Article Per Year (5 Year)
p-Index From 2021 - 2026
4.777
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Scan : Jurnal Teknologi Informasi dan Komunikasi Jurnal Informatika dan Teknik Elektro Terapan Jurnal Sistem Informasi dan Bisnis Cerdas INTEGER: Journal of Information Technology JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Applied Technology and Computing Science Journal Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi bit-Tech Jurnal Abdi Insani TIN: TERAPAN INFORMATIKA NUSANTARA Nusantara Science and Technology Proceedings Jurnal Pengabdian Masyarakat Indonesia Bulletin of Computer Science Research Jurnal Teknologi dan Manajemen International Journal Of Computer, Network Security and Information System (IJCONSIST) Jurnal Sistem Informasi, Teknik Informatika dan Teknologi Pendidikan (JUSTIKPEN) Jurnal Nasional Teknik Elektro dan Teknologi Informasi Jurnal Informatika Teknologi dan Sains (Jinteks) Jurnal Ilmiah Edutic : Pendidikan dan Informatika Jurnal Informatika Dan Tekonologi Komputer
Mandyartha, Eka Prakarsa
Universitas Pembangunan Nasional Veteran Jawa Timur Surabaya
Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering 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 Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Veterinary Other

Published : 38 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 38 Documents
Search

 1   2   3   4 
PENGGUNAAN FIREFLY ALGORITHM PADA SUPPORT VECTOR REGRESSION SEBAGAI OPTIMASI PREDIKSI HARGA CLOSE LITECOIN Alief Indy Millani; Dwi Arman Prasetya; Eka Prakarsa Mandyartha
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 1 (2026): EDISI 27
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i1.6955

Abstract

Altcoin merupakan salah satu investasi dari Cryptocurrency yang sering diminati banyak orang dikarenakan dapat memberikan keuntungan yang besar. Namun, sering kali banyak kesalahan dalam memprediksinya dikarenakan data yang dinamis. Oleh karena penelitian ini bertujuan untuk meningkatkan akurasi prediksi harga altcoin dengan mengoptimalkan parameter Support Vector Regression (SVR) menggunakan Firefly Optimization. Metode ini diterapkan untuk menentukan nilai parameter terbaik, dan  berdasarkan nilai error terkecil. Data yang digunakan merupakan altcoin jenis Litecoin. Evaluasi performa dilakukan menggunakan metrik R², dan MAPE. Hasil penelitian menunjukkan bahwa optimasi dengan Firefly Algorithm mampu meningkatkan performa prediksi secara signifikan dibandingkan SVR tanpa optimasi. Pada Litecoin, MAPE menurun dari 9.20% menjadi 3% dengan R2 dari dari 0.83 menjadi 0.94. Meskipun waktu komputasi meningkat, kombinasi Firefly-SVR terbukti efektif dalam menghasilkan parameter optimal dan meningkatkan akurasi prediksi harga altcoin
Evaluasi Kinerja U-Net ResNet34 dan MDSBN: Studi Komparatif untuk Segmentasi Naskah Kuno Indonesia Rino Zakharia; Budi Nugroho; Eka Prakarsa Mandyartha
Bulletin of Computer Science Research Vol. 6 No. 5 (2026): August 2026
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bulletincsr.v6i5.1236

Abstract

The digitization of ancient documents is an important step in preserving historical and cultural information. However, the resulting images often suffer from degradation, such as stains, uneven background textures, faded ink, and low contrast, making text-background separation difficult. This study compares two deep learning architectures, namely U-Net ResNet34 and the Modified Deep Semantic Binarization Network (MDSBN), for the segmentation of Indonesian ancient documents. The dataset consists of Balinese palm-leaf manuscripts, Sundanese manuscripts, and additional ancient document images obtained from Wikimedia Commons. The experiments were conducted through a learning rate search and batch size sensitivity analysis, and the models were evaluated using the Dice Coefficient, Intersection over Union (IoU), Precision, Recall, and Root Mean Squared Error (RMSE). This study contributes through a controlled evaluation of both architectures using a consistent dataset, preprocessing pipeline, loss function, evaluation metrics, and computational environment, enabling performance differences to be analyzed more objectively. The results show that U-Net ResNet34 achieved its best performance using a learning rate of 5e-5 and a batch size of 16, with a test Dice score of 0.79338 and a test IoU score of 0.65752. It outperformed MDSBN, which achieved its best performance using a learning rate of 1e-6 and a batch size of 32, with a test Dice score of 0.75338 and a test IoU score of 0.60433. The functional advantage of U-Net ResNet34 is associated with the ability of its residual encoder to extract hierarchical features from complex textures and degradation patterns, while its skip connections help preserve the spatial details of thin text strokes. These characteristics make U-Net ResNet34 more adaptive to variations in degradation within the Indonesian ancient document dataset than the more compact MDSBN architecture.
Effect of CBAM Integration on InceptionV3 for Improved Foot and Mouth Disease Detection Accuracy Mochammad Rifky Andrianto; Eka Prakarsa Mandyartha; Eva Yulia Puspaningrum
bit-Tech Vol. 8 No. 3 (2026): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v8i3.3756

