Claim Missing Document
Check
Articles

Found 39 Documents
Search

Analisis Perbandingan Performa YOLO v11 Dan v12 menggunakan model N dan S Putra, Gidion Albeth Anoraga; Wowor, Alz Danny
Innovative: Journal Of Social Science Research Vol. 5 No. 4 (2025): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v5i4.21004

Abstract

Penelitian ini bertujuan untuk menganalisis perbandingan kinerja model deteksi objek YOLO (You Only Look Once) versi 11 dan versi 12, dengan fokus pada variasi N dan S pada kedua versi tersebut. Analisis dilakukan terhadap parameter waktu inferensi, kecepatan pemrosesan, penggunaan memori, dan ukuran model. Data diperoleh melalui eksperimen terhadap kedua versi dengan melakukan 100 epoch pelatihan pada masing-masing model. Hasil penelitian menunjukkan bahwa YOLO versi 11 secara umum memiliki waktu eksekusi yang lebih cepat dibandingkan versi 12, dengan total waktu eksekusi 219 detik untuk versi 11 N dan 228 detik untuk versi 11 S, sementara versi 12 N membutuhkan 303 detik dan versi 12 S membutuhkan 420 detik. Versi 11 juga menunjukkan penggunaan memori yang lebih efisien, sekitar 126-127 MB dibandingkan dengan versi 12 yang membutuhkan memori sekitar 3674-4309 MB. Penelitian ini menyimpulkan bahwa YOLO versi 11 menunjukkan keunggulan signifikan dalam efisiensi waktu pelatihan, penggunaan memori, dan waktu inferensi, menjadikannya pilihan optimal dalam hal sumber daya atau kebutuhan pemrosesan real-time. Sebaliknya, YOLO versi 12 menawarkan konsistensi kinerja yang lebih baik dan potensi akurasi yang lebih tinggi dengan biaya komputasi yang substansial
Studi Normalisasi pada Pemodelan Klasifikasi Kondisi Pasien COVID-19 Berdasarkan Data Kualitas Udara (Studi Kasus Gradient Boosting, Extra Trees, dan Logistic Regression) Sakalaty, Alfa Krisnanugrah; Wowor, Alz Danny
Innovative: Journal Of Social Science Research Vol. 5 No. 4 (2025): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v5i4.21040

Abstract

Abstrak Penelitian ini meneliti pengaruh penerapan normalisasi data terhadap kinerja model klasifikasi kondisi pasien COVID-19 berbasis data kualitas udara. Data diperoleh dari wilayah Lubang Buaya dan diolah menggunakan metode Min-Max Normalization untuk meningkatkan ketepatan prediksi. Tiga algoritma machine learning Logistic Regression, Gradient Boosting, dan Extra Trees diuji dalam mengklasifikasikan lima kategori kondisi pasien. Hasil penelitian mengungkap bahwa normalisasi mampu meningkatkan akurasi seluruh model secara signifikan, dengan Extra Trees mencatat kinerja tertinggi hingga 92,86% pada kategori Suspek. Meski demikian, kategori Rawat Inap tetap menjadi tantangan akibat ketidakseimbangan distribusi data dan keterbatasan fitur yang tersedia. Secara keseluruhan, Extra Trees tampil sebagai model dengan performa terbaik, disusul oleh Logistic Regression dan Gradient Boosting. Temuan ini menegaskan peran penting normalisasi dan strategi penanganan data tidak seimbang dalam meningkatkan akurasi, sekaligus menunjukkan potensi kualitas udara sebagai indikator pendukung prediksi kondisi pasien COVID-19.
Studi Normalisasi pada Pemodelan Klasifikasi Kondisi Pasien COVID-19 Berdasarkan Data Kualitas Udara (Studi Kasus: Gradient Boosting, Extra Trees, dan Logistic Regression) Sakalaty, Alfa Krisnanugrah; Wowor, Alz Danny
Innovative: Journal Of Social Science Research Vol. 5 No. 4 (2025): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v5i4.21058

