Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

3.014

P-Index

This Author published in this journals

All Journal IAES International Journal of Artificial Intelligence (IJ-AI) IJCCS (Indonesian Journal of Computing and Cybernetics Systems) TEKNIK INFORMATIKA MATICS : Jurnal Ilmu Komputer dan Teknologi Informasi (Journal of Computer Science and Information Technology) Jurnal Ilmiah Mikrotek Jurnal Ilmiah Kursor EMITTER International Journal of Engineering Technology Journal of Information System Universa Medicina Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) Journal of Midwifery Jurnal Linguistik Komputasional Jurnal Repositor Jurnal AbdiMas Nusa Mandiri Jurnal Nasional Teknik Elektro dan Teknologi Informasi Jurnal Ilmiah Teknik Elektro Journal Of Artificial Intelligence And Software Engineering NERO (Networking Engineering Research Operation)

Agustinus Bimo Gumelar

Program Studi Informatika, Fakultas Teknologi Informasi, Universitas Ciputra Surabaya

Author-ID : 270563

Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Mathematics Medicine & Pharmacology Physics Public Health Social Sciences Other

Published : 25 Documents Claim Missing Document

Claim Missing Document

Articles

1 2 3

Implementasi Perangkat Peremajaan dan Perawatan Alat Berat Container Crane Wahibullah, Wahibullah; Adi, Derry Pramono; Wibowo, Achmad Teguh; Sulistyono, MY Teguh; Gumelar, Agustinus Bimo
MATICS Vol 13, No 1 (2021): MATICS
Publisher : Department of Informatics Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18860/mat.v13i1.11597

Proses perbaikan dan perencanaan perawatan pada container crane yang di pelabuhan sering dianggap kurang efektif karena kurangnya perencanaan dalam pengelolaan yang berpengaruh dalam penentuan jadwal perawatan. Terminal Nilam PELINDO III Surabaya merupakan perusahaan yang bergerak dalam bidang jasa bongkar muat container crane. Proses bongkar muat ditentukan oleh beberapa faktor, seperti banyaknya container dan berat muatan yang dikelola, maupun kualitas dan kuantitas alat yang digunakan. Proses secara terus-menerus tersebut mempengaruhi usia container crane. Kurang tepatnya penentuan perawatan bisa berdampak pada performa container crane. Untuk menjawab permasalahan ini, dibutuhkan perencanaan sehingga mampu menentukan waktu perawatan yang tepat dalam kurun waktu tertentu. Pada penelitian ini, kami mengimplementasikan perencanaan perawatan dengan implementasi aplikasi berbasis web menggunakan bahasa pemrograman PHP dan database MariaDB. Kami menggunakan data operasional pada PT. BIMA PELINDO III Surabaya yang meliputi produksi terjadwal, penjagaan terjadwal, aktivitas pemeliharaan dan perkiraan terjadwal. Kami menentukan variabel input berdasarkan data operasional, yang dilanjutkan dengan permodelan metode perencanaan. Berdasarkan variabel input tersebut, akan diperoleh variabel output berupa kluster ringan dan berat, dengan setiap class diberi pembobotan prediksi perencanaan perawatan container crane yang ditampilkan ke aplikasi. Hasil dari aplikasi perencanaan perawatan ini diharapkan dapat menentukan perkiraan aktivitas pemeliharaan, perawatan terjadwal agar berjalan dengan baik, pemakaian bahan bakar dan sumber daya operasional container crane yang lain menjadi lebih efisien.

