Article Per Year (5 Year)
p-Index From 2020 - 2025
4.354
P-Index
This Author published in this journals
All Journal Jurnal Teknik Komputer AMIK BSI Media Informatika Jurnal Infortech Akrab Juara : Jurnal Ilmu-ilmu Sosial Computer Science (CO-SCIENCE) INSANtek – Jurnal Inovasi dan Sains Teknik Elektro Jurnal Ilmu Komputer dan Teknologi (IKOMTI) Jurnal Abdimas Perbanas Journal of Artificial Intelligence and Digital Business SATIN - Sains dan Teknologi Informasi Journal of Innovative and Creativity Jurnal Pengabdian Masyarakat Nasional
Yayan Hendrian
Universitas Bina Sarana Informatika
Biochemistry, Genetics & Molecular Biology Chemistry Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Medicine & Pharmacology Social Sciences Other

Published : 27 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 27 Documents
Search

 1   2   3 
APLIKASI CHEMICAL VIRTUAL LAB DENGAN MENGGUNAKAN BAHASA PEMROGRAMAN JAVA SERTA MENGIMPLEMENTASI JAVAFX hendrian, yayan; Meyer, Ragil Reynaldo
Jurnal Infortech Vol 2, No 1 (2020): Juni 2020
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (197.17 KB) | DOI: 10.31294/infortech.v2i1.7907

Abstract

Abstrak  - Teknologi telah banyak membantu dalam mengumpulkan, memproses, dan memvisualisasikan informasi. Dalam bidang pendidikan, teknologi dapat membantu memberikan sarana pembelajaran yang berguna bagi para kalangan pelajar dan akademisi. Hal ini dibuktikan oleh hasil penelitian beberapa orang sebelumnya. Aplikasi Virtual Chemical Lab merupakan salah satu sarana pembelajaran yang menggunakan teknologi pemrograman Java. Fitur yang terdapat pada aplikasi ini berlandaskan kepada teori yang di dapat dari sumber buku-buku, terutama buku yang berjudul “Chemical Principle: The Quest for Insight.” Fitur utama pada aplikasi ini adalah memprediksi produk hasil reaksi kimia yang diuji kembali dengan mencari informasi pada basis data yang disediakan oleh National Institutes of Health dan National Cancer Institute. Fitur pendukung lainnya adalah tabel periode dengan berbagai informasi dari informasi atomik sampai kepada sejarah penemuan unsur-unsur atom; dan informasi bentuk geometri 3 dimensi, geometri 2 dimensi, dan informasi deskriptif bentuk fisik dari suatu kompon atau molekul yang juga diperoleh dari basis data yang sama dengan yang telah disebutkan sebelumnya.
Aplikasi Laporan Harian Teknisi CV. Cipta Multi Solution Berbasis Website hendrian, yayan
Jurnal Infortech Vol 5, No 2 (2023): Desember 2023
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v5i2.18335

Abstract

Proses laporan harian teknisi pada CV. Cipta Multi Solution saat ini masih bersifat manual sehingga membutuhkan waktu seharian. Selain itu, proses pelaporan yang bersifat manual membutuhkan kertas yang banyak untuk menulis laporan harian teknisi karena belum adanya program untuk laporan harian teknisi. Laporan harian ini bersifat penting karena digunakan untuk menentukan produktivitas dan efisiensi setiap karyawan. Oleh karena itu Penulis membuat rancangan program berbasis website untuk menyelesaikan permasalahan yang terjadi dalam pelaporan harian teknisi. Penulis menggunakan metode penelitian model SDLC yang meliputi proses analisis data dan kebutuhan program, mendesain tampilan UI/UX, membuat listing kode program, pengujian, dan implementasi. Diharapkan nantinya, dengan program laporan harian teknisi berbasis website ini, penyajian laporan harian teknisi dapat diproses, dilihat dan diketahui dengan mudah dan cepat kepada semua karyawan sehingga dapat meminimalisir adanya kerangkapan. Perancangan design program laporan harian teknisi CV. Cipta Multi Solution menggunakan PHP, MySQL dan CodeIgniter. Program laporan harian teknisi dapat diakses melalui komputer, handphone, laptop atau gadget apapun asalkan terhubung ke internet.
Prototype Sistem Monitoring Banjir Berbasis Thingspeak Menggunakan Sensor HC-SR04 Dan Node MCU Esp-8266 Hendrian, Yayan; Ferdiansyah Ramadhan, Gilang; Adi Nugroho, Prayoga
INSANtek Vol 5 No 1 (2024): Mei 2024
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/insantek.v5i1.3301

