p-Index From 2021 - 2026
9.119
P-Index
This Author published in this journals
All Journal Jurnal Sarjana Teknik Informatika Jurnal Transformatika Jurnal Informatika dan Teknik Elektro Terapan InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Jurnal Teknologi dan Sistem Komputer Jurnal Pengabdian UntukMu NegeRI JIKO (Jurnal Informatika dan Komputer) Insect (Informatics and Security) : Jurnal Teknik Informatika Indonesian Journal of Information System Dinamisia: Jurnal Pengabdian Kepada Masyarakat SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Jurnal Sisfokom (Sistem Informasi dan Komputer) Compiler Jurnal Teknologi Sistem Informasi dan Aplikasi JUTEKIN (Jurnal Manajemen Informatika) INTEK: Informatika dan Teknologi Informasi Jurnal Riset Informatika AMALIAH: JURNAL PENGABDIAN KEPADA MASYARAKAT Antivirus : Jurnal Ilmiah Teknik Informatika Progresif: Jurnal Ilmiah Komputer Jurnal Ilmu Komputer dan Bisnis Jurnal Manajemen Informatika dan Sistem Informasi JATI (Jurnal Mahasiswa Teknik Informatika) JATI EMAS (Jurnal Aplikasi Teknik dan Pengabdian Masyarakat) REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer Journal of Computer System and Informatics (JoSYC) International Journal of Advances in Data and Information Systems Jurnal Informa: Jurnal Penelitian dan Pengabdian Masyarakat TIN: TERAPAN INFORMATIKA NUSANTARA Jurnal Restikom : Riset Teknik Informatika dan Komputer Mosharafa: Jurnal Pendidikan Matematika Journal of Informatics Management and Information Technology Prosiding Seminar Nasional Program Pengabdian Masyarakat sudo Jurnal Teknik Informatika Konstelasi: Konvergensi Teknologi dan Sistem Informasi Jurnal Teknik Informatika Jurnal Pustaka Data : Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer Jurnal Informatika Teknologi dan Sains (Jinteks) Industrial Research Workshop and National Seminar Jurnal Sains Informatika Terapan (JSIT) Journal Of Information System And Artificial Intelligence Jikom: Jurnal Informatika dan Komputer J-Icon : Jurnal Komputer dan Informatika SENAPAS BIMASAKTI
Claim Missing Document
Check
Articles

Klasifikasi Bawang Merah Asli dan Palsu Menggunakan Convolutional Neural Network Primananda, Muhammad Izra; Akbar, Mutaqin
REMIK: Riset dan E-Jurnal Manajemen Informatika Komputer Vol. 8 No. 3 (2024): Volume 8 Nomor 3 Agustus 2024
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/remik.v8i3.13994

Abstract

Bawang merah merupakan salah satu komoditas yang memiliki peran penting dalam sektor pertanian dan ekonomi di banyak negara, termasuk Indonesia. Konsumsi bawang merah yang tinggi dalam berbagai masakan dan sebagai bahan dasar industri makanan menjadikannya produk yang sangat diminati di pasar. Namun, tingginya permintaan terhadap bawang merah juga membuka peluang bagi praktik kecurangan, seperti pemalsuan bawang merah dengan menggunakan bawang merah berkualitas rendah atau bahan lain yang serupa secara fisik. Praktik ini tidak hanya merugikan konsumen dari segi kualitas dan kesehatan, tetapi juga merugikan petani dan pedagang bawang merah asli yang mengalami persaingan tidak sehat. Artikel ini menyajikan klasifikasi bawang merah asli dan palsu menggunakan convolutional neural network (CNN). Penelitian ini menggunakan data berupa foto bawang merah asli dan bawang merah India dengan resolusi 48x48 piksel. Arsitektur CNN yang digunakan terdiri dari tiga lapisan konvolusi dengan ukuran filter 3x3, terdapat batch normalization, dan fungsi aktivasi ReLU, kemudian di setiap akhir lapisan konvolusi terdapat fungsi subsampling menggunakan fungsi maxpool, kemudian output berbentuk matriks diubah menjadi vektor pada lapisan flatten, dan terakhir menuju lapisan klasifikasi atau fully-connected menggunakan fungsi Softmax. Jumlah filter untuk setiap lapisan konvolusi adalah masing-masing 8, 16, dan 32. Hasilnya menunjukkan bahwa model mampu mencapai akurasi 100%, mengindikasikan kinerja yang sangat baik dalam mendeteksi perbedaan antara piksel bawang merah asli dan bawang merah India. Pencapaian ini menggambarkan potensi besar dalam penerapan teknologi kecerdasan buatan, khususnya CNN, untuk klasifikasi bawang merah palsu dengan tingkat akurasi yang sangat tinggi.
MULTI-SCALE CONVOLUTIONAL NEURAL NETWORKS UNTUK KLASIFIKASI CITRA TANAMAN AGLONEMA HIBRIDA Priyanto; Akbar, Mutaqin
Jurnal Manajemen Informatika dan Sistem Informasi Vol. 7 No. 1 (2024): MISI Januari 2024
Publisher : LPPM STMIK Lombok

