Article Per Year (5 Year)
p-Index From 2021 - 2026
6.105
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Edukasi dan Penelitian Informatika (JEPIN) Jurnal Informatika dan Teknik Elektro Terapan Panrita Abdi - Jurnal Pengabdian pada Masyarakat JOIV : International Journal on Informatics Visualization Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Journal of Information Technology and Computer Science (JOINTECS) Jurnal Ilmiah FIFO Equilibrium: Jurnal Ilmiah Ekonomi, Manajemen dan Akuntansi JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI ILKOM Jurnal Ilmiah Jiko (Jurnal Informatika dan komputer) Conference on Innovation and Application of Science and Technology (CIASTECH) JOURNAL OF SCIENCE AND APPLIED ENGINEERING Applied Technology and Computing Science Journal Jurnal Aplikasi Dan Inovasi Ipteks SOLIDITAS Systematics Buana Information Technology and Computer Sciences (BIT and CS) Jurnal Mnemonic JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Pengabdian Masyarakat Multidisiplin Jurnal Teknik Informatika (JUTIF) Journal of Applied Data Sciences Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) International Conference on Industrial Revolution for Polytechnic Education International Journal of Community Service (IJCS) Prosidia Widya Saintek Jurnal Abdimas Mahakam
Aviv Yuniar Rahman
Universitas Widyagama Malang
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 58 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 58 Documents
Search

 2   3   4   5   6 
KLASIFIKASI JENIS SARUNG ADAT ILE APE MENGGUNAKAN GLCM DAN SVM Napulun, Kanisius; Istiadi, Istiadi; Yuniar Rahman, Aviv
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10223

Abstract

Indonesia dikenal dengan keragaman budayanya, salah satu yang terkenal adalah Kain Tenun. Menenun adalah proses pembuatan kain dengan memasukkan benang pakan secara horizontal pada benang lungsin yang telah diikat dan dicelup dengan pewarna alami, serta masih menggunakan cara tradisional. Ada empat motif sarung adat Ile Ape yaitu wate hebe, wate mea, wate tenapang, dan wate topo yang diwariskan secara turun-temurun. Kain tenun memiliki keunikan tersendiri dalam proses pembuatannya dan digunakan dalam berbagai acara seperti mahar (belis), upacara adat, pernikahan, menyambut tamu (natoni), dan pemakaman. Namun, perkembangan teknologi membuat masyarakat awam kesulitan membedakan motif-motif ini. Penelitian ini bertujuan mengatasi masalah tersebut dengan menggunakan ekstraksi fitur GLCM dan klasifikasi SVM untuk mengklasifikasi empat jenis sarung adat Ile Ape dan mengevaluasi akurasinya. Hasil terbaik diperoleh dari pengujian Kernel Gaussian dengan akurasi 97%. Temuan ini menunjukkan bahwa kombinasi GLCM dan SVM efektif untuk mendeteksi dan mengklasifikasikan kain sarung adat dengan akurasi tinggi. Penelitian ini diharapkan dapat melestarikan budaya melalui digitalisasi dan klasifikasi kain sarung adat Ile Ape.
DETEKSI KESEGERAN IKAN LAYUR BERDASARKAN CITRA MATA MENGGUNAKAN YOLOV8 Adi Saputra, Deni; Istiadi, Istiadi; Yuniar Rahman, Aviv
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.11020

