p-Index From 2021 - 2026
5.397
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering IAES International Journal of Artificial Intelligence (IJ-AI) International Journal of Informatics and Communication Technology (IJ-ICT) Bulletin of Electrical Engineering and Informatics Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) International Journal of Advances in Intelligent Informatics CESS (Journal of Computer Engineering, System and Science) Proceeding of the Electrical Engineering Computer Science and Informatics Sistemasi: Jurnal Sistem Informasi Jurnal Teknologi dan Sistem Komputer Informatika Mulawarman: Jurnal Ilmiah Ilmu Komputer Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) International Journal of Artificial Intelligence Research Knowledge Engineering and Data Science JIKO (Jurnal Informatika dan Komputer) International Journal of Computing and Informatics (IJCANDI) JURNAL REKAYASA TEKNOLOGI INFORMASI ILKOM Jurnal Ilmiah Prosiding SAKTI (Seminar Ilmu Komputer dan Teknologi Informasi) METIK JURNAL JISKa (Jurnal Informatika Sunan Kalijaga) Sains, Aplikasi, Komputasi dan Teknologi Informasi Indonesian Journal of Electrical Engineering and Computer Science JUKI : Jurnal Komputer dan Informatika Jurnal Teknik Informatika (JUTIF) Journal of Applied Data Sciences International Journal of Advanced Science and Computer Applications Adopsi Teknologi dan Sistem Informasi Bulletin of Social Informatics Theory and Application Periodicals of Occupational Safety and Health Pengabdian Kepada Masyarakat Bidang Teknologi dan Sistem Informasi The Indonesian Journal of Computer Science
Claim Missing Document
Check
Articles

Ensemble semi-supervised learning in facial expression recognition Purnawansyah, Purnawansyah; Adnan, Adam; Darwis, Herdianti; Wibawa, Aji Prasetya; Widyaningtyas, Triyanna; Haviluddin, Haviluddin
International Journal of Advances in Intelligent Informatics Vol 11, No 1 (2025): February 2025
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/ijain.v11i1.1880

Abstract

Facial Expression Recognition (FER) plays a crucial role in human-computer interaction, yet improving its accuracy remains a significant challenge. This study aims to enhance the robustness and effectiveness of FER systems by integrating multiple machine learning techniques within a semi-supervised learning framework. The primary objective is to develop a more effective ensemble model that combines Long Short-Term Memory (LSTM), Convolutional Neural Networks (CNN), Support Vector Classifier (SVC), and Random Forest classifiers, utilizing both labeled and unlabeled data. The research implements data augmentation and feature extraction techniques, utilizing advanced architectures such as VGG19, ResNet50, and InceptionV3 to improve the quality and representation of facial expression data. Evaluations were conducted across three dataset scenarios: original, feature-extracted, and augmented, using various label-to-unlabeled ratios. The results indicate that the ensemble model achieved a notable accuracy improvement of 87% on the augmented dataset compared to individual classifiers and other ensemble methods, demonstrating superior performance in handling occlusions and diverse data conditions. However, several limitations exist. The study’s reliance on the JAFFE dataset may restrict its generalizability, as it may not cover the full range of facial expressions encountered in real-world scenarios. Additionally, the effect of label-to-unlabeled ratios on the model's performance requires further exploration. Computational efficiency and training time were also not evaluated, which are critical considerations for practical implementation. For future research, it is recommended to employ cross-validation methods for more robust performance evaluation, explore additional data augmentation techniques, optimize ensemble configurations, and address the computational efficiency of the model to better advance FER technologies.
Penerapan Algoritma K-Means untuk Pengelompokan Negara di Dunia Berdasarkan Indikator Ekonomi Anggari, Ricky; Ifandi, Muhammad; Firdaus, Ardhifa; Wati, Masna; Haviluddin, Haviluddin
Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 8, No 2 (2024): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jurti.v8i2.19745

