Article Per Year (5 Year)
p-Index From 2021 - 2026
4.221
P-Index
This Author published in this journals
All Journal ComEngApp : Computer Engineering and Applications Journal Jurnal Pengajaran MIPA Jurnal Computech & Bisnis (e-Journal) JIKO (Jurnal Informatika dan Komputer) Information System for Educators and Professionals : Journal of Information System Journal of Science Learning JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Jurnal Linguistik Komputasional MATHEMA: JURNAL PENDIDIKAN MATEMATIKA Brilliance: Research of Artificial Intelligence Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Jurnal Guru Komputer Journal of Computers for Society Jurnal Abmas
Wihardi, Yaya
Universitas Pendidikan Indonesia
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Library & Information Science Mathematics Other

Published : 35 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 35 Documents
Search

 1   2   3   4 
Prodi Studi Ilmu Komputer Departemen Pendidikan Ilmu Komputer Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam Universitas Pendidikan Indonesia, Bandung, Indonesia Ambiya Wikarsa; Rosa Ariani Sukamto; Yaya Wihardi
JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Vol 3, No 1 (2020)
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jatikom.v3i1.33178

Abstract

Pose kepala mengindikasi serta memvisualisasiseseorang akan atensi dan ketertarikan akan sesuatu, hal itumemainkan peranan penting di berbagai macam aplikasi.Dengan banyaknya jumlah kelas dari pose kepala membuattugas dalam mengestimasi ini merupakan tugas yang sulit.Dalam penelitian ini metode yang digunakan dalammengestimasi pose kepala adalah Histogram of OrientedGradients dan Multiclass Support Vector Machine.Histogram of Oriented Gradient digunakan sebagai ekstrasifitur kepada kepala gambar yang akan diestimasimenggunakan fungsi dalam OpenCV dan MulticlassSupport Vector Machine dijalankan sebagai pengestimasipose kepala menggunakan fungsi dari Scikit-learn. Headpose database dari INRIA Rhône-Alpes 2004 digunakansebagai Training dan Testing, memiliki jumlah gambarsebanyak 2790 buah lalu dibagi menjadi 93 kelas untuk posekepala menghasilkan 30 gambar pose per kelas . Dilakukanpengujian dengan menggunakan cross validation sebanyak5-folds rata-rata akurasi yang didapat adalah 22,5% denganrata-rata dari fi-score (0,21), precision (0,23), recall (0,22)
Sistem Pencatatan Kehadiran Otomatis di Ruang Kelas Berbasis Pengenalan Wajah Menggunakan Metode Convolutional Neural Network (CNN) Fenti Endrianti; Wawan Setiawan; Yaya Wihardi
JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Vol 1, No 1 (2018)
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jatikom.v1i1.25146

Abstract

Pengenalan wajah (face recognition) sudah banyak diaplikasian dalam sistem biometrik. Sistem biometrik dengan pengenalan wajah ini dapat diaplikasian pada proses pencatatan kehadiran secara otomatis. Dalam dunia pendidikan, kehadiran sangat penting untuk mengetahui dan mengontrol kehadiran peserta didik di dalam kelas. Saat ini proses pencatatan kehadiran masih banyak dilakukan secara manual dan dinilai kurang efektif dan efisiensi. Oleh karena itu dalam penelitan ini dikaji mengenai sistem pencatatan kehadiran otomatis di ruang kelas berbasis pengenalan wajah yang akurat, praktis dan efisien. Metode yang digunakan dalam penelitian ini adalah Convolutional Neural Network (CNN). Eksperimen dilakukan dengan beberapa tahapan dari mulai deteksi wajah (face detection), proses perbaikan citra (preprocessing), dan pembuatan model dari data latih. Eksperimen dilakukan dengan menggunakan 2400 data citra wajah yang terbagi menjadi dua, yaitu 1200 data citra wajah lihat kamera dan 1200 data citra wajah tidak lihat kamera. Berdasarkan hasil eksperimen didapat akurasi sebesar 93,33%. Tingkat akurasi pengenalan wajah yang didapat bergantung kepada kondisi pengambilan citra masukan, pendeteksian wajah, serta proses klasifikasi.
Aplikasi Deteksi Plagiarisme Dokumen Skripsi dengan Algoritma Rabin Karp Teti Suryati; Yudi Wibisono; Yaya Wihardi
JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Vol 1, No 2 (2018)
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jatikom.v1i2.25190

