Article Per Year (5 Year)
p-Index From 2020 - 2025
14.357
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 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 : 139 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 139 Documents
Search

 7   8   9   10   11 
Deteksi Defisiensi Unsur Hara Makro pada Tanaman Kopi berdasarkan Karakteristik Gejala Visual Daun menggunakan MTCD dan JST Ahmad Annas Al Hakim; Agus Eko Minarno; Yufis Azhar
Jurnal Repositor Vol 2 No 8 (2020): Agustus 2020
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v2i8.1033

Abstract

Semua tanaman, termasuk kopi membutuhkan unsur hara yang cukup untuk penunjang pertumbuhan dan perkembangannya secara normal. Apabila kebutuhan hara tidak tercukupi dengan baik, tanaman akan kekurangan suplai makanan dan gejala khas muncul pada tanaman, seperti perubahan ukuran daun, klorosis, nekrosis dan lainnya yang akan terlihat jelas terutama pada organ daun. Gejala – gejala tersebut memberikan ciri khas atau pola pada daun berdasarkan defisiensi hara yang dialami suatu tanaman. Ciri khas tersebut kemudian diekstraksi menggunakan pengolahan citra digital (PCD) dengan menerapkan Multi Texton Cooccurrence Descriptor (MTCD). Metode MTCD akan melakukan penelusuran pada tiap bagian citra, kemudian mengekstrak piksel – piksel yang memiliki kesamaan nilai warna dan tepi. Fitur-fitur hasil ekstraksi digunakan untuk mewakili setiap citra dalam basis data, dan kemudian digunakan untuk klasifikasi dengan menerapkan jaringan saraf tiruan (JST). Hasil akurasi tertinggi yang dihasilkan klasifikasi adalah 0.706.
Integrasi Modern Honey Network Dengan Grafana Untuk Visualisasi Novandha Yudyanto; Syaifuddin Syaifuddin; Yufis Azhar
Jurnal Repositor Vol 2 No 10 (2020): Oktober 2020
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v2i10.1047

Abstract

Internet merupakan komoditas utama dalam hal komunikasi pada saat ini. Namun seiring dengan perkembangan zaman, penyerangan dalam internet semakin bertambah. Demi mencegah serangan tersebut banyak sistem atau program yang telah dikembangakan salah satunya ialah Honeypot . Honeypot mampu menahan, mendeteksi, dan mencatat serangan yang diterima guna mencari informasi mengenai serangan tersebut. Dengan menggunakan informasi tersebut akan lebih mudah untuk mencegah kerusakan apabila terjadi serangan yang serupa. Akan tetapi Honeypot masih belum banyak diminati oleh komunitas keamanan jaringan dikarenakan oleh rumitnya pengelolaan dan pemeliharaannya. Modern Honey Network atau MHN merupakan program open-source yang mampu menjalankan beberapa Honeypot sekaligus mengumpulkan log serangan yang diterima Honeypot tersebut. MHN bertujuan untuk mengatasi masalah rumitnya pengelolaan dan pemeliharaan Honeypot . Namun MHN tidak memiliki visualisasi untuk menganalisis pola serangan yang diterima oleh Honeypot . Hal ini tentu menyulitkan pengguna terlebih dengan banyaknya log yang dapat dihasilkan oleh Honeypot . Karena itulah dibutuhkan program untuk visualisasi log tersebut. Dalam penelitian ini Grafana digunakan untuk visualisasi log pada MHN. Dengan mengintegrasikan Grafana dengan MHN diharapkan pengguna MHN tidak kesulitan dalam membaca dan menganalisa log Honeypot .
Optimisasi Algoritma K-Means Menggunakan Artificial Bee Colony pada Content-Based Image Retrieval Agus Eko Minarno; Yufis Azhar; Yudhono Witanto
Jurnal Repositor Vol 3 No 1 (2021): Januari 2021
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v3i1.1180