Abstract

Perkembangan ekonomi global menuntut pemahaman mendalam tentang karakteristik ekonomi negara-negara di dunia. Penelitian ini bertujuan menerapkan algoritma K-Means Clustering untuk mengelompokkan negara berdasarkan indikator ekonomi seperti Gross Domestic Product (GDP), ekspor, impor, inflasi, dan tingkat pengangguran. Metode clustering digunakan untuk mengidentifikasi pola dan struktur ekonomi negara-negara dengan menganalisis data sekunder dari World Bank tahun 2022. Proses preprocessing meliputi pembersihan data, normalisasi menggunakan Min-Max Scaling, dan seleksi variabel ekonomi kunci. Algoritma K-Means diterapkan dengan jumlah klaster optimal sebanyak 3, yang diperoleh melalui metode Elbow. Hasil clustering menunjukkan tiga kelompok negara: negara dengan ekonomi kecil, negara berkembang, dan negara dengan ekonomi raksasa. Klaster 0 terdiri dari 52 negara yang cenderung memiliki ekonomi kecil, klaster 1 mencakup 165 negara berkembang dengan karakteristik ekonomi menengah, sedangkan klaster 2 hanya terdiri dari 2 negara yang memiliki ekonomi sangat besar. Evaluasi menggunakan Silhouette Score (0,52), Davies-Bouldin Index (0,71), dan Calinski-Harabasz Index (145,73) mengindikasikan kualitas clustering yang baik. Penelitian ini memberikan wawasan tentang klasifikasi negara berdasarkan indikator ekonomi dan dapat menjadi referensi bagi pembuat kebijakan dalam merancang strategi ekonomi yang lebih efektif.
Desiminasi Merawat Uang Rupiah & Pengenalan Profil Pahlawan di Uang Kertas Emisi 2022 Menggunakan Augmented Reality Muhammad Bambang; Haviluddin; Arifin, Zainal; Ibrahim, M. Rivani; Yahya, Fiqri Khaidar; Allo, Adriati Manuk
Pengabdian kepada Masyarakat Bidang Teknologi dan Sistem Informasi (PETISI) Vol. 2 No. 2 (2024): Pengabdian Kepada Masyarakat Bidang Teknologi dan Sistem Informasi
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/petisi.v2i2.1865

Abstract

Kegiatan pengabdian masyarakat dengan judul "Diseminasi Merawat Uang Rupiah & Pengenalan Profil Pahlawan di Uang Kertas Emisi 2022 Menggunakan Augmented Reality" bertujuan untuk meningkatkan kesadaran dan pengetahuan masyarakat mengenai pentingnya merawat uang rupiah serta mengenal pahlawan nasional yang diabadikan pada uang kertas emisi terbaru. Teknologi Augmented Reality (AR) dipilih sebagai media inovatif untuk mencapai tujuan tersebut, karena kemampuannya dalam menyajikan informasi secara interaktif dan menarik. Program ini dirancang untuk berbagai kelompok masyarakat, termasuk pelajar, mahasiswa, dan masyarakat umum. Kegiatan utama meliputi seminar edukatif tentang cara merawat uang kertas agar tahan lama, serta sesi interaktif menggunakan aplikasi AR yang menampilkan profil pahlawan secara visual dan informatif ketika kamera ponsel diarahkan pada uang kertas. Diharapkan, melalui pendekatan ini, masyarakat tidak hanya mendapatkan pengetahuan yang mendalam tentang sejarah dan jasa pahlawan nasional, tetapi juga termotivasi untuk merawat uang rupiah dengan lebih baik. Hasil dari kegiatan ini diharapkan dapat meningkatkan literasi finansial dan sejarah, serta menciptakan rasa bangga dan penghargaan terhadap simbol-simbol nasional yang terdapat pada uang kertas. Kegiatan ini juga diharapkan menjadi model bagi program edukasi lainnya di masa depan.
Pengelompokan Harga Cabai Rawit Berdasarkan Provinsi Menggunakan Principal Component Analysis dan K-Means Kesuma, Muhammad Afrizal; Nugraha, Cellia Auzia; Cahyani, Oktari Indi; Wati, Masna; Haviluddin, Haviluddin
JUKI : Jurnal Komputer dan Informatika Vol. 7 No. 1 (2025): JUKI : Jurnal Komputer dan Informatika, Edisi Mei 2025
Publisher : Yayasan Kita Menulis