Abstract

Saat ini plagiarisme menjadi masalah penting di lingkungan akademik. Kemajuan teknologi memudahkan akses dokumen skripsi dari repository milik universitas yang dapat memicu tindakan plagiarisme. Plagiarisme merupakan salah satu tindak kejahatan yang dapat ditindak pidana. Diperlukan deteksi plagiarisme terhadap dokumen skripsi yang disubmit mahasiswa. Penelitian ini menerapkan teknik string searching yaitu algoritma Rabin-Karp dalam mendeteksi plagiarisme dokumen skripsi. Prinsip dasar algoritma Rabin-Karp adalah fungsi hashing. Sebelum masuk ke fungsi hashing, dokumen yang berisi string akan di parsing sehingga membentuk kelompok kata, setelah itu kelompok kata tersebut akan di generate menjadi bentuk bilangan bulat (hashing). Setelah membentuk nilai hash maka nilai hash kedua dokumen akan dibandingkan sehingga mendapat hasil similarity. Untuk menguji sistem ini dilakukan eksperimen yang melibatkan 54 dokumen hasil plagiat dengan pengujian 1 hingga 5 gram. Hasil dari penelitian ini adalah nilai error yang dihasillkan dengan gram 1 hingga 5 secara berturut-turut yaitu 10.61%, 14.1%, 18.5%, 22.68%, 25.93%.
Penggunaan Wi-Fi Direct Untuk Aplikasi Presensi dan Distribusi File Fikry Al Farisi Muslim; Yudi Wibisono; Yaya Wihardi
JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Vol 3, No 1 (2020)
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jatikom.v3i1.33207

Abstract

Presensi merupakan kehadiran seseorang di suatu tempat untuk memenuhi kewajibannya. Penelitian ini bertujuan untuk membantu proses presensi dalam kegiatan perkuliahan dengan mengembangkan sebuah aplikasi. Aplikasi ini juga dapat menghemat waktu dalam distribusi file. Aplikasi presensi dan distribusi file yang dibuat berbasis Android dan digunakan pada perangkat mobile smartphone yang memanfaatkan teknologi Wi-Fi Direct. Dosen akan memegang kendali aplikasi ini dan mahasiswa sebagai seseorang yang di catat kehadirannya. Pengujian dilakukan oleh pengguna secara langsung dan menghasilkan respon berupa tanggapan yang dikategorikan dengan metode rating scale. Hasil analisis data respon pengguna terhadap aplikasi menghasilkan penilaian sebesar 83%, sehingga aplikasi yang dibuat termasuk dalam kategori sangat baik dan cocok untuk membantu dalam melakukan presensi dan distribusi file
Analisis Statistik dan Implementasi Image Masking Berdasarkan Hasil Error Level Analysis Pada Gambar Digital Muhammad Fauzi Rahman; Rizky Rachman Judhie Putra; Yaya Wihardi
JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Vol 3, No 1 (2020)
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jatikom.v3i1.33209

Abstract

Manipulasi gambar digital menjadi sebuah hal yang biasa dilakukan demi memperoleh hasil yang sesuai keinginan, baik untuk tujuan pribadi maupun tujuan lain. Error Level Analysis (ELA) adalah salah satu metode dari bidang ilmu digital forensik yang dapat digunakan untuk mendeteksi jejak manipulasi gambar digital secara visual. Penelitian ini membahas perubahan statistik yang disebabkan oleh beberapa jenis manipulasi gambar digital berdasarkan hasil ELA yang diperoleh. Statistik yang dianalisis meliputi nilai minimum, maksimum, dan rata-rata pada komponen warna merah, hijau, biru, dan magnitudo. Eksperimen menghasilkan statistik yang sangat beragam dan tidak dapat digunakan untuk menilai keaslian gambar digital. Salah satu nilai dari hasil statistik, yaitu nilai ratarata magnitudo, dapat digunakan sebagai dasar untuk mengimplementasikan image masking. Berdasarkan 8 skenario yang telah dilakukan, hanya 2 skenario yang memberikan hasil masking yang cukup membantu dalam mengidentifikasi daerah yang dapat dicurigai sebagai hasil manipulasi
Rancang Bangun Media Pembelajaran Berbasis Web Dengan Menggunakan Just Intime Teaching Guna Meningkatkan Keterampilan Berpikir Kritis Siswa Hamdan Ilham Miftahulkhoir; Jajang Kusnendar; Yaya Wihardi
Jurnal Guru Komputer Vol 1, No 2 (2020): JGrKom: September 2020
Publisher : Universitas Pendidikan Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jgrkom.v1i2.28075

