Article Per Year (5 Year)
p-Index From 2021 - 2026
8.357
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) JURNAL MEDIA INFORMATIKA BUDIDARMA JOURNAL OF APPLIED INFORMATICS AND COMPUTING JURNAL INSTEK (Informatika Sains dan Teknologi) Jiko (Jurnal Informatika dan komputer) Conference on Innovation and Application of Science and Technology (CIASTECH) Digital Zone: Jurnal Teknologi Informasi dan Komunikasi Jurnal Kreativitas PKM Building of Informatics, Technology and Science Progresif: Jurnal Ilmiah Komputer bit-Tech Systematics Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi Buana Ilmu Jurnal Tekinkom (Teknik Informasi dan Komputer) JOURNAL OF INFORMATION SYSTEM MANAGEMENT (JOISM) JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Jurnal Sistem Komputer dan Informatika (JSON) Jurnal Teknik Informatika (JUTIF) Journal of Applied Data Sciences Jurnal Pendidikan dan Teknologi Indonesia Bulletin of Computer Science Research KLIK: Kajian Ilmiah Informatika dan Komputer Scientific Student Journal for Information, Technology and Science Jurnal Informatika Teknologi dan Sains (Jinteks) Jurnal Buana Pengabdian Eduvest - Journal of Universal Studies Innovative: Journal Of Social Science Research Jurnal Pengabdian Masyarakat Nasional Inovasi Gagasan Abdimas & Kuliah Kerja Nyata Jurnal Abdimas Mahakam
Indra, Jamaludin
Universitas Buana Perjuangan Karawang
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Law, Crime, Criminology & Criminal Justice Library & Information Science Medicine & Pharmacology Neuroscience Nursing Public Health Social Sciences Other

Published : 67 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 67 Documents
Search

 3   4   5   6   7 
Penerapan Algoritma Machine Learning untuk Mengklasifikasikan Polusi Udara di Wilayah DKI Jakarta Muhammad Arya Suhendi; Tatang Rohana; Jamaludin Indra; Ayu Ratna Juwita
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 1 (2026): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Polusi udara di DKI Jakarta merupakan masalah serius dengan tingkat polusi tertinggi di Asia Tenggara. Sumber utama polusi udara berasal dari sektor transportasi, industri, dan pembakaran sampah. Keterbatasan sistem pemantauan konvensional mendorong pemanfaatan kecerdasan buatan, khususnya algoritma machine learning, untuk meningkatkan akurasi klasifikasi kualitas udara. Penelitian ini membandingkan performa empat algoritma, yaitu Support Vector Machine (SVM), Gradient Boosting, Random Forest, dan Decision Tree, dalam mengklasifikasikan tingkat polusi udara di Jakarta. Dataset yang digunakan terdiri atas 1.675 data Indeks Standar Pencemar Udara (ISPU) yang diperoleh dari Dinas Lingkungan Hidup Jakarta selama periode Januari hingga November 2024. Parameter yang digunakan meliputi PM10, PM2.5, SO₂, CO, O₃, dan NO₂. Proses penelitian mencakup tahapan pembersihan data, normalisasi, reduksi dimensi menggunakan Principal Component Analysis (PCA), pembangunan model melalui pembagian data latih dan data uji dengan rasio 80:20, serta evaluasi performa menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil evaluasi menunjukkan bahwa seluruh algoritma menghasilkan tingkat akurasi yang tinggi. Algoritma Random Forest mencapai performa terbaik dengan akurasi sebesar 93,71%, diikuti oleh Decision Tree sebesar 93,41%, Gradient Boosting sebesar 92,81%, dan Support Vector Machine sebesar 92,51%. Temuan ini mendukung penerapan machine learning sebagai solusi yang efektif untuk pemantauan polusi udara di Jakarta.
Peningkatan Kecepatan Inferensi Mask R-CNN Menggunakan MobileNetV3 Small pada Sistem Deteksi Kardus Vikha Tri Vicika; Jamaludin Indra; Sutan Faisal; Hanny Hikmayanti Handayani
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 1 (2026): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Penelitian ini bertujuan untuk meningkatkan kecepatan inferensi pada sistem deteksi objek dengan mengoptimalkan arsitektur Mask R-CNN melalui penggantian backbone menjadi MobileNetV3 Small. Studi ini difokuskan pada deteksi kardus di lingkungan gudang menggunakan dataset yang dikumpulkan dari berbagai kondisi pencahayaan dan sudut pengambilan gambar. Proses pelatihan dan validasi dilakukan terhadap data yang telah dianotasi secara manual, dengan evaluasi menggunakan metrik presisi, recall, dan kecepatan pemrosesan dalam satuan frame per second (FPS). Hasil pengujian menunjukkan bahwa model dengan backbone MobileNetV3 Small menghasilkan FPS rata-rata sebesar 8,66, lebih tinggi dibandingkan dengan model default yang hanya mencapai 6,94. Dari sisi akurasi, model kustom menunjukkan nilai presisi sebesar 85%, sedangkan model default mencapai nilai recall sebesar 85,7%. Meskipun segmentasi yang dihasilkan oleh model default lebih menyeluruh, model kustom memiliki arsitektur yang lebih ringan dan efisien. Oleh karena itu, model kustom lebih sesuai untuk aplikasi waktu nyata pada perangkat dengan sumber daya terbatas. Temuan ini menunjukkan bahwa penggunaan MobileNetV3 Small sebagai backbone pada arsitektur Mask R-CNN mampu meningkatkan efisiensi inferensi tanpa menurunkan tingkat akurasi secara signifikan.
SOSIALISASI PENGGUNAAN DETEKSI KENDARAANBERMOTOR DENGAN COMPUTER VISION Kiki Ahmad Baihaqi; Ahmad Fauzi; Jamaludin Indra
JURNAL BUANA PENGABDIAN Vol. 8 No. 1 (2026): JURNAL BUANA PENGABDIAN
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat, Universitas Buana Perjuangan Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36805/qq5mmn10

