Article Per Year (5 Year)
p-Index From 2021 - 2026
8.993
P-Index
This Author published in this journals
All Journal Jurnal Dedikasi Jurnal Ilmu Komputer Bulletin of Electrical Engineering and Informatics Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) JUTI: Jurnal Ilmiah Teknologi Informasi Jurnal Simantec Jurnal sistem informasi, Teknologi informasi dan komputer Jurnal Teknologi Informasi dan Ilmu Komputer SMATIKA Proceeding of the Electrical Engineering Computer Science and Informatics Fountain of Informatics Journal Sistemasi: Jurnal Sistem Informasi Jurnal Teknologi dan Sistem Komputer JOIV : International Journal on Informatics Visualization Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Jurnal Informatika Jurnal Pilar Nusa Mandiri Network Engineering Research Operation [NERO] Jurnal Komputer Terapan Syntax Literate: Jurnal Ilmiah Indonesia Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control SINTECH (Science and Information Technology) Journal METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) JURTEKSI EDUMATIC: Jurnal Pendidikan Informatika Jurnal Informatika Kaputama (JIK) JISKa (Jurnal Informatika Sunan Kalijaga) Journal of Electronics, Electromedical Engineering, and Medical Informatics Jurnal Repositor Community Development Journal: Jurnal Pengabdian Masyarakat Jurnal Teknik Informatika (JUTIF) Jurnal Perempuan & Anak Jurnal Dinamika Informatika (JDI) Makara Journal of Technology Jurnal Sistem Informasi Jurnal Informatika: Jurnal Pengembangan IT
Yufis Azhar
Universitas Muhammadiyah Malang
Agriculture, Biological Sciences & Forestry Humanities Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Public Health Social Sciences Other

Published : 141 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 141 Documents
Search

 9   10   11   12   13 
ANALISA PENJUALAN VIDEO GAME MENGGUNAKAN METODE ENSEMBLE Hiu Adam Abdullah; Denny Risky Delis Putra; Yufis Azhar
JUST IT : Jurnal Sistem Informasi, Teknologi Informasi dan Komputer Volume 12 No 3 Tahun 2022
Publisher : Universitas Muhammadiyah Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24853/justit.12.3.8-16

Abstract

Penjualan video game merupakan salah satu cara developer mendapatkan keuntungan dari kerjanya, disaat sekarang ini penjualan video game sudah sangat cepat hingga memerlukan data yang valid bagi para developer untuk dapat mendapatkan keuntungan. Oleh karena itu pentingnya menganalisa data. Dalam hal ini, penjualan di setiap negara dijadikan sebagai patokan penelitian, karena informasi itu sangat penting untuk mendapatkan hasil analisa dari penjualan game untuk kedepannya. tujuan dari penelitian ini adalah untuk mempermudah para developer game dalam penjualan untuk mencapai keuntungan maksimal. Tujuan penelitian tersebut dihasilkan kegunaan yang terdiri dari keuntungan praktis dan keuntungan maksimal dari penjualan game tersebut. Dan dalam penelitian ini juga menggunakan metode ensemble untuk mencari estimasi harga penjualan video game. Penelitian ini dilakukan agar dapat memberikan kemudahan dalam penjualan video game dan penjualan tersebut dalam memberikan keuntungan yang maksimal kepada developer. Yang nantinya dapat diketahui dari perbandingan yang akan menampilkan nilai dengan akurasi estimasi mana yang lebih baik. Metode yang menggunakan metode ensembling dapat meningkatkan akurasi hingga sebesar 0.8% dari metode biasa.
Image Captioning using Hybrid of VGG16 and Bidirectional LSTM Model Yufis Azhar; M. Randy Anugerah; Muhammad Al Reza Fahlopy; Alfin Yusriansyah
Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Vol. 7, No. 4, November 2022
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/kinetik.v7i4.1568