Abstract

Content-based Image Retrieval (CBIR) merupakan implementasi dari teknik computer vision pada kasus image retrieval yang merupakan kasus pencarian gambar digital pada database yang sangat besar. Pada penelitian ini diperkenalkan metode clustering baru untuk sistem CBIR, metode yang digunakan merupakan kombinasi antara algoritma Artificial Bee Colony (ABC) dengan K-Means. Tiga fitur digunakan untuk mengekstraksi fitur – fitur yang dimiliki gambar, yaitu: RGB Color Feature, Edge Feature, dan Grey Level Co-occurrence Matrix (GLCM). Ketiga fitur tersebut tergabung dalam algoritma Multi Texton Co-occurrence Descriptor (MTCD). K-means merupakan algoritma pengelompokkan yang banyak digunakan pada kasus clustering suatu data, K-means banyak digunakan karena implementasinya yang sangat mudah. Meskipun demikian, algoritma ini memiliki kelemahan, salah satunya yakni dalam penentuan titik awal centroid. Artificial Bee Colony (ABC) merupakan algoritma optimasi yang cara kerjanya mengadopsi dari cara koloni lebah dalam mencari makanan. Metode ABC diketahui dapat memecahkan permasalahan local optimum, yang pada umumnya terjadi pada penggunaan K-means karena kelemahannya dalam menentukan centroid. Metode yang akan digunakan pada penelitian ini merupakan kombinasi dari algoritma ABC dengan K-means untuk mengelompokkan fitur – fitur yang telah diekstraksi yang diimplementasikan pada dataset Corel-10.000 dan Batik. Kombinasi dari kedua algoritma ini dapat menjadi solusi dalam permasalahan pengelompokkan data atau clustering di ranah data science. Penelitian ini bertujuan untuk mengetahui seberapa efektif dan efisien penggunaan kombinasi algoritma ABC dan K-means dalam clustering pada fitur dataset Corel-10.000 dan Batik.
Klasifikasi Jenis Batik Menggunakan Algoritma Convolutional Neural Network Yesicha Amilia Putri; Yufis Azhar; Agus Eko Minarno
Jurnal Repositor Vol 3 No 2 (2021): Februari 2021
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v3i2.1201

Abstract

Beragamnya motif batik di Indonesia menyulitkan dalam pengenalan pola citra batik. Dalam hal ini diperlukannya klasifikasi citra batik untuk mengidentifikasi karakteristik citra. Dataset yang digunakan merupakan dataset batik berjumlah 300 data dengan 50 jenis batik dan setiap kategori terdapat 6 data. Algoritma yang digunakan dalam penelitian ini adalah Convolutional Neural Network (CNN). CNN merupakan salah satu teknik Deep Learning yang memiliki hasil paling signifikan didalam pengenalan citra. Model VGG16 digunakan pada pengujian untuk membandingkan akurasi yang diperoleh dan waktu yang dibutuhkan. Penelitian ini dilakukan untuk membuktikan model yang diusulkan mampu mengklasifikasi citra batik dengan baik. Hal ini dapat dibuktikan bahwa akurasi yang didapatkan menggunakan CNN sebesar 98% dan membutuhkan waktu lebih cepat dibandingkan model VGG16.
Klasifikasi Citra Sel Darah Untuk Penyakit Malaria Dengan Metode CNN Achmad Fauzi Saksenata; Agus Eko Minarno; Yufis Azhar
Jurnal Repositor Vol 4 No 2 (2022): Mei 2022
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v4i2.1283

Abstract

Semakin berkembangnya teknologi mengakibatkan pola hidup masyarakat ikut berubah, karena kebutuhan masyarakat bergantung pada teknologi yang ada. Perubahan ini dapat dilihat dalam penggunaan komputer dengan dibantu berbagai alat yang telah dibuat dapat mendeteksi penyakit pada seseorang. Dengan adanya alat tersebut dapat membantu masyarakat agar lebih cepat dan mudah mengetahui penyakit yang diderita. Oleh karena itu, diperlukan sistem yang dapat menganalisa, mengenali, secara sensitive, akurat dan otomatis mendiagnosa manusia terkena penyakit malaria atau tidak. Metode yang disulkan untuk menyelesaikan permasalahan tersebut Deep Learning (DL) yaitu Convolutional Neural Network (CNN) yang unggul untuk klasifikasi. Dalam penelitian ini, mengusulkan penggunaan CNN untuk membantu dalam mengklasifikasikan penyakit malaria. Dataset terdiri dari 27558 gambar sel darah. Model yang diusulkan mencapai kinerja dengan akurasi terbaik 96%. Pengujiannya berhasil serta berjalan dengan baik.
Klasifikasi Citra Sel Darah Untuk Penyakit Malaria Dengan Metode CNN Achmad Fauzi Saksenata; Agus Eko Minarno; Yufis Azhar
Jurnal Repositor Vol 3 No 2 (2021): Februari 2021
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v3i2.1290