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

Abstract

Cabai rawit (Capsicum frutescens L.) merupakan komoditas penting di Indonesia dengan permintaan yang tinggi. Namun, harga cabai rawit sering mengalami fluktuasi yang signifikan akibat ketergantungan pada musim, cuaca, serta kendala distribusi. Penelitian ini bertujuan untuk mengelompokkan harga cabai rawit berdasarkan provinsi di Indonesia menggunakan algoritma Principal Component Analysis (PCA) dan K-Means. Data yang digunakan berupa harga cabai rawit dari 34 provinsi di Indonesia pada periode Januari 2018 hingga Desember 2024. Analisis pengelompokan dilakukan dengan 3 variasi jumlah klaster, yaitu 2, 3, dan 4 klaster. Pengujian akurasi klaster menggunakan metode Silhouette Coefficient menunjukkan bahwa jumlah klaster paling optimal adalah 4 dengan nilai sebesar 0,511. Hasil penelitian ini menunjukkan bahwa pengelompokan harga cabai rawit dengan metode PCA dan K-Means dapat membantu dalam memahami pola harga di berbagai provinsi. Selain itu, hasil pengelompokan ini diharapkan dapat menjadi dasar bagi perencanaan distribusi dan pengendalian harga yang lebih efektif.
Pengelompokan Minat Akademik Siswa SMA Negeri 1 Loa Janan Menggunakan Metode Clustering K-means Fauzan, Ammar Nabil; Wandi, Faizul Anwar; Aiman, Ahmad Zuhair Nur; Wati, Masna; Haviluddin, Haviluddin
Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 9, No 2 (2025): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jurti.v9i2.19673

Abstract

Penentuan minat akademik masih menjadi tantangan dalam proses mempersiapkan diri sebelum memilih jurusan di perguruan tinggi, terutama jika siswa sendiri masih belum sepenuhnya mengetahui kemampuan dan minat belajarnya. Penelitian ini dilakukan dengan tujuan untuk membentuk kelompok-kelompok siswa kelas XI 3 di SMA Negeri 1 Loa Janan berdasarkan minat akademik mereka dengan menggunakan pendekatan data mining. K-means merupakan algoritma yang dipilih dari metode clustering, dengan menggunakan Knowledge Discovery in Database (KDD) yang dimulai dari seleksi data, kemudian tahap preprocessing data melalui normalisasi. Evaluasi menggunakan Silhouette Score dan Davies Bouldin Index. Hasil menunjukkan bahwa 2 merupakan jumlah cluster yang tepat dengan nilai Silhouette Score 0.74, nilai Davies Bouldin Index sebesar 0.34 dan visualisasi Scatter Plot yang menunjukkan pemisahan cluster yang cukup jelas. Hasil clustering ini bisa menjadi referensi bagi tenaga pengajar seperti guru untuk memudahkan proses penentuan jurusan sebelum masuk perguruan tinggi.
Klasterisasi Wilayah Penghasil Tanaman Lada Menggunakan Algoritma K-Means Puspitasari, Novianti; Haviluddin, Haviluddin; Helmi Puadi, Fazma Urmila Jannah
The Indonesian Journal of Computer Science Vol. 11 No. 3 (2022): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v11i3.3104

