Ilmiah Sistem Informasi dan Ilmu Komputer Jurnal Bangkit Indonesia Jurnal Pendidikan Indonesia (Japendi) Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Jurnal Indonesia : Manajemen Informatika dan Komunikasi Intechno Journal : Information Technology Journal The Indonesian Journal of Computer Science International Journal of Information Engineering and Science
DHANI ARIATMANTO
Unknown Affiliation
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Social Sciences Transportation Other

Published : 54 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 54 Documents
Search

 1   2   3   4   5 
PREDIKSI PELUANG KESUKSESAN FILM DALAM PRA PRODUKSI MENGGUNAKAN ALGORITMA DECISION TREE Ariatmanto, Dhani; Ilham Arief, Muhammad
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 1 (2023): JATI Vol. 7 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i1.6277

Abstract

Film merupakan salah satu hiburan yang popular didunia. Tingkat kesuksesan film tergantung dari jumlah penonton. Namun, banyaknya jumlah penonton berkaitan tidak hanya dari pemeran utama tapi juga plot cerita dan genre dari film tersebut. Pra produksi merupakan tahapan dari proses pembuatan Film. Dalam proses pra produksi terdapat ide dan konsep untuk pembuatan naskah. Penelitian ini memprediksi kuseksesan produksi film dari pengklasifikasian berdasar bahasa, negara, title years, imdb_score, movie_title, content_rating, director_name, budget, gross, genre, actor_name. Dataset yang digunakan bersifat public dari IMDB dan metode yang digunakan yaitu decision tree (DT). Tahapan dimulai dari pengumpulan data, pre-processing, klasifikasi dan terakhir pengujian model. Dari hasil eksperimen didapatkan tingkat akurasi yang lebih baik dari penelitian sebelumnya dengan akurasi sebesar 68%
Cattle Weight Estimation Using Linear Regression and Random Forest Regressor Anjar Setiawan; Ema Utami; Dhani Ariatmanto
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 8 No 1 (2024): February 2024
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v8i1.5494

Abstract

The global cattle farming industry has benefits as a food source, livelihood, economic contribution, land environmental restoration, and energy source. The importance of predicting cow weight for farmers is to monitor animal development. Meanwhile, for traders, knowing the animal's weight makes it easier to calculate the price of the animal meat they buy. The authors propose estimating cattle weighting linear regression and random forest regression. Linear regression can interpret the linear relationship between dependent and independent variables, and random forest regression can generalize the data well. The data set used in this study consisted of ten variables: live body weight, withers height, sacrum height, chest depth, chest width, maclocks width, hip joint width, oblique body length, oblique back length and chest circumference. Find the model that produces the smallest MAE value. The results show that the linear regression algorithm can produce estimated weight values for cattle with the best performance. This model produces a mean absolute error (MAE) of 0.35 kg, a mean absolute percentage error (MAPE) of 0.07%, a root mean square error (RMSE) of 0.5 kg, and an R² of 0.99. Each variable has excellent correlation performance results and contributes to computer vision and machine learning.
IDENTIFIKASI VARIETAS BIBIT DURIAN MENGGUNAKAN MOBILENETV2 BERDASARKAN GAMBAR DAUN Didi Kurniawan; Dhani Ariatmanto
Jurnal Informatika dan Rekayasa Elektronik Vol. 7 No. 2 (2024): JIRE NOPEMBER 2024
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/jire.v7i2.1236

Abstract

Durian merupakan tanaman buah yang sangat berharga dan menyediakan sumber pendapatan yang berkelanjutan bagi petani. Durian terdapat berbagai varietas yang memiliki ciri khas yang unik, termasuk perbedaan dalam bentuk, warna, rasa dan aroma dari daging buahnya. Identifikasi bibit durian yang akurat penting bagi petani untuk memaksimalkan potensi pertanian dalam memenuhi permintaan pasar yang sesuai. Namun, mengidentifikasi jenis bibit durian secara manual seringkali merupakan tugas yang rumit dan subjektif, terutama bagi petani yang kurang berpengalaman. Penelitian ini menggunakan arsitektur MobileNetV2 untuk mengidentifikasi jenis bibit durian berdasarkan gambar daun. Model dilatih dengan berbagai kombinasi learning rate dan batch size menggunakan Adam optimizer. Tahap prapemrosesan melibatkan penghapusan latar belakang dan penggunaan bounding box untuk memfokuskan pada daun durian. Hasil menunjukkan bahwa MobileNetV2 dapat mengklasifikasikan varietas durian dengan akurasi tertinggi 90% menggunakan learning rate 0.0001 dan batch size 32. Penelitian ini mendukung pengembangan teknologi identifikasi tanaman yang membantu petani dalam memilih varietas durian dengan cepat dan akurat. 
Analisis Akurasi Object Detection Menggunakan Tensorflow Untuk Pengenalan Bahasa Isyarat Tangan Menggunakan Metode SSD Tikasni, Elisa; Utami, Ema; Ariatmanto, Dhani
JURNAL FASILKOM Vol. 14 No. 2 (2024): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v14i2.7512

