Article Per Year (5 Year)
p-Index From 2021 - 2026
1.686
P-Index
This Author published in this journals
All Journal Infotech Journal Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) SENSITEK Tematik : Jurnal Teknologi Informasi Komunikasi Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) Khazanah Informatika : Jurnal Ilmu Komputer dan Informatika
Gunawan Abdillah
Universitas Jenderal Achmad Yani
Computer Science & IT Control & Systems Engineering Engineering

Published : 9 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 9 Documents
Search

 1 
Pembuatan Sistem Pengontrol Intensitas Cahaya Lampu Menggunakan Raspberry Pi Berbasis Mobile Moh Khoerul Imam; Gunawan Abdillah; Rezki Yuniarti
Proceeding Seminar Nasional Sistem Informasi dan Teknologi Informasi 2018: Proceeding Seminar Nasional Sistem Informasi dan Teknologi Informasi (SENSITEK)
Publisher : STMIK Pontianak

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30700/pss.v1i1.314

Abstract

Penggunaan lampu listrik berkaitan erat dengan proses pengoperasian lampu. Untuk mematikan dan menghidupkan lampu pada saat ini masih manual dengan menggunakan saklar konvensional. Pengoperasian secara manual masih terus menjadi pilihan, namun jika pemilik rumah sedang berpergian, pilihan lain adalah dengan meninggalkan lampu dalam kondisi menyala. Penelitian ini adalah membangun g dengan menggunakan pendekatan User Centered Design (UCD) yang dapat mengontrol pencahayaan dari jarak jauh berbasis Raspberry Pi. Serta dapat mengatur intensitas cahaya lampu berdasarkan masukan dari sensor LDR yang menjelaskan kondisi pencahayaan dari lingkungan/ruangan ataupun melalui perangkat smartphone. Luaran yang diharapkan dari penelitian ini adalah sebuah sistem yang dapat mengendalikan lampu secara jarak jauh menggunakan perangkat smartphone dan raspberry pi agar user dapat lebih mudah dan efisien. Kata kunci: UCD, User Centered Desgin, Raspberry Pi
Sistem Pendukung Keputusan Pemilihan Sekolah Menengah Atas Boarding School di Jawa Barat Menggunakan TOPSIS Sartika Dewi; Gunawan Abdillah; Agus Komarudin
Proceeding Seminar Nasional Sistem Informasi dan Teknologi Informasi 2018: Proceeding Seminar Nasional Sistem Informasi dan Teknologi Informasi (SENSITEK)
Publisher : STMIK Pontianak

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30700/pss.v1i1.323

Abstract

Menentukan SMA Boarding School yang sesuai dengan keinginan maupun kriteria bukanlah hal yang mudah, dimana kriteria tersebut memiliki sejumlah bobot alternative. Banyaknya pilihan sekolah juga mempengaruhi para orang tua maupun calon siswa dalam memilih sekolah yang cocok. Karena ada orang tua yang menginginkan anaknya masuk ke sekolah dengan kualitas terbaik dan tidak mempedulikan biayanya namun ada juga yang lebih mementingkan biaya daripada kualitas sekolahnya. Penelitian ini telah membangun sistem untuk merekomendasikan SMA Boarding School di Jawa Barat menggunakan metode Technique for  Order Preference by Similarity to Ideal Solution (TOPSIS) dengan menggunakan berbagai kriteria seperti biaya masuk, biaya SPP atau kehidupan perbulan, program pendidikan, metode belajar, fasilitas, dan akreditasi. Hasil dari pengujian yang telah dilakukan menggunakan pengujian blackbox menghasilkan nilai 100% dan penelitian ini menghasilkan perankingan rekomendasi sekolah. Terdapat 10 data sekolah yang dipakai untuk pengujian. Data tersebut menghasilkan nilai akurasi sebesar 70,00% terhadap pengujian perhitungan sistem dengan perhitungan manual.Kata kunci: Boarding School, Alternatif, Jawa Barat, Sistem Pendukung Keputusan, Technique for  Order Preference by Similarity to Ideal Solution.
Sistem Pendukung Keputusan Penentuan Prioritas UMKM Di Kabupaten Bandung Barat Menggunakan TOPSIS Inggit Sumirah; Gunawan Abdillah; Agus Komarudin
Proceeding Seminar Nasional Sistem Informasi dan Teknologi Informasi 2018: Proceeding Seminar Nasional Sistem Informasi dan Teknologi Informasi (SENSITEK)
Publisher : STMIK Pontianak