Abstract

Foot and Mouth Disease (FMD) is a highly contagious livestock disease that causes significant economic losses. Timely detection is essential to prevent rapid transmission. While deep learning has shown promise in image-based disease identification, the impact of integrating lightweight attention mechanisms, such as the Convolutional Block Attention Module (CBAM), into robust multi-scale backbones, such as InceptionV3, for FMD detection on small, imbalanced primary field datasets remains underexplored. This study contributes by providing a systematic evaluation of CBAM integration under varying data-splitting scenarios, highlighting the interaction between attention mechanisms and data distribution. This study evaluates the integration of CBAM into InceptionV3 for the classification of cattle lesion images. It compares its performance with the baseline InceptionV3 model across three train-validation-test splits (70:20:10, 80:10:10, and 70:15:15). The dataset comprises 798 primary images (514 FMD-positive and 284 healthy), indicating a limited size with moderate class imbalance. Images were resized to 299 × 299 pixels and normalized to [-1, 1], with augmentation applied only to the training set. The InceptionV3-CBAM model achieved the best performance under the 70:15:15 split, with 96.69% accuracy, 96.25% precision, 98.72% recall, and 97.48% F1-score. These findings suggest that CBAM can enhance lesion-focused feature representation and detection sensitivity. However, performance gains were inconsistent across splits and appear influenced by both architectural changes and dataset characteristics. The model demonstrates potential for early FMD screening in resource-limited settings, but further validation on larger, more diverse datasets is essential to confirm robustness and generalizability
KLASIFIKASI PENYAKIT KULIT BERBASIS SUPPORT VECTOR MACHINE DENGAN EKSTRAKSI FITUR ABCD RULE Al Danny Rian Wibisono; Eka Prakarsa Mandyartha; Muhammad Muharrom Al Haromainy
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 1 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i1.6039

Abstract

Penyakit kulit merupakan masalah kesehatan yang signifikan, gejala dari penyakit ini berupa gatal, nyeri, mati rasa, dan kemerahan. Penyakit ini dapat disebabkan oleh beberapa faktor seperti virus, jamur, dan mikroorganisme. Menurut data Dinas Kesehatan Surabaya tahun 2019, prevalensi penyakit kulit dan jaringan subkutan mencapai 4,53%, menjadikannya penyakit terbanyak keenam yang dialami masyarakat. Oleh sebab itu, pada penelitian ini diusulkan sebuah penelitian mengenai klasifikasi penyakit kulit menggunakan Support Vector Machine melalui analisis fitur ABCD Rule. Pada penelitian ini akan dilakukan labeling pada 5 kelas penyakit kulit yang akan digunakan sebagai data latih dan data uji melalui 7 tahapan utama yakni Pengumpulan Dataset Citra Penyakit Kulit, Pre-processing Inpaint Talea, Pre-processing Gaussian Blur dan Normalisasi Mask, Segmentasi Thresholding Otsu Bitwise, Restorasi Kontur, Ekstraksi Fitur ABCD Rule, dan klasifikasi menggunakan Support Vector Machine (SVM). Sebanyak 4 skenario pengujian dilakukan untuk menemukan model terbaik, dimana skenario pengujian melibatkan pengaturan pembagian data yang berbeda, kernel berbeda, dan parameter yang berbeda pada model Support Vector Machine (SVM). Melalui skenario tersebut didapatkan hasil terbaik, yaitu Akurasi sebesar 86,42%, Spesifisitas sebesar 96,60%, dan Sensitivitas sebesar 86,42%. Hal ini menunjukkan bahwa metode yang diusulkan memiliki kinerja yang cukup baik dalam mengklasifikasikan jenis penyakit kulit. Penelitian ini tidak hanya berpotensi dalam meningkatkan diagnosis penyakit kulit secara efisien, tetapi juga mendorong pengembangan sistem deteksi berbasis teknologi untuk mendukung layanan kesehatan kulit yang lebih terjangkau dan andal.
KLASIFIKASI PENYAKIT DAUN PADI MENGGUNAKAN SUPPORT VECTOR MACHINE BERDASARKAN FITUR MENDALAM (DEEP FEATURE) Devina Margarita; Hendra Maulana; Eka Prakarsa Mandyartha
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 4 (2024)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v9i4.5634