Abstract

Perkembangan teknologi pengolahan cita digital berkembang pesat dari waktu-kewaktu, merambah semua sendi-sendi dan bidang kehidupan. Pada Pengabdian masyarakat ini bertujuan untuk mengimplementasikan teknologi computer vision dalam deteksi kendaraan bermotor sebagai solusi untuk memantau dan mengontrol lalu lintas secara efisien. Dengan memanfaatkan metode deteksi objek yang canggih, penelitian ini akan mengembangkan sistem yang mampu mengenali jenis-jenis kendaraan, menghitung jumlah kendaraan yang melintas, serta memonitor kondisi lalu lintas secara real-time. Implementasi teknologi ini diharapkan dapat meningkatkan pengaturan lalu lintas yang lebih efektif dan mengurangi potensi kemacetan di area yang diuji coba. Hasilnya berupa pengetahuan yang diberikan ke peserta dan menunjukan hasil penelitian berupa prototype.
Automatic Classification of Public Complaints Using Naive Bayes Rico Andrean Hardiansyah; Jamaludin Indra; Dwi Sulistya Kusumaningrum; Tohirin Al Mudzakir
bit-Tech Vol. 8 No. 2 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v8i2.2992

Abstract

Public complaint services are essential for improving government service quality by providing a direct channel for citizens to report issues. In Karawang Regency, the Tanggap Karawang (TANGKAR) platform serves this function; however, the manual classification of complaints causes delays and potential misrouting, especially due to the highly imbalanced distribution of complaint categories. This study develops an automatic classification model for public complaints in eight categories economy, education, health, social, infrastructure, security, environment, and transportation by integrating Term Frequency–Inverse Document Frequency (TF–IDF), Multinomial Naive Bayes, and Synthetic Minority Oversampling Technique (SMOTE). This integration addresses domain-specific class imbalance challenges, combining the computational efficiency of Naive Bayes, the feature representation strength of TF–IDF, and the improved minority class recognition from SMOTE. A dataset of 800 complaint records from TANGKAR underwent preprocessing, including cleaning, case folding, normalization, tokenizing, stemming, and stopword removal. TF–IDF with unigram and bigram features was used for feature extraction, followed by classification under two scenarios: original unbalanced data and balanced data via SMOTE. Evaluation metrics included accuracy, precision, recall, F1-score, and confusion matrix. The model achieved 85.09% accuracy without SMOTE and 83.40% with SMOTE, with notable improvement in detecting minority categories after balancing. Although overall accuracy slightly decreased, SMOTE enhanced equitable prediction across all categories. This approach advances current public complaint classification methods by adapting to the linguistic diversity and uneven category distribution in actual e-government data, supporting faster and more accurate decision-making in public complaint management systems.
Analisis Sentimen Terhadap Program Kampus Merdeka Menggunakan Naive Bayes Dan Support Vector Machine Irma Putri Rahayu; Ahmad Fauzi; Jamaludin Indra
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 4 No. 2 (2022): Desember 2022
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v4i2.5381