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30700/pss.v1i1.293

Abstract

Penentuan prioritas Usaha Mikro Kecil dan Menengah (UMKM) yang produktif perlu dilakukan untuk mengurangi kesenjangan atau tingkat kemiskinan di Indonesia. Dengan menentukan prioritas UMKM yang produktif pemerintah dapat memberikan bantuan kepada pelaku UMKM untuk lebih mengembangkan usahanya karena UMKM berperan penting dalam penyerapan tenaga kerja untuk mendistribusikan hasil-hasil pembangunan. Menentukan pelaku UMKM yang produktif dapat membantu pemerintah dalam menyalurkan segala bantuannya dengan tepat sasaran. Penelitian ini telah membangun sistem yang mampu merekomendasikan pelaku usaha UMKM yang produktif dari segi omset, aset, jumlah produksi, jumlah permintaan, jumlah penjualan, tenaga kerja dan kualitas produk dengan bobot yang ditentukan oleh pengguna. Metode yang digunakan adalah Technique for Order Preference by Similarity to Ideal Solution (TOPSIS). Hasil dari pengujian blackbox sistem ini menghasilkan nilai sebesar 100%, selain itu hasil dari penelitian ini berupa perangkingan rekomendasi pelaku usaha yang produktif. Adapun hasil dari pengujian perhitungan sistem terhadap perhitungan manual yang telah diuji, dengan 30 data menghasilkan nilai akurasi sebesar 86,66%.Kata kunci: Sistem Pendukung Keputusan, Technique for Order Preference by Similarity to Ideal Solution (TOPSIS), UMKM.
Hate Speech Classification on Twitter Using Support Vector Machine Oryza Habibie Rahman; Gunawan Abdillah; Agus Komarudin
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 5 No 1 (2021): Februari 2021
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (310.869 KB) | DOI: 10.29207/resti.v5i1.2700

Abstract

Nowadays social media has become a place for peoples to express their opinions, there are many ways that can be done to express both positive and negative opinions. Hate speech is one of the problems that we find quite a lot in cyberspace, that things can be detrimental to many parties. Twitter as one of social media, can be used as a source of analysis about people's behavior in cyberspace. Many of our society that unconsciously act of hate speech on social media, therefore this study finds out how people's behavior patterns in cyberspace and the main issue of hate speech on a particular topic and time period by classify it into five classes, namely ethnicity, religion, race, inter-groups and neutral using Support Vector Machine. In this study also compares three kernel that common to use and the result is the system can classify hate speech by using RBF kernel and got the highest result with 93% accuracy on 700 data train and 300 data test.
Rekomendasi Pemilihan Pemain Sepak Bola Terbaik Pada Liga X Menggunakan Metode Topsis Oki Iskandar; Gunawan Abdillah; Agus Komarudin
Prosiding SISFOTEK Vol 4 No 1 (2020): Vol 4 No 1 (2020): SISFOTEK 2020
Publisher : Ikatan Ahli Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (327.982 KB)

Abstract

Football is a popular sport that is widely played. Proved by the number of competition titles held. Every team that competes, will provide competitive competition. Players who play an important role in presenting competitive competition. Competition that occurs is not only the team that competes but all players take part in the competition to be the best. Each competition will reward each of the best players throughout the competition. The many factors and players involved make it difficult for the organizers to determine the best player. Decision support system is a computer-based system that can manipulate data into information that can provide alternative decisions or problem solving, so that data can be processed into information. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) is a multi-criteria decision making method or has many criteria. This research resulted in a decision support system that can be used to choose the best soccer players by using a combination of individual ability criteria, contribution to the team, aspects of fair play and the number of minutes played. By using the TOPSIS method, as many as 11 player data were tested and resulted in a suitability level of 57.14%.
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN GURU TERBAIK PADA SMK NEGERI 1 MAJA MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (AHP) Hary Rizqi Ramadhani; Gunawan Abdillah; Sigit Anggoro
INFOTECH journal Vol. 10 No. 2 (2024)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v10i2.10097

