Article Per Year (5 Year)
p-Index From 2021 - 2026
4.879
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Journal of Environmental Engineering and Sustainable Technology Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal POINTER Proceedings Konferensi Nasional Sistem dan Informatika (KNS&I) SMATIKA Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Prosiding Seminar Nasional Pengabdian Kepada Masyarakat
Achmad Ridok
Universitas Brawijaya
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Mechanical Engineering Public Health Other

Published : 44 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 44 Documents
Search

 1   2   3   4   5 
Identifikasi Gagal Ginjal Kronis dengan Mengimplementasikan Metode Support Vector Machine beserta K-Nearest Neighbour (SVM-KNN) Akbar, Alvin Tarisa; Yudistira, Novanto; Ridok, Achmad
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 2: April 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.20236059

Abstract

Ginjal merupakan bagian vital bagi manusia karena berfungsi untuk menyaring atau membersihkan cairan yang kita minum agar dapat dikonsumsi oleh tumbuh secara normal. Gagal ginjal adalah situasi dimana ginjal mengalami penurunan funsionalnya secara terus-menerus yang mana dapat mengakibatkan ketidakmampuan ginjal untuk berfungsi untuk semestinya. Untuk membantu pasien yang terjangkit penyakit gagal ginjal kronis hal yang terlebih dahulu dilakukan adalah mengindentifikasi penyakit tersebut. Indentifikasi gagal ginjal kronis dengan menggunakan dataset yang dibuat oleh L.Jerlin Rubini dkk. sudah dilakukan dengan berbagai metode klasifikasi, contohnya adalah implementasi metode klasifikasi Support Vector Machine (SVM) dan K-Nearest Neighbour (KNN). Salah satu kelemahan dari SVM adalah bila data terlalu dekat dengan hyperplane adanya potensi untuk salah mengklasifikasi. Lalu salah satu kelemahan dari KNN adalah berpotensi mengalami penuruan akurasi bila nilai k terlalu tinggi atau terlalu rendah yang mana masing-masing mengakibatkan banyaknya noise data atau terlalu kecil data yang digunakan sebagai pembanding. Untuk penelitian ini, kami mengimplementasikan penggabungan metode SVM dengan KNN yang dikenal dengan SVM-KNN yang menggunakan optimasi Simplified Sequential Minimal Optimization (Simplified SMO). Metode ini mencoba untuk menutupi kelemahan dari SVM dan KNN. Penelitian ini melakukan percobaan pada beberapa nilai parameter yang digunakan untuk mendapatkan akurasi pada metode klasifikasi SVM-KNN terbaik.  Parameter yang diuji adalah cost, tolerance, gamma, dan bias pada metode SVM, parameter k pada metode KNN, serta parameter miu pada metode SVM-KNN. Nilai rata-rata akurasi terbaik didapatkan dengan menggunakan SVM-KNN dengan nilai 94,25% dan terbukti lebih baik dari pada SVM dengan 94,09% dan KNN dengan 91,73%. AbstractKidneys are a vital part for humans because they function to filter or clean the fluids we ingest so that they can be consumed safely. Kidney failure is a situation where the kidneys experience a continuous decline in function which can result in the inability of the kidneys to function properly. To help patients with chronic kidney failure, the first thing to do is to identify the disease. Identification of chronic kidney failure using the dataset created by L.Jerlin Rubini et. al. had been tested with various classification methods, for example the implementation of the Support Vector Machine (SVM) and K-Nearest Neighbor (KNN). One of the weaknesses of SVM is that if the data is too close to the hyperplane there is the potential for misclassification. Then one of the weaknesses of KNN is that it has the potential to experience a decrease in accuracy if the value of k is too high or too low which results in a lot of noise data or too little data used as a comparison respectively. For this research, we implemented a hybrid of SVM with KNN known as SVM-KNN which was optimized using Simplified Sequential Minimal Optimization (Simplified SMO). This study conducted experiments on several parameter values used to obtain the best accuracy in SVM-KNN. The parameters tested are cost, tolerance, gamma, bias on SVM, parameter k on KNN, and miu on SVM-KNN. The average value of accuracy was obtained using SVM-KNN with 94.25% and proved better than SVM with 94.09% and KNN with 91.73%.
Pengaruh Fitur Auto-battle terhadap Retensi Pemain dalam Game Mobile RPG Anime: Studi Kasus pada Komunitas Arknights dan Blue Archive Nuril Haq, Muhammad; Rahayudi, Bayu; Ridok, Achmad
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 4 (2025): April 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penelitian ini menganalisis pengaruh fitur auto-battle terhadap retensi pemain dalam game mobile RPG anime, dengan studi kasus pada komunitas pemain Arknights dan Blue Archive. Fitur auto-battle dirancang untuk mengurangi repetisi dalam permainan melalui mekanisme otomatisasi, namun dampaknya terhadap perilaku pemain dan retensi masih menjadi perdebatan. Penelitian ini menggunakan pendekatan kuantitatif dengan metode survei terhadap 40 responden dari komunitas Arknights dan Blue Archive di Malang. Analisis data dilakukan menggunakan statistik deskriptif, uji normalitas, homogenitas, ANOVA, dan korelasi Pearson untuk mengidentifikasi hubungan antara penggunaan fitur auto-battle dengan frekuensi login dan durasi bermain. Hasil penelitian menunjukkan bahwa meskipun pengguna fitur auto-battle memiliki rata-rata retensi lebih tinggi, pengaruh statistiknya tidak signifikan. Faktor lain seperti motivasi bermain, narasi, dan elemen gameplay memiliki peran yang lebih signifikan dalam mempertahankan keterlibatan pemain.