Abstract

Bencana banjir merupakan salah satu bencana yang hampir rutin dihadapi masyarakat Indonesia setiap tahun terutama di musin penghujan. Debit air yang banyak dan turun hujan terus-menerus dapat mengakibatkan permukaan air sungai di pintu air Katulampa atau di Manggarai menjadi naik dan dapat mengakibatkan banjir di daerah hilir ketika dibuka. Hal tersebut harus diwaspadai dan dimonitoring secara terus-menerus guna menghindari kerugian material dan korban nyawa melayang. Berbagai peristiwa banjir bandang sering kita dengar dan lihat melalui media cetak maupun elektronik. Oleh karena itu diperlukan sebuah alat yang dapat meminimalisir kerugian yang timbul melalui sistem monitoring yang real time dan notifikasi 24 jam. Alat yang dirancang penulis berusaha mengimplementasikan internet of things pada alat monitoring banjir dengan memanfaatkan sensor HC-SR04 sebagai sensor jarak dan dipadukan dengan Node MCU ESP-8266 sebagai chip mikrokontroller dan thinkspeak sebagai alat bantu monitoring dalam bentuk visual grafik. Diharapkan dengan adanya alat ini, maka ketinggian air yang ada di setiap bendungan dapat dimonitoring setiap saat tanpa harus ke lokasi cukup melalui website thingspeak. Dari hasil pengujian didapatkan bahwa alat dapat bekerja membaca ketinggian air oleh sensor HC-SR04 dan ditampilkan di LCD dan Thinkspeak
PEMANFAATAN IOT UNTUK OTOMATISASI PENYIRAM TANAMAN TOMAT DAN PEMANTAUAN KELEMBAPAN TANAH Yayan Hendrian; Rizki Maulana Saefudin; Nicko Meltha
Akrab Juara : Jurnal Ilmu-ilmu Sosial Vol. 6 No. 5 (2021)
Publisher : Yayasan Azam Kemajuan Rantau Anak Bengkalis

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

Abstract

Tanaman merupakan bagian dari ekosistem kehidupan. Tanpa tanaman, makhluk hidup di bumi tidak dapat hidup layak dikarenan oksigen yang dihasilkan oleh tanaman. Tanaman terdiri dari beragam jenis, salah satunya Solanum lycopersicum atau biasa disebut tomat. Kelembapan tanah adalah faktor terpenting dalam pertumbuhan tanaman, tanah yang subur akan menghasilkan tanaman yang produktif, serta tanaman tomat yang dihasilkan akan memiliki kualitas yang bersaing. Penelitian ini bertujuan untuk membuat alat yang dapat melakukan penyiraman otomatis dan pemantauan kelembapan pada tanah dengan menggunakan NodeMCU yang terhubung dengan Telegram agar kualitas tanaman dapat dipantau secara real time dan dimanapun agar kelembapan tetap stabil pada kondisi tanah yang di butuhkan tanaman tomat. Oleh karena itu, penulis mencoba manfaatkan teknologi internet untuk alat ini melalui pendekatan Internet of Things (IoT). NodeMCU digunakan sebagai pengontrol utama dan juga koneksi internet sehingga dapat menyiram secara otomatis dan memantau kelembaban tanah. Soil Moisture Sensor dipilih sebagai alat untuk mengukur kelembapan tanah. Hasil pengujian pemantauan kelembapan tanah dapat dilihat secara online melalui aplikasi Telegram dan offline atau jarak dekat dengan LCD 16x2 I2C. Dengan demikian efisiensi waktu dapat ditingkatkan yaitu pengguna tidak perlu menyiram tanaman secara manual dan memantau kondisi kelembapan tanah pada tanaman tomat.
Clustering Pencemaran Udara Yogyakarta Menggunakan Algoritma K-Means dan Orange Data Mining Oktavia, Bella Azka; Tarigan, Aldyansyah; Pratiwi, Clara; Putra, Fachrizky Catur; Chrisnawati, Giatika; Hendrian, Yayan
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 2 (2025): Mei - Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i2.1116