Abstract

Penelitian ini meneliti pengaruh penerapan normalisasi data terhadap kinerja model klasifikasi kondisi pasien COVID-19 berbasis data kualitas udara. Data diperoleh dari wilayah Lubang Buaya dan diolah menggunakan metode Min-Max Normalization untuk meningkatkan ketepatan prediksi. Tiga algoritma machine learning Logistic Regression, Gradient Boosting, dan Extra Trees diuji dalam mengklasifikasikan lima kategori kondisi pasien. Hasil penelitian mengungkap bahwa normalisasi mampu meningkatkan akurasi seluruh model secara signifikan, dengan Extra Trees mencatat kinerja tertinggi hingga 92,86% pada kategori Suspek. Meski demikian, kategori Rawat Inap tetap menjadi tantangan akibat ketidakseimbangan distribusi data dan keterbatasan fitur yang tersedia. Secara keseluruhan, Extra Trees tampil sebagai model dengan performa terbaik, disusul oleh Logistic Regression dan Gradient Boosting. Temuan ini menegaskan peran penting normalisasi dan strategi penanganan data tidak seimbang dalam meningkatkan akurasi, sekaligus menunjukkan potensi kualitas udara sebagai indikator pendukung prediksi kondisi pasien COVID-19.
IDENTIFIKASI PENGARUH KUALITAS UDARA TERHADAP KONDISI PASIEN COVID-19 DENGAN 1 ALGORITMA NAIVE BAYES Febriyanti, Monica Dias; Wowor, Alz Danny; Pakereng, Magdalena A. Ineke
JURNAL INFORMATIKA DAN KOMPUTER Vol 8, No 2 (2024): September 2024
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v8i2.867

Abstract

Pandemi Covid-19 atau corona virus sangat meresahkan bagi masyarakat Indonesia karena penyebarannyayang sangat mudah, virus ini dapat ditularkan melalui tetesan kecil (droplet) dari mulut maupun hidung pen-derita covid-19. Pada kasus tertentu virus ini juga bisa menginfeksi pernafasan berat sehingga menyebabkanpneumonia (infeksi paru-paru). Masyarakat yang memiliki daya tahan tubuh lemah sangat mudah tertular virusini, salah satu penyebab daya tahan tubuh melemah yaitu kualitas udara yang tidak bagus oleh karena itu pene-litian ini melakukan identifikasi pengaruh dari kualitas udara terhadap kondisi pasien covid-19 menggunakanalgoritma Naïve Bayes. Data diperoleh melalui website corona.jakarta.go.id dan Jakarta OpenData, setelah prep-rocessing diperoleh 610 data yang dibagi menjadi 80% data training dan 20% data testing. Penggunaan denganAlgoritma Naïve Bayes menunjukkan nilai akurasi yang tinggi yaitu 82,73%. Hasil identifikasi berdasarkan al-goritma naïve bayes dalam empat class, class sangat berpengaruh 2,3%, class berpengaruh 62,8%, class kurangberpengaruh 34,5%, dan class tidak berpengaruh 0.4%. Dengan demikian kualitas udara ikut mempengaruhikondisi pasien covid-19 di wilayah Propinsi DKI Jakarta.
IMPLEMENTASI VARIASI FUNGSI XOR DALAM PEMBANGKITAN KUNCI LFSR PADA SKEMA A5/1 DENGAN TIGA BLOK BIT Ramadhani, Ahmad; Wowor, Alz Danny
JURNAL INFORMATIKA DAN KOMPUTER Vol 8, No 1 (2024): Februari 2024
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v8i1.1116

Abstract

Penelitian ini mengimplementasikan variasi fungsi XOR dalam pembangkit kunci LFSR (Linear Feedback Shift Register) dengan skema A5/1 dan tiga fungsi umpan balik untuk proses pembangkit bilangan acak. Untuk menentukan nilai bit yang baru pada iterasi berikutnya digunakan operasi XOR pada setiap fungsi umpan balik. Dilakukan pengujian keacakan dengan metode Run Test, Mono Bit, dan Block Bit untuk memperoleh hasil pengujian bahwa algoritma secara konsisten mampu mengasilkan luaran yang acak dengan berbagai variasi input. Dalam uji enkripsi didapat hasil korelasi antara plainteks dan cipherteks memiliki nilai yang sangat rendah karena setiap pengujian memiliki nilai mendekati 0. Perbandingan dengan penelitian terdahulu menyatakan kelima fungsi yang digunakan dapat menghasilkan luaran acak. Pembangkit kunci LFSR dengan skema A5/1dengan tiga fungsi XOR dapat menghasilkan keluaran bilangan acak yang sangat baik untuk digunakan dalam kriptografi.
Square Transposition Method with Adaptive Key Flexibility and Strong Diffusion Performance Magdalena Ariance Ineke Pakereng; Alz Danny Wowor; Yos Richard Beeh; Felix David; Erwien Christianto; Vincent Exelcio Susanto; Claudio Canavaro
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol. 24 No. 3 (2025)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/matrik.v24i3.5004

