Article Per Year (5 Year)
p-Index From 2021 - 2026
1.152
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Infotech Journal Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JUMANJI (Jurnal Masyarakat Informatika Unjani) SENSITEK Jurnal Informatika Teknologi dan Sains (Jinteks) Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi)
Agus Komarudin
Universitas Jenderal Achmad Yani
Computer Science & IT Control & Systems Engineering Engineering

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 22 Documents
Search

 1   2   3 
Identifikasi EEG Epilepsi Menggunakan Wavelet dan Learning Vector Quantization Erry Fuadillah; Esmeralda C Djamal; Agus Komarudin
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2018
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

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

Abstract

Epilepsi merupakan salah satu penyakit neurologis kronis yang dapat menyerang sekitar 50 juta orang di semua usia. Di Indonesia terdapat lebih dari 1.400.000 kasus Epilepsi setiap tahun dengan 70.000 pertambahan kasus setiap tahunnya. Sekitar 40-50% terjadi pada anak-anak. Salah satu pemeriksaan Epilepsi menggunakan Elektroensephalogram (EEG) yang mengidentifikasikan frekuensi 2,8-5,4 Hz, dan loncatan amplitudo atau berbentuk spike. Agar pemeriksaan cukup akurat, sinyal EEG dalam domain waktu perlu diproses dalam domain lain untuk identifikasi adanya Epilepsi. Pada penelitian ini telah dibangun sistem identifikasi Epilepsi menggunakan transformasi Wavelet dan Learning Vector Quantization (LVQ). Pembelajaran dan pengujian menggunakan set data EEG dari University of Bonn. Data terdiri atas empat kondisi, yaitu orang normal mata terbuka (Z), orang normal mata tertutup (O), penderita Epilepsi saat serangan (S), dan penderita Epilepsi saat tidak terjadi serangan (F). Sinyal EEG direkam dengan frekuensi sampling 173,5 Hz selama 23,6 detik sehingga setiap set data mempunyai 4097 titik. Wavelet untuk mengekstraksi sinyal EEG yang mempunyai frekuensi sampling menjadi 2,8-5,4 Hz. Sistem identifikasi menggunakan LVQ dengan fitur spektral daya pada frekuensi 2,8-5,4 Hz dan nilai absolut dari amplitudo rata-rata setiap seperempat detik. Sehingga diperoleh 220 fitur. Sistem telah diuji menggunakan data S dan Z dengan akurasi 67% terhadap data non latih. Penggunaan Wavelet dapat meningkatkan akurasi dari 67% menjadi 72%. Penambahan fitur rata-rata amplitudo dapat meningkatkan akurasi menjadi 94%. Sistem juga telah diuji menggunakan set data ZO dan FS dengan hasil 73% tanpa ekstraksi Wavelet, 65% dengan ekstraksi Wavelet dan 75% untuk Wavelet dengan fitur lengkap. Sistem identifikasi juga telah diuji terhadap data latih dengan akurasi 100%.
Identifikasi Variabel-Variabel dari Sinyal Elektroensephalogram Pasien Rehabilitasi Stroke Menggunakan Wavelet dan Self-Organizing Map Deka P Gustiawan; Esmeralda C Djamal; Agus Komarudin; Daswara Djajasasmita
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2018
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

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

Abstract

Evaluasi terhadap pasien paska stroke yang terukur sangat dibutuhkan untuk mengetahui perkembangan aktivitas di otak dalam masa rehabilitasi. Salah satunya instrumen yang dapat menangkap aktivitas listrik di otak adalah Elektroensephalogram (EEG). Pengamatan visual yang dilakukan dokter dari rekaman EEG adalah kerapatan, amplitudo, bentuk gelombang, dan perbandingan sinyal pada kanal yang simetrik, namun tidaklah mudah. Penelitian ini melakukan ekstraksi dari sinyal EEG untuk memperoleh variabel-variabel signifikan dari pasien paska stroke. Sinyal EEG diperoleh dari 25 pasien paska stroke dan 25 orang sehat dari 14 kanal. Setiap sinyal selama 180 detik diekstraksi menggunakan Wavelet untuk memperoleh gelombang Alfa, Beta, Teta, Gama, dan Mu. Clustering dilakukan menggunakan Self Organizing Map (SOM) Kohonen dengan fitur masukan kelima gelombang, amplitudo, dan asimetrik dari kanal simetrik. SOM melakukan clustring berdasarkan fitur-fitur pembeda pola, sehingga hasil clustring dibandingkan dengan cluster dari data sebenarnya. Cara ini dilakukan untuk menentukan variabel-variabel sinyal EEG beserta kanal-kanalnya yang memberikan akurasi terbaik. Hasil penelitian menunjukkan penggunaan keenam fitur dari 14 kanal dan fitur sinkronisasi dari 7 pasang kanal memberikan ketepatan klustering sebesar 54-68%. Akurasi fitur tertinggi diperoleh dari variabel perubahan amplitudo. Sistem identifikasi telah diimplementasikan dalam perangkat lunak dan diintegrasikan dengan wireless EEG Emotiv. Waktu komputasi dari sistem identifikasi sekitar empat menit, cukup realistis yang dapat digunakan untuk membantu analisis dokter.
Identifikasi Neuropsikologi Emosi terhadap Video Iklan menggunakan Fast Fourier Transform dan Backpropagation Levenberg-Marquardt Kartika N Oktaviani; Esmeralda C Djamal; Agus Komarudin
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2018
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