Abstract

Wilayah potensial untuk menanam lada semakin berkurang, sehingga jumlah produksi lada menjadi semakin menurun. Hal ini tentunya perlu menjadi perhatian mengingat lada merupakan salah satu komoditas unggulan yang sangat penting untuk menunjang perekonomian. Informasi tentang daerah yang berpotensi sebagai daerah penghasil tanaman lada perlu dilakukan. Penelitian ini bertujuan untuk mendata dan menganalisa wilayah potensial untuk tanaman lada menggunakan pendekatan algoritma cerdas yaitu K-Means. Data penelitian berasal dari Dinas Perkebunan Provinsi Kalimantan Timur sebanyak 1200 data dalam rentang waktu tahun 1990 sampai 2019 telah digunakan untuk dianalisis. Lebih lanjut, ketiga metode jarak yaitu Euclidean Distance, Manhattan Distance dan Minkowski Distance digunakan dalam penelitian ini. Dari ketiga metode tersebut dicari nilai akurasi yang tertinggi menggunakan metode Silhouette Coefficient (SC). Metode Sum Square Error (SSE) dan R-squared (R2) juga digunakan untuk mengukur cluster optimal. Hasil percobaan memperlihatkan bahwa metode jarak Manhattan Distance memiliki nilai akurasi terbaik. Sedangkan, cluster optimal untuk klusterisasi wilayah diperoleh tiga cluster yang merupakan cluster ideal untuk mengelompokkan wilayah penanam lada dengan SSE sebesar 238.7377116 dan nilai R2 adalah 0.459398609. Berdasarkan hasil tersebut, diperoleh informasi tentang wilayah yang berpotensi untuk produksi lada menggunakan tiga kategori yaitu kurang berpotensi, cukup berpotensi dan berpotensi baik dengan algoritma K-Means dan metode jarak Manhattan Distance.
An extraction of shapes and support vector machine methods for identification of decorative wall “Lamin” motifs of the Dayak Kenyah Pampang tribe Haviluddin, Haviluddin; Wati, Masna; Alfred, Rayner; Burhandenny, Aji Ery; Pratama, Arief Ardi
International Journal of Artificial Intelligence Research Vol 7, No 1 (2023): June 2023
Publisher : Universitas Dharma Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29099/ijair.v7i1.475

Abstract

One of the Dayak cultures of Kalimantan Island, Indonesia is a traditional house called Lamin where each wall is decorated according to tribal characteristics. This study aims to identify the image on the Lamin wall using the Support Vector Machine (SVM) method based on the eccentricity and metric parameter values. The data of this study consisted of 50 types of images of the Lamin wall motifs of the Dayak Kenyah tribe consisting of tebengaang, dragon, crocodile, tiger, and arch which were taken from the tourist village, Pampang, Samarinda, East Kalimantan. Based on the experiment, the shape feature extraction method has produced the highest value of the eccentricity parameter which is 0.6979 and the metric parameter is 0.9953 on the image of the arch. Motif identification using the SVM method using linear, Gaussian/RBF, and polynomial kernel parameters has resulted in the highest accuracy with 80% image composition of kernel polynomial at 85%, Gaussian/RBF at 80%, and linear at 78%.
An Inflation Rate Prediction Based on Backpropagation Neural Network Algorithm Purnawansyah, Purnawansyah; Haviluddin, Haviluddin; Setyadi, Hario Jati; Wong, Kelvin; Alfred, Rayner
International Journal of Artificial Intelligence Research Vol 3, No 2 (2019): December 2019
Publisher : Universitas Dharma Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1806.11 KB) | DOI: 10.29099/ijair.v3i2.112

Abstract

This article aims to predict the inflation rate in Samarinda, East Kalimantan by implementing an intelligent algorithm, Backpropagation Neural Network (BPNN). The inflation rate data was obtained from the Provincial Statistics Bureau of Samarinda https://samarindakota.bps.go.id/ for the period January 2012 to January 2017. The method used to measure accuracy algorithm prediction was the mean square error (MSE). Based on the experiment results, the BPNN method with architectural parameters of 5-5-5-1; the learning function was trainlm; the activation functions were logsig and purelin; the learning rate was 0.1 and able to produce a good level of prediction error with an MSE value of 0.00000424. The results showed that the BPNN algorithm can be used as an alternative method in predicting inflation rates in order to support sustainable economic growth, so that it can improve the welfare of the people in Samarinda, East Kalimantan.
Autoregressive Integrated Moving Average (ARIMA) Model for Forecasting Indonesian Crude Oil Price Wati, Masna; Haviluddin, Haviluddin; Masyudi, Akhmad; Septiarini, Anindita; Hatta, Heliza Rahmania
Jurnal Ilmiah Teknik Elektro Komputer dan Informatika Vol. 9 No. 3 (2023): September
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jiteki.v9i3.22286