Abstract

Penelitian ini bertujuan untuk menganalisis akurasi deteksi objek dalam pengenalan bahasa isyarat tangan menggunakan metode Single Shot Detection (SSD) yang diimplementasikan dengan tensorflow. Latar belakang penelitian ini berasal dari kebutuhan akan sistem komunikasi yang bagi penyandang disabilitas. Metode SSD dipilih karena kemampuannya mendeteksi objek secara real-time dengan efisiensi tinggi. Dataset yang digunakan terdiri dari gambar tangan dalam berbagai pose kata kerja dalam bahasa isyarat. Proses pelatihan model melibatkan peningkatan data dan penggunaan teknik transfer learning untuk meningkatkan performa deteksi. Faktor-faktor yang mempengaruhi akurasi, seperti kompleksitas latar belakang dan variasi pencahayaan, dianalisis untuk memberikan pemahaman yang analisis menyeluruh tentang kinerja model. Analisis ini sangat penting dalam mengidentifikasi potensi perbaikan dan memastikan kekuatan sistem deteksi dalam berbagai kondisi. Temuan penelitian ini menyoroti bahwa metode SSD yang diimplementasikan dengan tensorflow sangat efektif untuk pengenalan bahasa isyarat tangan. Efektivitas ini memainkan peran penting dalam memajukan pengembangan sistem komunikasi yang lebih inklusif, memberikan manfaat besar bagi komunitas penyandang disabilitas dengan meningkatkan kemampuan mereka untuk berkomunikasi. Dengan menjembatani kesenjangan komunikasi, penelitian ini berkontribusi pada penciptaan lingkungan yang lebih mudah diakses dan inklusif bagi individu dengan gangguan pendengaran. Selain itu, penerapan teknologi semacam ini dapat membuka jalan bagi kemajuan di masa depan dalam penggunaan perangkat komunikasi bantu.
Analisa Perbandingan Stemming Dokumen Teks Berbahasa Jawa dengan Algoritma Levenshtein Distance Dan Jaro-Winkler Suryono, Wachid Daga; Utami, Ema; Ariatmanto, Dhani
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 1 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i1.6092

Abstract

Bahasa Jawa merupakan salah satu bahasa yang paling banyak digunakan di Indonesia, namun penelitian terkait bahasa Jawa dalam bidang informatika masih terbilang terbatas. Penelitian ini bertujuan untuk membandingkan kinerja algoritma Levenshtein Distance dan Jaro-Winkler dalam proses stemming dokumen teks berbahasa Jawa. Stemming adalah proses penting untuk pemrosesan teks yang bertujuan untuk mengubah kata-kata menjadi bentuk dasarnya. Bahasa Jawa memiliki tantangan tersendiri karena keterbatasan sumber daya. Dalam penelitian ini, kami menggunakan dataset dokumen teks bahasa Jawa yang telah melalui tahap pre-processing sebelumnya serta kamus bahasa Jawa sebagai acuan. Kedua algoritma diterapkan untuk melakukan stemming pada dokumen teks, dan hasilnya dievaluasi berdasarkan akurasi. Hasil penelitian menunjukkan bahwa rata-rata akurasi keduanya adalah 43%. Penelitian ini memberikan kontribusi dalam pengembangan algoritma stemming bahasa Jawa dan dapat menjadi landasan untuk penelitian lebih lanjut dalam meningkatkan kinerja stemming bahasa Jawa. Selain itu, penelitian ini juga memberikan wawasan baru dalam pemrosesan teks berbahasa Jawa yang dapat bermanfaat dalam berbagai aplikasi NLP dan pengolahan bahasa alami lainnya
ANALISIS PERBANDINGAN ALGORITMA KLASIFIKASI UNTUK IDENTIFIKASI DIABETES DENGAN MENGGUNAKAN METODE RANDOM FOREST DAN NAIVE BAYES Zuhri, Muhammad Rafli; Kusrini, Kusrini; Ariatmanto, Dhani
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 1 (2025): EDISI 23
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i1.5146