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

Abstract

Evaluasi terhadap respon penonton pada saat menonton video iklan salah satunya melalui identifikasi neuropsikologis. Neuropsikologis terdiri dari konsentrasi, emosi, dan ketertarikan, yang dapat ditangkap melalui Elektroensephalogram (EEG). Respon emosi lebih menggambarkan kualitas video dibandingkan respon ketertarikan yang sangat dipengaruhi brand produk tertentu. Penelitian ini telah membangun sistem identifikasi neuropsikologis emosi saat menonton video iklan. Analisis dilakukan setiap dua detik, berdasarkan waktu transisi antar scene video iklan. Sistem dibangun dengan pelatihan terlebih dahulu menggunakan data latih dari 20 naracoba, 10 perekaman, yang terbagi atas 15 segmen sehingga didapatkan sebanyak 3000 set data. Sinyal EEG diekstraksi menggunakan Fast Fourier Transform (FFT) dengan panjang window 0,5 detik dan overlap 50% dari empat kanal sehingga menghasilkan fitur yang merupakan masukan dari sistem identifikasi. Sistem identifikasi diawali dengan pembelajaran untuk menghasilkan bobot yang dilakukan dengan algoritma Backpropagation Levenberg-Marquardt. Hasil penelitian menunjukkan optimalisasi parameter pelatihan learning rate dengan nilai 0,001 dan minimum error 0,01 memberikan akurasi terbaik, yaitu menunjukkan akurasi sebesar 77,67% terhadap data baru, dan 100% terhadap data latih. Sistem identifikasi menunjukkan waktu komputasi sekitar 0,07 detik, yang agak signifikan terhadap waktu real time dua detik. Sistem identifikasi neoropsikologis emosi terhadap video iklan telah diimplementasikan dalam perangkat lunak yang terintegrasi dengan wireless Emotiv EEG.
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.
Educational Game Design for Introduction to Immune Systems in Biology Learning at High School Kresna Septyana Ekaputra; Rezki Yuniarti; Agus Komarudin
JUMANJI (Jurnal Masyarakat Informatika Unjani) Vol 6 No 1 (2022): Jurnal Masyarakat Informatika Unjani
Publisher : Jurusan Informatika Universitas Jenderal Achmad Yani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26874/jumanji.v6i1.102

Abstract

Pendidikan merupakan faktor yang penting bagi siswa. Berdasarkan rekapitulasi Ujian Nasional tingkat SMA oleh KEMENDIKBUD pada tahun 2017 untuk pelajaran biologi di bawah kelulusan dengan nilai 45,01. Hal ini dikarenakan jam pelajaran yang terbatas. Untuk itu diperlukan media baru sebagai alat bantu siswa memperdalam materi yang disampaikan, medianya ialah game. Game edukasi adalah media yang dapat digunakan untuk memberikan edukasi kepada pemainnya. Tujuan penelitian adalah membuat game edukasi yang dapat menyampaikan materi mengenai sistem imun. Dalam pembuatannya, game ini menggunakan framework MDA, yaitu pendekatan untuk menganalisis desain game dengan memecahnya menjadi tiga komponen, yaitu mekanik, dinamik dan juga estetik. Penelitian ini membuat desain game edukasi sistem imun dengan hasil yaitu MDA dapat diterapkan ke dalam game edukasi sistem imun yang diukur berdasarkan post-test yang dilakukan terhadap 30 responden dengan hasil yaitu setiap komponen MDA dapat diterapkan ke dalam game Sel Imun yang didapat dari pengujian kesesuaian hasil akhir game dengan rancangan pre-desain dengan hasil 82,69% atau masuk kategori sesuai. Kata Kunci–– Game Edukasi, Pembelajaran, UN, Sistem Imun, MDA.
Desain Interaksi Game Edukasi Rantai Makanan Menggunakan Teknologi Mobile Augmented Reality Rezki Yuniarti; Agus Komarudin
JUMANJI (Jurnal Masyarakat Informatika Unjani) Vol 2 No 1 (2018): Jurnal Masyarakat Informatika Unjani
Publisher : Jurusan Informatika Universitas Jenderal Achmad Yani