Abstract

In order to prepare students to face the rapid development of technology, changes in work life and skills, students must be better prepared to face the progress of the times. Universities must be able to carry out innovative learning processes so that students achieve optimal learning outcomes which include aspects of knowledge, skills and attitudes. So the MBKM program was launched to answer these demands. However, MBKM has pros and cons in its implementation, so it is necessary to analyze and evaluate policies to improve performance through feedback from the public by conducting sentiment analysis of MBKM policies on twitter users from 2019 to 2022 with the hashtag #kampusmerdeka. This study used the Naïve Bayes and SVM algorithms to determine accuracy based on sentiment classification. The data used 1118 data with positive sentiment 618 data and negative sentiment 500 data. This study resulted in an accuracy of 86%, precision of 87% and recall of 80% with testing data using the Naïve Bayes algorithm. Then using the linear kernel SVM algorithm with the same testing data resulted in accuracy of 93%, precision of 100% and recall of 84%. Therefore, it is important to conduct studies to improve the MBKM program so that its implementation is clearly in accordance with existing procedures.
Literasi Teknologi untuk Budidaya Jamur Ahmad Fauzi; Jamaludin Indra; April Hananto; Elfina Novalia; Aviv Yuniar Rahman
Jurnal Abdimas Mahakam Vol. 6 No. 02 (2022): Juli
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24903/jam.v6i02.1513

Abstract

Kabupaten Karawang memiliki lahan pertanian yang dapat mendukung budidaya jamur. Pendapatan budidaya jamur yang menjanjikan maka perlu adanya sosialiasi pemanfaatan teknologi. Pengkondisian ruangan budidaya jamur dilakukan menggunakan mikrokontroller dengan pengaturan standar ruangan budidaya jamur. Budidaya jamur befokus pada dua jenis jamur yaitu Jamur Tiram (Pleurotus Ostreatus) dan Jamur Merang yang merupakan salah satu komoditas pertanian yang memiliki nilai gizi sangat baik dan memiliki potensi yang baik untuk dikembangkan. Kegiatan dilakukan dengan penerapan teknologi mikrokontroller dan IoT dalam kumbung jamur untuk budidaya jamur merang. Literasi dilakukan kepada petani melalui sosialisasi penerapan tekologi tersebut sesuai dengan potensi manfaat Industri 4.0 mengenai perbaikan kecepatan fleksibilitas produksi. Peralatan teknologi yang diterapkan terdiri atas sensor dan actuator. Monitoring ruangan dapat terlihat melalui display LED yang menggambarkan kondisi ruang kumbung. Hasil yang diperoleh selama masa tanam 35 hari yaitu warna jamur lebih cerah, ukuran jamur lebih besar dan hasil panen lebih banyak. Kata Kunci: Budidaya jamur, Literasi teknologi, mikrokontroller, IoT, Industri 4.0.
DETECTION OF THE SIZE OF PLASTIC MINERAL WATER BOTTLE WASTE USING THE YOLOV5 METHOD Dony Dwi Karyanto; Jamaludin Indra; Adi Rizky Pratama; Tatang Rohana
JIKO (Jurnal Informatika dan Komputer) Vol 7 No 2 (2024)
Publisher : Program Studi Teknik Informatika Universitas Khairun