Abstract

A decision support system is a system using a model that is built to help solve semi-structured problems. The Analytical Hierarchy Process (AHP) method is a method for solving a complex, unstructured situation into several components in a hierarchical arrangement, by giving a subjective value about the relative importance of each variable, and determining which variable has the highest priority in order to influence the outcome. this situation. The results of accuracy testing can be concluded that testing data on civil servant teachers which was carried out by comparing the data of civil servant teachers selected by the principal and using the system obtained an accuracy of 83.3%. In previous research, the Teacher Performance Assessment Team (PKG) was carried out by assuming the importance of each criterion without being given a weight, while the results obtained from system calculations, there was a weight given to each criterion. Testing was carried out on 47 civil servant teacher data with six planned civil servant teachers by the Principal in order to obtain the title of best teacher. Based on the test results, there were two civil servant teachers who were different from the data planned by the Principal, so the level of accuracy of the decision support system for selecting the best teacher using the AHP method was 83.3%.
Analisis Sentimen Terhadap Ulasan Aplikasi TikTok menggunakan Fine Tuning IndoBERT Adriansyah Pramana; Asep Id Hadiana; Gunawan Abdillah
TEMATIK Vol. 12 No. 2 (2025): Tematik : Jurnal Teknologi Informasi Komunikasi (e-Journal) - Desember 2025
Publisher : LPPM POLITEKNIK LP3I BANDUNG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38204/tematik.v12i2.2629

Abstract

Aplikasi TikTok merupakan salah satu platform media sosial paling populer di Indonesia dengan jutaan ulasan pengguna di Google Play Store. Ulasan ini berisi opini, kritik, apresiasi, maupun keluhan. Ulasan tersebut berpotensi menjadi sumber data penting untuk memahani persepsi pengguna, namun sulit dianalisis secara manual karena jumlahnya yang sangat besar dan penggunaan bahasa Indonesia. Penelitian ini memiliki tujuan untuk menganalisis sentimen terhadap ulasan TikTok menggunakan pendekatan deep learning dengan fine-tuning IndoBERT. Dataset sebanyak 100.002 ulasan diperoleh melalui platform Kaggle dan dilabeli otomatis berdasarkan rating positif, netral dan negatif. Tahapan pra-processing mencakup cleaning, case folding, normalisasi, tokenisasi menggunakan tokenizer IndoBERT. Model IndoBERT kemudian di fine-tune menggunakan data latih sebanyak 80% dan diuji dengan data uji sebanyak 20%. Evaluasi dilaksanakan dengan memakai metrik akurasi, presisi, recall, F1-score, dan confusion matrix. Hasil penelitian memperlihatkan bahwasanya IndoBERT mampu mencapai akurasi 78% dengan performa tinggi pada kelas positif F1-score 0,87 dan negatif F1-score 0,76, namun masih rendah pada kelas netral F1-score 0,00. IndoBERT efektif dalam membedakan sentimen positif dan negatif pada ulasan TikTok, serta dapat berkontribusi secara praktis bagi pengembang aplikasi dalam memahami kebutuhan dan pengalaman pengguna.  
Penerapan Metode Moving Average Untuk Analisis Dan Visualisasi Tren Diagnosis Penyakit Harian Data Rekam Medis R Ramadhan Destyanto; Asep Id Hadiana; Gunawan Abdillah
TEMATIK Vol. 12 No. 2 (2025): Tematik : Jurnal Teknologi Informasi Komunikasi (e-Journal) - Desember 2025
Publisher : LPPM POLITEKNIK LP3I BANDUNG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38204/tematik.v12i2.2638