Penerapan Model RoBERTa Untuk Deteksi Emosi Multikelas Berbasis Teks Bahasa Inggris Muzaki, Farid; Noor Fatyanosa, Tirana; Ridok, Achmad
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 01 (2026): Januari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Perkembangan teknologi digital telah mempercepat pertumbuhan komunikasi berbasis teks, khususnya di media sosial yang menjadi ruang utama bagi pengguna dalam mengekspresikan emosi. Dalam konteks ini, deteksi emosi berbasis teks menjadi penting untuk berbagai keperluan, seperti analisis opini, sistem interaksi cerdas, dan pemantauan psikologis. Penelitian ini mengusulkan pemanfaatan model RoBERTa untuk klasifikasi emosi multikelas dalam teks berbahasa Inggris, dengan enam label utama: sadness, joy, love, anger, fear, dan surprise. Data penelitian berasal dari dataset publik dengan 20.000 entri, yang diproses melalui tahapan preprocessing dan tokenisasi. Model RoBERTa kemudian di-fine-tune dengan konfigurasi hyperparameter optimal yang diperoleh melalui proses penyetelan sistematis, termasuk pengaturan learning rate, batch size, epoch, dan weight decay. Evaluasi model dilakukan dengan metrik accuracy, precision, recall, dan F1-score, baik pada data pelatihan maupun pengujian. Hasil eksperimen menunjukkan bahwa model mampu menghasilkan klasifikasi emosi yang akurat dan stabil, serta menunjukkan performa generalisasi yang baik tanpa indikasi overfitting. Temuan ini mengonfirmasi bahwa RoBERTa merupakan model yang efektif untuk tugas deteksi emosi dalam teks dan layak dikembangkan lebih lanjut untuk aplikasi NLP berbasis kecerdasan buatan.
Deteksi Teks Manuskrip Kuno Serat Napoleon Menggunakan Detection Transformer (DETR) melalui Pendekatan Grid-Inference dan Variasi Arsitektur Backbone Maulana, Muhammad Rizqon; Yudistira, Novanto; Ridok, Achmad
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 2 (2026): Februari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Preservasi manuskrip kuno seperti Serat Napoleon merupakan langkah krusial dalam menjaga warisan budaya Indonesia. Upaya digitalisasi menjadi standar utama dalam pelestarian informasi tekstual manuskrip kuno karena warisan ini menghadapi ancaman degradasi fisik serius akibat usia, kelembapan lingkungan tropis, dan serangan organisme perusak, yang berpotensi menghilangkan catatan sejarah secara permanen. Namun, proses digitalisasi yang dilakukan secara manual melalui transkripsi langsung, meskipun akurat, terbukti tidak efisien karena membutuhkan waktu yang lama dan keterlibatan tenaga ahli yang besar. Oleh karena itu, deteksi teks otomatis diperlukan sebagai solusi untuk mempercepat proses digitalisasi dalam skala besar. Tantangan utama dalam deteksi otomatis Serat Napoleon ini adalah visual yang kompleks serta densitas diakritik (sandhangan) yang sangat tinggi. Penelitian ini mengimplementasikan model Detection Transformer (DETR) dengan strategi Grid-Inference untuk mengatasi kendala citra resolusi tinggi pada manuskrip tersebut. Pengujian dilakukan menggunakan tiga variasi arsitektur backbone yaitu ResNet-50, EfficientNet-B0, dan ConvNeXt-Tiny pada dataset 3.629 citra. Hasil penelitian menunjukkan bahwa strategi Grid-Inference terbukti krusial, tanpa metode ini, model gagal mendeteksi objek (mAP = 0) pada citra resolusi tinggi. Arsitektur ConvNeXt-Tiny memberikan performa terbaik dengan nilai mAP@50-95 sebesar 0,519 dan mAP@75 sebesar 0,547. Kombinasi DETR dan Grid-Inference terbukti efektif dalam meningkatkan efisiensi otomatisasi digitalisasi manuskrip kuno yang kompleks
Co-Authors Abdul Azis Adjie Sumanjaya Akbar, Alvin Tarisa Andrea, Amalia Reani Andreas Tommy Christiawan Anindya Celena Khansa Kirana Arief Andy Soebroto Barlian Henryranu Prasetio Bayu Rahayudi Dian Eka Ratnawati Dimas Adi Syahbani Achmad Putra Dimi Karillah Putra Edy Santoso Edy Santoso Edy Santoso Fidian, Diagne Alya Firdausi, Fathina Atsila Fitra Abdurrachman Bachtiar Fitra Bachtiar Griselda Anjeli Sirait Hasyir Daffa Ibrahim Ikhsan Putra Arisandi Indriati Indriati ., Indriati Indriati Indriati Indriati Indriati Iqbal Maulana Susanto Istanto, Raga Saputra Heri Jagad Nabil Tuah Imanda Jasico Da Comoro Aruan Kornelius Putra Aditama Kusuma Ari Prabowo Mahardika, Mohammad Alfiano Rizky Mahendra, Zianka Maulana, Muhammad Rizqon Mochammad Ilman Asnada Muhammad Tanzil Furqon Muzaki, Farid Nashi Widodo Noor Fatyanosa, Tirana Novanto Yudistira Nuril Haq, Muhammad Nurul Hidayat Putra Pratama, Ferdiansyah Rama Humam Syarokha RAMADHAN, ADITYA RIZKY Randy Cahya Wihandika Retnani Latifah, Retnani Ricardo, Muhammad Erico Rifa’i, Muhaimin Setyoko Yudho Baskoro Sianturi, Manat Hendry Fernando Supraptoa, Supraptoa Tanica Rakasiwi Tirana Noor Fatyanosa, Tirana Noor Wayan Firdaus Mahmudy Yudha Irwan Syahputra Yunita Dwi Lestari