Abstract

Tanaman padi memiliki peran yang sangat penting dalam menyediakan pangan bagi populasi global. Namun, serangan hama dan bakteri dapat menghambat produksi padi dengan mengganggu proses fotosintesis dan fase generatifnya, yang berakhir pada penurunan kualitas dan kuantitas panen. Untuk mengatasi tantangan ini, penelitian ini mengusulkan pemanfaatan teknologi pemrosesan citra dan pembelajaran mesin. Metode yang digunakan mencakup Convolutional Neural Network (CNN) dengan arsitektur VGG-19 untuk mengekstraksi fitur citra, serta Support Vector Machine (SVM) dengan pendekatan pelatihan menggunakan Sequential Minimal Optimization (SMO) untuk klasifikasi. Penelitian ini terdiri dari lima tahap utama: preprocessing , pembagian data, ekstraksi fitur CNN, pelatihan SVM, dan evaluasi hasil. Berbagai skenario dengan kernel SVM yang berbeda dievaluasi, di mana hasilnya menunjukkan bahwa kernel RBF dan linear mampu mencapai akurasi tertinggi, yaitu 93,94%. Penelitian ini menunjukkan bahwa penggunaan CNN dan SVM dalam mengatasi hambatan klasifikasi citra penyakit daun pada tanaman padi, dapat memberikan hasil yang signifikan.
Pengembangan Sistem Informasi Ticketing Bus Berbasis Web dengan Integrasi Payment Gateway Menggunakan Framework Laravel Ahmad Zulfikar Ananta Mahardika; Ardina Mudholivah Zain; Iqbal Zahy Adam; Eka Prakarsa Mandyartha
Jurnal Sistem Informasi, Teknik Informatika dan Teknologi Pendidikan Vol. 6 No. 1 (2026): Edisi September 2026
Publisher : Utiliti Project Solution

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

Abstract

Sistem pemesanan tiket bus antarkota di Indonesia masih banyak bergantung pada mekanisme konvensional yang rentan terhadap risiko pemesanan ganda (double booking) dan keterlambatan konfirmasi pembayaran akibat verifikasi manual. Penelitian ini bertujuan mengembangkan JavaTrans, sebuah Sistem Informasi Ticketing Bus berbasis web menggunakan framework Laravel 11 dengan integrasi Xendit Payment Gateway melalui RESTful API dan mekanisme webhook untuk mengotomatisasi verifikasi pembayaran tanpa intervensi operator. Pengembangan sistem mengikuti model Waterfall yang mencakup analisis kebutuhan, perancangan sistem menggunakan UML, implementasi, dan pengujian menggunakan metode Black Box Testing. Hasil pengujian menunjukkan seluruh fitur utama sistem berjalan sesuai kebutuhan fungsional, meliputi manajemen jadwal otomatis berbasis waktu, pemilihan kursi interaktif dengan visualisasi layout real-time, mekanisme seat holding otomatis yang berhasil mencegah double booking, serta pembayaran melalui QRIS dan Virtual Account yang terverifikasi secara otomatis via webhook. Temuan ini mengimplikasikan bahwa integrasi payment gateway pada sistem ticketing bus berbasis web secara signifikan dapat mengurangi ketergantungan pada verifikasi manual dan mencegah double booking, sehingga berpotensi menjadi acuan pengembangan sistem serupa pada layanan transportasi darat lainnya.
Perancangan Sistem Kendali Pompa Submersible Dengan Fuzzy Type-2 Berbasis IoT Dan Android Nafis Pratama Putra; Basuki Rahmat; Eka Prakarsa Mandyartha
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol. 15 No. 4 (2026): Agustus 2026
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v15i4.3764