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

Abstract

Tanaman hias aglonema sangat banyak jenisnya sehingga masih sulit bagi pecinta dan petani aglonema untuk mengklasifikasi beberapa jenis aglonema. Salah satu jenis aglonema berwarna merah yang sering disebut Aglonema rotondum. Aglonema jenis merah ini menjadi cikal bakal dari jenis-jenis aglonema hibrida yang dikembangkan hingga saat ini oleh tenaga botani. Pengganmbilan dataset menggunakan kamera handphone gambar akan diambil dari beberapa angel dan pencahayaan baik terang maupun gelap, dan pembagian rasio antara data untuk pengujian dan pelatihan dan yang kedua pengambilan tidak langsung menggunakan dataset yang didapat dari internet dengan mengambil gambar dari instagram maupun mengambil dari dataset kaggle. Data yang telah dikumpulkan sebanyak 560 yang akan di kelompokan menjadi 4 kelas. Data akan dipotong terlebih dahulu pada region of interest(ROI) menjadi ukuran 28x28 lalu dikonversi ke derajat keabuan. Model CNN yang dipakai terdiri dari 4 layer kovolusional dengan 3x3, empat layer pengabungan Maxpool dengan ukuran 2x2 dan satu lapisan fully-connected dan menggunakan fungsi aktifasi Softmax dengan jumlah filter 32 pada setiap layer konvolusi. Dalam Penelitian ini digunakan 2 skema dengan filter yang berbeda skema 1 dengan filter 16,32,64,128 dan skema 2 dengan filter 32,64,128,128 dan didapatkan nilai terbaik pada skema 2. Kedua skema tersebut menggunakan optimizer ADAM dengan menggunakan data 480 data pelatihan dimana jumlah setiap kelasnya sebanyak 120 data dan epoch sebanyak 20 dengan laju pelatihan 0,0002. Dan dihasilkan galat 0,0004 dengan akurasi mencapai 100% di epoch ke-20. Sedangkan pada hasil pengujian dengan model CNN yang di usulkan dapat memperoleh galat 0,0447 dengan akurasi yang di capai sebesar 98,78%.
Klasifikasi Jenis Buah Nanas Menggunakan Convolution Neural Network Marfianto, Jodhy Dwi; Akbar, Mutaqin
Jurnal Transformatika Vol 21, No 1 (2023): July 2023
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v21i2.6369

Abstract

Indonesia is one of the countries with gread agricultural potential. One of the products of agriculture in Indonesia is pineapple. Pineapple is a tropical plant with edible fruit and one of the maximum economically vital plants in the Bromeliaceous family. The process of selecting pineapple species is generally very dependent on human perception. The development of technology and science makes it possible to perform classification or in terms of object selection using technology based on digital image-based characteristics. Images are used as a source of information that can be used to classify objects. One of the deep learning methods used is Convolutional Neural Networks (CNN) because they have a high deep network and are widely used to image data. Deep learning in Computer Vision has good capabilities in, one of which is image classification or object classification in images, and the network in CNN has a special layer, namely the convolution layer, The image convolution process in this study uses the keras package on GoogleColab, because making a neural network model using Keras does not need to write code to express mathematical calculations individually. Testing using a sample of 120 pineapple images shows an accuracy rate of 91,66% which is considered to be able to identify 3 types of pineapple fruit.
Sistem Pakar Diagnosa Gangguan Tidur pada Anak Menggunakan Naïve Bayes Kurniawan, Bagus Dwi; Akbar, Mutaqin
Journal of Computer System and Informatics (JoSYC) Vol 5 No 4 (2024): August 2024
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josyc.v5i4.5267

