Article Per Year (5 Year)
p-Index From 2020 - 2025
1.048
P-Index
This Author published in this journals
All Journal JUITA : Jurnal Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Community Development Journal: Jurnal Pengabdian Masyarakat Journal of Computer Networks, Architecture and High Performance Computing
Afandi Nur Aziz Thohari
Departement Of Informatic Engineering, Politeknik Negeri Semarang
Humanities Computer Science & IT Economics, Econometrics & Finance Education Engineering Health Professions Public Health

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Performance Evaluation of Pre-Trained Convolutional Neural Network Model for Skin Disease Classification Afandi Nur Aziz Thohari; Liliek Triyono; Idhawati Hestiningsih; Budi Suyanto; Amran Yobioktobera
JUITA : Jurnal Informatika JUITA Vol. 10 No. 1, May 2022
Publisher : Department of Informatics Engineering, Universitas Muhammadiyah Purwokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (892.535 KB) | DOI: 10.30595/juita.v10i1.12041

Abstract

Indonesia is a tropical country that has various skin diseases. Tinea versicolor, ringworm, and scabies are the most common types of skin diseases suffered by the people of Indonesia. The classification of the three skin diseases can be automatically completed by artificial intelligence and deep learning technology because the classification process using an expert will require a lot of money and time. The challenge in classifying skin diseases is in the process of collecting data. Because health data cannot be obtained freely, there must be approval from the patient or hospital. Therefore, to overcome the limited amount of data, Pre-Trained CNN is used. The Pre-Trained CNN model has many patterns from thousands of images, so we do not need many images to train the model. In this study, a comparison of five pre-trained CNN models was conducted, namely VGGNet16, MobileNetV2, InceptionResNetV2, ResNet152V2, and DenseNet201. The aim is to find out which CNN model can produce the best performance in classifying skin diseases with a limited amount of image data. The test results show that the ResNet152V2 model has the best classification ability with the highest accuracy, precision, recall, and F1 score values, namely 95.84%, 0.963, 0.96, and 0.956. As for the training execution time, the ResNet152V2 model has the fastest time to achieve 95% accuracy. That's happened because the addition of the dropout parameter is 20%.
Optimasi Akurasi Metode Convolutional Neural Network untuk Identifikasi Jenis Sampah Rima Dias Ramadhani; Afandi Nur Aziz Thohari; Condro Kartiko; Apri Junaidi; Tri Ginanjar Laksana; Novanda Alim Setya Nugraha
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 5 No 2 (2021): April 2021
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (417.185 KB) | DOI: 10.29207/resti.v5i2.2754

Abstract

Waste is goods / materials that have no value in the scope of production, where in some cases the waste is disposed of carelessly and can damage the environment. The Indonesian government in 2019 recorded waste reaching 66-67 million tons, which is higher than the previous year, which was 64 million tons. Waste is differentiated based on its type, namely organic and anorganic waste. In the field of computer science, the process of sensing the type waste can be done using a camera and the Convolutional Neural Networks (CNN) method, which is a type of neural network that works by receiving input in the form of images. The input will be trained using CNN architecture so that it will produce output that can recognize the object being inputted. This study optimizes the use of the CNN method to obtain accurate results in identifying types of waste. Optimization is done by adding several hyperparameters to the CNN architecture. By adding hyperparameters, the accuracy value is 91.2%. Meanwhile, if the hyperparameter is not used, the accuracy value is only 67.6%. There are three hyperparameters used to increase the accuracy value of the model. They are dropout, padding, and stride. 20% increase in dropout to increase training overfit. Whereas padding and stride are used to speed up the model training process.
PELATIHAN PEMBUATAN VIDEO INTERAKTIF MENGGUNAKAN CAMTASIA UNTUK MEDIA PEMBELAJARAN DI SMK ROBBI RODLIYYA Afandi Nur Aziz Thohari; Angga Wahyu Wibowo; Kuwat Santoso; Nurseno Bayu Aji; Rizkha Ajeng Rochmatika; Vinda Setya Kartika; Aggie Brenda Vernandez; Hutama Arif Bramantyo; Muttabik Fathul Lathief
Community Development Journal : Jurnal Pengabdian Masyarakat Vol. 2 No. 2 (2021): Volume 2 Nomor 2 Tahun 2021
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/cdj.v2i2.1737