Abstract

Crude oil is the main commodity of the global economy because oil is used as an ingredient for many industries globally and is the price base used in the state budget. Indonesian Crude Price (ICP) fluctuates following developments in world crude oil prices. A significant increase in crude oil prices will certainly disrupt the economy. Thus, the movement or fluctuation of ICP is essential for business players in the energy market, especially domestically. Therefore, crude oil price forecasting is needed to assist business people in making decisions related to the energy market. This study aims to find a suitable forecasting model for Indonesian crude oil prices using the Autoregressive Integrated Moving Average (ARIMA) method. The forecasting process used ICP time-series data per month for 50 types of crude oil within five years or 63 months. Based on the experimental results, it was found that the most fit ARIMA models were (0,1,1), (1,1,0), (0,1,0), and (1,2,1). The test results for April to September 2020 have a good and proper interpretation, except the type of BRC oil indicates inaccurate forecasts. The ARIMA error rate is very dependent on the value of the data before it is predicted and external factors, the more unstable the data value every month, the higher the error rate.
Case Base Reasoning for Diagnosing the Level of Hyperemesis Gravidarum in Pregnant Women using K-Nearest Neighbor Puspitasari, Novianti; Rahayu, Ervina; Pakpahan, Herman Santoso; Taruk, Medi; Haviluddin, Haviluddin
Sistemasi: Jurnal Sistem Informasi Vol 13, No 3 (2024): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32520/stmsi.v13i3.2584

