Article Per Year (5 Year)
p-Index From 2021 - 2026
9.201
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 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 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 Nursing Public Health Social Sciences Other

Published : 70 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 70 Documents
Search

 3   4   5   6   7 
Perbandingan Algoritma Logistic Regression dan K-Nearest Neighbor Dalam Klasifikasi Kematangan Buah Pepaya Wildan Amin Wiharja; Tohirin Al Mudzakir; Hilda Yulia Novita; Jamaludin Indra
Bulletin of Computer Science Research Vol. 5 No. 4 (2025): June 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bulletincsr.v5i4.550

Abstract

Visual assessment of papaya ripeness often leads to inconsistent and low accuracy results. To address this, the study applies Logistic Regression and K-Nearest Neighbor (K-NN) algorithms for automatic classification using digital image processing. The initial dataset consisted of 300 images, which were expanded to 1,200 through preprocessing and augmentation. Features were extracted using the Gray Level Co-occurrence Matrix (GLCM) method, and the data was split into 80% for training and 20% for testing. The study aims to compare the performance of both algorithms and understand their classification mechanisms. Results show that K-NN with k=1 achieved an accuracy of 87%, while Logistic Regression with L2 regularization reached 73%, indicating that K-NN outperforms Logistic Regression in classifying papaya ripeness levels.
Air quality prediction using boosting-based machine learning models for sustainable environment Ahmad Fauzi; Maharina Maharina; Jamaludin Indra; Ayu Ratna Juwita; Agustia Hananto; Euis Nurlaelasari
IAES International Journal of Artificial Intelligence (IJ-AI) Vol 15, No 1: February 2026
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijai.v15.i1.pp515-523

Abstract

High levels of air pollution are extremely harmful to humans and the environment. They increase the risk of respiratory infections and lung cancer, especially among vulnerable populations. Therefore, developing effective pollution control measures is crucial for mitigating these negative impacts. We need to implement effective methods to predict and manage air quality for the sake of public health and a healthier environment. In recent years, machine learning (ML) methods have been increasingly utilized in air quality prediction due to their ability to analyze datasets and identify complex patterns. However, the reliability and accuracy of air quality prediction models remain a challenge. This study proposes a boosting-based ML model for predicting air quality. We implemented three stages in the proposed method. In the first stage, we conducted data preprocessing and analysis to eliminate noise, remove redundant data, and encode categorical features. In the second stage, we predicted air quality categories by leveraging 25 ML models, dividing them into three distinct categories. The results show that the extreme gradient boosting (XGBoost), light gradient boosting machine (LGBM), and adaptive boosting (AdaBoost) models outperform the others in air quality prediction, achieving an accuracy of 99%. Finally, we compared these three models using 10-fold cross validation to ensure they generalize well in last stage.
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.
Penerapan Fuzzy Logic Tsukamoto untuk Klasifikasi Prestasi Siswa sesuai Standar Kompetensi Sekolah Alfahri Firjatillah; Jamaludin Indra; Santi Arum Puspita Lestari; Deden Wahiddin
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 2 (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 mengembangkan sistem klasifikasi prestasi siswa berbasis web menggunakan metode Fuzzy Logic Tsukamoto di MTs Ghoyatul Jihad Telagasari Karawang. Sistem bertujuan membantu sekolah menilai prestasi siswa secara objektif berdasarkan nilai rapor, pengetahuan, dan keterampilan. Proses klasifikasi meliputi fuzzifikasi, inferensi dengan aturan IF-THEN, dan defuzzifikasi. Data sebanyak 330 siswa dianalisis, dan hasil sistem dibandingkan dengan penilaian guru menggunakan uji akurasi dan korelasi Spearman. Sistem mencapai akurasi 81,8% dan korelasi 0,81, menunjukkan hubungan sangat kuat dengan penilaian guru. Hasil ini membuktikan bahwa metode Tsukamoto efektif dan mampu mengurangi subjektivitas dalam penilaian prestasi siswa.
Klasterisasi Tingkat Perceraian Berdasarkan Kabupaten/Kota di Provinsi Jawa Barat Menggunakan Algoritma K-Means dan K-Medoids Ananda Faizah; Deden Wahiddin; Jamaludin Indra; Ahmad Fauzi
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 2 (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