Abstract

Salah satu kemampuan yang sangat diperlukan dalam abad 21 adalah keterampilan berpikir kritis karena dengan mengembangkan kemampuan berpikir kritis akan membantu mereka dalam menyelesaikan berbagai macam masalah baik itu dalam proses belajar dalam kelas maupun permasalahan diluar kelas. Berpikir kritis membutuhkan metode dan model pembelajaran yang tepat karena kemampuan berpikir kritis tidak bisa didapatkan secara instan. Penelitian ini bertujuan untuk mengimplementasikan media pembelajaran berbasis web dengan model pembelajaran Just In Time Teaching untuk meningkatkan keterampilan berpikir kritis siswa terhadap materi mata pelajaran Pemrograman Dasar dalam penyampaian salah satu materi pokok yaitu perulangan. Metode penelitian yang digunakan adalah Kuantitatif pada model pengembangan Sistem Hidup Menyeluruh (SHM), dengan sampel siswa kelas X RPL A SMKN 1 Cimahi. Penelitian ini mendapatkan hasil kenaikan Gain sebanyak 0,53% pada prestasi belajar siswa yang dapat dikategorikan kriteria efektivitas pembelajaran pada tingkatan “sedang”. Dan untuk berpikir kritis terdapat persentase kenaikan jumlah siswa pada setiap kategori kelasnya, kelas rendah dari 24,14% menjadi 10,34%, kelas sedang 62,07% menjadi 58,62% dan kelas tinggi dari 13,79% menjadi 31,03%. Kemampuan berpikir kritis siswa secara tidak langsung mempengaruhi prestasi belajar siswa, dilihat dari kenaikan gain prestasi belajar dan berpikir kritis siswa yaitu 0,63 untuk kelas atas, 0,48 kelas tengah dan 0,56 kelas bawah
Matrix Space: Desain Permainan Ular Tangga berbasis Model Pembelajaran VAK Mubaraq, Ziady; Junaeti, Enjun; Rahman, Eka Fitrajaya; Prabawa, Harsa Wara; Wihardi, Yaya
MATHEMA: JURNAL PENDIDIKAN MATEMATIKA Vol 5, No 2 (2023): MATHEMA
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jm.v5i2.2910

Abstract

Efisiensi, peningkatan kualitas, dan transformasi diidentifikasi sebagai potensi keunggulan dalam pemanfaatan teknologi untuk meningkatkan pembelajaran dan pengajaran. Potensi ini menarik para peneliti untuk mengembangkan teknologi yang dapat meningkatkan kualitas pembelajaran. Namun, terdapat beberapa permasalahan terkait jenis intervensi teknologi, pendekatan pencapaian pemahaman, dan pembuktian efektivitasnya yang memerlukan pemikiran yang lebih mendalam. Tujuan dari penelitian ini adalah mengimplementasikan konsep permainan ular tangga dalam perancangan media pembelajaran Sistem Persamaan Linier. Desain dan pengembangan multimedia ini didasarkan pada tahapan model pembelajaran VAK dengan menggunakan framework ADDIE, untuk meningkatkan pemahaman ekstrapolasi mahasiswa Pendidikan Ilmu Komputer. Hasil penelitian menunjukkan bahwa mutimedia yang dibangun mampu meningkatkan pemahaman ekstrapolasi mahasiswa secara significan. Sehingga multimedia layak digunakan sebagai media pembelajaran Sistem Persamaan Linier.Kata Kunci: Model Pembelajaran VAK, permainan ular tangga, pemahaman ekstrapolasi, Sistem Persamaan Linier.
Klasifikasi Genre Musik Dengan Mel Frequency Cepstral Coefficient Dan Spektogram Menggunakan Convolutional Neural Network Fardhani, Sifa Marcella; Wihardi, Yaya; Piantari, Erna
JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Vol 4, No 1 (2021)
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jatikom.v4i1.41465

Abstract

Musik sudah menjadi suatu kebutuhan bagi sebagian besar orang karena manfaatnya yang dapat menimbulkan relaksasi dan dapat menjadi hiburan bagi sebagian orang. Kebutuhan akan informasi yang terkandung dalam musik yang didengarkan seringkali dibutuhkan, salah satunya adalah informasi dari jenis genre musik yang sedang didengarkan. Untuk mengetahui jenis genre musik tersebut maka pada penelitian ini dilakukan klasifikasi genre musik yang diharapkan akan memenuhi kebutuhan tersebut dengan melalui proses pengenalan pola dari masing-masing genre. Metode Convolutional Neural Network (CNN) digunakan untuk melatih pola dari jumlah 500 data lagu GTZAN berbahasa Inggris dan 500 data lagu berbahasa Indonesia yang mencakup 5 genre. Teknik ekstraksi fitur digunakan pada praproses data untuk mendapatkan hasil ekstraksi Mel-Frequency Cepstral Coefficient (MFCC) dan spektogram. Kemudian arsitektur CNN akan dibandingkan dengan dua jenis data masukan yang berbeda, yaitu data berbentuk vektor sebagai representasi dari hasil ekstraksi MFCC dan data berbentuk citra spektogram. Setelah itu, data akan melalui proses validasi untuk mengetahui nilai evaluasi dari kinerja model yang dihasilkan masing-masing arsitektur dengan data masukan berbeda. Hasil validasi terbaik ditunjukkan oleh eksperimen dengan data masukan spektogram menggunakan dataset GTZAN yang memiliki nilai akurasi sebesar 76%.
Mesin Rekomendasi Film Menggunakan Metode Deep Autoencoder Maulana, Muhamad Adie; Wihardi, Yaya; Piantari, Erna
JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Vol 4, No 2 (2021)
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jatikom.v4i2.41503