Abstract

Ikan layur (Trichiurus lepturus) ditemukan hampir di seluruh perairan laut Indonesia dan memiliki tubuh memanjang serta sangat pipih. Secara ekonomi, ikan ini merupakan komoditas ekspor penting yang menambah devisa negara, terutama karena tingginya permintaan dari pasar China dan Vietnam. Namun, penyortiran kesegaran ikan layur masih dilakukan secara konvensional dengan pengamatan manual. Ikan layur yang tidak segar dapat dikenali dari kondisi mata, warna tubuh, kondisi sisik, dan dinding perut. Penyortiran manual dirasa kurang efektif karena jumlah ikan yang harus disortir cukup banyak, rawan kesalahan human error, dan memerlukan biaya serta waktu yang besar. Penelitian ini mengusulkan pendeteksian kesegaran ikan layur berdasarkan citra mata menggunakan YOLOv8 (You Only Look Once versi 8), algoritma yang dikenal mampu melakukan pengenalan gambar dan video dengan cepat serta akurat. YOLOv8 dapat dijalankan dengan GPU, memungkinkan operasi paralel yang meningkatkan kecepatan deteksi dibandingkan dengan CPU saja. Pengolahan data melibatkan tahapan pre-processing, training, dan testing dengan data citra gambar ikan layur. Hasil pengujian menunjukkan bahwa model YOLOv8 memiliki nilai presisi 0.976, recall 0.996, dan mAP50 0.991. Akurasi masing-masing kelas adalah 0.989 untuk mata ikan layur segar dan 0.994 untuk mata ikan layur busuk. Model ini mampu mendeteksi kesegaran ikan layur dengan akurasi tinggi, memberikan hasil yang lebih efisien dan objektif dibandingkan cara manual.
Classifying Dental Caries Types Using Panoramic Dental Images Using Watershed Method and Multiclass Support Vector Machine Putra, S.Pd., M.T., Rangga Pahlevi Putra; Rahman, Aviv Yuniar
TEKNOLOGI DITERAPKAN DAN JURNAL SAINS KOMPUTER Vol 6 No 2 (2023): December
Publisher : Universitas Nahdlatul Ulama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33086/atcsj.v6i2.5910

Abstract

Teeth are one of the calcified and hard structures found in the human mouth. One of the tooth defects that often appears and is experienced by several people in the world is damage caused by dental caries. Diseases that can arise from dental caries include swelling of the gums and fever in the body. To classify and determine the level of damage in dental disease, dentists usually utilise examinations through dental panoramic images. Dental panoramic images are digital images of x-rays that can help provide a lot of information about teeth such as cavities or tooth structure. However, the problem that occurs sometimes to identify or classify the type of caries is still found to be a mismatch of analysis so that technological aids are needed to provide analysis or decision support. Therefore, by applying digital image processing technology by applying methods in image processing, namely Watershed segmentation and the Multiclass Support Vector Machine method, it is possible to classify the type of caries using dental panoramic images. From the results of the research conducted, it can be explained that the results of segmentation of dental panoramic images using the Watershed method can show the detected caries area spots. Meanwhile, the use of the Multiclass SVM method for the classification method shows accuracy results reaching 88%.
Improvement of Starling Image Classification with Gabor and Wavelet Based on Artificial Neural Network Rahman, Aviv Yuniar; Istiadi, Istiadi; Hananto, April Lia; Fauzi, Ahmad
JOIV : International Journal on Informatics Visualization Vol 7, No 4 (2023)
Publisher : Society of Visual Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62527/joiv.7.4.1381

Abstract

Indonesia is a country that has a diversity of animal species with the top 10 predicate in the world. The population of animal species, including starlings, is very widely known in the country. Starlings currently in Indonesia are diverse, ranging from standard to rare in Indonesia. This starling has its characteristics based on the type, color, sound, etc. In the first problem, the first accuracy performance when using the GLCM texture feature with Artificial Neural Network is 68%. Furthermore, the second problem is the accuracy performance of typing using the GLCM texture feature with a Decision Tree of 50%. This research aims to improve the starling classification system accuracy using Gabor and Wavelet texture features with artificial Neural Networks. Based on testing in the classification of starlings using the GLCM, Gabor, and Wavelet features, the highest degree of precision can, therefore, be concluded to be at the GLCM and Wavelet feature levels. The GLCM and Wavelet level accuracy results reached 83% at a rate of learning 0.9. In the experiments that have been done, the GLCM and Wavelet levels can increase accuracy using Artificial Neural Networks. In the classification process, the type of starlings also shows that the computational time in testing is much faster in producing accuracy values. In addition, the accurate accuracy while testing the starling category also increases.
KLASIFIKASI TINGKAT TUTUR BAHASA SASAK BERBASIS TEKS MENGGUNAKAN NAIVE BAYES arrozi, lalu muhamad alawi; rahman, aviv yuniar; putra, rangga pahlevi
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3S1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3S1.5149