Abstract

Semakin berkembangnya teknologi mengakibatkan pola hidup masyarakat ikut berubah, karena kebutuhan masyarakat bergantung pada teknologi yang ada. Perubahan ini dapat dilihat dalam penggunaan komputer dengan dibantu berbagai alat yang telah dibuat dapat mendeteksi penyakit pada seseorang. Dengan adanya alat tersebut dapat membantu masyarakat agar lebih cepat dan mudah mengetahui penyakit yang diderita. Oleh karena itu, diperlukan sistem yang dapat menganalisa, mengenali, secara sensitive, akurat dan otomatis mendiagnosa manusia terkena penyakit malaria atau tidak. Metode yang disulkan untuk menyelesaikan permasalahan tersebut Deep Learning (DL) yaitu Convolutional Neural Network (CNN) yang unggul untuk klasifikasi. Dalam penelitian ini, mengusulkan penggunaan CNN untuk membantu dalam mengklasifikasikan penyakit malaria. Dataset terdiri dari 27558 gambar sel darah. Model yang diusulkan mencapai kinerja dengan akurasi terbaik 96%. Pengujiannya berhasil serta berjalan dengan baik.
Analisis Klasifikasi SMS Spam Menggunakan Logistic Regression Ferin Reviantika; Yufis Azhar; Gita Indah Marthasari
Jurnal Repositor Vol 3 No 4 (2021): Agustus 2021
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v3i4.1384

Abstract

SMS atau Short Message Service biasa nya terdapat pada telepon seluler. SMS dibagi menjadi dua kategori yaitu SMS spam dan SMS non spam (ham). SMS spam adalah SMS yang bersifat mengganggu pengguna telepon karena cenderung berisi pesan yang tidak penting seperti promo dan penipuan. Sedangkan SMS non spam (ham) cenderung berisi SMS yang penting, seperti sudah ada riwayat pesan dengan pengguna sebelumnya. Pada penelitian ini dilakukan klasifikasi SMS spam dan SMS non spam (ham) menggunakan metode logistic regression. Tujuan dari penelitian ini untuk membedakan atau mengklasifikasikan antara SMS spam dan non spam (ham). Dataset dalam penelitian ini berjumlah 1143 data, terdapat dua kolom yaitu kolom teks dan kolom label. Jumlah untuk pesan spam sebanyak 566 pesan dan jumlah untuk pesan non spam sebanyak 577. Metode yang diusulkan mendapat akurasi yang lebih baik yaitu 95%.
Prediksi Permintaan Beras Mengggunakan Jaringan Syaraf Tiruan Algoritma Backpropagation (Studi Kasus: CV.PUSPA) Silcillya Ayu Astiti; Gita Indah Marthasari; Yufis Azhar
Jurnal Repositor Vol 3 No 5 (2021): November 2021
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v3i5.1395

Abstract

Indonesia sebagai negara yang mayoritas penduduknya memilih beras sebagai sumber pangan utama, di tahun 2020 mengalami penurunan pola konsumsi yang mengakibatkan permintaan beras yang seharusnya stabil menjadi berkurang. Menurunnya daya beli masyarakat akan beras berdampak pada beberapa penyetok beras atau yang biasa disebut dengan agen beras untuk membeli beras pada perusahaan produksi beras. Untuk meminimalisir kerugian yang dialami oleh perusahaan produksi beras, terdapat salah satu cara yang dapat diterapkan, yaitu dengan melakukan peramalan data menggunakan metode jaringan syaraf tiruan backpropagation yang pada penelitian ini data yang digunakan merupakan data permintaan beras Perusahaan CV. PUSPA yang bersifat time series. Skenario pemodelan pada penelitian menerapkan 1-5 hidden layer dengan jumlah neuron hidden yang berbeda di setiap percobaannya. Hasil yang diperoleh memperlihatkan bahwa menggunakan jaringan syaraf tiruan backpropagation menunjukkan prediksi yang baik yang pada penelitian ini hasil terbaik terdapat pada arsitektur 7-50-200-300-250-300-1 dengan MSE = 0.001278, RMSE = 0,301950 di proses pelatihan dan hasil MSE = 0.002391, RMSE = 0.204972 di proses pengujian.
Klasifikasi Lesi Kulit Menggunakan Convolutional Neural Network Suryani Rachmawati; Agus Eko Minarno; Yufis Azhar
Jurnal Repositor Vol 4 No 3 (2022): Agustus 2022
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v4i3.1432