Abstract

Layanan penyedia jasa berbasis internet seperti Netflix, Iflix, Amazon Prime, dan lainnya telah mengalami peningkatan total waktu tonton secara drastis dalam kurun waktu sepuluh tahun kebelakang. Pada tahun 2017, pengguna layanan Netflix secara kolektif telah menonton konten Netflix selama 140 juta jam per hari dan mendapatkan pendapatan sebesar 11 milyar dollar amerika [1]. Hampir 80% waktu yang ditonton di Netflix berasal dari mesin rekomendasi yang dibangun oleh Netflix. Hampir semua mesin rekomendasi menggunakan metode collaborative filtering, namun metode Restricted Boltz-mann machines untuk membangun collaborative filtering [2], menunjukkan hasil prediksi yang konsisten meskipun data pelatihan meningkat, sehingga masalah skabilitas dapat teratasi. Konsep yang diadopsi dari model deep learning adalah kemampuan metode ini untuk mengekstraksi fitur robust secara unsupervised melalui rekonstruksi input autoencoder.  Berdasarkan hasil pengujian dengan data uji 6040 user, 3883 item (film), dan 1.000.209 rating  menghasilkan nilai loss yang rendah yaitu 0.7322 dan nilai RMSE 0,7227 dengan menggunakan metode autoencoder yang telah dimodifikasi.
Deteksi Sepeda Motor di Jalan Raya Menggunakan Faster R-CNN Berbasis VGG16 Yudha, Moch Dian Lazuardi; Setiawan, Wawan; Wihardi, Yaya
JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Vol 4, No 2 (2021)
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jatikom.v4i2.41499

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem deteksi objek dengan masukan berupa data citra dalam ukuran bebas. Pengembangan model sistem deteksi objek dilakukan penerapan Machine Learning untuk mengatasi deteksi objek pada sebuah citra dengan metode Faster R-CNN yang berbasis algoritma VGG16. Sistem yang dikembangkan menghasilkan bounding box pada sebuah objek yang berada didalam citra. Pengembangan sistem dilakukan dalam bahasa pemrograman Python dengan memanfaatkan beberapa library seperti Keras. Eksperimen dilakukan dengan mengukur nilai loss dari data training yang dimasukan kedalam sistem. Hasil eksperimen menunjukan bahwa informasi yang dihasilkan terbukti dapat mendeteksi objek pada sebuah citra yang diberikan. Sistem ini dapat menghasilkan informasi berdasarkan data citra yang telah di-training dengan sistem ini. 
Co-Authors . Burhanudin Ali Mulyawan Ambiya Wikarsa Ari Widodo Astuti, Lia Dedi Rohendi Diana Rochintaniawati Dicky Kurniawan Eka Cahya Prima Eka Fitrajaya Rahman Enda Permana Enda Permana, Enda Enjun Junaeti Erlangga Erlangga Erlangga Erlangga, Erlangga Fardhani, Sifa Marcella Fatimah, Siti Fenti Endrianti Fikry Al Farisi Muslim Hamdan Ilham Miftahulkhoir Herbert Siregar Heri Sutarno Heri Sutarno Himmah, Amirah Dzatul Jajang Kusnendar Jajang Kusnendar Kafilli, Muhammad Fikri Lala Septem Riza Marhelio, Ananda Myzza Maulana, Muhamad Adie Meutia Jasmine Annisa Herawan Moch Dian Lazuardi Yudha Mohamad Asyqari Anugrah Mubaraq, Ziady Muhammad Fakhri Fadhlurrahman Muhammad Fauzi Rahman Muhyi, Galih Abdul Mukhlis, Rizki Munir Munir Munir, Munir Najma Qalbi Dwiharani Novi Sofia Fitriasari Piantari, Erna Prabawa, Harsa Wara Raffi Ardhi Naufal Rafli, Muhammad Rani Megasari Rasim, Rasim Rizky Rachman Judhie Putra Rosa Ariani Sukamto Sarifah Putri Raflesia, Sarifah Putri Siregar, Herbert Sita Kartina Zulkhizah Sulistinayah Suwaka Putri Teti Suryati Wahyudin Wahyudin Wawan Setiawan Wawan Setiawan Wawan Setiawan Wibisono, Yudi Winda Mauli Kristy Yudha, Moch Dian Lazuardi Yunarti Musa'adah Yundari, Yundari Yuniarti Musa'adah