Article Per Year (5 Year)
p-Index From 2021 - 2026
4.242
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal Teknologi dan Manajemen Informatika CommIT (Communication & Information Technology) Jurnal Edukasi dan Penelitian Informatika (JEPIN) International Journal of Advances in Intelligent Informatics Register: Jurnal Ilmiah Teknologi Sistem Informasi JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING Jurnal Otomasi Kontrol dan Instrumentasi Jurnal Sisfokom (Sistem Informasi dan Komputer) INTECOMS: Journal of Information Technology and Computer Science Antivirus : Jurnal Ilmiah Teknik Informatika Journal of Information System,Graphics, Hospitality and Technology Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Journal of Electronics, Electromedical Engineering, and Medical Informatics Jurnal Teknologi Informasi dan Terapan (J-TIT) Buletin Ilmiah Sarjana Teknik Elektro Journal of Robotics and Control (JRC) Jurnal Teknika Teknika Insyst : Journal of Intelligent System and Computation JTECS : Jurnal Sistem Telekomunikasi Elektronika Sistem Kontrol Power Sistem dan Komputer International Journal of Robotics and Control Systems J-Intech (Journal of Information and Technology) Joutica : Journal of Informatic Unisla Jurnal Nasional Teknik Elektro dan Teknologi Informasi Jurnal Inovasi Teknologi dan Edukasi Teknik Journal of Information Technology
Yosi Kristian
Institut Sains Dan Teknologi Terpadu Surabaya
Aerospace Engineering Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Library & Information Science Mechanical Engineering Other

Published : 45 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Teknika

 1 
Estimasi Arah Tatapan Mata Menggunakan Ensemble Convolutional Neural Network William Sugiarto; Yosi Kristian; Eka Rahayu Setyaningsih
Teknika Vol 7 No 2 (2018): November 2018
Publisher : Center for Research and Community Service, Institut Informatika Indonesia (IKADO) Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34148/teknika.v7i2.126

Abstract

Studi arah tatapan mata adalah salah satu masalah dalam bidang computer vision. Pengetahuan akan arah tatapan mata dapat memberikan informasi berharga yang dapat dimanfaatkan untuk berbagai macam keperluan dalam bidang lainnya, khususnya dalam bidang interaksi manusia dengan komputer. Dalam paper ini nantinya akan meneliti arah tatapan mata menggunakan Ensemble Convolutional Neural Network dengan menggunakan dataset CAVE (Columbia Gaze Dataset). Convolutional Neural Netwok (CNN) merupakan sebuah bidang keilmuan dalam bidang machine learning yang berkembang cukup pesat khususnya untuk mengklasifikasi citra. Nantinya, paper ini akan menganalisa dan membandingkan hasil F1 score dan weighted kappa (w-kappa) score serta error dari klasifikasi dengan menggunakan 3, 9, dan 21 kelas. Dengan sama-sama menggunakan kanal RGB sebagai gambar input, maka dapat dibandingkan dan disimpulkan bahwa dengan menggunakan metode Ensemble Convolutional Neural Network dengan koefisien 1 untuk mata kiri, 1 untuk mata kanan, dan 3 untuk kedua mata untuk klasifikasi dengan 3 dan 9 kelas, serta dengan koefisien 1 untuk mata kiri, 1 untuk mata kanan, dan 5 untuk kedua mata untuk klasifikasi dengan 21 kelas dapat menghasilkan hasil F1 score dan w-kappa yang lebih baik, serta tingkat error yang lebih rendah daripada menggunakan koefisien dengan nilai lainnya.
Deteksi Komentar Cyberbullying Pada YouTube Dengan Metode Convolutional Neural Network - Long Short-Term Memory Network (CNN-LSTM) Albertus Josef Andika; Yosi Kristian; Esther Irawati Setiawan
Teknika Vol 12 No 3 (2023): November 2023
Publisher : Center for Research and Community Service, Institut Informatika Indonesia (IKADO) Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34148/teknika.v12i3.677

Abstract

Pada era digital seperti sekarang cyberbullying kerapkali terjadi di berbagai belahan dunia termasuk di Indonesia, hal ini dapat terjadi pada siapa saja dan dimana saja terutama media sosial seperti YouTube melalui fitur komentar semua pengguna yang memiliki akun dapat dengan mudah terlibat cyberbullying hanya melalui berbalas komentar. Penelitian ini bertujuan untuk melakukan deteksi adanya cyberbullying melalui pengumpulan serta pengklasifikasian komentar negatif video pada kanal YouTube dengan konten tertentu berbasis bahasa Indonesia (serta bahasa-bahasa daerah tertentu, seperti Jawa dan Surabaya) melalui metode deep-learning Convolutional Neural Network — Long Short-Term Memory Network (CNN-LSTM). Dataset komentar yang dipakai dalam penelitian dikumpulkan dengan menggunakan Application Program Interface (API) yang telah disediakan oleh Youtube secara gratis dan berbatas kuota secara kumulatif. Terkumpul data komentar total sebanyak 26.918 komentar dengan perincian 9.834 komentar terklasifikasi cyberbullying dan 17.084 komentar terklasifikasi sebagai bukan cyberbullying. Setelah dataset dipakai dalam proses training pada model CNN-LSTM dan menghasilkan sebuah model dengan nilai F1-score sebesar 0,84, model tersebut dipakai dalam sebuah API sederhana yang menerima input beberapa kalimat yang akan dideteksi konten cyberbullying dan menghasilkan output berupa JSON yang berisi hasil klasifikasi dari setiap kalimat yang akan dideteksi.
Identifikasi Kerusakan Badan Kontainer Pada Waktu Pengiriman Berdasarkan Citra CCTV Memanfaatkan YOLO dan Deep Transfer Learning Fitra Hidayah; Yosi Kristian
Teknika Vol 13 No 1 (2024): Maret 2024
Publisher : Center for Research and Community Service, Institut Informatika Indonesia (IKADO) Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34148/teknika.v13i1.718

