Article Per Year (5 Year)
p-Index From 2021 - 2026
6.608
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 Advances in Applied Sciences Transmisi: Jurnal Ilmiah Teknik Elektro TELKOMNIKA (Telecommunication Computing Electronics and Control) Indonesian Journal of Electrical Engineering and Informatics (IJEEI) Journal of Telematics and Informatics Proceeding of the Electrical Engineering Computer Science and Informatics TRANSISTOR Elektro dan Informatika Jurnal Manajemen Keuangan Publik AKSIOLOGIYA : Jurnal Pengabdian Kepada Masyarakat Jurnal Kesehatan Global PengabdianMu: Jurnal Ilmiah Pengabdian kepada Masyarakat Indonesian Journal of Electrical Engineering and Computer Science Jurnal Bumigora Information Technology (BITe) Pengmasku Nusantara of Engineering (NOE) Prosiding Seminar Riset Mahasiswa Jurnal Rekayasa Sistem Informasi dan Teknologi
Imam Much Ibnu Subroto
Department Of Informatics, Universitas Islam Sultan Agung
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Public Health Social Sciences

Published : 97 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 97 Documents
Search

 6   7   8   9   10 
Klasifikasi Kepakaran Reviewer Menggunakan Algoritma K-Nearest Neighbor (KNN) Fajarini, Intan Putri Nur; Subroto, Imam Much Ibnu; Riansyah, Andi
Prosiding Seminar Riset Mahasiswa Vol 1, No 1: Maret 2023
Publisher : Universitas Islam Sultan Agung

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

Abstract

Ada banyak hal yang bisa dilakukan dalam meningkatkan kualitas pendidikan di negara Indonesia salah satunya yaitu Kemdikbud membuat sebuah program untuk meningkatkan jumlah publikasi jurnal di Indonesia yang bereputasi internasional. Jika dilakukan upaya peningkatan publikasi jurnal maka diperlukan reviewer jurnal, yang mana bidang keilmuan reviewer harus sesuai dengan bidang ilmu dari jurnal yang akan direview, data reviewer ini diperoleh dari database SINTA (Science and Technology Index). Bidang ilmu dari jurnal tersebut dikelompokkan ke dalam 5 bidang yaitu Arts & Humanities, Engineering & Tecnology, Life Sciences & Medicine, Natural Science, dan Social Science & Management. Saat ini belum ada penelitian yang menerapkan suatu metode untuk mengklasifikasikan reviewer dengan 5 bidang ilmu kepakaran, untuk memudahkan hal tersebut bisa memanfaatkan teknik yang ada saat ini yaitu menggunakan metode data mining untuk mengolah data tersebut, dalam penerapan data mining untuk klasifikasi akan digunakan algoritma KNN. Dalam penelitian ini tahap yang dilakukan adalah pengumpulan data, kemudian data tersebut akan diolah menggunakan metode preprocessing agar diperoleh data yang bersih dan memiliki kualitas yang baik, setelah itu akan diproses lagi dengan menerapkan metode klasifikasi menggunakan algoritma KNN. Setelah melakukan beberapa pengujian jumlah K dan menggunakan 3 skenario pengujian, pada penelitian ini menghasilkan akurasi 0,751 atau 75 %, precission 0.628, recall 0.54, dan f-measure 0.528 dengan K = 30 pada pengujian skenario uji 80% : 20%.Kata Kunci : reviewer , data mining, klasifikasi, KNN
Klasifikasi Bidang Ilmu Pada Publikasi Terindeks GARUDA Kemdikbud Menggunakan Metode K-Nearest Neighbor (KNN) Saadah, Farikhatus; Subroto, Imam Much Ibnu; Riansyah, Andi
TRANSISTOR Elektro dan Informatika Vol 5, No 2 (2023)
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ei.5.2.95-101

Abstract

GARUDA merupakan salah satu portal yang memuat referensi ilmiah nasional Indonesia dan memberikan akses terhadap karya ilmiah yang dihasilkan oleh akademisi dan peneliti Indonesia. Klasifikasi merupakan proses penemuan model (fungsi) yang menggambarkan dan membedakan kelas data. Sebelumnya belum ada penelitian yang menggunakan 5 bidang ilmu utama yaitu arts & Humanities, Engineering & Technology, Life Scienses & Madicine, Natural Scienses, Social Sciences & Management, untuk mengklasifikasikan judul artikel pada aplikasi terindeks Garuda. Dalam penelitian ini akan mengklasifikasikan judul artikel yang ada pada aplikasi terindeks Garuda kedalam 5 bidang ilmu yang akan menggunakan metode algortima K-Nearest Neighbor (K-NN), dan akan dilakukan dengan cara mengumpulkan data pada aplikasi terindeks Garuda, lalu dilakukan tahap prepocessing agar data memiliki kualitas yang baik. Setelah itu mencari data dengan jarak terdekat dengan tetangga terdekat pada data latih dengan data yang akan diuji, lalu evaluasi yang akan digunakan adalah accuracy, precision, recall, dan F-score. Hasil yang diharapkan dari penelitian ini adalah metode algorima K-Nearest Neighbor (K-NN) dapat menghasilkan tingkat akurasi yang tinggi dalam mengklasifikasikan judul artikel pada aplikasi terindeks Garuda, kedalam 5 bidang ilmu utama yaitu arts & Humanities, Engineering & Technology, Life Scienses & Madicine, Natural Scienses, Social Sciences & Management secara cepat dan otomatis. Hasil dari penelitian ini mendapatkan nilai akurasi tertinggi 0,499 atau 49,9% dengan menggunakan parameter nilai K = 285.
Identifikasi Bidang Kepakaran Program Studi Informatika Berdasarkan Rekam Jejak Publikasi di Indonesia menggunakan Rake Fadhilah, Achmad Naufal; Subroto, Imam Much Ibnu; Haviana, Sam Farisa Chaerul
TRANSISTOR Elektro dan Informatika Vol 5, No 2 (2023)
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ei.5.2.%p