Abstract

Lesi kulit merupakan suatu kondisi bagian kulit yang memiliki pertumbuhan atau penampakan yang abnormal. Reaksi ini muncul disebabkan oleh infeksi virus seperti herpes simpleks (HSV) yang ditandai dengan munculnya kulit. Mendeteksi jenis penyakit kulit secara otomatis dari hasil dermoskopi dapat membantu mendiagnosa secara cepat dan meningkatkan akurasi untuk menghemat waktu. Pada penelitian ini mengusulkan metode pembelajaran mesin yaitu Convolutional Neural Network untuk mendiagnosa penyakit kulit secara otomatis. Pengujian penelitian ini menggunakan data augmentasi teknik dan data penyeimbangan untuk diimplementasikan pada dataset citra lesi kulit ISIC 2018 .Pada pengujian dengan teknik dan metode yang dapat diusulkan menghasilkan akurasi sebesar 98%. Teknik augmentasi dan penyeimbangan data yang diusulkan, dapat mempengaruhi model yang diusulkan dari segi peningkatan kinerja.
Penerapan Generalized Association Rule Minning Sebagai Analisa Pasien Penderita Kanker Paru Paru Berdasarkan Data Rekam Medis Rangga Kurnia Putra Wiratama; Yufis Azhar; Agus Eko Minarno
Jurnal Repositor Vol 4 No 3 (2022): Agustus 2022
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v4i3.1475

Abstract

Penggunaan pada data rekam medis yang diambil dari database rumah sakit atau badan kesehatan bertujuan untuk mengetahui secara nyata riwayat pasien yang sebelumnya dinyatakan terkena kanker paru-paru. Namun potensi untuk mengetahui suatu pola penyakit secara manual berupa informasi secara langsung sangat memakan waktu sehingga dilakukan proses kegiatan analisa medis secara manual oleh dokter. Salah satunya adalah pola urutan penyakit pasien yang juga merupakan sebagai atribut pasien. Analisa diagnosa penyakit kanekr paru-paru dengan metode Association Rule menjadi teknik dari data mining yang diperlukan dalam menentukan model atribut dari database rekam medis dari atribut yang sebelumnya dimiliki oleh seorang pasien. Berdasarkan data rekam medis yang akan diperiksa terdapat 1000 data dengan 3 kategori yaitu risiko rendah, risiko sedang dan risiko tinggi. batasan dari aturan asosiasi tersebut tak terhingga sehingga nilai support dan nilai confidence akan terdeteksi oleh program secara otomatis dan nilai tersebut akan dijadikan sebagai variabel evaluasi untuk melakukan klasifikasi untuk menentukan kategori yang mendekati.
Co-Authors A.A. Ketut Agung Cahyawan W Achmad Fauzi Saksenata Achmad Yusuf 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-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 Aris Muhandisin 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 Denny Risky Delis Putra Dewi Agfiannisa Diana Purwitasari Diana Purwitasari Doni Yulianto Dwi Anggraini Puspita Rahayu Dwi Kurnia Puspitaningrum DWI RAHMAWATI Dyah Anitia Dyah Ayu Irianti Eko Budi Cahyono Elfrida Ratnawati 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 Haqim, Gilang Nuril Hardianto Wibowo Haris Diyaul Fata Harmanto, Dani 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 Laofin Aripa 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 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 Rizal Muhammad Rizki Muhammad Rizky Iman Permana Muhammad Shalahuddin Zulva Muhammad Yusril Hasanuddin 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 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 Rozi, Fahrur S, Vinna Rahmayanti Saputri, Indah Sari Wahyunita Sari, Veronica Retno Sari, Zamah Satrio Hadi Wijoyo Satrio Hadi Wijoyo Septiyan Andika Isanta Setiono, Fauzan Adrivano Sheila Fitria Al asqalani 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 ubay hakim arrafiq 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 Zaidah Ibrahim Zamah Sari