Abstract

Penanganan penyakit diabetes menjadi penting karena komplikasi yang dapat terjadi jika tidak ditanggulangi dengan benar. Klasifikasi merupakan salah satu metode yang dapat digunakan untuk mengidentifikasi diabetes. Algoritma klasifikasi ini dapat menganalisis data pasien, seperti usia, jenis kelamin, riwayat kesehatan, dan hasil tes, untuk memprediksi apakah pasien tersebut menderita diabetes. Random Forest dan Naïve Bayes merupakan dua algoritma klasifikasi yang populer. Random Forest adalah metode kompleks yang didasarkan pada penggabungan beberapa pohon keputusan untuk mendapatkan prediksi yang lebih akurat, sedangkan Naïve Bayes merupakan metode pengklasifikasian berdasarkan probabilitas sederhana dan dirancang agar dapat dimanfaatkan denegan asumsi antar variabel penjelas saling bebas (independen). Hasil penelitian menggunakan data sebanyak 70% sebagai data pelatihan dan 30% sebagai data pengujian dari keseluruhan 768 data. keseluruhan yang diperoleh bahwa metode random forest dapat memprediksi penyakit diabetes dengan tingkat persentase sebesar 94% dan tingkat persentase naïve bayes sebesar 78%. Berdasarkan hasil penelitian yang diperoleh metode random forest memiliki tingkat persentase lebih tinggi dibandingkan metode naïve bayes dengan tingkat persentase 94% sedangkan naïve bayes dengan tingkat persentase 78% sehingga dapat disimpulkan bahwa metode random forest merupakan metode terbaik dalam mengindentifikasi penyakit diabetes dibandingkan metode naïve bayes.
Clove Quality Classification using the ResNet50V2 Architecture Linggama, Muhamad Nurfaizi; Ariatmanto, Dhani
SISTEMASI Vol 14, No 2 (2025): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32520/stmsi.v14i2.5075

Abstract

The development of artificial intelligence (AI) and computer vision has opened new opportunities in the agricultural industry, including in clove quality classification. The quality of cloves affects their market value and export standards; however, classification still faces challenges such as similarities in shape, size, and color, as well as variability in lighting and background images that can reduce the accuracy of classification models. To address these challenges, this study develops a clove quality classification system using a Convolutional Neural Network (CNN) with the ResNet50V2 architecture, which has proven to be superior in image processing. The dataset used consists of 1,250 images of cloves that were processed through stages of background removal, image cropping, and resizing to 224x224 pixels to meet the model's requirements. The data is divided into 80% for training and 20% for testing. The model is trained using deep learning techniques, with parameters optimized to enhance classification performance. The results show that the ResNet50V2 model achieves an accuracy of 98.80%, with very high precision, recall, and F1-score. The accuracy and loss graphs indicate that the model operates stably without experiencing overfitting, while the confusion matrix shows a very low prediction error rate. These results demonstrate that ResNet50V2 is effective in classifying clove quality.
Cloud Server Security System Design on Linux Almalinux 8.6 Operating System Based on WHM with DNS Management Using IP Masking Cloudflare Chaedar Fatach, Muhamad Reza; Muhammad, Alva Hendi; Ariatmanto, Dhani
Journal of Electrical Engineering and Computer (JEECOM) Vol 7, No 1 (2025)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/jeecom.v7i1.10766

Abstract

This study aims to design a Cloud Server Security System on the Linux Almalinux Operating System with DNS Management Using a Proxy Server Based on IP Masking Cloudflare using the Traffic Patterns and Packet Internet Gopher (PING) methods. The type of research used is qualitative research where researchers collect primary and secondary data. The results of the study concluded that this design can improve security in Cloud Servers. Before using IP Masking Cloudflare, server performance was low, Data Access and Management was Low, Scalability was Low, Access Security was Low, System Integration was Low, but after using IP Masking Cloudflare Server Performance, Data Access and Management, Scalability, Access Security, and System Integration increased.
Detection of Sugarcane Plant Diseases Based on Leaf Image Using Convolutional Neural Network Method Arfian Hendro Priyono; Ema Utami; Dhani Ariatmanto
International Journal of Information Engineering and Science Vol. 2 No. 2 (2025): May : International Journal of Information Engineering and Science
Publisher : Asosiasi Riset Teknik Elektro dan Infomatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62951/ijies.v2i2.252