Abstract

Menuangkan informasi melalui media video saat ini sudah sangat biasa digunakan. Video dianggap lebih interaktif dan menarik dalam upaya penyampaian informasi. Dalam dunia pendidikan konten video sudah mulai digunakan, baik oleh guru atau siswa. Penggunaan media video dalam proses pembelajaran diharapkan dapat membuat materi belajar menjadi lebih mudah dan menyenangkan untuk dipahami oleh siswa. Kemampuan siswa multimedia SMK Robbi Rodliya Semarang dalam pemanfaatan teknologi untuk pembuatan video masih kurang maksimal. Selain itu pola pendidikan yang diajarkan selama ini belum mengikuti perkembangan teknologi yang ada. Oleh karena itu, pengabdian ini bertujuan untuk untuk meningkatkan kreatifitas siswa multimedia SMK Robbi Rodliya dalam penggunaan media video untuk mencapai hasil pembelajaran yang maksimal. Dengan pengabdian ini diharapkan mahasiwa dapat menambah wawasan tentang pembuatan video dengan menggunakan software Camtasia. Metode yang digunakan pada kegiatan ini meliputi pendampingan pelatihan pembuatan video menggunakan Camtasia yang terdiri dari empat aktivitas yaitu perencanaan, analisis, implementasi dan evaluasi. Luaran dari pengabdian ini berupa (3) teknologi tepat guna; dan (4) jasa. Hasil pengabdian ini mampu membantu meningkatkan kemampuan siswa multimedia SMK Robbi Rodliya dalam pembuatan video dengan menggunakan software Camtasia. Selain itu dengan adanya pelatihan ini akan sangat membantu para siswa multimedia SMK Robbi Rodliya mengembangkan pembuatan konten digital terutama dalam proses pembelajaran.
PENERAPAN SISTEM APLIKASI PROMOSI DAN PENJUALAN ON LINE BERBASIS ANDROID PADA UKM BATIK BLEKOK DI KELURAHAN MANGUNHARJO KECAMATAN TEMBALANG KOTA SEMARANG Tri Raharjo Yudantoro; Mardiyono Mardiyono; Kurnianingsih Kurnianingsih; Kuwat Santoso; Irwan Yanwari; Wiktasari Wiktasari; Nurseno Bayu Aji; Angga Wahyu Wibowo; Afandi Nur Aziz Thohari
Community Development Journal : Jurnal Pengabdian Masyarakat Vol. 2 No. 3 (2021): Volume 2 Nomor 3 Tahun 2021
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/cdj.v2i3.2960