Abstract

Humans have a need for sleep that can be said to be very important, especially as children begin to develop. Sleep helps children become smarter, producing hormones that boost energy storage, increase muscle stamina, agility, intelligence, cognitive function, and long-term memory storage are all positively affected by sleep. To identify sleep disorders in children, parents usually need to consult a pediatrician, which can be expensive and time consuming. With an expert system, the system can relieve and help parents in detecting sleep disorders in their children by selecting symptom options in the system, then the system will give the final result of the child's sleep disorder with the highest probability based on the symptoms presented, as well as providing the appropriate solution. This expert system uses the Naïve Bayes method, which is a simple probabilistic classification. This method uses machine learning that relies on probability calculations. The system covers 31 symptoms of child sleep disturbances as well as the types of sleep disorders studied include Sleep Apnea, Insomnia, Narcolepsy, Enuresis, Night Terror, Nightmare, and Sleepwalking. Based on testing with 20 case data from experts, the system achieved a 95% accuracy level. Although there are some expert system results that show two disturbances with one of which corresponds to the result of an expert showing one disturbence, the result is still considered "Suitable".
Sistem Penunjang Keputusan Rekomendasi Pemilihan Baja Ringan Menggunakan Metode Weighted Product (WP) Auditya, Yonathan; Akbar, Mutaqin
Journal of Computer System and Informatics (JoSYC) Vol 5 No 4 (2024): August 2024
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josyc.v5i4.5773

Abstract

The use of light steel in building construction has increased significantly in recent years. Due to its advantages, such as high strength, corrosion resistance, and ease of installation and maintenance. However, the complexity of various types of light steel makes it difficult for ordinary consumers to choose, and even risks falling victim to fraud related to quality, price, weight, and A-Z level. Therefore, an effective decision support system is needed to help determine the quality of light steel according to their desired specifications. This research develops a decision support system using the Weighted Product method, which identifies the best light steel alternative based on the criteria of quality, price, weight, and A-Z level. The data sample used includes five light steel alternatives, namely BUKIT, GECO, SMS, TARIGAN, and TASO. The results of the application of this method show that the light steel type “GECO” was selected as the best alternative with a value of 0.341, making it the main recommendation in this study. With this system, it is hoped that users who are still unfamiliar with the world of the construction industry can make better and more precise decisions in the selection of light steel, there by reducing the risk of errors and potential fraud in the process of selecting light steel.
IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK DALAM KLASIFIKASI JENIS KOPI TEMANGGUNG Adella Maharani, Putri; Akbar, Mutaqin
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9582

Abstract

Biji kopi memiliki karakteristik yang berbeda setiap jenisnya. Oleh karena itu pengetahuan mengenai jenis kopi tentunya sangat diperlukan. Namun tidak semua petani ataupun pemilik kedai kopi mempunyai kemampuan untuk mengenali hanya dengan melihat secara kasat mata. Selain itu jika identifikasi hanya dilakukan manual mengandalkan visual tentu dapat berakibat kesalahan dalam proses mengidentifikasi jenis biji kopi. Saat ini terdapat banyak sistem yang dapat membantu untuk mengenali jenis kopi, salah satunya dengan menggunakan Convolutional Neural Network (CNN). Tujuan penelitian ini dilakukan adalah untuk mengetahui hasil serta akurasi yang diperoleh dalam klasifikasi citra tiga jenis biji kopi Temanggung dengan menggunakan Convolutional Neural Network. Metode penelitian yang dilakukan terdiri dari akuisisi, pre-processing, dataset citra kopi, dan tahap klasifikasi menggunakan CNN. Akurasi pelatihan tertinggi yang diperoleh dalam implementasi CNN ini adalah 99.26% dengan citra input berukuran 50x50x3. Pada penelitian ini juga ditemukan bahwa peningkatan ukuran citra input tidak berdampak terhadap peningkatan akurasi pelatihan dalam mengklasifikasikan jenis biji kopi Temanggung menggunakan CNN
KLASIFIKASI SAMPAH ORGANIK DAN ANORGANIK MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) Aprisia Bahagia, Grace; Akbar, Mutaqin
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.11038