Abstract

Rice, as a strategic commodity, faces major challenges due to climate change and the wasteful use of water in manual irrigation, which is only 30–50% efficient. This study developed a smart submersible pump irrigation system based on the Interval Type-2 Fuzzy Logic System (IT2FLS), integrated with the Internet of Things (IoT) and an android mobile application. The system uses an ESP32 microcontroller as the main control unit, soil moisture sensors, rain sensors, and Type-2 fuzzy logic processing on the server to generate automated decisions that are more robust against sensor data uncertainty. Testing was conducted on rice paddy fields. The test results showed that the system was able to save up to 38.7% in water usage and up to 38.6% in electricity compared to manual irrigation. The android application functioned well for real-time monitoring and remote control. This study proves that the integration of IT2FLS, IoT, and mobile applications can improve rice paddy irrigation efficiency and support the implementation of smart farming. Kata kunci: Interval Type-2 Fuzzy Logic; IoT; rice field irrigation; android app; submersible pump  Abstrak Padi sebagai komoditas strategis menghadapi tantangan besar akibat perubahan iklim dan pemborosan air irigasi manual yang efisiensinya hanya 30–50%. Penelitian ini mengembangkan sistem irigasi cerdas pompa submersible berbasis Interval Type-2 Fuzzy Logic System (IT2FLS) terintegrasi dengan Internet of Things (IoT) dan aplikasi mobile android. Sistem ini menggunakan mikrokontroler ESP32 sebagai unit kendali utama, sensor kelembapan tanah, sensor hujan, serta pemrosesan logika fuzzy tipe-2 pada server untuk menghasilkan keputusan otomatis yang lebih robust terhadap ketidakpastian data sensor. Pengujian dilakukan pada lahan sawah. Hasil pengujian menunjukkan sistem mampu menghemat penggunaan air hingga 38,7% dan listrik hingga 38,6% dibandingkan irigasi manual. Aplikasi android berfungsi dengan baik untuk monitoring real-time dan kontrol jarak jauh. Penelitian ini membuktikan bahwa integrasi IT2FLS, IoT, dan aplikasi mobile dapat meningkatkan efisiensi irigasi sawah serta mendukung implementasi smart farming. Kata kunci: Interval Type-2 Fuzzy Logic; IoT; irigasi sawah; aplikasi android; pompa Submersible
Identifikasi Citra Penyakit Monkeypox dengan Random Forest Serta Ekstraksi Fitur VGG19: Indonesia Muhammad Azka Zaki; Eka Prakarsa Mandyartha; Achmad Junaidi
Jurnal Informatika Dan Tekonologi Komputer (JITEK) Vol. 6 No. 1 (2026): Maret : Jurnal Informatika dan Tekonologi Komputer
Publisher : Lembaga Pengembangan Kinerja Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/jitek.v6i1.10132

Abstract

Monkeypox is an infectious disease that can be recognized through images of the patient's skin lesions. A fast and accurate diagnosis method is required to identify Monkeypox. This research aims to identify Monkeypox imagery using the VGG19 feature extraction method, which is then classified using the Random Forest algorithm. The dataset consists of 770 original images, which were expanded to 5,860 images through geometric transformation augmentation. The test results show that the VGG19 feature extraction method with Random Forest classification achieved an accuracy of 95.1%, indicating good performance. This finding suggests the potential of this method as a machine learning approach for detecting Monkeypox and can be further developed with other artificial intelligence approaches.
Co-Authors Achmad Junaidi Agung Mulyono Ahmad Zulfikar Ananta Mahardika Akbar, Fawwaz Ali Al Danny Rian Wibisono Alief Indy Millani Anita Puspitasari Annisaa Sri Indrawanti annisaa sri indrawanti annisaa sri indrawanti Ardina Mudholivah Zain Arista Pratama Arista Pratama Asif Faroqi Basuki Rahmat beni tiyas kristanti Ciptaagung Firjat Ardine Devina Margarita Dhian Satria Yudha K. Dwi Arman Prasetya Eva Yulia Puspaningrum Eva Yulia Puspaningrum Eva Yulia Puspaningrum Frisda Dita Isnaini Hapsari Wiji Utami Henni Endah Wahanani I Gede Susrama Mas Diyasa Iqbal Zahy Adam M. Muharrom Al Haromainy Made Hanindia Prami Swari Maulana, Hendra Mochammad Rifky Andrianto Muftah Hi M Naser Muhammad Azka Zaki Muhammad Helmi Satria Fedianto Muhammad Muharrom Al Haromainy Muttaqin, Faisal Nafis Pratama Putra Nugroho, Budi Prabowo, Aris Retno Mumpuni Ridho Rahman Hariadi Rino Zakharia Safitri, Eristya Maya Salma Fathiyatur Rizky Munir Satibi, Iswanda Fauzan Syahrul Munir Yisti Vita Via yisti vita via Yisti Vita Via