Abstract

Image captioning is one of the biggest challenges in the fields of computer vision and natural language processing. Many other studies have raised the topic of image captioning. However, the evaluation results from other studies are still low. Thus, this study focuses on improving the evaluation results from previous studies. In this study, we used the Flickr8k dataset and the VGG16 Convolutional Neural Networks (CNN) model as an encoder to generate feature extraction from images. Recurrent Neural Network (RNN) uses the Bidirectional Long-Short Term Memory (BiLSTM) method as a decoder. The results of the image feature extraction process in the form of feature vectors are then forwarded to Bidirectional LSTM to produce descriptions that match the input image or visual content. The captions provide information on the object’s name, location, color, size, features of an object, and surroundings. A greedy Search algorithm with Argmax function and Beam-Search algorithm are used to calculate Bilingual Evaluation Understudy (BLEU) scores. The results of the evaluation of the best BLEU scores obtained from this study are the VGG16 model with Bidirectional LSTM using Beam Search with parameter K = 3 and the BLEU-1 score is 0.60593, so this score is superior to previous studies.
Malaria Blood Cell Image Classification using Transfer Learning with Fine-Tune ResNet50 and Data Augmentation Aris Muhandisin; Yufis Azhar
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 6 No 5 (2022): Oktober 2022
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v6i5.4322

Abstract

Based on the WHO Report related to malaria, it is estimated that there will be 241 million malaria cases and 627,000 deaths from this disease globally in 2020 with the number of deaths increasing yearly. Preventing malaria disease conditions is through early detection. A more quick and precise malaria diagnosis method was required to simplify and reduce the detection process. Medical image classification could be carried out rapidly and precisely using machine learning or deep learning techniques. This research aims to diagnose malaria by classifying images of malaria blood cells using Deep Learning with a Transfer Learning approach. By utilizing various fine-tuning procedures and implementing data augmentation proposed method develops the method from previous studies. Two types of models Frozen ResNet50 and Fine-Tune ResNet50 are being tested. The dataset utilized will be augmented to improve model performance. This study makes use of the "NIH Malaria Cell Images Dataset" a dataset that contains a total of 27,660 image data. It is divided into two classes: parasitized and uninfected. The results are improved from previous research using the fine-tuned VGG16 model with an accuracy of 96% compared to this study using the fine-tuned ResNet50 model which achieved an accuracy score of 98%.
Deteksi Depresi Pengguna Twitter Indonesia Menggunakan LSTM-RNN Ivan Dwi Nugraha; Yufis Azhar
Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI Vol. 11 No. 3 (2022)
Publisher : Prodi Pendidikan Teknik Informatika Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/janapati.v11i3.50674

Abstract

Perkembangan media sosial yang semakin pesat, menciptakan keberagaman microblogging sosial, mendorong orang untuk mengekspresikan perasaan dan pendapat, Setiap tweet pada twitter mewakili ekspresi emosional penggunanya, hal ini dapat dijadikan studi kasus dalam mendeteksi kasus depresi dan menilai emosional pengguna twitter. Deteksi dan pencegahan depresi sangat sulit untuk dideteksi dan telah menjadi topik penelitian yang sangat menarik untuk diteliti sejak dekade terakhir. Beberapa penelitian yang berkaitan dengan twitter untuk mendeteksi pengguna media sosial yang mengalami depresi. Salah satu penelitian deteksi depresi melalui twitter menyimpulkan bahwa adanya korelasi antara keadaan depresi pengguna twitter terhadap sentiment yang mereka tweet menggambarkan keadaan depresi pengguna tersebut. Tujuan penelitian ini penelitian kami adalah untuk mengembangkan dan mengoptimalkan penelitian sebelumnya menggunakan metode yang berbeda yakni LSTM-RNN, dan mendeteksi depresi pada tweet twitter indonesia. Dataset yang digunakan berjumlah 5.494 baris tweet, dimana data kelas normal berjumlah 2.747 baris tweet dan data depresi berjumlah 2.747 baris tweet setelah dilakukan balancing data, dataset sebelum digunakan data dilakukan proses preprocessing terlebih dahulu sebelum masuk ke proses pelatihan. Hasil dari penelitian dengan menggunakan metode LSTM-RNN memperoleh nilai presisi, recall, dan F1-score diperoleh masing-masing 86%, 86%, dan 86%, sedangkan akurasinya adalah 86%. Sistem deteksi ujaran depresi diharapkan dapat membantu menganalisa depresi masyarakat di media sosial.
Detection of Credit Card Fraud with Machine Learning Methods and Resampling Techniques Moh. Badris Sholeh Rahmatullah; Aulia Ligar Salma Hanani; Akmal Muhammad Naim; Zamah Sari; Yufis Azhar
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 6 No 6 (2022): Desember 2022
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v6i6.4213