Klasifikasi Jenis Pemeliharaan dan Perawatan Container Crane menggunakan Algoritma Machine Learning Nugroho, Via Ardianto; Adi, Derry Pramono; Wibowo, Achmad Teguh; Sulistyono, MY Teguh; Gumelar, Agustinus Bimo
MATICS Vol 13, No 1 (2021): MATICS
Publisher : Department of Informatics Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18860/mat.v13i1.11525

Pada industri jasa pelayanan peti kemas, Terminal Nilam merupakan pelanggan dari PT. BIMA, yang secara khusus bergerak dibidang jasa perbaikan dan perawatan alat berat. Terminal ini menjadi sentral tempat untuk melakukan aktifitas bongkar muat peti kemas domestik yang memiliki empat buah container crane untuk melayani dua kapal. Proses perawatan alat berat seperti container crane yang selama ini beroperasi, agaknya kurang memperhatikan data pengelompokkan atau klasifikasi jenis perawatan yang dibutuhkan oleh alat berat tersebut. Di kemudian hari, alat berat dapat menunjukkan kinerja yang tidak maksimal bahkan dapat berujung pada kecelakaan kerja. Selain itu, kelalaian perawatan container crane juga dapat menyebabkan pembengkakan biaya perawatan lanjut. Target produksi bongkar muat dapat berkurang dan juga keterlambatan jadwal kapal sandar sangat mungkin terjadi. Metode pembelajaran menggunakan mesin atau biasa disebut dengan Machine Learning (ML), dengan mudah dapat melenyapkan kemungkinan-kemungkinan tersebut. ML dalam penelitian ini, kami rancang agar bekerja dengan mengidentifikasi lalu mengelompokkan jenis perawatan container crane yang sesuai, yaitu ringan atau berat. Metode ML yang pilih untuk digunakan dalam penelitian ini yaitu Random Forest, Support Vector Machine, k-Nearest Neighbor, NaÃ¯ve Bayes, Logistic Regression, J48, dan Decision Tree. Penelitian ini menunjukkan keberhasilan ML model tree dalam melakukan pembelajaran jenis data perawatan container crane (numerik dan kategoris), dengan J48 menunjukkan performa terbaik dengan nilai akurasi dan nilai ROC-AUC mencapai 99,1%. Pertimbangan klasifikasi kami lakukan dengan mengacu kepada tanggal terakhir perawatan, hour meter, breakdown, shutdown, dan sparepart.

Forward feature selection for toxic speech classification using support vector machine and random forest Agustinus Bimo Gumelar; Astri Yogatama; Derry Pramono Adi; Frismanda Frismanda; Indar Sugiarto
IAES International Journal of Artificial Intelligence (IJ-AI) Vol 11, No 2: June 2022
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijai.v11.i2.pp717-726

This study describes the methods for eliminating irrelevant features in speech data to enhance toxic speech classification accuracy and reduce the complexity of the learning process. Therefore, the wrapper method is introduced to estimate the forward selection technique based on support vector machine (SVM) and random forest (RF) classifier algorithms. Eight main speech features were then extracted with derivatives consisting of 9 statistical sub-features from 72 features in the extraction process. Furthermore, Python is used to implement the classifier algorithm of 2,000 toxic data collected through the world's largest video sharing media, known as YouTube. Conclusively, this experiment shows that after the feature selection process, the classification performance using SVM and RF algorithms increases to an excellent extent. We were able to select 10 speech features out of 72 original feature sets using the forward feature selection method, with 99.5% classification accuracy using RF and 99.2% using SVM.

MAGNIFIKASI PERBAIKAN CITRA DIJITAL MULTI RESOLUSI DENGAN METODE GABUNGAN TAPIS LOLOS BAWAH DAN INTERPOLASI BILINEAR Cahyo Darujati; Syamsul Anam; Hasan Dwi Cahyono; Agustinus Bimo Gumelar
Jurnal Ilmiah Mikrotek Vol 1, No 2 (2014): FEBRUARI
Publisher : Universitas Trunojoyo Madura