Abstract

Pencemaran udara menjadi salah satu permasalahan lingkungan yang perlu mendapatkan perhatian khusus, terutama di wilayah perkotaan seperti Daerah Istimewa Yogyakarta. Udara yang tercemar dapat berdampak buruk bagi kesehatan manusia, hewan, dan lingkungan secara keseluruhan. Penelitian ini bertujuan untuk menganalisis dan mengelompokkan kualitas udara di Yogyakarta berdasarkan parameter Indeks Standar Pencemar Udara (ISPU), yaitu PM10, PM2.5, SO₂, CO, O₃, NO₂, dan HC. Metode yang digunakan dalam penelitian ini adalah K-Means Clustering, yang diterapkan untuk mengelompokkan data kualitas udara ke dalam beberapa klaster berdasarkan tingkat pencemaran. Proses pengolahan dan visualisasi data dilakukan menggunakan aplikasi Orange Data Mining, dengan data yang diperoleh dari Dinas Lingkungan Hidup Kota Yogyakarta selama periode tahun 2022 hingga 2024. Hasil dari proses klasterisasi menunjukkan adanya pengelompokan yang jelas terhadap tingkat pencemaran udara di wilayah tersebut, mulai dari klaster dengan tingkat pencemaran rendah hingga tinggi. Temuan ini diharapkan dapat menjadi bahan pertimbangan bagi pemerintah daerah dalam merancang kebijakan pengendalian polusi udara secara lebih efektif dan berbasis data.
Optimasi Sistem Deteksi Pencurian Motor Real-Time Menggunakan YOLO dan TensorRT Andreas, Derza; Najwan, Shafiq; Raihan, Muhammad Fajar; Lensi, Maria Erviana Asinta; Sipahutar, Randi Paisal; Hendrian, Yayan; Chrisnawati, Giatika
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 2 (2025): Mei - Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i2.1147

Abstract

Tingginya angka pencurian sepeda motor menuntut solusi keamanan yang proaktif dan otomatis, mengingat sistem pengawasan konvensional umumnya bersifat reaktif dan kurang efektif. Penelitian ini mengusulkan sistem deteksi dini pencurian motor berbasis video yang mampu mengenali objek, mengidentifikasi individu, dan mendeteksi aktivitas mencurigakan secara real-time. Sistem ini mengintegrasikan berbagai teknologi kecerdasan buatan, termasuk YOLOv11 untuk deteksi objek, ByteTrack untuk pelacakan, InsightFace untuk identifikasi wajah, PaddleOCR untuk pembacaan pelat nomor, dan Real-ESRGAN untuk peningkatan resolusi citra. Pengujian dilakukan menggunakan video simulasi yang merepresentasikan kondisi nyata, seperti variasi pencahayaan, sudut kamera, dan interaksi antara subjek dan kendaraan. Evaluasi dilakukan terhadap 48 sampel wajah, 34 kasus identifikasi kendaraan, dan 20 skenario pencurian. Hasil evaluasi menunjukkan sistem berhasil mencapai akurasi 95,83% dalam identifikasi wajah dan 97,92% dalam identifikasi pelat nomor. Pada deteksi aktivitas curanmor, sistem mencatatkan akurasi 95% dan F1-score sebesar 96,97% tanpa adanya false negative. Dari segi performa, sistem yang dioptimasi dengan TensorRT (presisi FP16) menunjukkan peningkatan signifikan dalam kecepatan inferensi, dari 36,19 FPS (menggunakan PyTorch FP32) menjadi 56,47 FPS. Hasil ini menunjukkan bahwa sistem yang dikembangkan tidak hanya akurat dan andal, tetapi juga efisien untuk diterapkan dalam pengawasan keamanan rumah secara waktu nyata. Sistem ini juga memiliki potensi untuk dikembangkan lebih lanjut melalui integrasi dengan IoT guna meningkatkan respon otomatis terhadap potensi pencurian.
Prediksi Harga Rumah di Boston Dengan Model Regresi Linear Menggunakan Python Hartarti, Intania Dharma; Septiyani, Intan Amelia; Gultom, Daniel Armando; Hendrian, Yayan; Kinanti, Shynde Limar
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 2 (2025): Mei - Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i2.1210

