Article Per Year (5 Year)
p-Index From 2020 - 2025
6.187
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 Jurnal Abdimas Mahakam 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 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
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 : 50 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 50 Documents
Search

 1   2   3   4   5 
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.
Disease Segmentation in Purple Sweet Potato Images Using Yolov7 khusniyatul latifah; Aviv Yuniar Rahman; Istiadi
TEKNOLOGI DITERAPKAN DAN JURNAL SAINS KOMPUTER Vol 7 No 1 (2024): June
Publisher : Universitas Nahdlatul Ulama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33086/atcsj.v7i1.6023

Abstract

Purple sweet potato is a very important plant in many parts of the world and a major crop in tropical and subtropical climates. Its cultivation can significantly increase production and consumption, and it is beneficial for the nutritional status of people in both rural and urban areas. However, purple sweet potatoes are susceptible to disease outbreaks, which can cause substantial losses to the agricultural industry. To prevent the spread of these diseases and minimize financial losses, it is crucial for farmers to identify purple sweet potato diseases as early as possible. Utilizing deep learning technology to separate areas of purple sweet potatoes marked with disease can effectively address this problem. In this study, researchers employed a segmentation method using the YOLOv7 algorithm. The study's results demonstrated a mean Average Precision (mAP) value of 98.6% from a dataset of 1500 images, divided into two classes: healthy sweet potatoes and diseased sweet potatoes with tuber rot. The mAP value for healthy sweet potatoes was 96.1%, while the mAP for diseased sweet potatoes with tuber rot was 98.6%. The YOLOv7 method, therefore, produces high accuracy values for the segmentation of purple sweet potato diseases. This research significantly contributes to agriculture by enhancing the productivity and quality of sweet potato harvests and can assist farmers in improving the efficiency and sustainability of purple sweet potato production.
Klasifikasi Jenis Burung Cucak Berdasarkan Suara Menggunakan MFCC Dan Naive Bayes Muhammad Romadloni Putra; Nurdiyansyah, Firman; Yuniar Rahman, Aviv
JURNAL FASILKOM Vol 14 No 2 (2024): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v14i2.7558

Abstract

Indonesia memiliki ekosistem yang kaya dan beragam dengan tingkat keanekaragaman hayati yang tinggi, termasuk keanekaragaman burung. Penelitian ini berfokus pada pengembangan sistem klasifikasi suara burung yang menggunakan Mel-Frequency Cepstral Coefficient dan algoritma Naive Bayes. Sistem ini bertujuan untuk mengidentifikasi spesies burung dari famili Pycnonotidae di Indonesia: brinji gunung, cucak kutilang, merbah belukar, merbah cerukcuk, dan merbah mata merah. Dataset suara burung dikumpulkan dari website xeno-canto.org, kemudian data diproses dan diekstraksi menggunakan fitur mel frequency cepstral coefficient. Model naive bayes kemudian dilatih dan diuji pada dataset yang telah diberi label. Penelitian ini menunjukkan bahwa model naïve bayes adalah metode yang efektif untuk mengklasifikasikan suara burung. Model naive bayes memiliki kinerja yang cukup bagus dalam mengklasifikasian suara burung, mencapai akurasi prediksi mulai dari yang terendah 52% hingga yang tertinggi 90%. Hal ini menunjukkan bahwa model ini cocok untuk membedakan antara suara burung cucak yang berbeda. Hasil pengujian yang diperoleh menunjukkan bahwa model naiva bayes memiliki potensi besar dalam mengklasifikasikan suara cucak. Akurasi yang dicapai oleh model ini, bahkan dengan 20% data latih, membuktikan kemampuannya untuk mengidentifikasi dan membedakan suara cucak dengan tingkat akurasi yang cukup tinggi. Efektivitas model naive bayes dalam mengklasifikasikan suara cucak cukup bagus, terutama mengingat kemampuannya untuk mencapai efisiensi yang tinggi meskipun dengan data pelatihan yang terbatas.
Classification of Starling Images Using a Bayesian Network Hananto, April Lia; Rahman, Aviv Yuniar; Paryono, Tukino; Priyatna, Bayu; Hananto, Agustia; Huda, Baenil
Journal of Applied Data Sciences Vol 6, No 1: JANUARY 2025
Publisher : Bright Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47738/jads.v6i1.423