Abstract

Abstrak. Tujuan dari penelitian ini adalah untuk menilai efektivitas klasifikasi tingkat tutur bahasa Sasak berbasis teks menggunakan algoritma Naive Bayes dalam mengidentifikasi dan mengkategorikan tingkat tutur bahasa Sasak. Penurunan kesadaran kaum muda mengenai penggunaan "tatakrama" atau tingkat tutur dalam percakapan sehari-hari di Lombok menunjukkan perlunya melestarikan aspek budaya yang penting ini. Tingkat tutur, yang melibatkan sistem kode untuk menyampaikan kesopanan, mencakup kosakata dan aturan leksikal tertentu. Metode yang digunakan dalam penelitian ini adalah Naive Bayes, yang memanfaatkan probabilitas dan statistik untuk klasifikasi teks. Ada dua tahap utama dalam studi ini: pelatihan dan pengujian, dengan pembagian data 70:30. Temuan menunjukkan bahwa model Naive Bayes mencapai F1-score sebesar 84,99%, akurasi 85,08%, presisi 85,12%, dan recall 85,08%. Hasil ini menunjukkan bahwa Naive Bayes adalah metode yang efektif untuk mengklasifikasikan tingkat tutur bahasa Sasak, meskipun hasilnya tidak setinggi beberapa studi sebelumnya. Penelitian ini memberikan kontribusi terhadap pengembangan metode yang lebih efisien dan akurat untuk klasifikasi teks tingkat tutur bahasa Sasak dan menunjukkan perlunya perbaikan dalam pemilihan fitur serta perluasan dataset untuk studi-studi mendatang.
ANALISIS SENTIMEN APLIKASI SHOPEE, TOKOPEDIA, LAZADA DAN BLIBLI MENGGUNAKAN LEKSIKON DAN RANDOM FOREST Syah, Adryan; Nurdiyansyah, Firman; Rahman, Aviv Yuniar
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3S1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3S1.5155

Abstract

Abstrak. Dalam era digital, aplikasi e-commerce telah menjadi sarana utama bagi masyarakat untuk berbelanja. Keberhasilan aplikasi e-commerce tidak hanya bergantung pada fungsionalitasnya tetapi juga pada pengalaman pengguna. Ulasan pengguna di Play Store menjadi indikator penting dalam mengevaluasi kepuasan dan sentimen pengguna terhadap aplikasi tertentu. Penelitian ini bertujuan untuk menganalisis sentimen pada ulasan aplikasi Shopee, Tokopedia, Lazada, dan Blibli di Play Store menggunakan pendekatan Lexicon-based dan algoritma Random Forest. Metode ini dipilih untuk memberikan interpretasi yang jelas terhadap sentimen teks dan meningkatkan akurasi analisis sentimen. Hasil penelitian menunjukkan bahwa aplikasi Lazada memiliki kinerja terbaik dengan akurasi 88,33%, presisi 88,88%, recall 88,33%, dan F1 score 88,34%. Aplikasi Blibli berada di posisi kedua dengan akurasi 85,66%, presisi 85,82%, recall 85,66%, dan F1 score 85,60%. Shopee memiliki akurasi 85,16%, presisi 85,62%, recall 85,16%, dan F1 score 85,26%. Tokopedia menunjukkan performa terendah dengan akurasi 80,33%, presisi 80,96%, recall 80,33%, dan F1 score 80,12%. Penelitian ini menunjukkan bahwa rasio pembagian data latih dan data uji mempengaruhi kinerja model, dengan model bekerja lebih efektif ketika jumlah data latih lebih besar dari data uji.
PERBANDINGAN ALGORITMA NAIVE BAYES DAN KNN DALAM ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI CAPCUT Muslim, Shinta Nilam Sari; Nurdiyansyah, Firman; Rahman, Aviv Yuniar
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3S1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3S1.5156