Abstract

Financial institutions in the form of banks provide facilities in the form of credit cards, but with the development of technology, fraud on credit card transactions is still common, so a system is needed that can detect fraud transactions quickly and accurately. Therefore, this study aims to classify fraudulent transactions. The proposed method is Ensemble Learning which will be tested using the Boosting type with 3 variations, namely XGBoost, Gradient Boosting, and AdaBoost. Then, to maximize the performance of the model, the dataset used is optimized with the Synthetic Minority Oversampling Technique (SMOTE) function from the Imblearn library in the data train to handle imbalanced dataset conditions. The dataset used in this study is entitled "Credit Card Fraud Detection" with a total of 284807 data which is divided into two classes: Not Fraud and Fraud. The proposed model received a recall of 92% with Gradient Boosting, where the results increased by 10.37% compared to the previous study using Random Forest with a recall result of 81.63%. This is because the use of SMOTE in the data train greatly influences the classification of Not fraud and fraud classes.
Brain Tumor Classification for MR Images Using Transfer Learning and EfficientNetB3 Ahmad Darman Huri; Rizal Arya Suseno; Yufis Azhar
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 6 No 6 (2022): Desember 2022
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v6i6.4357

Abstract

Brain tumors are one of the diseases that take many lives in the world, moreover, brain tumors have various types. In the medical world, it has an technology called Magnetic Resonance Imaging (MRI) which functions to see the inside of the human body using a magnetic field. CNN is designed to determine features adaptively using backpropagation by applying layers such as convolutional layers, and pooling layers. This study aims to optimize and increase the accuracy of the classification of brain tumor MRI images using the Convolutional Neural Network (CNN) EfficientNet model. The proposed system consists of two main steps. First, preprocessing images using various methods then classifying images that have been preprocessed using CNN. This study used 3064 images containing three types of brain tumors (gliomata, meningiomas, and pituitary). This study resulted in an accuracy of 98.00%, a precision of 96.00%, and an average recall of 97.00% using the model that the researcher applied.
Sistem Pendukung Keputusan Starting LineUp Tim Sepakbola Menggunakan Metode Perbandingan Eksponensial (MPE) Andhika Pranadipa; Yufis Azhar; Agus Eko Minarno
Jurnal Repositor Vol 4 No 4 (2022): November 2022
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v4i4.1453

Abstract

Football is one of the most popular sports in the world. Indonesian football, especially at the grassroots level, pays less attention to statistics in the line-up players selection, so in this study, a decision support system (DSS) will be implemented to assist football coaches at the grassroots level using the Exponential Comparison Method to select players based on match statistics. Statistical assessments will be assessed include, goals scored, missed kicks, kicks on target, assists, key passes, successful passes, successful dribbles, successful tackles, clearances, intercepts, saves, penalty saves and minutes played. It is expected that with this system, the selection of the starting line-up of players by the coach can be carried out objectively and can support the coach in making decisions.
Implementasi Jaringan CNN-LSTM Untuk Deteksi Citra X-Ray Dada Covid 19 Ratna Sari; Agus Eko Minarno; Yufis Azhar
Jurnal Repositor Vol 4 No 4 (2022): November 2022
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v4i4.1481

Abstract

Wabah penyebaran Virus Covid 19 muncul desember 2019 di kota Wuhan, China. Virus tersebut mulai menggemparkan dunia karena begitu cepat menyebar ke seluruh belahan dunia. Virus Covid 19 dapat mampu ditularkan melewati batuk bahkan percikan saat berbicara. Penderita terkena Covid 19 dapat merasakan gangguan pernapasan dan parahnya lagi dapat menyebabkan kematian. Sampai sekarang virus tersebut banyak menyebabkan korban meninggal dunia. Maka dari itu dibutuhkan sistem deteksi otomatis untuk mendiagnosa cepat agar mencegah penyebaran Covid 19. Penelitian ini mengusulkan sebuah kombinasi metode convolutional neural network (CNN) dan long short-term memory (LSTM) untuk mendeteksi Covid 19 dari citra x-ray dada. Dalam penelitian, CNN digunakan sebagai ekstraksi fitur yang dalam dan LSTM digunakan sebagai deteksi menggunakan fitur yang diekstraksi. Data yang digunakan sebanyak 3.829 citra x-ray dada yang terbagi menjadi 3 kelas yaitu, 1.143 citra x-ray Covid 19, 1.341 citra x-ray Normal dan citra x-ray 1.345 Viral Pneumonia. Dari hasil penelitian menggunakan metode CNN menunjukkan akurasi sebesar 98,7%, presisi 98%, recall 1.00%, spesifisitas 99,6%, dan f1-score 99%. Secara keseluruhan, metode CNN-LSTM dapat menjadi salah satu referensi untuk memprediksi penyakit lainnya.
Segmentasi Citra X-Ray Paru dengan Deep Learning Muhammad Hussein; Agus Eko Minarno; Yufis Azhar
Jurnal Repositor Vol 5 No 1 (2023): Februari 2023
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v5i1.1498