Abstract

Program studi pada universitas di Indonesia baik universitas swasta maupun universitas negeri terkadang memiliki bidang kepakaran yang berbeda meskipun nama program studi tersebut terlihat sama, hal ini karena program studi diberbagai universitas sangat tergantung dengan kepakaran dosen pada universitas tersebut. Untuk itu, diperlukan sebuah sistem yang memuat informasi tentang bidang kepakaran program studi khususnya Informatika untuk membantu para calon mahasiswa untuk lebih mudah memperoleh informasi program studi informatika dan universitas mana yang sesuai dengan minat para calon mahasiswa tersebut. Dengan memanfaatkan metode RAKE dapat mewujudkan kemudahan memperoleh informasi. Metode ini dipilih karena sangat cocok untuk digunakan meranking seberapa tinggi bidang kepakaran program studi informatika di Indonesia. Pembuatan sistem diawali dengan mengumpulkan data dari beberapa website seperti SINTA Kemendikbud dan Scopus, implementasi metode dan pembuatan sistem dengan bahasa pemrograman python dan MySQL, dan pengujian sistem. Hasil penelitian menunjukkan bahwa sistem informasi dapat berjalan dengan baik setelah pengujian dan menunjukkan hasil berupa informasi kepakaran program studi ketika user memasukkan keyword ataupun nama program studi yaitu informatika. sistem berhasil menampilkan sistem informasi kepakaran program studi berdasarkan universitas yang dipilih dengan menampilkan kata kunci yang berhasil dihitung berjumlah 2716 dari 5 universitas di Indonesia dan kata kunci setiap universitas hanya ditampilkan sebanyak 20 kata kunci sesuai perhitungan mean average precision@k
IMPLEMENTASI METODE TRANSFER LEARNING UNTUK KLASIFIKASI MALARIA MENGGUNAKAN RESNET-50 Andhi Rohman; Imam Much Ibnu Subroto
Jurnal Rekayasa Sistem Informasi dan Teknologi Vol. 3 No. 2 (2025): November
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jrsit.v3i2.3138

Abstract

Malaria merupakan penyakit menular yang disebabkan oleh parasit Plasmodium dan masih menjadi masalah kesehatan serius di Indonesia, khususnya di wilayah timur. Diagnosis malaria yang cepat dan akurat sangat penting untuk mencegah komplikasi serta memutus rantai penularan. Penelitian ini bertujuan untuk mengimplementasikan metode transfer learning menggunakan arsitektur Convolutional Neural Network (CNN) ResNet-50 dalam mendeteksi sel darah yang terinfeksi malaria pada citra mikroskopis. Dataset yang digunakan terdiri dari dua kelas, yaitu Parasitized (terinfeksi) dan Uninfected (tidak terinfeksi). Tahapan penelitian meliputi preprocessing data, augmentasi citra, pemanfaatan model pretrained ResNet-50, penambahan lapisan klasifikasi, pelatihan model, serta evaluasi performa menggunakan metrik akurasi, presisi, recall, F1-score, dan AUC. Hasil penelitian menunjukkan bahwa model ResNet-50 mencapai akurasi sebesar 93,00%, dengan presisi 96,00%, recall 97,00%, F1-score 93,00%, dan AUC 98,00%. Dengan performa tersebut, pendekatan ini berpotensi menjadi solusi pendukung diagnosis malaria yang cepat, objektif, dan efisien, serta dapat diintegrasikan dalam sistem skrining laboratorium dan mendukung pengambilan keputusan medis berbasis kecerdasan buatan.
IMPLEMENTASI SISTEM KLASIFIKASI KATARAK PADA PUPIL MATA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK Muhammad Yaasiin Hidayatulloh; Imam Much Ibnu Subroto
Jurnal Rekayasa Sistem Informasi dan Teknologi Vol. 3 No. 3 (2026): Februari
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jrsit.v3i3.3380