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (700.682 KB) | DOI: 10.26874/jumanji.v2i1.20

Abstract

Tinjauan studi AR secara empiris dalam pendidikan yang telah dipublikasikan jurnal SSCI terindeks SSCI dari 2011 hingga 2016, ditemukan bahwa sejumlah studi AR di bidang pendidikan telah meningkat secara signifikan sejak 2013. Temuan dalam penelitian tersebut dapat mengungkapkan pentingnya penerapan AR yang efektif dalam pendidikan, dan memberikan arah yang potensial untuk penelitian di masa depan. Desain interaksi yang baik menghasilkan interaksi antara pengguna dengan perangkat lunak, dibutuhkan supaya pengguna dapat menerima materi pembelajaran yang diberikan oleh edugame. Bentuk interaksi serta gameplay yang dibuat akan mempengaruhi seberapa tertariknya pengguna terhadap topik pembelajaran yang disajikan. Akan dibuat sebuah desain interaksi serta implementasi edugame bertema rantai makanan menggunakan teknologi Mobile Augmented Reality. Dalam menghasilkan desain interaksi menggunakan pendekatan komponen: learning objectives, dan framework MDA. Hasil luaran penelitian adalah berupa desain edugame mobile AR. Sebanyak 36% pengguna setuju menggunakan pembelajaran berbasis multimedia, dan setelah penggunaan aplikasi, 72% setuju pengguna lebih memahami materi jika disampaikan menggunakan multimedia/aplikasi tersebut. Hasil dari evaluasi prototype adalah sebanyak 63,6% pengguna dapat mengingat materi yang disajikan.
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%.
DETEKSI OBJEK DAN JENIS BURUNG MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR INCEPTION RESNET-V2 Prima Nugraha; Agus Komarudin; Edvin Ramadhan
INFOTECH journal Vol. 8 No. 2 (2022)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v8i2.2889

Abstract

Banyaknya spesies burung membuat kita kesulitan untuk mengenali jenis burung dan diperlukannya pemahaman yang lebih khususnya dalam bidang zoologi. mengenali spesies burung secara manual merupakan tugas berat, di perlukannya SDM yang besar untuk mengidentitifikasi spesies burung apalagi jumlah yang akan akan di identifikasi begitu banyak dan juga memakan banyak waktu. Pada penelitian ini membuat sebuah sistem yang dapat mengenali spesies burung menggunakan citra gambar secara otomatis dengan menggunakan salah satu Arsitektur dari Convolutional Neural Network yaitu Inception Resnet V2, sehingga data citra tersebut dapat diekstraksi kemudian dapat mengenali spesies dari jenis burung. Yang bertujuan untuk melakukan pemantauan satwa khususnya burung dengan mengidentifikasi spesies burung secara otomatis, kemudian diharapkan masyarakat dengan mudah untuk mengenali jenis burung dan juga meningkatkan kemampuan kita untuk mempelajari dan melestarikan ekosistem khususnya ekosistem burung.
Co-Authors Daswara Djajasasmita Dea Destiani Deka P Gustiawan Diansyah Andri Ramdhany Edvin Ramadhan Erry Fuadillah Esmeralda C Djamal Esmeralda C. Djamal Faiza Renaldi Farhan Fadilah Gunawan Abdillah Inggit Sumirah Irvan Herdiansyah Kartika N Oktaviani Kresna Septyana Ekaputra Melina Melina Nendra Cahya Permana Neni Nuraeni Nur Muhammad Hasyim Oki Iskandar Oryza Habibie Rahman Poppi Lodaya Prima Nugraha Rezki Yuniarti Rizki Abdilah Rozak Arief Pratama Sartika Dewi Septia Wahyuni Sopwatun Anisa