Abstract

Image segmentation is one of the main things in the study of computer vision and image processing. One example is the processing of lung x-ray images to find out diseases in the lungs. U-net is a segmentation model that has been created to make it easier for someone to build a model for image segmentation. U-net can be used on any image. From its advantages, the researchers tried to use U-net in combination with Inception, MobileNet and EfficientNet to segment medical x-ray images of the lungs. The image is resized to 512 x 512 pixels. Augmentation that is done is zoom range, height shift, width shift and horizontal flip. Epoch is 200 and batch size is 4. The best scenario in this research is to use U-net Efficientnetb0 with dice value of 0.967, Jaccard of 0.937.
Klasifikasi COVID-19 Menggunakan Algoritma CNN Muhammad Nuchfi Fadlurrahman; Agus Eko Minarno; Yufis Azhar
Jurnal Repositor Vol 5 No 2 (2023): Mei 2023 (In Press)
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v5i2.1461

Abstract

X-Ray atau Sinar X merupakan teknik pencitraan pada bidang medis yang digunakan untuk melihat berbagai macam benda di dalam tubuh manusia yang tidak dapat dilihat langsung oleh mata manusia. Salah satu kegunaanya adalah melihat paru-paru manusia khususnya dalam mendeteksi COVID-19. Namun, Sinar X tidak dapat menembus tulang. Adapun salah satu metode klasifikasi citra adalah Convolutional Neural Network (CNN). CNN menerima input berupa gambar, menentukan aspek atau obyek apa saja dalam sebuah gambar yang bisa digunakan untuk mengenali gambar, dan membedakan antara satu gambar dengan gambar lainnya. Penelitian sebelumnya pada kasus ini menggunakan model CNN dengan arsitektur VGG-16. Penelitian ini bertujuan untuk membandingkan hasil akurasi akhir yang diperoleh model CNN dalam mengolah dataset Sinar X. Penelitian ini menggunakan CNN dengan arsitektur VGG-16 dan augmentasi data untuk mendapatkan akurasi yang tinggi. Berdasarkan hasil pengujian yang telah dilakukan menggunakan CNN dengan arsitektur VGG-16 dengan dataset sebanyak 3.829 data yang dibagi menjadi data train, validation, dan test dengan rasio split 80%, 10%, 10% penelitian ini mendapatkan hasil yang cukup baik dengan tingkat akurasi 90%.
Co-Authors A.A. Ketut Agung Cahyawan W Achmad Fauzi Saksenata Adhigana Priyatama Aditya Dwi Maryanto Adnan Burhan Hidayat Kiat Afdian, Riz Agus Eko Minarno Agus Zainal Arifin Ahmad Annas Al Hakim Ahmad Darman Huri Ahmad Hanif Nurfauzi Ahmadu Kajukaro Akbi, Denar Regata Akmal Muhammad Naim Al asqalani, Sheila Fitria Al-rizki, Muhammad Andi Alfin Yusriansyah Ali Sofyan Kholimi Amelia, Putri Juli Ananda Ayu Dianti Andhika Ade Verdiyanto Andhika Pranadipa Andi Shafira Dyah Kurniasari Andreawana, Andreawana Andriani Eka Pramudita Annisa Annisa Annisa Fitria Nurjannah Aria Maulana Aripa, Laofin Aris Muhandisin arrafiq, ubay hakim Arya, Tri Fidrian Audi Bayu Yuliawan Aulia Ligar Salma Hanani Bagas Aji Aprian Basuki, Setio Bayu Yuliawan, Audi