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

Dalam teknik pengolahan citra digital (digital image procesing), proses magnifikasi merupakan suatuproses yang bertujuan untuk memperbesar ukuran citra. Magnifikasi citra sangat erat kaitannya denganukuran penyimpanan yang tinggi dan dalam media jamak merupakan subyek yang valueable dalampengolahan citra. Magnifikasi juga merupakan proses pembesaran sesuatu hanya dalam penampilan, tidakdalam ukuran fisik. Beberapa penelitian sebelumnya, menggunakan teknik untuk memperbesar seluruhobyek dalam citra digital, tetapi diperlukan perbesaran pada obyek tertentu. Penelitian ini bertujuanmengimplementasikan algoritma untuk memagnifikasi citra digital pada citra dunia nyata yang tidakmemerlukan sejumlah besar masukan dari pengguna. Sebuah citra dunia nyata yang realistis akan menjadicitra yang bebas dari artefak seperti kabur (blurring), berbayang (shadowing) dan jaggies. Citra harusmencakup kontur halus dan juga transisi tepi yang cepat. Proses magnifikasi citra dilakukan dengan duatahap, yaitu proses pertama adalah proses pencuplikan citra digital, proses pencuplikan ini dilakukansecara manual, yang kemudian dilakukan proses filterisasi dan diperbesar dengan metode interpolasisecara bilinear. Keluarannya berupa nilai rata-rata keluaran dari kedua proses tersebut. Hasil penelitianmenunjukkan proses perbesaran citra diatas dua kali dengan metode gabungan menghasilkan nilai MeanSequare Error (MSE) lebih kecil dan nilai PSNR 73% lebih besar dibandingkan dengan metode nongabungan.

Optimizing Virtual Resources Management Using Docker on Cloud Applications Rendra Felani; Moh Noor Al Azam; Derry Pramono Adi; Agung Widodo; Agustinus Bimo Gumelar
IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol 14, No 3 (2020): July
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijccs.57565

This study aims to optimize servers with low utility levels on hardware using container virtualization techniques from Docker. This study's primary focus is to maximize the work of the CPU, RAM, and Hard Drive. The application of virtualization techniques is to create many containers as each of the containers is for the application to run a cloud storage system with the CaaS service infrastructure concept (Container as a Service). Containers on infrastructure will interact with other containers using configuration commands at Docker to form an infrastructure service such as CaaS in general. Testing of hardware carried out by running five Nextcloud cloud storage applications and five MariaDB database applications running in Docker containers and tested by random testing using a multimedia dataset. Random testing with datasets includes uploading and downloading datasets simultaneously and CPU monitoring under load, RAM, and Disk hardware resources. The testing will be done using Docker stats, HTOP, and Cockpit monitoring tools to determine the hardware capabilities when processing multimedia datasets.

Pengembangan Aplikasi Indeks Pengukuran Kinerja pada Institusi Pendidikan Tinggi Menggunakan Framework IT Infrastructure Library (ITIL) Aisyiyah Tri Ratna Dewi; Agus Hermanto; Agustinus Bimo Gumelar; Agung Widodo; MY Teguh Sulistyono
JOINS (Journal of Information System) Vol 6 No 2 (2021): Edisi November 2021
Publisher : Fakultas Ilmu Komputer, Universitas Dian Nuswantoro

Penelitian ini membahas tentang proses adopsi dan implementasi manajemen layanan teknologi informasi pada institusi pendidikan tinggi. Pelaksanaan penelitian dilaksanakan pada satu universitas swasta ternama, yaitu Universitas Katolik Widya Mandala Surabaya (UKWMS). Ketika standar kualitas layanan telah menjadi satu bagian yang integratif dengan proses penilaian kinerja suatu organisasi yang aktif, hal tersebut menjadi positif dan obyektif serta dapat menjadikan organisasi tersebut beroperasi secara maksimal pula. Secara konseptual yang menjadi tujuan utama dilakukannya tata kelola IT adalah untuk menjaga keseimbangan kebutuhan layanan TI dengan apa yang dibutuhkan oleh stakeholder yaitu seluruh civitas akademika. UKWMS telah menerapkan TI sebagai suatu alat yang dapat menjadikan peringkat universitas semakin tinggi, namun dibeberapa domain masih membutuhkan peningkatan kualitas layanannya. Usulan yang kami terapkan adalah dengan mengadopsi kerangka kerja IT Infrastructure Library (ITIL) dan mengimplementasikannya dalam bentuk aplikasi indeks pengukuran kerja berbasis web. Ada dua domain yang diolah dan dikelola dalam aplikasi ini yaitu domain Service Strategy dan Service Design. Keluaran yang dihasilkan mampu menyuguhkan dalam bentuk visual, sehingga mudah untuk diinterpretasikan oleh pihak terkait para pengambil keputusan. Beberapa rekomendasi dari visualisasi tersebut juga menjadi satu keunggulan dalam peningkatan kualitas layanan TI pada UKWMS.