Abstract

As the primary raw material for sugar and ethanol production, sugarcane is a highly significant plantation commodity. However, its relatively long growing period of approximately one year makes it more susceptible to diseases. Machine learning technology has been applied in the identification of sugarcane leaves, including through pre-processing methods and the development of disease classification models using Convolutional Neural Network (CNN) and Support Vector Machine (SVM) approaches. However, these methods exhibit limitations in terms of accuracy. Therefore, improving identification accuracy using VGG-16 is essential. The objective of this study is to enhance the accuracy of sugarcane leaf disease identification by utilizing VGG-16. The dataset consists of  2,521 sugarcane leaf images categorized into five classes. The results of this study indicate an accuracy improvement from 97.78% to 99.14%, reflecting an increase of 1.36%
Optimizing Feature Selection in Sentiment Analysis of Bank Saqu: A Comparative Study of SVM and Random Forest using Information Gain and Chi-Square Subandono, Anelta Tirta Putri; Ariatmanto, Dhani
Sistemasi: Jurnal Sistem Informasi Vol 14, No 3 (2025): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32520/stmsi.v14i3.5106

Abstract

The selection of an optimal feature selection method is a crucial factor in improving the accuracy and efficiency of text classification models. Irrelevant features can degrade model performance, increase computational complexity, and lead to overfitting. Although various feature selection techniques have been employed in sentiment analysis, systematic studies comparing the effectiveness of Information Gain and Chi-Square in enhancing classification performance remain limited. This study aims to evaluate and optimize the impact of different feature selection methods on the performance of Support Vector Machine (SVM) and Random Forest (RF) in sentiment analysis. Experiments were conducted using eight testing schemes, including models without feature selection, with Information Gain, Chi-Square, and a combination of both. The results showed that SVM with Chi-Square achieved the highest accuracy at 93%, while Random Forest with Chi-Square achieved the best performance at 91%. These findings indicate that Chi-Square is more effective than Information Gain in improving accuracy, and that SVM outperforms Random Forest in text classification tasks. In conclusion, selecting the appropriate feature selection method significantly contributes to enhancing the accuracy of text classification models. This research can serve as a reference for optimizing feature selection techniques in the development of more accurate and efficient machine learning-based systems.
Co-Authors Adrianto M. Wijaya Afifah Nur Aini Agung Nurhidayatullah, Rizqy Ahsan, Muhammad Salimy Alfansani, Abdul Rauf Alva Hendi Muhammad Amali, Amali Anggriandi, Dendi Anjar Setiawan Anton, Tri Arfian Hendro Priyono Arfian Yogi Ferianto Arief Setyanto Aris Setiyadi Bangun Watono BHANU SRI NUGRAHA Chaedar Fatach, Muhamad Reza Darmawan, Eko Rahmad Didi Kurniawan Edy Widodo Ema Utami Eva Putriany Fadilla, Rizqi Mirza Fahma Inti Ilmawati Firdaus, M. Haikal Ghifari, Dloifur Rohman Al Hadiguna Setiawan Hayaty, Mardhiya Ibnu Hadi Purwanto Jordy, Roy Karim, Hildamayanti Khairani, Fatihatul KUSRINI Kusrini Kusrini Kusrini, Kusrini Linggama, Muhamad Nurfaizi Lukman Lukman M. Ilham Arief M. Shahkhir Mozamir M. Ulil Albab Majid, Muhammad Arif Kholis Metha, Halifa Sekar Mohammad Suyanto Muhammad Rifa'i, Anggi Muhammad Salimy Ahsan Mulia Sulistiyono Napitupulu, Harapan Norhikmah . Nugroho, Agung Nurrizky, Akbar Nur’aini Pramudyantoro, Arvi Prasetiyanto, Ari Eka Prayoga, Dimas Putriany, Eva Quratul Ain Ramdhani, Mohamad Dhicy Rifai, Anggi Muhammad Rosmantyo, Windhy Rokhmat Royali, Rainer Maghma Rusdi Rahman, Muhammad Selvi Marcellia Silvi Agustanti Bambang Slameto, Andika Agus Subandono, Anelta Tirta Putri Sukoco Sukoco Supriadi, Oki Akbar Suryono, Wachid Daga Suyanto, M Tikasni, Elisa Triesa Wea, Engel Bertus Turmudi Zy, Ahmad Wijaya, Adrianto Mahendra Wiwik Handayani Zakaria Zakaria zakinah, annisa gatri Zuhri, Muhammad Rafli Zulpan Hadi