Abstract

Abstrak. Penelitian ini berfokus pada analisis sentimen ulasan pengguna aplikasi CapCut yang tersedia di Google Play Store dengan menerapkan model Naïve Bayes dan K-Nearest Neighbors (KNN). Tujuan utama penelitian ini adalah untuk mengevaluasi bagaimana pengruh variasi rasio pembagian data latih dan uji terhadap kinerja kedua metode dalam analisis sentimen, serta membandingkan keduanya berdasarkan akurasi, presisi, recall dan f1 score. Menggunakan sembilan rasio pembagian data, ditemukan bahwa rasio 80:20 memberikan kinerja terbaik untuk kedua metode. Naïve Bayes mengungguli KNN dengan akurasi 79.41% dibanding 75.63%. Rasio 50:50 memberikan presisi terbaik untuk kedua metode. Secara keseluruhan, Naïve Bayes menunjukkan performa lebih baik, terutama pada rasio 80:20, menjadikannya pilihan yang lebih tepat untuk analisis sentimen aplikasi CapCut.
DETECTION OF LIKURAI DANCE MOVEMENT TYPES IN MALAKA REGENCY USING YOLOV8 BASED ON VIDEO Da Costa, Zania Abuk; Rahman, Aviv Yuniar; Putra, Rangga Pahlevi
JIKO (Jurnal Informatika dan Komputer) Vol 7, No 3 (2024)
Publisher : Universitas Khairun

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33387/jiko.v7i3.8815

Abstract

Indonesia is rich in traditional dances from every region, including the Likurai Dance, originating from East Nusa Tenggara, specifically in Malaka and Belu districts. This dance carries deep symbolic and historical meaning; however, it is currently threatened by lifestyle changes and globalization. Despite this, accurately and in real-time recognizing Likurai Dance movements remains challenging, particularly in detecting the specific dance movements. This research aims to test the effectiveness of detecting three types of Likurai Dance movements using documented digital video. The detection model is the YOLOv8 algorithm, known for detecting objects quickly and accurately. A YOLOv8-based platform is proposed to detect these dance movements precisely. In the testing, the YOLOv8 model demonstrated outstanding performance, achieving a very high mAP of 99.5% for the Wesei Wehali movement, 99.4% for the Be Tae Be Tae movement, and 99.1% for the Tebe Re movement. These results indicate that the model can detect dance movements with exceptional accuracy, precision, and recall rates above 98%. This research concludes that YOLOv8 has excellent potential in detecting traditional dance movements with high accuracy. These findings are significant for preserving and documenting the Likurai Dance and provide an educational means for younger generations to understand better and appreciate traditional cultural values.
Expression Detection of Children with Special Needs Using Yolov4-Tiny Sidi, Husri; Rahman, Aviv Yuniar; Marisa, Fitri
ILKOM Jurnal Ilmiah Vol 16, No 3 (2024)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v16i3.1609.221-227

Abstract

This research addresses the challenge of detecting emotional expressions in children with special needs, who often rely on nonverbal communication due to difficulties in verbal expression. Traditional emotion detection methods struggle to accurately recognize subtle emotions in these children, which can lead to communication barriers in educational and therapeutic settings. This study proposes the use of the Yolov4-Tiny model, a lightweight and efficient object detection architecture, to accurately detect four key facial expressions: Angry, Happy, Smile, and Afraid. The dataset consists of 1500 images, evenly distributed across the four expression classes, captured under controlled conditions. The model was evaluated using various metrics, including Confidence, Precision, Recall, F1-Score, and Mean Average Precision (mAP), across different training-to-testing data splits. The results demonstrated that the Yolov4-Tiny model achieved high accuracy, with a perfect mAP of 100% for balanced and slightly imbalanced splits, and a minimum mAP of 93.1% for more imbalanced splits. This high level of performance highlights the model's robustness and potential for application in educational and therapeutic environments, where understanding emotional expressions is critical for providing tailored support to children with special needs. The proposed system offers a significant improvement over traditional methods, enhancing communication and emotional support for this vulnerable population.
KLASIFIKASI TEKS PADA ULASAN OBJEK WISATA FULAN FEHAN MENGGUNAKAN METODE K-NEAREST NEIGHBOR (K-NN) Maria Alfanita Bhia, Meisya; Pahlevi Putra, Rangga; Yuniar Rahman, Aviv
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 6 (2024): JATI Vol. 8 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i6.11865