Deteksi Emosi Wicara pada Media On-Demand menggunakan SVM dan LSTM Ainurrochman; Derry Pramono Adi; Agustinus Bimo Gumelar
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 4 No 5 (2020): Oktober 2020
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

To date, there are many speech data sets with emotional classes, but with impromptu or intentional actors. The native speakers are given a stimulus in each emotion expression. Because natural conversation from secretly recorded daily communication still raises ethical issues, then using voice data that takes samples from movies and podcasts is the most appropriate step to take the best insights from speech. Professional actors are trained to induce the most real emotions close to natural, through the Stanislavski acting method. The speech dataset that meets this qualification is the Human voice Natural Language from On-demand media (HENLO). Within HENLO, there are basic per-emotion audio clips of films and podcasts originating from Media On-Demand, a motion video entertainment media platform with the freedom to play and download at any time. In this paper, we describe the use of sound clips from HENLO, then conduct learning using Support Vector Machine (SVM) and Long Short-Term Memory (LSTM). In these two methods, we found the best strategy by training LSTMs first, then then feeding the model to SVM, with a data split strategy at 80:20 scale. The results of the five training phases show that the last accuracy results increased by more than 17% compared to the first training. These results mean both complement and methods are important for improving classification accuracy.

Perbandingan Performansi Algoritma Pengklasifikasian Terpandu Untuk Kasus Penyakit Kardiovaskular Adi Nugroho; Agustinus Bimo Gumelar; Adri Gabriel Sooai; Dyana Sarvasti; Paul L Tahalele
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 4 No 5 (2020): Oktober 2020
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

One of the health problems that occur in Indonesia is the increasing number of NCD (Non-Communicable Disease) such as heart attack and cardiovascular disease. There are two factors that cause cardiovascular disease, i.e. factor that can be changed and cannot be changed. This study aim to analyze the best performance of several classification algorithms such as k-nearest neighbors algorithm (k-NN), stochastic gradient descent (SGD), random forest (RF), neural network (NN) and logistic regression (LR) in classifying cardiovascular based on factors that caused those diseases. There are two aspects that need to be examined, the performance of each algorithm which is evaluated using the Confusion matrix method with the parameters of accuracy, precision, recall and AUC (Area Under the Curve). The dataset uses 425.195 samples from result data of cardiovascular disease diagnosed. The testing mode uses percentage split and cross-validation technique. The experimental results show that the performance of NN algorithms produces the best prediction accuracy compared to other algorithms, which is accuracy of 89.60%, AUC of 0.873, precision of 0.877, and recall of 0.896 using percentage split and cross-validation testing mode using Orange. For the accuracy of 89.46%, AUC of 0.865, precision of 0.875, and recall of 0.895 using cross-validation testing mode using Weka. By KNIME, the result of accuracy value is 88.55%, AUC value is 0.768, precision value is 0.854, and recall value is 0.886 using cross-validation testing mode.

Designing an Ethereum-based Blockchain for Tuition Payment System using Smart Contract Service Moch Sholeh; Esther Yolanda Talahaturuson; Maulana Rizqi; Agustinus Bimo Gumelar
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 6 No 2 (2022): April 2022
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

The security and disclosure of information in online transaction data remain a sensitive subject until this day. Whenever data collection from a transaction process is accessible over the internet system, certain parties may misuse any one of these data. Blockchain technology, which includes the use of smart contracts, is thought to overcome this problem due to the blockchain's decentralized and distributed nature. Blockchain allows transaction data to be accessed openly and transparently while securely protected by hashing encryption owned by intelligent contracts. This enables users to have detailed access privileges to each transaction's data. The development of smart contracts will be carried out in the production of microservices payment gateways based on decentralized apps (DApps) on the Ethereum blockchain in this research, with the payment gateway generated being used in the tuition payment process. The Truffle framework and the Metamask wallet will be used to assist the Ethereum payment process during the DApps development process. Testing the functionality of each intelligent contract feature reveals that the payment system can be utilized effectively and that there are no issues that cause transaction failures.