Abstract

Pengelolaan sampah merupakan isu global yang memerlukan solusi inovatif untuk mengoptimalkan proses pemilahan sampah. Salah satu aspek penting dalam pengelolaan sampah adalah pengelompokan sampah menjadi sampah organik dan anorganik. Klasifikasi yang efektif ini memungkinkan penerapan praktik daur ulang yang lebih efisien, meminimalkan dampak negatif terhadap lingkungan, dan memberikan dasar bagi pengembangan kebijakan pengelolaan limbah berkelanjutan Salah satu pendekatan yang dapat digunakan adalah penggunaan Convolutional Neural Network (CNN) untuk mengklasifikasikan sampah menjadi kategori organik dan anorganik. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi sampah menggunakan metode CNN dengan library TensorFlow. Metode CNN dipilih karena kemampuannya dalam mengekstraksi fitur-fitur penting dari gambar, yang sangat relevan dalam tugas klasifikasi gambar seperti pengenalan sampah. TensorFlow, sebagai salah satu library deep learning yang populer, digunakan untuk membangun dan melatih model CNN. Penelitian ini melibatkan beberapa tahapan, termasuk pengumpulan dataset sampah yang mencakup berbagai jenis organik dan anorganik, pengembangan arsitektur CNN dan pelatihan model menggunakan TensorFlow. Evaluasi dilakukan untuk mengukur akurasi dan kinerja sistem dalam mengklasifikasikan sampah. Hasil penelitian yang telah dilakukan, diperoleh beberapa kesimpulan diantaranya yaitu Dataset yang digunakan dalam pembuatan model CNN adalah data train, dan data validasi. Data train berjumlah 18052 gambar dan data uji berjumlah 4512 gambar. Model CNN dalam penelitian ini menggunakan input shape berukuran 224x224 piksel dan dilakukan augmentasi data didalamnya. Selain itu, menggunakan hyperparameter seperti nilai batch size 32, jumlah epochs 10, learning rate 0,001, dan optimizer Adam. Sehingga memperoleh akurasi sebesar 95% dan loss sebesar 35%.
HYBRID MATRIK CO-OCCURENCE DAN LEARNING VECTOR QUANTIZATION PADA KLASIFIKASI CITRA GELOMBANG SUARA PERUT Rivansyah Subagyo, Ibnu; Akbar, Mutaqin
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12495

Abstract

Penelitian ini bertujuan untuk mengklasifikasi perbedaan citra gelombang suara perut antara kondisi kenyang dan lapar menggunakan metode Hybrid Gray Level Co-Occurrence Matrix (GLCM) dan Learning Vector Quantization (LVQ). Penelitian ini di latar belakangi oleh tantangan dalam mendeteksi kondisi lapar atau kenyang secara objektif, khususnya pada individu dengan pola makan tidak teratur atau gangguan pencernaan. Ketidakmampuan membedakan sinyal tubuh dapat berdampak pada penanganan kesehatan yang kurang tepat. Dalam penelitian ini, Suara organ pencernaan manusia direkam dan dianalisis dengan ekstraksi fitur GLCM untuk menggambarkan informasi tekstural citra gelombang suara 2D perut. Sedangkan algoritma LVQ digunakan untuk mengklasifikasikan citra gelombang 2D suara menjadi perut kenyang dan perut lapar. Penelitian ini menggabungkan teknik pengolahan citra dan kecerdasan buatan untuk pengenalan suara perut yang lebih akurat. Eksperimen menunjukkan bahwa metode yang diusulkan dapat membedakan perut kenyang dan lapar dengan parameter nilai alfa (α) = 0,001 dan nilai decalfa (decα) = 0,7, Epoch 4 yang menghasilkan akurasi klasifikasi perut lapar dan perut kenyang yang tertinggi dengan akurasi yaitu 99%. Hasilnya membuka peluang penerapan teknologi ini dalam pengembangan sistem pendukung keputusan di bidang kesehatan dan nutrisi.
Sistem Pakar Pendeteksi Kerusakan Mesin Speed Boat Menggunakan Metode Forward Chaining Ascha, Nugrah Pratama; Akbar, Mutaqin
JATISI Vol 11 No 4 (2024): JATISI (Jurnal Teknik Informatika dan Sistem Informasi)
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jatisi.v11i4.8814

Abstract

Transportasi masyarakat dalam berpergian ada berbagai macam terutama ketika berpergian jauh salah satunya adalah speed boat. Speed boat merupakan sarana transportasi dalam berpergian antar pulau yang mana jarak antara pulau tidak terlalu jauh. Ketika berpergian dengan speed boat, pastinya sebagai penumpang maupun kapten speed boat tidak ingin ada gangguan terhadap apa pun terutama dalam hal gangguan mesin. Artikel ini menyajikan sebuah sistem pakar untuk mendeteksi kerusakan mesin speed boat dengan menggunakan metode forward chaining. Sistem ini dirancang dengan antarmuka pengguna (UI) yang sederhana, memudahkan siapa saja untuk menggunakannya tanpa perlu membuat akun atau login. Sistem ini mampu mendeteksi berbagai macam gejala dan kerusakan dengan jangkauan yang luas, mencakup 18 data gejala dan 16 data kerusakan. Meskipun demikian, terdapat beberapa kekurangan yang perlu diperhatikan. Sistem ini memiliki keterbatasan dalam memberikan jawaban yang sama lebih dari empat kali berturut-turut, yang mengindikasikan bahwa masalah tersebut belum terdata di sistem. Selain itu, jenis dan kapasitas mesin (cc) yang terdaftar hanya mencakup dua jenis untuk masing-masing kategori. Temuan ini menunjukkan bahwa meskipun sistem pakar ini efektif dalam mendeteksi kerusakan, terdapat ruang untuk perbaikan lebih lanjut dalam hal cakupan data dan kemampuan sistem dalam menangani pengajuan pertanyaan yang berulang.
Sistem Pendukung Keputusan Pemilihan Sekolah Menengah Pertama Swasta Menggunakan Metode Simple Additive Weighting (Studi Kasus Kota Yogyakarta) Rismanto, Septa; Akbar, Mutaqin
Jurnal Sarjana Teknik Informatika Vol. 9 No. 1 (2021): Februari
Publisher : Program Studi Informatika, Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/jstie.v1i1.18181