Abstract

Hyperemesis gravidarum is a disease that causes excessive nausea and vomiting in pregnant women. Due to dehydration, this disease can interfere with daily work and get worse. Medical personnel generally recognize hyperemesis gravidarum as one type of disease. In fact, hyperemesis gravidarum is divided into 3 levels, namely grade I or general hyperemesis gravidarum, grade II hyperemesis gravidarum and grade III. This shows that information about hyperemesis gravidarum has yet to be widely known by some medical personnel. If this is left untreated, these two conditions can cause deep vein thrombosis in pregnant women. This study aims to apply the Case-Based Reasoning and K-Nearest Neighbor (KNN) methods to produce accurate information on the diagnosis of hyperemesis gravidarum levels in pregnant women based on symptom management in cases of an old diagnosis. The study used medical record data for hyperemesis gravidarum sufferers in 2018-2019, totalling 228 data. The calculation results of the Case-Based Reasoning method with the K-Nearest Neighbor using the confusion matrix produce an accuracy value of 74%, a precision value of 55% and a recall value of 57%, which indicates that this method is good enough to diagnose levels in patients with hyperemesis gravidarum.
Co-Authors Achmad Fanany Onnilita Gaffar Achmad Fanany Onnilita Gaffar Adnan, Adam Agus Soepriyadi Ahmad Hijazi, Mohd Hanafi Ahmad Jawahir Ahmad Jawahir Aiman, Ahmad Zuhair Nur Aina Musdholifah Aji Prasetya Wibawa Akhmad Masyudi Alfiansyah, M Nur Ali Sholihin Allo, Adriati Manuk Anam, M Khairul Anggari, Ricky Anindita Septiarini, Anindita Anton Prafanto Arda Yunianta Arda Yunianta Arif Bramantoro Arif Harjanto Arinda Mulawardani Kustiawan Astuti, Wistiani Aulia Rahman Awang Harsa Kridalaksana Bambang Nur Basuki Bangkit Bekti Nurdianto Basuki, Nur Bambang Brins Leonard Pailan Budiman, Edy Burhandenny, Aji Ery Cahyani, Oktari Indi Cholisah Erman Hasihi Chrisman Bonor Sinaga Darwis, Herdianti Davina Putri Ananta Dedy Cahyadi Dedy Mirwansyah Delvina Dwiani Samjar Dhanar Intan Surya Saputra Dhanar Intan Surya Saputra Didit Suprihanto, Didit Dinda Izmya Nurpadillah Djoko Setyadi Dwiyanto, Felix Andika Efrizoni, Lusiana Fahrul Agus Fatkhul Hani Rumawan Fauzan, Ammar Nabil Faza Alameka Fazma Urmila Jannah Helmi Puadi Firdaus, Ardhifa Firdaus, Muhammad Bambang Fui Fui, Ching Fui, Ching Fui Gaffar, Emmilya Umma Aziza Gubtha Mahendra Putra Gubtha Mahendra Putra Gultom, Tiopan Hendry Manto Hairah, Ummul Hamdani Hamdani Hatta, Heliza Rahmania Heliza Rahmania Hatta, Heliza Rahmania Helmi Puadi, Fazma Urmila Jannah Herdianti Darwis Herlina Jayadiyanti Hery Widijanto Hijazi, Mohd Hanafi Ahmad Hijratul Aini Hijratul Aini Huzain Azis Ibrahim, Muhammad Rivani Ifandi, Muhammad Imam Tahyudin Imam Tahyudin Irwan Gani Islamiyah Islamiyah Islamiyah Islamiyah Iwan Muhamad Ramdan Izdihar, Zahra Nabila Jainuddin Jainuddin Jayadiyanti, Herlina Julius Rinaldi Simanungkalit Kesuma, Muhammad Afrizal Kim On, Chin Leong, Jing Mei Lilik Hendrajaya Malani, Rheo Maratus Soleha Masyudi, Akhmad Mega Yoalifa Ming Foey Teng Mohd Shahizan Othman Mohd Shahizan Othman Mualin Renaldy Setiabudi Muhammad Bambang Muhammad Rafif Hanif Muhammad Soleh Muhammad Sultan, Muhammad Muhammad Syarif Abdillah Nafalski, Andrew Nataniel Dengen Ngurah Satria Darmawangsa Ni’mah Moham Norazah Yusof Novianti Puspitasari Nugraha, Cellia Auzia Nugroho, Basuki Rahmat Nurfaizi Amin Olivia Angelica Murtioso Omar Mohammed Barukab Omar Obarukab Norazah Yusof Othman, Mohd Shahizan Pakpahan, Herman Santoso Paroliyan, Abraham Pradinata, Muhammad Aji Prafanto, Anton Pratama, Arief Ardi Prawira, Muhammad Nanda Purnawansyah Purnawansyah Puspitasari, Novianti Putut Pamilih Widagdo, Putut Pamilih Qonita, Adiba Rahayu, Ervina Raja, Roesman Ridwan Rayner Alfred Rayner Alfred Rayner Alfred Rayner Alfred Rayner Alfred Rayner Alfred Rendy Ramadhan Rima Yustika Hasnida Saputra, Irzan Tri Sarjon Defit Saudi, Azali Setyadi, Hario Jati Simanungkalit, Julius Rinaldi Sitompul, Tua Delima Soepriyadi, Agus Suryani Junita Patandianan Sutikno Sutikno Suwardi Gunawan Taruk, Medi Tindik, Emmanuel Steward Triyanna Widiyaningtyas Triyanna Widyaningtyas Triyanna Widyaningtyas, Triyanna Utama, Agung Bella Putra Utomo Pujianto Vina Zahrotun Kamila Wandi, Faizul Anwar Wati, Masna Wei, Toh Yin Widians, Joan Angelina Wong, Kelvin Yahya, Fiqri Khaidar Yudi Sukmono, Yudi Yulita Salim Yunianta, Arda Yusof, Omar Obarukab Norazah Zainal Arifin Zainal Arifin