Abstract

Prediksi harga rumah merupakan aspek krusial dalam sektor properti dan ekonomi karena dapat membantu proses pengambilan keputusan bagi pembeli, penjual, serta pengembang. Penelitian ini memiliki tujuan untuk membangun model prediksi harga rumah dengan pendekatan algoritma regresi linear. Dataset yang digunakan adalah Boston Housing, yang memuat berbagai variabel penentu harga rumah. Beberapa variabel penting dalam dataset tersebut mencakup jumlah kamar, usia bangunan, tingkat kriminalitas di lingkungan sekitar, dan jarak ke pusat kota. Pengolahan data dilakukan menggunakan bahasa pemrograman Python di editor Visual Studio Code (VS Code). Proses analisis mencakup eksplorasi data, analisis korelasi antar variabel, pemilihan fitur, pembangunan model, evaluasi performa model, dan visualisasi hasil. Model regresi linear kemudian dievaluasi dengan metrik seperti MAE, MSE, RMSE, dan R² untuk mengukur akurasi prediksi. Hasil evaluasi menunjukkan bahwa regresi linear mampu menghasilkan prediksi yang cukup baik dengan nilai R² yang menggambarkan korelasi yang kuat antara fitur dan harga. Berdasarkan temuan ini, regresi linear dinilai efektif sebagai pendekatan awal dalam memprediksi harga rumah berdasarkan data historis.
Prediksi Harga Saham Bank BRI dan Bank BCA dengan Menggunakan Model LSTM Rizki, Muhamad; Danneswara, Aditya Eka; Aprilia, Yesa Dwi; Al Fajri, Muhammad Fatir Rizky; Hendrian, Yayan; Kinanti, Shynde Limar
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 2 (2025): Mei - Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i2.1264

Abstract

Dalam era modern, prediksi harga saham menjadi bidang penting dalam dunia keuangan dan investasi karena mampu membantu investor dalam membuat keputusan yang lebih tepat. Penelitian ini bertujuan membangun model prediksi harga saham Bank Rakyat Indonesia (BBRI) dan Bank Central Asia (BBCA) menggunakan metode Long Short-Term Memory (LSTM), yang dikenal efektif untuk mengolah data deret waktu (time series). Data historis harga saham BBRI dan BBCA dikumpulkan dari platform Yahoo Finance dengan rentang waktu 20 Januari 2019 hingga 14 Maret 2025. Sebelum pelatihan model, data dinormalisasi menggunakan teknik MinMaxScaler untuk memastikan skala data seragam. Dataset kemudian dibentuk berdasarkan jendela waktu selama 60 hari untuk menangkap pola tren harga sebelumnya. Model LSTM yang digunakan terdiri dari dua lapisan bertingkat yang memungkinkan pengenalan pola jangka panjang secara lebih akurat. Evaluasi kinerja dilakukan dengan menghitung Root Mean Squared Error (RMSE), yang digunakan untuk mengukur seberapa dekat hasil prediksi dengan data aktual. Hasil prediksi divisualisasikan dalam bentuk grafik agar dapat dibandingkan secara langsung dengan pergerakan harga saham sebenarnya. Berdasarkan evaluasi awal, model menunjukkan kemampuan mengikuti tren harga saham dengan nilai RMSE yang cukup rendah, mengindikasikan performa yang baik. Penelitian ini diharapkan dapat memberikan kontribusi signifikan dalam pengembangan sistem prediksi harga saham berbasis kecerdasan buatan dan menjadi referensi bermanfaat bagi para investor dalam menentukan strategi investasi yang lebih tepat.
Pengembangan Alat Penyiram Tanaman Otomatis Menggunakan Arduino Uno Setiawan, Yusuf Harry; Hariz, Daffa; Fashih, Azrial Farabi; Syafiq, Muhammad Faisal; Armin, Panji Purwinto; Hendrian, Yayan
Media Informatika Vol 24 No 2 (2025)
Publisher : P3M STMIK LIKMI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37595/mediainfo.v24i2.351

