Article Per Year (5 Year)
p-Index From 2021 - 2026
12.252
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan CESS (Journal of Computer Engineering, System and Science) Informatics for Educators and Professional : Journal of Informatics Network Engineering Research Operation [NERO] KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi Indonesian Journal of Applied Informatics JSI (Jurnal sistem Informasi) Universitas Suryadarma Jurnal ICT : Information Communication & Technology Jurnal Sistem Informasi Kaputama (JSIK) JISKa (Jurnal Informatika Sunan Kalijaga) Jurnal Informatika dan Rekayasa Perangkat Lunak JURSIMA (Jurnal Sistem Informasi dan Manajemen) JATI (Jurnal Mahasiswa Teknik Informatika) JIKA (Jurnal Informatika) MEANS (Media Informasi Analisa dan Sistem) Jurnal Teknik Informatika (JUTIF) Jurnal Mahasiswa Sistem Informasi (JMSI) International Journal of Social Science Jurnal Riset dan Aplikasi Mahasiswa Informatika (JRAMI) Jurnal Janitra Informatika dan Sistem Informasi Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) Journal of Artificial Intelligence and Engineering Applications (JAIEA) Jurnal Mahasiswa Ilmu Komputer Wawasan : Jurnal Ilmu Manajemen, Ekonomi dan Kewirausahaan Manajemen Kreatif Jurnal JURSIMA Jurnal Ekonomi Manajemen Akuntansi BULLET : Jurnal Multidisiplin Ilmu AMMA : Jurnal Pengabdian Masyarakat NERO (Networking Engineering Research Operation) Jurnal Informatika: Jurnal Pengembangan IT Jurnal Sistem Informasi dan Manajemen INTERNAL (Information System Journal) Intechno Journal : Information Technology Journal
Yudhistira Arie Wijaya
STMIK IKMI Cirebon
Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 103 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 103 Documents
Search

 7   8   9   10   11 
Application of Weighted Loss Function in Convolutional Neural Network for Acne Image Classification Abubakar Sidik; Purnamasari, Ade Irma; Pratama, Denni; Marta, Puji Pramudya; Wijaya, Yudhistira Arie
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 5 No. 2 (2026): February 2026
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v5i2.1885

Abstract

Automated acne image classification using Convolutional Neural Networks (CNN) holds significant potential in dermatological diagnosis but faces a fundamental challenge of class imbalance. This phenomenon causes standard models to be biased towards majority classes and fail to recognize clinically important minority classes. This study aims to address this bias by applying a Weighted Loss Function to the EfficientNetB1 architecture. The research method employs a comparative experimental approach between two scenarios: the Baseline model (Standard Cross-Entropy) and the Proposed model (Weighted Cross-Entropy). The dataset consists of 5 acne classes with an imbalanced distribution. The results show that the Weighted Loss model significantly outperforms the Baseline model. Overall accuracy increased from 80% to 86%. The most significant improvement occurred in the minority class 'Papules', where the F1-Score surged by 0.10 points (from 0.71 to 0.81). It is concluded that the application of Weighted Loss Function effectively overcomes bias due to imbalanced data without the need for synthetic data augmentation, resulting in a fairer and more reliable model for clinical implementation.
KLASIFIKASI PENYAKIT DAUN PADI MENGGUNAKAN TRANSFER LEARNING DENGAN ANALISIS PENGARUH VARIASI DIMENSI CITRA PADA KINERJA MODEL Akhmad Taukhid; Martanto; Yudhistira Arie Wijaya; Heliyanti Susana; Nana Suarna
METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi Vol. 12 No. 1 (2026): Volume 12 Nomor 1 Tahun 2026
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/mtk.v12i1.4940