Abstract

The Square Transposition method has notable potential in enhancing diffusion within block encryption systems; however, its application is typically limited to perfect square key lengths. The objective of this study is to reconstruct the method to accommodate non-square key lengths by utilizing two square matrices. To assess the effectiveness of the proposed approach, the method of this study uses a comparative analysis conducted against the transposition structures found in DES and AES algorithms, both of which are cryptographic standards established by NIST. The comparison is strictly limited to the transposition component, excluding other components of the full encryption framework. The evaluation involves Monobit, Block Bit, and Run Tests, along with Pearson correlation analysis between plaintext and ciphertext. Tests are conducted on 16 input variations across three key sizes: 128-bit, 256-bit, and 512-bit. The results of this study show that the proposed method achieves lower correlation values (r = 0.02) compared to DES (r = 0.07) and AES (r = 0.05). The conclusion of this study is that these findings indicate the approach offers improved key flexibility and diffusion capability, making it a promising transposition component for block cipher encryption systems. This reconstruction contributes a novel transposition structure that is compatible with non-square key sizes, thereby enhancing both diffusion strength and adaptability in modern cryptographic applications.
Regenerasi Fungsi Polinomial Dalam Rancangan Algoritma Berbasis CSPNRG Chaos Sebagai Pembangkit Kunci Pada Kriptografi Block Cipher Alz Danny Wowor
Limits: Journal of Mathematics and Its Applications Vol. 14 No. 1 (2017): Limits: Journal of Mathematics and Its Applications Volume 14 Nomor 1 Edisi Me
Publisher : Pusat Publikasi Ilmiah LPPM Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini mencari model baru dari fungsi polinomial yang dapat digunakan sebagai pembangkit bilangan acak berbasis CSPNRG chaos, kemudian dijadikan sebagai kunci pada kriptografi block cipher. Proses dilakukan dengan meregenerasi polinomial menggunakan fixed point iteration menjadi fungsi iteratif, dan pengambilan integer pada mantissa untuk memperoleh bilangan acak dari setiap iterasi. Setiap fungsi polinomial derajat-1, derajat-2, dan derajat-3 dapat digunakan sebagai fungsi pembangkit, tetapi diperlukan pemilihan koefisien dan konstanta yang tepat dan juga ketangkasan dalam proses manipulasi aljabar pada fixed point iteration. Secara spesifik, algoritma yang dirancang merupakan proses yang ampuh karena dapat menghasilkan bilangan acak walaupun secara fungsi iterasi tidak dapat menghasilkan bilangan acak. Pengujian korelasi pada block cipher menggunakan kunci dari bilangan acak berada pada kategori ‘rendah’, sehingga secara kriptografi kunci tersebut dapat membuat plainteks dan cipherteks tidak berhubungan secara statistik, kondisi ini akan mempersulit kriptanalis untuk melakukan kriptanalisis. Fungsi polinomial yang menjadi pembangkit dan menghasilkan bilangan acak dapat menjadi embrio dalam membangun konsep unbreakble cipher.
Identifikasi Nilai Acak Melalui Pemosisian Ulang Fungsi XOR di Blok Pertama LFSR A5/1 Susilo Wibowo, Ayub; Wowor, Alz Danny
The Indonesian Journal of Computer Science Vol. 12 No. 6 (2023): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i6.3601