Abstract

Seiring berjalannya waktu, digitalisasi di sektor kesehatan telah menghasilkan jumlah besar Electronic Medical Records (EMR) yang berpotensi dimanfaatkan untuk analisis tren penyakit. Penelitian ini berfokus pada penerapan metode moving average untuk menganalisis dan memvisualisasikan pola diagnosis harian, dengan menekankan perbandingan antara Simple Moving Average (SMA) dan Exponential Moving Average (EMA). Kedua metode ini penting karena mampu menghaluskan fluktuasi data harian, menonjolkan pola utama, serta membantu mendeteksi perubahan tren yang relevan bagi pemantauan penyakit secara real-time. Dataset yang digunakan terdiri atas 995 catatan transaksi diagnosis pasien dari periode observasi tertentu dari rumah sakit TMC Tasikmalaya. Tahapan penelitian mencakup pembersihan data, agregasi frekuensi diagnosis harian, transformasi ke bentuk deret waktu, penyaringan penyakit dengan jumlah kasus memadai, serta penerapan model SMA dan EMA untuk proses perataan data. Hasil analisis menunjukkan bahwa diagnosis “demam tidak spesifik” menempati peringkat tertinggi secara konsisten di semua metode, dengan nilai rata-rata berkisar antara 0,2041–0,2050. Secara kuantitatif, EMA dengan rentang 7 hari terbukti paling optimal karena mampu menyeimbangkan tingkat kesalahan prediksi dan kestabilan tren, dengan nilai Root Mean Square Error (RMSE) sebesar 0,1645 dan Mean Absolute Error (MAE) sebesar 0,0714, menunjukkan adaptivitas yang lebih tinggi dibanding SMA dalam menangkap perubahan harian. Temuan ini menegaskan potensi integrasi EMA-7 ke dalam sistem pemantauan penyakit real-time di rumah sakit, guna mendukung identifikasi dini peningkatan kasus dan pengambilan keputusan berbasis data. Dengan demikian, penelitian ini memperlihatkan peran penting metode moving average dalam analisis tren diagnosis medis serta membuka peluang pengembangan lebih lanjut dalam sistem pendukung keputusan di sektor kesehatan.
Object Detection of BISINDO Sign Language Letters Using Residual Network Maulidina Norick Eriyadi; Ridwan Ilyas; Gunawan Abdillah; Asep Id Hadiana
Khazanah Informatika : Jurnal Ilmu Komputer dan Informatika Vol. 10 No. 1 (2024): April 2024
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/khif.v10i1.3670

Abstract

Indonesian Sign Language or BISINDO is an alternative language used by people who suffer from disabilities, especially those who have hearing impairments. This language grew and developed from the deaf community, so its use is based on the visual aspect. This research aims to apply Residual Networks to detect objects in the context of Bisindo Letter Sign Language, with the hope of increasing accuracy and efficiency in letter recognition. Object detection goes through 2 stages, namely feature extraction and model training. ResNet is a type of Convolutional Neural Network (CNN) architecture that utilizes models that have been previously trained, so it can save the time required in the model development process. In this research, Residual Network (ResNet) was used for feature extraction to recognize important aspects in the Bisindo letter sign image, such as hand position, finger shape characteristics, and direction of movement. The research results show that the new dataset used as training data and test data has a fairly good ability to detect with a division of 70% train set, 20% valid set and 10% test set with size 640x640 with 300 epochs for the training model.
Co-Authors Adriansyah Pramana Asep Id Hadiana Edvin Ramadhan Hadiana, Asep Id Hary Rizqi Ramadhani Ichsan Zaki Heryadi Inggit Sumirah Komarudin, Agus Maulidina Norick Eriyadi Moh Khoerul Imam Muhammad Fauzi Firdaus Oki Iskandar Oryza Habibie Rahman R Ramadhan Destyanto Rezki Yuniarti Rezky Nurul Fadlillah Ridwan Ilyas Sartika Dewi Sigit Anggoro Wina Witanti Yulison Herry Christanto