Abstract

Keamanan dalam operasional pelabuhan sangat ditentukan oleh kemampuan untuk mengawasi dan melindungi kontainer, yang meskipun berperan sebagai sarana utama perlindungan, masih rentan terhadap kerusakan. Rekaman CCTV di pelabuhan tidak dapat mengenali jenis kendaraan, seperti membedakan antara truk yang membawa kontainer dan yang tidak, serta tidak mampu mendeteksi kerusakan pada kontainer secara otomatis. Dalam mengatasi masalah ini, studi ini mengembangkan sebuah sistem untuk mendeteksi kontainer dan mengklasifikasikan jenis-jenis kerusakan seperti kerusakan struktural, korosi, depos, cacat pada cat, pembengkakan, serta masalah pada pintu kontainer, dengan memanfaatkan teknik machine learning. Menggunakan pendekatan Convolutional Neural Network (CNN) yang ditingkatkan dengan metode transferslearning dari DeepsConvolutional NeuralsNetworks(DCNN), penelitian ini memberikan solusi analitis untuk citra yang diperoleh. Dataset yang terdiri dari 3000 gambar kontainer sisi depan dan belakang dikategorikan secara manual melalui platform Roboflow. Model YOLOv7 yang terlatih pada dataset tersebut mampu mendeteksi kontainer dengan Skor F1 Terboboti mencapai 90%. Untuk tahap klasifikasi kerusakan kontainer, citra yang telah di-crop berdasarkan output YOLOv7 dianalisis kembali menggunakan model EfficientNetV2S dan ConvNeXtBase. Kedua model tersebut, dengan pemanfaatan transfer learning, menunjukkan performa yang dengan Weighted Average F1 Score berturut-turut sebesar 66% dan 72%. Penelitian ini membuka jalur baru untuk peningkatan keamanan dan pemeliharaan kontainer melalui penerapan model pengenalan gambar yang inovatif di lingkungan pelabuhan.
Utilization of MLP and LSTM Methods in Hero Selection Recommendations for the Game of Mobile Legends: Bang Bang Yulianto, Masrizal Eka; Kristian, Yosi
Teknika Vol. 14 No. 1 (2025): March 2025
Publisher : Center for Research and Community Service, Institut Informatika Indonesia (IKADO) Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34148/teknika.v14i1.1201

Abstract

Mobile Legends is one of the popular MOBA games played in real-time. The game begins with each player selecting one hero in the draft pick phase. Choosing the right hero is very important because it can affect the chances of winning. This study uses datasets from rank mode matches conducted by streamers, top global heroes, and top leaderboards in Indonesia to compare the accuracy of the MLP and LSTM methods in recommending the fifth hero for one's team. The Concatenate Layer is used in model development. Modifying the dataset was also done by reducing the number of target classes and performing data augmentation to increase data variation. The results show that LSTM excels in top-1 recommendations with an accuracy of up to 59%. Meanwhile, MLP outperforms in top-3 and top-5 recommendations, indicating that this model is more flexible in providing multiple hero alternatives. The conclusion is that players can use the LSTM method if they only want to select the best single hero. However, if players prefer a broader range of hero recommendations, the MLP method is more suitable.
Co-Authors Adriel Ferdianto Ajeng Restu Kusumastuti Aji Prasetya Wibawa Aji Wibawa Alamgunawan, Suriani Albertus Josef Andika Alwi, Luthfi Andy Hermawan Anggay Luri Pramana Anik Nur Handayani Arya Tandy Hermawan Ayyub Chastine Fatichah Citra Mahaputri Damayanti, Elok Darlis Herumurti Devi Dwi Purwanto Dhaniswara, Erwin Edwin Pramana Effendy Hadi Sutanto Eha Renwi Astuti Eka Rahayu Setyaningsih Endang Setyati Endang Setyati Esa Prakasa Esther Irawati Setiawan Fitra Hidayah Gunawan Gunawan Gunawan Gunawan Gunawan Gunawan, Riko Hariadi Yutanto Hartono, Nickolas Hatem Alsadeg Ali Salim Hendrawan Armanto Hendrawan, William Hartanto Hermawan Andika Heru Wahyu Herwanto I Ketut Eddy Purnama Irawati Setiawan, Esther Joan Santoso Kenny Vincent Kms Yusuf Effendi Kurniawan S, Putu Widiarsa Kusuma Susanto, Evan Lukman Zaman M. Najamudin Ridha Masrur Anwar Mauridhi Hery Purnomo Maysas Yafi' Urrochman Muhammad Harris Syafa'at Nafi'iyah, Nur Nur Nafi’iyah Putra, Bayu Anggara Putra, Ramadhan Hardani Putu Widiarsa Kurniawan S Retno Wardhani Sandhopi Santoso, Elkana Lewi Setiono, Kevin Setyaningsih, Eka Rahayu Shandy Darmawan Stephen Ekaputra Limantoro Surya Sumpeno Wahyu Sakti Gunawan Irianto Wahyu Widodo Wikjatmiko, Zhulfi Bajra William Sugiarto YOGA DWI WAHYU NUGRAHA Yuliana Melita Pranoto Yulianto, Masrizal Eka Yunan Kholilul Fatah Zaeni, Ilham Ari Elbaith Zuhan, Miftahuz