Bintang, Rahina Chandranegara, Didih Rizki Chita Nauly Harahap Christian Sri Kusuma Aditya Christian Sri kusuma Aditya, Christian Sri kusuma Cokro Mandiri, Mochammad Hazmi Denny Risky Delis Putra Dewi Agfiannisa Diana Purwitasari Doni Yulianto Dwi Anggraini Puspita Rahayu Dwi Kurnia Puspitaningrum DWI RAHMAWATI Dyah Anitia Dyah Ayu Irianti Eko Budi Cahyono Elsyah Ayuningrum Elza Norazizah Evi Febrion Rahayuningtyas Fahrur Rozi Faizun Nuril Hikmah Faldo Fajri Afrinanto Fatimah Defina Setiti Alhamdani Fenny Linsisca Putri Feny Novia Rahayu Feranandah Firdausi Ferin Reviantika Ferin Reviantika Fikri, Ulul Fiqri Azmi Fachir Firdausi, Feranandah Firdausita, Nuris Sabila Firdausy, Aidia Khoiriyah Firdhansyah Abubekar Fitri Bimantoro Galang Aji Mahesa Galang Aji Mahesa Gita Indah Marthasari Hanung Adi Nugroho Haqim, Gilang Nuril Hardianto Wibowo Haris Diyaul Fata Harmanto, Dani Hasanuddin, Muhammad Yusril Hermansyah Adi Saputra Hiu Adam Abdullah Hussin Agung Wijaya Ibrahim, Zaidah Ilham Rahmana Syihad Imam Halimi Irfan, Muhammad Ivan Dwi Nugraha Jahtra Hidayatullah Jalu Nusantoro Khoirir Rosikin Kiki Ratna Sari Lina Dwi Yulianti Linggar Bagas Saputro Lusianti, Aaliyah M Syawaluddin Putra Jaya M. Randy Anugerah Mahar Faiqurahman Maskur Maskur Maskur Maskur Masluha, Ida Maulina Balqis Meilina Agustina Mentari Mas'ama Safitri Moch Shandy Tsalasa Putra Moch. Chamdani Mustaqim Mochammad Hazmi Cokro Mandiri Moh. Badris Sholeh Rahmatullah Muhammad Aji Purnama Wibowo Muhammad Al Reza Fahlopy Muhammad Andi Al-Rizki Muhammad Athaillah Muhammad Bima Al Fayyadl Muhammad Fadliansyah Muhammad Hussein Muhammad Misbahul Azis Muhammad Nuchfi Fadlurrahman Muhammad Riadi Muhammad Rifal Alfarizy Muhammad Rivaldi Asyhari Muhammad Rizki Muhammad Rizky Iman Permana Muhammad Shalahuddin Zulva Mujaddid Izzul Fikri Nabillah Annisa Rahmayanti Nina Mauliana Noor Fajriah Novandha Yudyanto Noviani Sintia Duwi Trisna Nur Hayatin Nur Putri Hidayah Nuryasin, Ilyas Oktavia Dwi Megawati Otto Endarto Prakoso, Rahmat Pratama, Dhimas Rama Anthony Navy Putri, Ira Ekanda Rahma Ningsih Rangga Kurnia Putra Wiratama Ratna Sari Rifky Ahmad Saputra Riksa Adenia Riska Septiana Putri Rista Azizah Arilya Riz Afdian Rizal Arya Suseno Rizal Rakhman Mustafa S, Vinna Rahmayanti Saputri, Indah Sari Wahyunita Sari, Veronica Retno Sari, Zamah Satrio Hadi Wijoyo Septiyan Andika Isanta Setiono, Fauzan Adrivano Shintya Larasabi , Auliya Tara Silcillya Ayu Astiti Siti Maghfiroh Sucia, Dara Suryani Rachmawati Suseno, Jody Ririt Krido Susi Ekawati Syaifuddin Syaifuddin Syaifudin Zuhri Taufik Nurahman Tri Fidrian Arya Trifebi Shina Sabrila Trifebi Shina Sabrila Ujilast, Novia Adelia Ulfah Nur Oktaviana Veronica Retno Sari Vinna Utami Putri Wahyu Priyo Wicaksono Wana Salam Labibah Wicaksono, Galih Wasis Widya Rizka Ulul Fadilah Wildan Suharso Wildan Suharso Wildan Suharso Yesicha Amilia Putri Yuda Munarko Yudhono Witanto Yurizal Rizqon Rifani Yusuf, Achmad Zamah Sari Zulva, Muhammad Shalahuddin