Abstract

Penelitian ini berfokus pada deteksi dini penyakit daun padi untuk meningkatkan produktivitas pertanian dan mengurangi kesalahan diagnosis yang sering terjadi pada identifikasi manual. Meskipun berbagai penelitian telah menerapkan deep learning untuk klasifikasi penyakit tanaman, pengaruh resolusi citra terhadap kinerja model klasifikasi penyakit daun padi, khususnya pada skenario data terbatas, masih jarang dikaji secara sistematis. Penelitian ini bertujuan menganalisis kinerja model klasifikasi penyakit daun padi berbasis transfer learning dengan arsitektur VGG16 pada citra beresolusi 224×224 piksel, sekaligus menilai efisiensi proses komputasi pelatihan dan pengujian yang dilakukan. Data yang digunakan berupa 320 citra daun padi dari dataset publik “Daun Padi Sultra (Sulawesi Tenggara)” di Kaggle yang komprehensif menjadi data latih, validasi, dan uji dengan perbandingan 60:20:20. Tahapan penelitian utama meliputi eksplorasi karakteristik dan distribusi data, pra-pemrosesan citra (pengubahan ukuran ke 224×224, normalisasi, dan augmentasi terbatas), serta pembangunan model transfer learning dengan VGG16 sebagai ekstraktor fitur yang membekukan dan kepala klasifikasi kustom. Model dibor menggunakan optimizer Adam dengan mekanisme EarlyStopping dan ModelCheckpoint, kemudian dievaluasi menggunakan akurasi, presisi, recall, F1-score, dan konfusi matriks. Hasil pengujian menunjukkan bahwa model mencapai akurasi uji sebesar 98,44% dengan loss 0,1815, serta nilai rata-rata makro dan rata-rata tertimbang untuk presisi, recall, dan F1-score yang mendekati 0,98 dengan hanya satu kesalahan klasifikasi pada data uji. Proses pelatihan dan penyelesaian dapat diselesaikan dengan beban komputasi yang masih moderat pada lingkungan GPU Google Colab, sehingga konfigurasi VGG16 dengan resolusi 224×224 piksel berpotensi menjadi baseline yang efektif dan efisien untuk klasifikasi penyakit daun padi pada skenario data terbatas.
PERBANDINGAN MODEL LSTM DAN GRU UNTUK PREDIKSI HARGA SAHAM TELEKOMUNIKASI INDONESIA Ahmad Jamalul Noor; Dian Ade Kurnia; Yudhistira Arie Wijaya; Heliyanti Susana
Jurnal Mahasiswa Ilmu Komputer Vol. 7 No. 1 (2026): Jurnal Mahasiswa Ilmu Komputer March 2026
Publisher : Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/ilmukomputer.v7i1.10651