Perceraian merupakan fenomena sosial yang berdampak pada kesejahteraan keluarga dan stabilitas sosial. Provinsi Jawa Barat mencatat peningkatan angka perceraian setiap tahunnya, sehingga diperlukan analisis untuk memahami pola yang terjadi. Penelitian ini membandingkan algoritma K-Means dan K-Medoids dalam mengelompokkan kabupaten/kota di Jawa Barat berdasarkan faktor penyebab perceraian pada tahun 2023. Hasil klasterisasi menghasilkan tiga cluster dengan karakteristik tingkat perceraian tinggi, sedang, dan rendah yang didominasi oleh faktor tertentu. Evaluasi menggunakan Silhouette Coefficient dan Davies-Bouldin Index (DBI) menunjukkan bahwa K-Means memberikan hasil evaluasi yang lebih baik berdasarkan nilai Silhouette Score sebesar 0.533683 dan Davies-Bouldin Index (DBI) sebesar 0.518007, sedangkan K-Medoids memperoleh nilai Silhouette Score sebesar 0.415553 dan Davies-Bouldin Index (DBI) sebesar 0.749047. Penelitian ini diharapkan dapat membantu instansi terkait dalam mengatasi tingginya angka perceraian di Jawa Barat.
Prediksi Pendaftaran Calon Jamaah Haji di Kabupaten Karawang menggunakan algoritma Random Forest dan XGBoost Dimas Satrio; Sutan Faisal; Cici Emilia Sukmawati; Jamaludin Indra
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 2 (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

Indonesia sebagai negara dengan jumlah penduduk Muslim terbesar di dunia menghadapi tantangan dalam pengelolaan pendaftaran haji yang terus meningkat setiap tahunnya. Penelitian ini bertujuan untuk memprediksi jumlah pendaftaran haji menggunakan algoritma Random Forest dan XGBoost, yang dikenal memiliki tingkat akurasi yang tinggi dalam analisis data berskala besar dan bersifat nonlinier. Dengan menggunakan data historis pendaftaran haji, model ini dirancang untuk mengidentifikasi pola dan faktor-faktor utama yang memengaruhi jumlah pendaftaran. Hasil evaluasi model menunjukkan bahwa Random Forest memberikan performa yang jauh lebih unggul dibandingkan XGBoost, dengan nilai R-squared sebesar 0,93 yang menunjukkan kemampuan model dalam menjelaskan variasi data, serta nilai Mean Absolute Error (MAE) dan Mean Squared Error (MSE) yang lebih rendah. Sebaliknya, XGBoost menunjukkan performa yang kurang optimal dengan nilai R-squared sebesar 0,40. Temuan ini memberikan informasi penting bagi pemerintah untuk mengoptimalkan perencanaan dan pengelolaan kuota haji sehingga pelayanan kepada calon jamaah dapat menjadi lebih efisien dan tepat sasaran.
Deteksi Pelat Nomor Kendaraan dengan Convolutional Neural Network dan Pembacaan Karakter dengan Optical Character Recognition Indri Rahmawati; Deden Wahiddin; Euis Nurlaelasari; Adi Rizky Pratama; Ahmad Fauzi; Jamaludin Indra
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 2 (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