Abstract

Padatnya aktivitas masyarakat terutama di perkotaan karena sibuk bekerja membuat mereka yang ingin merawat tanaman kesayangan di rumah memiliki tantangan tersendiri, Salah satu penyebabnya ialah sulitnya menyiram tanaman tersebut secara teratur yang mengakibatkan pertumbuhan tanaman tersebut terhambat. Untuk menghadapi masalah tersebut kami melakukan penelitian dengan merancang sistem penyiraman otomatis yang berbasis mikrokontroler Arduino dan IoT (Internet of Things). Sistem ini menggunakan sensor kelembapan tanah untuk mengetahui kondisi lingkungan sehingga saat tanah kering otomatis menghidupkan pompa air. Agar memudahkan pengguna melakukan kontrol penyiraman ini, aplikasi Blynk adalah pilihan tepat untuk di gunakan dalam sistem ini. Hasil dari berberapa penelitian sebelumnya dan kami perbarui ini menunjukan bahwa sistem bekerja dengan baik serta memiliki akurasi tinggi sehingga dapat menghemat penggunaan air hingga 46% menjadikan sistem ini sangat efisien dan mudah digunakan dalam kebun kecil, pertanian perkotaan (urban farming), maupun rumah tangga sehari-hari.
Analisis Komparatif CNN dan Transfer Learning untuk Prediksi Dini Kanker Payudara Berbasis Deep Learning Zaidan, Noufal; Seka, Erick Markus; Axellee, Resta; Syahputra, Muhammad Haykal; Chrisnawati, Giatika; Hendrian, Yayan
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 2 (2025): Mei - Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i2.1497

Abstract

Kanker payudara tetap menjadi penyebab utama kematian di kalangan wanita secara global. Mendeteksi penyakit pada tahap awal secara signifikan meningkatkan keberhasilan pengobatan dan tingkat kelangsungan hidup. Studi ini bertujuan untuk mengembangkan model klasifikasi untuk kanker payudara menggunakan Convolutional Neural Network (CNN) dan mengevaluasi kinerjanya dibandingkan dengan model yang menggunakan transfer learning dengan arsitektur yang telah dilatih sebelumnya. Kedua metode tersebut digunakan untuk memanfaatkan dan memproses data citra histopatologi kanker payudara. Untuk mengevaluasi kinerja model, metrik akurasi dan kehilangan digunakan. Temuan eksperimental menunjukkan bahwa model yang menggunakan transfer learning mencapai akurasi yang lebih baik dan kehilangan yang lebih rendah dibandingkan dengan arsitektur CNN tradisional. Hasilnya menunjukkan bahwa transfer learning dapat meningkatkan efektivitas deteksi dini kanker payudara.
Co-Authors Adi Nugroho, Prayoga Adriansyah, Rizqy Al Fajri, Muhammad Fatir Rizky Andreas, Derza Aprilia, Yesa Dwi Armin, Panji Purwinto Aswar Hanif Axellee, Resta Budiman, Muhammad Shidiq Chrisnawati, Giatika Dalhar Dalhar Danneswara, Aditya Eka DAVID KURNIAWAN Fashih, Azrial Farabi Ferdiansyah Ramadhan, Gilang Gultom, Daniel Armando Hariz, Daffa Hartarti, Intania Dharma Indra Riyana Rahadjeng Indriyani Widyastuti Kahfi, Ahmad Hafidzul Karimuddin, Muhammad Fadhlan Kinanti, Shynde Limar Kurani Mega Asteroid Lensi, Maria Erviana Asinta Lilik Martanto Maulana, Ramadhoni Gibran Meyer, Ragil Reynaldo Muhamad Rizki Muhammad Asy Syams Anwar Muhammad Farda Anggara Wahab Najwan, Shafiq Nandalusia, Salfa Nicko Meltha Oktavia, Bella Azka Prasetyo, Tegar Hardiansyah Pratiwi, Clara Putra, Fachrizky Catur Raihan, Muhammad Fajar Rezky Pramudya, Muhammad Rizki Maulana Saefudin Rizky Eko Yudothomo Said, Muhammad Arifin Seka, Erick Markus Septiyani, Intan Amelia Setiawan, Yusuf Harry Sipahutar, Randi Paisal Syafiq, Muhammad Faisal Syahputra, Muhammad Haykal Syamsul Bakhri Syamsul Bakhri Tarigan, Aldyansyah Violetta Surya Pratama Yusuf Pribadi Yudatama Zaidan, Noufal Zeta Adha Trisativa