Abstract

Skema A5/1 menggunakan linear feedback shift register (LFSR) untuk menghasilkan keacakan. Reposisi awal dari fungsi linier pertama didasarkan pada pemilihan 4 dari 19-bit menurut hukum komutatif, dengan paling banyak 60 peristiwa reposisi.  Bit-bit yang dipilih ini menjalani proses iterasi fungsi XOR yang menghasilkan output bit acak maksimum. Hasil akhir dihasilkan oleh XOR yang memproses output dari setiap fungsi linier. Pengujian ekstensif dilakukan pada kemampuan algoritma untuk menghasilkan bit keluaran acak menggunakan metode perhitungan statistik seperti Runs Test, Block Bit, dan Mono Bit untuk mengukur keacakan. Hasilnya secara konsisten menunjukkan bahwa algoritma ini menghasilkan output acak untuk berbagai jenis input. Untuk mengevaluasi kemampuan enkripsi, sepuluh keluaran dipilih dan diuji tingkat korelasinya. Sembilan dari keluaran tersebut menghasilkan tingkat korelasi yang 'sangat rendah', sementara satu keluaran memiliki tingkat korelasi 'rendah'. Hasil ini mendukung keandalan desain sebagai generator kunci untuk melindungi informasi.
ANALISIS PENGARUH KUALITAS UDARA PADA PASIEN COVID-19 DI KOTA JAKARTA, BERLIN DAN HOKKAIDO (IMPLEMENTASI MODEL KLASIFIKASI: NAÏVE BAYES, K-NN, DECISION TREE DAN RANDOM FOREST) Pambudi, Rizky Satya; Wowor, Alz Danny
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 4 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i4.6708

Abstract

Kualitas udara mempengaruhi kesehatan masyarakat yang tinggal di kota-kota besar terutama penyakit pernafasan dan kardiovaskular. Penelitian ini bertujuan untuk melihat hubungan antara kualitas udara terhadap tingkat keparahan pasien sindrom pernapasan akut berat (SARS-CoV-2) atau COVID-19 yang baru muncul di wilayah asia timur. Memanfaatkan algoritma klasifikasi Naïve Bayes, K-nearest Neighbor, Decision Tree dan Random Forest untuk mengetahui kontribusi kualitas udara terhadap pasien covid-19. Hasil accuracy terbaik K-Nearest Neighbor dikota berlin kasus dirawat sebesar 99%, precision 79,05% dan recall 79,09%, akurasi Decision Tree kategori positif dikota hokkaido sebesar 88%, precision 70% dan recall 71% dan akurasi Random Forest kasus meninggal dikota jakarta 71%, precision 57% dan recall 59%. K-Nearest Neighbor merupakan model yang efektif dalam menangkap pola data yang kompleks dan Decision Tree dan Random Forest merupakan model yang konsisten dalam mengenali pola data dengan variabilitas data yang tinggi. Hasil identifikasi kualitas udara terhadap tingkat keparahan pasien Covid-19, mengindikasikan korelasi yang kuat terutama di kota jakarta dengan tingkat polusi udara yang relatif tinggi. Disisi lain berlin yang memiliki kualitas udara lebih baik dibanding jakarta, menunjukkan bahwa, meskipun kualitas udara berlin yang relatif baik namun masih berkontribusi terutama untuk kasus dirawat. Kualitas udara dikota Hokkaido yang lebih baik dibanding jakarta dan berlin, mengindikasikan bahwa kualitas udara yang baik dapat memberikan kontribusi dalam mengurangi tingkat keparahan pasien Covid-19.
Design and Feasibility Evaluation of Redux Toolkit-Based State Management in a React Reservation Prototype (CoSpace) Hussein Nurrokhim; Alz Danny Wowor
International Journal Software Engineering and Computer Science (IJSECS) Vol. 6 No. 1 (2026): APRIL 2026
Publisher : Lembaga Komunitas Informasi Teknologi Aceh (KITA), Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35870/ijsecs.v6i1.7046

Abstract

This study examines the design and feasibility evaluation of a React-based coworking space reservation prototype named CoSpace, with Redux Toolkit applied as the state management architecture. The study was motivated by manual reservation processes that tend to produce delayed responses, recording errors, and schedule conflicts. A Research and Development (R&D) approach was employed, covering requirements analysis, system design, prototype implementation, functional testing, and user acceptance evaluation. Black Box Testing confirmed that all functional scenarios operated according to the intended design, including schedule conflict validation and role-based access restriction. User Acceptance Testing (UAT) involving 35 respondents produced an overall feasibility score of 95.4%, placing the prototype in the Very Feasible category. Within the scope of this prototype, Redux Toolkit supported centralized organization of application state and business logic — particularly through slice-based state separation and thunk-based reservation approval. The evaluation, however, was confined to a mock-data environment and did not compare Redux Toolkit against alternative state management approaches. Future work should integrate a real backend service and examine system behavior under multi-user operational conditions.