Pengenalan pelat nomor kendaraan secara otomatis menjadi salah satu solusi untuk meningkatkan efisiensi dan keamanan sistem parkir, khususnya di Universitas Buana Perjuangan Karawang yang masih menggunakan metode manual. Penelitian ini mengembangkan sistem deteksi pelat nomor kendaraan menggunakan algoritma Convolutional Neural Network (CNN) dan PaddleOCR. Dataset yang digunakan sebanyak 10.795 citra, kemudian diperluas menjadi 21.590 citra melalui proses augmentasi data. Tahap preprocessing meliputi konversi citra menjadi grayscale, resize, normalisasi, dan parsing anotasi. Algoritma Convolutional Neural Network digunakan untuk mendeteksi lokasi pelat nomor, sedangkan PaddleOCR digunakan untuk mengenali karakter pada pelat nomor. Evaluasi dilakukan menggunakan metrik Mean Absolute Error (MAE), Intersection over Union (IoU), dan akurasi OCR. Hasil evaluasi menunjukkan nilai IoU validasi sebesar 0,8639 dan akurasi OCR sebesar 80%, yang menunjukkan bahwa sistem memiliki performa yang baik pada tahap awal pengembangan.
Sosialisasi Alur Kerja Sistem Electronic Traffic Law Enforcement (ETLE) Dari Segi Ilmu Komputer Vision Pada Masyarakat Kiki Ahmad Baihaqi; Ahmad Fauzi; Jamaludin Indra
Jurnal Igakerta Vol. 1 No. 3 (2024): Jurnal Igakerta
Publisher : IGAKERTA Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70234/1km1j504

Abstract

Sistem deteksi kendaraan bermotor yang digunakan pada sistem E-TLE bukan hal baru, dikarenakan sistem tersebut sudah banyak diteliti dan diimplementasikan dinegara maju. Deteksi yang dimaksud adalah mendeteksi nomor polisi yang ada pada suatu kendaraan kemudian dikonversi menjadi laporan dan dikategorikan dalam bentuk pelanggaran seperti apa sesuai perundang-undangan. Namu, tidak banyak Masyarakat yang paham akan alur proses deteksi dan akurasi dari sistem tersebut. Sehingga dibutuhkan sosialisasi kepada Masyarakat lebih lanjut dan mendalam. Sosialisasi dilakukan pada kegiatan pengabdian kepada masyakarat yang dilakukan ditingkat desa yang berada dibagian luar Kabupaten Karawang. Masyarakat yang mengikuti adalah perangkat desa setingkat RT dikarenakan nanti akan disosialisasikan kembali oleh aparatur desa kepada Masyarakat. Peserta berjumlah 30 orang yang dibagi menjadi 2 termin pagi dan sore, dikarenakan kapasitas ruangan dan faktor efektifitas penjelasan agar kondusif. Hasilnya 50%  yaitu berjumlah 15 orang tidak mengetahui perihal sistem seperti ini bisa akurat dan mengidentifikasikan nomor kendaraan serta pelaggarannya
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.
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 Fauzi Ahmad Rahman Al Fathir Rizal Januar Alfahri Firjatillah Alif Kirana Amansyah, Ilham Ananda Faizah Anton Romadoni Junior Apriade Voutama April Hananto Arif Nurman Arip Solehudin Aris Martin Kobar Arum Puspita Lestari, Santi Asep Jamaludin Aviv Yuniar Rahman Awal, Elsa Elvira Ayu Juwita Ayu Ratna Juwita Azis Saputra Azzahra, Wava Lativa Baihaqi, Kiki Ahmad Cici Emilia Sukmawati Dadang Yusup Deden Wahiddin Deden Wahiddin Deny Maulana Dimas Satrio Dony Dwi Karyanto Dwi Sulistya Kusumaningrum Dwi Sulistya Kusumaningrum Dwi Vina Wijaya Eko Pramono Euis Nurlaelasari Fadmadika, Fadilla Faisal, Sutan 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 Indri Rahmawati Irma Putri Rahayu Juwita, Ayu Ratna Karyanto, Dony Dwi Khoirull Munazzal Kusumaningrum, Dwi Sulistya Lestari, Santi Arum Puspita M Andrian Agustyan Maharina Maharina 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 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 Sukmawati, Cici Emilia Suparno Sutan Faisal Sutan Faisal Syahrul Azis Tatang Rohana Tatang Rohana Tia Astiyah Hasan Tohirin Al Mudzakir 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