Kombinasi Fitur Multispektrum Hilbert dan Cochleagram untuk Identifikasi Emosi Wicara Agustinus Bimo Gumelar; Eko Mulyanto Yuniarno; Wiwik Anggraeni; Indar Sugiarto; Andreas Agung Kristanto; Mauridhi Hery Purnomo
Jurnal Nasional Teknik Elektro dan Teknologi Informasi Vol 9 No 2: Mei 2020
Publisher : Departemen Teknik Elektro dan Teknologi Informasi, Fakultas Teknik, Universitas Gadjah Mada

In social behavior of human interaction, human voice becomes one of the means of channeling mental states' emotional expression. Human voice is a vocal-processesed speech, arranged with word sequences, producing the speech pattern which able to channel the speakers' psychological condition. This pattern provides special characteristics that can be developed along with biometric identification process. Spectrum image visualization techniques are employed to sufficiently represent speech signal. This study aims to identify the emotion types in the human voice using a feature combination multi-spectrum Hilbert and cochleagram. The Hilbert spectrum represents the Hilbert-Huang Transformation(HHT)results for processing a non-linear, non-stationary instantaneous speech emotional signals with intrinsic mode functions. Through imitating the functions of the outer and middle ear elements, emotional speech impulses are broken down into frequencies that typically vary from the effects of their expression in the form of the cochlea continuum. The two inputs in the form of speech spectrum are processed using Convolutional Neural Networks(CNN) which best known for recognizing image data because it represents the mechanism of human retina and also Long Short-Term Memory(LSTM)method. Based on the results of this experiments using three public datasets of speech emotions, which each of them has similar eight emotional classes, this experiment obtained an accuracy of 90.97% with CNN and 80.62% with LSTM.

Co-Authors Achmad Teguh Wibowo Adi Nugroho Adi, Derry Pramono Adri Gabriel Sooai Ageng Salmanarrizqie Ageng Salmanarrizqie Agung Widodo Agus Hermanto Ainurrochman Aisyiyah Tri Ratna Dewi Alvin Julian Andre Young Andreas Agung Kristanto, Andreas Agung Angelina, Zenia Ardianzah, Calvin Diaz Ari Andayani Ariesanti Tri Handayani, Ariesanti Tri Arrahman Kaffi Astri Yogatama Cahyo Darujati Derry Pramono Adi Derry Pramono Adi Devi Dwi Purwanto Dyana Sarvasti Eko Mulyanto Yuniarno Esther Yolanda Talahaturuson Farhandany Oktafarisky Frismanda Frismanda Frismanda Gabeler, Robertus Geraldyn Alexandro Gerardo AK Laksono Hasan Dwi Cahyono Hendrawan, Kevin Henry Ricardo Handoyo Hermawan Arga Saputra I Putu Bagus Eka Permadi Indar Sugiarto Indar Sugiarto Junaedi, Lukman Kartika Salim, Shierly Kevin Samsudin Laxmi Utari Ludia, Grace Margaretha Maulana Rizqi Maulana Rizqi Maulana Rizqi Mauridhi Hery Purnomo Moch Sholeh Moh Noor Al Azam Muhammad Nasir MY. Teguh Sulistyono Nugroho, Via Ardianto Nur Mira Permatasari Nur Sela Ameiliawati Paul L Tahalele Rendra Felani Salmanarrizqie, Ageng Samsudin, Kevin Slamet Winardi Subandoro, Philipus Suryo Suryo, Philipus Syamsul Anam Talahaturuson, Esther Yolanda Titiek, Ernawati Tristianti, Berliana Az Zahra Wahibullah, Wahibullah Wahyu Putra Adi Setiawan Wiwik Anggraeni Yovita Vivi Megasari Zulkifli, Che Zalina

Title

Found 25 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 25 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 25 Documents
Search