Abstract

The classification of starling species is vital for biodiversity conservation, especially as some species are endangered. This research investigates the effectiveness of the Bayesian Network (BayesNet) for classifying starling species and compares its performance with Artificial Neural Networks (ANN) and Naive Bayes models. The dataset comprises 300 images of five starling species—Bali, Rio, Moon, Kebo, and Uret—captured under controlled conditions. Feature extraction focused on color, texture, and shape, while data augmentation through slight image rotations was applied to enhance model generalization. The BayesNet model achieved an accuracy of 96.29% using a 90:10 training-to-testing split, outperforming ANN (90.74%) and Naive Bayes variants. Precision, recall, F1-score, and AUC-ROC values further validated the robustness of the BayesNet model, with precision at 0.90, recall at 0.91, F1-score at 0.92, and AUC-ROC at 0.95. These results demonstrate the superior performance of multi-feature Bayesian Networks in starling classification compared to other machine learning models. The novelty of this study lies in its application of a probabilistic approach using Bayesian Networks, which enhances interpretability and performance, especially in scenarios with limited data. Future work may explore additional feature sets and advanced machine learning models to further improve classification accuracy and robustness.
IMPLEMENTASI TEKNOLOGI IOT UNTUK PENINGKATAN PRODUKTIVITAS BUDIDAYA LOBSTER DI RAJ ORGANIK KOTA MALANG Rahman, Aviv Yuniar; Priyandoko, Gigih; Hermawati, Adya
JURNAL APLIKASI DAN INOVASI IPTEKS "SOLIDITAS" (J-SOLID) Vol. 7 No. 2 (2024): Jurnal Aplikasi Dan Inovasi Ipteks SOLIDITAS
Publisher : Badan Penerbitan Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31328/js.v7i2.6498

Abstract

Teknologi Internet of Things (IoT) memiliki potensi besar dalam meningkatkan produktivitas dan efisiensi operasional di sektor akuakultur, termasuk budidaya lobster. Penelitian ini bertujuan untuk mengimplementasikan teknologi IoT guna meningkatkan produktivitas budidaya lobster di CV. RAJ Organik, Kota Malang. Implementasi teknologi dilakukan melalui empat tahapan utama, yaitu sosialisasi, pelatihan, penerapan teknologi, dan pendampingan serta evaluasi. Tahap sosialisasi bertujuan untuk memberikan pemahaman dasar tentang teknologi IoT kepada 20 peserta yang terlibat. Pada tahap pelatihan, peserta dilatih untuk mengoperasikan perangkat IoT, seperti sensor suhu, pH, dan oksigen terlarut, yang dipasang di kolam budidaya lobster. Penerapan teknologi dilakukan dengan memasang perangkat IoT di kolam, yang memungkinkan pemantauan kualitas air secara real-time. Tahap pendampingan dilaksanakan untuk memastikan bahwa para peserta mampu mengoperasikan teknologi ini secara mandiri, serta untuk menyelesaikan masalah teknis yang mungkin muncul selama penggunaan. Hasil evaluasi menunjukkan peningkatan produktivitas lobster sebesar 20% dan pengurangan biaya operasional sebesar 10%. Selain itu, terjadi peningkatan pemahaman peserta terkait teknologi IoT, dari 50% sebelum kegiatan sosialisasi menjadi 85% setelahnya. Sebanyak 87% peserta berhasil mengoperasikan perangkat IoT dengan baik dan mandiri. Kesimpulannya, teknologi IoT terbukti efektif dalam meningkatkan produktivitas dan efisiensi operasional budidaya lobster di CV. RAJ Organik, serta membuka peluang untuk pengembangan lebih lanjut di sektor akuakultur lainnya
KLASIFIKASI JENIS PATUNG MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) Luruk, Maria Ovalia; Rahman, Aviv Yuniar; Marisa, Fitri
JATISI (Jurnal Teknik Informatika dan Sistem Informasi) Vol 12 No 1 (2025): JATISI (Jurnal Teknik Informatika dan Sistem Informasi)
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jatisi.v12i1.9247

Abstract

Seni patung merupakan hasil pengolahan dari berbagai unsur tersusun dalam harmoni sehingga melahirkan keindahan khas yang disebut seni patung, seni patung pada dasarnya memiliki multi pandang, ruang padat, ruang pandang dan juga keindahan Maka itu perlu dilakukan Klasifikasi terhdapat jenis patung. Dimana pada Penelitian ini bertujuan untuk mengklasifikasikan Jenis jeni Patung menggunakan metode Convolutional Neural Network (CNN) Data dikumpulkan dari sejumlah sampel jenis Patung dibagi menjadi 5 class yaitu Patung Habel Melengkung, Patung Geraba Hebel Melengkung, Patung Gerabah Teracotta, Patung Hebel Melengkung Biarawan, Patung Buah Iblis). Dianalisis menggunakan metode CNN untuk ekstraksi fitur. Hasil penelitian menunjukkan bahwa score akurasi yang tertinggi. Pada pengujian, CNN epoch 10= berbagai pecahan data (split ratio) seperti 90:10 mencapai akurasi sebesar 100%. Selanjutnya, hasil score akurasi yang terendah. Pada Pengujian, epoch 50 = split ratio 10:90 mencapai akurasi sebesar 99,79%.
ANALISIS SENTIMEN ULASAN APLIKASI IDENTITAS KEPENDUDUKAN DIGITAL DI GOOGLE PLAY STORE DENGAN BERT Farhan, Ahmad; Istiadi, Istiadi; Yuniar Rahman, Aviv
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13358