Abstract

Jurnal ini berisi tentang penerapan metode Simple Additive Weighting(SAW) pada sistem pemilihan SMP swasta yang terletak di Kota Yogyakarta. Sistem akan memilihkan smp swasta yang cocok sesuai bobot yang dimasukkan ke beberapa kriteria yang telah disiapkan dalam sistem. Penelitian ini menggunakan 42 data dasar SMP swasta yang didapatkan dari pusat data di Dinas Pendidikan Kota Yogyakarta yang dipadukan dari laman resmi Kementerian Pendidikan dan Kebudayaan RI dan hasil wawancara dengan obyek penelitian. Kriteria yang diambil dalam menerapkan metode SAW pada sistem ini adalah biaya SPP, dana pengembangan, akreditasi, dan ketersediaan sarana prasarana. Dari percobaan sistem oleh 32 responden, didapatkan 24 responden yang menyatakan puas dengan kesimpulan yang ditawarkan oleh sistem, sehingga akurasi sistem dapat dinyatakan sebesar 75%.
Co-Authors Adella Maharani, Putri Adrian, Reka Agung Firmansyah Agus Salim Ahsan, Moh An-Naufal Nuha, Alfian Anisyah Jatu Siti Nurjanah Aprisia Bahagia, Grace Arifadillah, Elang Arita Witanti Ascha, Nugrah Pratama Astri Wulandari Audita Nuvriasari Auditya, Yonathan Bagus Dwi Kurniawan, Bagus Dwi Bambang Agus Setyawan Budi Sulistiyo Jati Budi Sulistiyo Jati Budianto, Alexius Endy Dangin, Dangin Dian Kartika Sari, Dian Kartika Diski Ijtima Putri Dwiyati Pujimulyani Elsa Anggraini Maili Fajriansyah, Dede Febri Rahmadsyah Fiki Ertandi Firdaus Alfajar Sudarsih Hardiyanto, Andri Hendri Tri Cahya Leksana Ichlasia Ainul Fitri Ikram, Rauf Al Indah Susilawati Jeremias Quintino Tilman Junianto Bagas Prasetyo Kafilahudin, Fahrul Advis Kartadinata, Arifqi Khuzaini*, Nanang Kuswandaru, Kuswandaru Marfianto, Jodhy Dwi Muhammad Abdul Gofur Muhammad Ali Ma'mun Muhammad Pratiwo Muhammad Syadham, Syahrun Muhammad Syaifudin Musa, Rahmat Nafida Hetty Marhaeni Nanang Khuzaini, Nanang Nanik Triatmi Nugroho, Yassir Ahmad Nur Alamsyah Nur Fahrudin, Irfan Nurdiarti, Rosalia Prismarini Nusantara, Bondan Surya Pascal Munthe, Thimoty Prasetyaningrum, Putri Taqwa Primananda, Muhammad Izra Priyanto Putu Sangyoga, Titus Bintang Pekiek Rahmat Musa Ramos, Sarah Vega Refky Satria Bima Reny Yuniasanti Rio Setya Pambudi Rismanto, Septa Rivansyah Subagyo, Ibnu Riyanto, Agung Rizky, Muhammad Rafi Fajar Rofiqi, Lutfi Rohmad, Arinadi Nur Rosalia Prismarini Nurdiarti Saputra, Aldi Dwi Saputra, Andika Dwi Sari, Prima Wulan Sedyarsa, Hanif Fauzan Septa Rismanto Setyaningsih, Putry Wahyu Sidiq Purnomo, Agus Sri Muhammad Kusumantomo Subhan Bole Boly Supatman Supatman Umul Aiman Wakidi Wakidi Wibowo, Sigit Heri Wisnu Adi Yulianto Wulandari, Astri Yusanto, Yoga