Abstract

Nusa Tenggara Timur (NTT) memiliki banyak potensi wisata yang belum sepenuhnya tergali, salah satunya adalah kawasan wisata Fulan Fehan. Untuk mendukung pengembangan pariwisata di daerah ini, analisis sentiment terhadap ulasan wisatawan dapat memberikan informasi berharga bagi pengelola wisata. Penelitian ini bertujuan untuk melakukan Klasifikasi Tinjauan tentang objek wisata Fulan Fehan yang ada di Google Maps dianalisis menggunakan metode K-Nearest Neighbor (K-NN). Data yang digunakan dalam penelitian ini sebanyak 1.164 ulasan yang diklasifikasi menjadi ulasan positif dan negatif. Proses klasifikasi meliputi tahap pengumpulan data melalui web scraping, preprocessing data yang mengcakup cleansing, filtering, tokenizing, transformasi kasus, filter stopword, hingga tahap klasifikasi menggunakan algoritma K-NN. Hasil penelitian menunjukan bahwa nilai k=1 dengan rasio data training dan testing 70:30 memberikan akurasi sebesar 99%, sedangkan k=10 memberikan akurasi terendah sebesar 39%. Penelitian ini memberikan kontribusi bagi pengembangan wisata Fulan Fehan dengan menyediakan informasi sentiment pengunjung yang dapat digunakan untuk meningkatkan kualitas layanan dan fasilitas wisata.
Co-Authors Abdurahman, Titik Khawa Adi Saputra, Deni Adya Hermawati Affi Nizar Suksmawati Ahmad Farhan, Ahmad Ahmad Fauzi Anderias Bai Seran April Hananto April Lia Hananto arrozi, lalu muhamad alawi Bagus Setyawan Budiawan, Renaldi Widi Chauliah Fatma Putri Da Costa, Zania Abuk Daiman, Claudia Nila Dio Amin Putra Eko Sediyono Fauzi Ahmad Muda Firman Nurdiansyah Firman Nurdiyansyah Firman Nurdiyansyah, Firman Hananto, Agustia Hananto, Agustia Tia Hendry Hero Diogenes Adoe Huda, Baenil Ilhamsyah Ilhamsyah Indra, Jamaludin Istiadi Istiadi Istiadi Joko Purwanto khusniyatul latifah Kristianingrum Kristianingrum, Kristianingrum Luruk, Maria Ovalia Ma'rifani Fitri Arisa Mamba’us Sa’adah Maria Alfanita Bhia, Meisya Miskon, Muhammad Fahmi Muhammad Romadloni Putra Muslim, Shinta Nilam Sari Napulun, Kanisius Nasharuddin Mas Neno, Adi nisti, Melita Novalia, Elfina Nudiyansyah, Firman Nusman, Bayu Pahlevi Putra, Rangga Paryono, Tukino Priyandoko Gigih Priyatna, Bayu Putera, Rangga Pahlevi Putra, Rangga Pahlevi Putra, S.Pd., M.T., Rangga Pahlevi Putra Ratna Hidayati Rudy Joegijantoro, Rudy Rukmanta Jayawiguna Sabar Setiawidayat Setiawan, Feddy Wanditya Sidi, Husri Suhada, Karya Suksmawati, Affi Nizar Syah, Adryan Syahroni Wahyu Iriananda, Syahroni Wahyu Ursaputra Pratama, Lionardi Wisnu, Alif Dio Raka Yuliana Rachmawati