Abstract

Penelitian ini bertujuan untuk mengevaluasi dan membandingkan performa model Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU) dalam memprediksi harga saham harian pada sektor telekomunikasi Indonesia, sebuah sektor yang memiliki karakteristik volatilitas fluktuatif dan dipengaruhi oleh dinamika pasar jangka pendek. Dua emiten yang dianalisis adalah GHON dan EXCL dengan rentang data dua tahun yang diambil dari platform Investing.com. Proses penelitian mencakup tahapan preprocessing, normalisasi menggunakan MinMaxScaler, pembentukan sliding window sepanjang 30 hari, serta pembagian data secara kronologis menjadi data latih, validasi, dan uji. Optimasi hyperparameter dilakukan menggunakan KerasTuner dengan pendekatan Random Search untuk memperoleh konfigurasi terbaik bagi masing-masing model. Evaluasi performa menggunakan tiga metrik utama yakni Root Mean Square Error (RMSE), Mean Absolute Error (MAE), dan Mean Absolute Percentage Error (MAPE). Hasil eksperimen menunjukkan bahwa GRU memberikan performa yang lebih unggul pada saham EXCL yang memiliki volatilitas tinggi, ditunjukkan oleh nilai RMSE, MAE, dan MAPE yang lebih rendah dibandingkan LSTM. Sebaliknya, pada saham GHON yang lebih stabil, kedua model menghasilkan performa yang relatif sebanding. Temuan ini menegaskan bahwa efektivitas model sangat dipengaruhi oleh karakteristik data, di mana GRU lebih adaptif pada pola harga yang dinamis, sedangkan LSTM tetap kompetitif pada pola yang lebih konsisten. Secara keseluruhan, GRU dapat direkomendasikan sebagai model yang lebih efisien dan akurat untuk prediksi harga saham pada lingkungan pasar yang berfluktuasi tinggi.
Co-Authors Abrar Bayan, Athaullah Abubakar Sidik Ade Irma Purnama Sari Ade Irma Purnamasari Adi Hermawan Adiyanto, Alfian Adjie Setyadj, Mochammad Agni, Vega Putra Dwi Ahmad Faqih Ahmad Jamalul Noor AKBAR, MUHAMAD DENI Akhmad Taukhid Alfirda Sofyan, Zahra Aliya Anisa Rahma Alya Fadia Amelia, Astri An-naziz Safaat, Wafik Andi Ardiansyah Andriyani, Wini Andriyanti, Rina Anggara, Doni Anjar Permadi Aprianto, Wili Arif Firmansyah, Aditiya ASEP SAEFUDDIN Asmana, Asmana Ayura Yufita Azhar, Alwan Cintia Putri Prasetia Dadang Sudrajat Danar Dana, Raditya Darma Irawan, Bobi Darussalam, Luthvi Nurfauzi Denni Pratama Dermawan, Hibrizi Dzaky Dian Ade Kurnia Dian Ade Kurnia Edi Tohidi Edi Wahyudin Falih, Alfi Rizqi Falih FANDI ACHMAD Fauzan, Muhamad Nur Fianita Rusadi Fianita Rusadi Firmansyach, Wildan Attariq Hadi Wicaksana, Arya Hajijin Amri Hamonangan, Ryan Hayati, Umi Hegarmanah Muhabatin Heliyanti Susana Herman Hermawan, Adi Hidayat, Hilpad Hidayat, Zaids Syarif Ibnu Ubaedila Ikhwan Fahruddin, Yusuf Inawati, Windi Irfan Ali Irfan Ali, Irfan Irma Agustina Irma Purnamasari, Ade Jaelani Sidik Jayawarsa, A.A. Ketut Jurnal Konsera Khoeri, Yajid Komala, Wulan Kurnia, Dian Ade Kurniawan , Rudi Kusmiyaty, Agesty Laela Laela Leli Oktaviani Lukmanul Hakim Manzis, Zian Marta, Puji Pramudya Martanto Martanto . Martanto Martanto Maryam, Beby Masjunedi, Masjunedi maulana faz'rin, rama Maulana, Tedy Mifta Almaripat Mita Amelia Moh Nurdayat Dayat Muhamad Basysyar , Fadhil MUHAMAD DENI AKBAR Muhamad Nur Fauzan Muhammad Aditya Rabbani Adit Nabila, Aynun Nana Suarna Nana Suarna Nashir, Mukhtar Nining Rahaningsih Nisa Dieanwati Nuris Nisa Dienwati Nuris Novita Safitri Nur Amalia, Yustika Nurazijah, Wulan Nurdiawa, Odi Nurholipah, Titin Nurrahman, Rizki Odi Nurdiawa Odi Nurdiawan Pebriyanto, Ramdhan Pratama, Denni Prihartono, Willy Purnamasari, Ade Irma Restu Normalasari Rinaldi Dikananda, Arif Rini Astuti Rini Astuti Rini Astuti Riri Narasati Rizal Rizal Roni Saputra, Roni Rubangiya Rubangiya Rudi Kurniawan Rudi Kurniawan Rudi Kurniawan Saeful Anwar Saeful Anwar, Saeful Satria Turangga Septian Nugraha, Titan Septiani Gumilar, Tia Shifa Dwi Oktaviani Siti Sopiyah Suarna, Nana Sulaeman, Muhammad Suteja Syach Putra, Yanuar Tati Suprapti Taufik Hidayat Tegar Lazuardi, Muhammad Thomas Agam Tiana Dewi Tohidi, Edi Tri Anelia Trian Nurmansyah Triswanto, Triswanto Tuti Hartati Tuti Hartati Tuti Hartati Wahyudi Wahyudi Wangi Nur Qibti, Intan Wartumi Wartumi Willy Prihartono Winayah, Winayah Windy Astuti Yudis Firmansyah yulani, Yulani - Yulia, Yuli