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33387/jiko.v7i2.8535

Abstract

The use of plastic bottles for various needs is increasingly massive, especially in consumption needs such as mineral water bottles. The use of plastic bottles is used to reduce costs and be effective in maintaining the quality of mineral water, but its impact can affect natural conditions if not managed properly. Plastic bottle waste if left buried in the ground will have difficulty expanding, which can cause environmental pollution. Therefore, we can take advantage of technology to sort plastic bottle waste using a camera based on the size of plastic bottles. Differentiating the size of bottles aims to distinguish the economic value when exchanged at the waste bank. This technology utilizes object detection and recognition functions such as the YOLO (You Only Look Once) method. YOLO is a detection method that is a development of the CNN (Convolutional Neural Network) algorithm. By using YOLOv5, we can detect objects in the form of plastic bottle waste of various different sizes. To maximize object detection according to size, data annotation is done by creating a Bounding Box on each dataset according to its size. The test was carried out with several different distance configurations including 40cm, 80cm and 1m. Detection results using YOLOv5 produce up to 84% accuracy in real-time.
Co-Authors AA Sudharmawan, AA Abdul Gapur Achmad, Syifa Latifah Adi Rizky Pratama Adi Rizky Pratama Agung Susilo Yuda Irawan Ahmad Afifur Rahman Ahmad Fauzi Ahmad Fauzi Ahmad Rahman Al Fathir Rizal Januar Alif Kirana Amansyah, Ilham Anton Romadoni Junior Apriade Voutama April Hananto Ardiansyah, Fikri Arif Nurman Arip Solehudin Aris Martin Kobar Arum Puspita Lestari, Santi Asep Jamaludin Aviv Yuniar Rahman Awal, Elsa Elvira Ayu Juwita Azis Saputra Azzahra, Wava Lativa Baihaqi, Kiki Ahmad Cici Emilia Sukmawati Dadang Yusup Deden Wahiddin Deny Maulana Dony Dwi Karyanto Dwi Sulistya Kusumaningrum Dwi Sulistya Kusumaningrum Dwi Vina Wijaya Eko Pramono Fadmadika, Fadilla Faisal, Sutan Fauzi Ahmad Muda Fauzi, Ahmad Firdaus, Thoriq Janati Firmansyah Maulana Fitri Nur Masruriyah, Anis Garno . Garno, Garno Gugy Guztaman Munzi Hananto, Agustia Hanny Hikmayanti Handayani Hanung Pangestu Rahman Hilda Fitriana Dewi Hilda Novita Hilda Yulia Novita Holila, Holila Irma Putri Rahayu Juwita, Ayu Ratna Karyanto, Dony Dwi Khoirull Munazzal Kusumaningrum, Dwi Sulistya Lestari, Santi Arum Puspita M Andrian Agustyan Maharina, Maharina Maliah Andriyani Mudzakir, Tohirin Al Muhammad Arya Suhendi Muhammad Cesar Afriansyah Arief Muhammad Deden Miftah Fauzi Muhammad Imam Naufal Muhammad Khoiruddin Harahap Muhammad Raja Nurhusen Muhammad Romadhon Nazori AZ Novalia, Elfina Nugraha, Najmi Cahaya Nurdin, Cherry Januar Nurlaelasari, Euis Nursyawalni, Reva Paryono, Tukino Pratama, Adi Rizky Purnama, Ariya Purnomo, Indarto Aditya Rahmat Hidayat Rahmat Rahmat Rahmat Rahmat Ratna Juwita, Ayu Rico Andrean Hardiansyah Rifaldi, Rizky Rija Nur Hijriyya Rissa Ilmia Agustin Rizki, Lutfi Trisandi Robinson Nababan Rohana, Tatang Romlah Saefulloh, Nandang Sandi Susanto Santi Lestari Sihabudin Sihabudin, Sihabudin Siregar, Amril Mutoi Siti Robiah Suparno Sutan Faisal Syahrul Azis Tatang Rohana Tatang Rohana Tatang Rohana Tia Astiyah Hasan Tohirin Al Mudzakir Tohirin Mudzakir Toif Muhayat Tri Vicika, Vikha Ulfa Amelia Vikha Tri Vicika Wahiddin, Deden Wildan Amin Wiharja Yana Cahyana Yogi Firman Alfiansyah