Abstract

Dalam era digital, layanan administrasi kependudukan mengalami transformasi dengan hadirnya aplikasi Identitas Kependudukan Digital (IKD), yang dikembangkan oleh Ditjen Dukcapil untuk menggantikan KTP fisik dalam berbagai transaksi. Namun, sejak peluncurannya di Google Play Store, aplikasi ini menerima berbagai ulasan dari pengguna, yang mencerminkan pengalaman mereka terhadap layanan yang diberikan. Ulasan ini dapat menjadi indikator penting dalam mengevaluasi kualitas aplikasi, tetapi analisis manual terhadap ribuan ulasan sangat tidak efisien. Oleh karena itu, diperlukan metode otomatis yang mampu mengkategorikan opini pengguna secara akurat. Penelitian ini menerapkan analisis sentimen menggunakan model Bidirectional Encoder Representations from Transformers (BERT) untuk mengklasifikasikan 15.000 ulasan pengguna ke dalam kategori positif, netral, atau negatif. Teknik Synthetic Minority Over-sampling Technique (SMOTE) diterapkan untuk menyeimbangkan distribusi kelas sentimen. Model dilatih dengan fine-tuning pada IndoBERT menggunakan batch size 16, learning rate 2e-5, dan epoch 10. Hasil evaluasi menunjukkan akurasi 84,69%, yang lebih unggul dibandingkan metode tradisional seperti Naïve Bayes dan SVM. Studi ini memberikan wawasan bagi pengembang dalam meningkatkan layanan aplikasi berdasarkan opini pengguna, serta menegaskan keunggulan BERT dalam analisis sentimen berbahasa Indonesia.
SYSTEMATIC LITERATURE REVIEW (SLR) UNTUK KELESTARIAN PARIWISATA: MENGINTEGRASIKAN PENGEMBANGAN SUMBER DAYA MANUSIA, MODEL MANAJEMEN, DAN TEKNOLOGI BIG DATA Hermawati, Adya; Mas, Nasharuddin; Rahman, Aviv Yuniar
Equilibrium : Jurnal Ilmiah Ekonomi, Manajemen dan Akuntansi Vol 14, No 2 (2025): September
Publisher : Lembaga Penerbitan dan Publikasi Ilmiah (LPPI) Universitas Muhammadiyah Palopo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35906/equili.v14i2.2549

Abstract

ABSTRAKPenelitian ini bertujuan untuk mengkaji strategi holistik dalam meningkatkan keberlanjutan industri pariwisata di Jawa Timur melalui pendekatan Systematic Literature Review (SLR). Fokus utama terletak pada integrasi Human Resource Development (HRD), manajemen strategis, dan pemanfaatan teknologi big data dalam mendukung daya saing dan keberlanjutan sektor pariwisata, khususnya pada tingkat UKM. Metode SLR digunakan untuk mengidentifikasi dan menganalisis literatur ilmiah yang relevan, kemudian divisualisasikan menggunakan VOSviewer guna memetakan keterkaitan antar konsep kunci. Hasil penelitian menunjukkan bahwa variabel orientasi kewirausahaan, kapabilitas pemasaran, dan keberlanjutan pariwisata merupakan komponen utama yang saling berinteraksi dalam pengembangan model konseptual pariwisata berkelanjutan. Melalui pendekatan variable mining dan relationship mining, penelitian ini menghasilkan model berbasis data yang aplikatif sebagai dasar pengambilan kebijakan dan strategi pengembangan pariwisata di masa depan.ABSTRACTThis study aims to examine holistic strategies for improving the sustainability of the tourism industry in East Java through a Systematic Literature Review (SLR) approach. The main focus is on the integration of Human Resource Development (HRD), strategic management, and the use of big data technology to support the competitiveness and sustainability of the tourism sector, particularly at the SME level. The SLR method is used to identify and analyze relevant scientific literature, which is then visualized using VOSviewer to map the relationships between key concepts. The research findings indicate that the variables of entrepreneurial orientation, marketing capabilities, and tourism sustainability are the primary components that interact in the development of a conceptual model for sustainable tourism. Through variable mining and relationship mining approaches, this study produced a data-driven model that is applicable as a basis for policy-making and future tourism development strategies.
Co-Authors 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 Nurdiyansyah, Firman Hananto, Agustia Hendry Hero Diogenes Adoe Huda, Baenil Ilhamsyah Ilhamsyah Indra, Jamaludin Istiadi Istiadi Istiadi Joko Purwanto khusniyatul latifah Luruk, Maria Ovalia Mamba’us Sa’adah Maria Alfanita Bhia, Meisya MARIFANI FITRI ARISA Muhammad Romadloni Putra Muslim, Shinta Nilam Sari Napulun, Kanisius Nasharuddin Mas Neno, Adi nisti, Melita Novalia, Elfina Nudiyansyah, Firman Pahlevi Putra, Rangga Paryono, Tukino Priyandoko Gigih Priyatna, Bayu Putra, Rangga Pahlevi Putra, S.Pd., M.T., Rangga Pahlevi Putra Ratna Hidayati Rukmanta Jayawiguna Sabar Setiawidayat Setiawan, Feddy Wanditya Sidi, Husri Suhada, Karya Syah, Adryan Syahroni Wahyu Iriananda, Syahroni Wahyu Ursaputra Pratama, Lionardi Wisnu, Alif Dio Raka Yuliana Rachmawati