Abstract

Kegiatan diseminasi produk teknologi kepada masyarakat yang diajukan pada proposal ini bertujuan untuk memberikan alternatif solusi pemecahan masalah yang ada pada UKM Batik Blekok di Kelurahan Mangunharjo Kecamatan Tembalang Kota Semarang, yaitu dengan penerapan teknologi informasi (IT) untuk digitalisasi sistem pemasaran dan penjualannya. Permasalah utama yang ada pada UKM Batik Blekok ini adalah minimnya order, ketidakpastian jumlah order, minimnya customer, dan masih terbatasnya wilayah pemasaran dan penjualannya. Alternatif solusi yang akan diterapkan di UKM tersebut adalah penggunaan aplikasi mobile untuk promosi dan penjualan berbasis android yang terintegrasi ke media sosial seperti facebook, dan instagram. Kegiatan ini direncanakan dalam waktu 5 (lima) bulan yang terdiri dari 5 tahapan meliputi: bulan pertama untuk kegiatan observasi lapangan, diskusi dengan Mitra, dan analisis situasi untuk menetapkan permasalahan yang dihadapi Mitra. Pada bulan  pertama ini pula mulai dilakukan proses desain aplikasi dan database aplikasi online berbasis android. Bulan kedua digunakan untuk pembuatan aplikasi Android dan database. Bulan ketiga digunakan untuk pelatihan SDM agar terampil dalam mengoperasikan sistem aplikasi berbasis android dan sekaligus dilakukan uji coba (trial and error) penerapan dan koreksi sistem aplikasi Android. Bulan keempat dilakukan publikasi pada media massa dan jurnal, sedangkan pada bulan kelima  dilakukan pembuatan laporan akhir. Sistem aplikasi promosi dan penjualan online berbasis android ini akan diterapkan di UKM Batik Blekok sehingga diharapkan dapat membantu UKM tersebut dalam mengatasi permasalahan yang selama ini dialaminya. Sistem aplikasi promosi dan penjualan online berbasis android ini akan diterapkan di UKM Batik Blekok sehingga diharapkan dapat membantu UKM tersebut dalam mengatasi permasalahan yang selama ini dialaminya. Pada akhirnya outcome yang diharapkan dari kegiatan ini adalah dapat memperluas wilayah pemasaran, meningkatkan jumlah pelanggan, meningkatkan volume penjualan dan meningkatkan omset dan keuntungan UKM Batik Blekok. Metode yang akan diterapkan untuk menyelesaikan permasalahan yang dihadapi oleh kedua mitra ini meliputi 5 tahap/macam kegiatan yaitu:  observasi lapangan, penyediaan infrastruktur internet dan peralatan pendukung, pelatihan SDM, penerapan Sistem, aplikasi promosi dan penjualan online dan pengoperasian Sistem Aplikasi promosi dan penjualan online.
Performance Comparison Supervised Machine Learning Models to Predict Customer Transaction Through Social Media Ads Afandi Nur Aziz Thohari; Rima Dias Ramadhani
Journal of Computer Networks, Architecture and High Performance Computing Vol. 4 No. 2 (2022): Article Research Volume 4 Number 2, July 2022
Publisher : Information Technology and Science (ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/cnahpc.v4i2.1488

Abstract

The application of machine learning has been used in various sectors, one of which is digital marketing. This research compares the performance of six machine learning algorithms to predict customer transaction decisions. The six algorithms used for comparison are Perceptron, Linear Regression, K-Nearest Neighbors, Naïve Bayes, Decision Tree, and Random Forest. The dataset is obtained from Facebook ads transaction data in 2020. The goal is to get a model that has the best performance so that it can be deployed to the web. The method that is used to compare the results is a confusion matrix and also uses visualization of the model to get the prediction error that occurred. Based on the test results, the random forest algorithm has the highest accuracy, recall, and f1-score values, with scores of 96.35%, 95.45%, and 93.32%. The highest precision value was generated by the logistic regression algorithm, which was 94.44%. Based on the data visualization presented by the random forest algorithm, it has the least prediction errors, there are four data. Therefore, it can be concluded that the random forest algorithm has the best performance because it has the highest value in the three confusion matrix measurements and the smallest data prediction error. The model of the random forest algorithm is deployed to the web platform and can be accessed at the link iklan-sosmed.herokuapp.com.
Co-Authors Aggie Brenda Vernandez Amran Yobioktobera Angga Wahyu Wibowo Apri Junaidi Budi Suyanto Condro Kartiko Hutama Arif Bramantyo Idhawati Hestiningsih Irwan Yanwari Kurnianingsih, - Kuwat Santoso Liliek Triyono Mardiyono Mardiyono Muttabik Fathul Lathief Novanda Alim Setya Nugraha Nurseno Bayu Aji Ramadhani, Rima Dias Rizkha Ajeng Rochmatika Tri Ginanjar Laksana Tri Raharjo Yudantoro Vinda Setya Kartika Wiktasari Wiktasari