Abstract

Katarak merupakan penyebab utama kebutaan global yang memerlukan solusi deteksi dini yang efisien, murah, dan mudah diakses. Tujuan Penelitian ini bertujuan mengembangkan sistem klasifikasi katarak end-to-end yang diimplementasikan pada perangkat mobile untuk skrining mandiri. Metode Pendekatan Deep Learning berbasis Convolutional Neural Network (CNN) diterapkan dengan membandingkan dua arsitektur CNN Kustom dan MobileNetV3Small. Proses diawali dengan pra-pemrosesan citra menggunakan teknik cropping ROI (Region of Interest) pupil otomatis melalui fungsi crop_pupil() yang mengintegrasikan Gaussian blur, thresholding, dan contour detection. Hasil Berdasarkan pengujian menggunakan dataset yang dibagi menjadi 80% data latih dan 20% data validasi, model CNN Kustom menunjukkan performa terbaik dengan akurasi 91,61% dan F1-score 91,59% pada epoch ke-33. Implementasi model ke dalam aplikasi berbasis Flutter menggunakan format TensorFlow Lite menghasilkan latensi inferensi rata-rata 50 ms per citra. Kesimpulan Penelitian ini membuktikan bahwa integrasi metode pra-pemrosesan pupil dan arsitektur CNN yang ringan efektif digunakan untuk deteksi katarak berbasis mobile dengan keseimbangan akurasi dan kecepatan yang optimal.
PENERAPAN MULTILINGUAL BERT UNTUK KLASIFIKASI BAHASA INDONESIA DAN ATAU BAHASA MALAYSIA PADA TEKS PENDEK MEDIA SOSIAL Moch. Chaidar Chanif; Imam Much Ibnu Subroto
Jurnal Rekayasa Sistem Informasi dan Teknologi Vol. 3 No. 3 (2026): Februari
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jrsit.v3i3.3411

Abstract

Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis untuk membedakan Bahasa Indonesia dan Bahasa Malaysia pada teks pendek media sosial. Metode penelitian yang digunakan meliputi pengumpulan data dari Twitter menggunakan web scraping, seleksi dan preprocessing teks, pelabelan data, pembagian dataset menjadi data latih dan uji, serta penerapan model Multilingual BERT (mBERT) dengan fine-tuning dan evaluasi kinerja menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model mBERT mampu mengklasifikasikan teks dengan akurasi 95,81% dan F1-score rata-rata 0,96, dengan performa yang baik pada kedua bahasa, meskipun terdapat beberapa kesalahan pada teks yang sangat mirip secara kosakata. Simpulan penelitian ini menegaskan bahwa mBERT efektif dan potensial untuk digunakan dalam klasifikasi bahasa serumpun pada teks pendek media sosial.   Kata Kunci: Multilingual BERT, Klasifikasi Bahasa, Bahasa Indonesia, Bahasa Malaysia, Teks Pendek  
PENERAPAN CONVOLUTIONAL NEURAL NETWORK DALAM KLASIFIKASI GENRE MUSIK POP ISLAMI Ariani Putri Agustina; Imam Much Ibnu Subroto
Nusantara of Engineering (NOE) Vol 9 No 01 (2026): Volume 9 Nomor 1 - 2026
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/noe.v9i01.26871

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi otomatis guna membedakan genre musik Islami dan Pop berdasarkan karakteristik audio. Kategori musik Islami dalam konteks ini merujuk pada lagu-lagu yang secara nuansa dan aransemen mencerminkan nilai-nilai religius, tanpa melakukan analisis terhadap lirik. Data dikumpulkan dari platform Spotify dan melalui tahap pra-pemrosesan berupa augmentasi audio untuk memperkaya variasi data. Proses selanjutnya adalah ekstraksi fitur menggunakan MFCC, Chroma, dan Mel Spectrogram, yang kemudian digunakan sebagai masukan dalam pelatihan model Convolutional Neural Network (CNN). Model CNN yang dibangun berhasil mencapai akurasi sebesar 74% pada data pengujian, dengan nilai precision, recall, dan f1-score yang menunjukkan performa cukup seimbang, terutama dalam mengenali pola khas dari music Pop Islami. Hasil ini menunjukkan bahwa pendekatan berbasis fitur audio mampu mengenali genre musik secara efektif, meskipun masih terdapat tantangan dalam menangani variasi kompleks dari genre Pop. Sebagai bentuk implementasi, sistem ini dikembangkan dalam bentuk aplikasi antarmuka sederhana yang memungkinkan pengguna mengunggah file audio dan mendapatkan hasil prediksi secara langsung.
Co-Authors A Azidny A. A. Uliansyah, Beta Abdelhadi Husein Aburawis Abdul Rohman Soleh Achmad Chaidir Adi Ariyo Munandar Adib Ulil Anwar Agung Suryowibowo Ahmad Syarif Hidayatullah Akhsinatul Laeliyah Alfano Endra Wardhana Alfiah Nurul Fatimah Intan Pertiwi Ali Selamat Ali Selamat Andhi Rohman Andhika Bayu Pratama Ariani Putri Agustina Arief Marwanto Arifin, Bustanul Arifin, Zaenal Arigama, Rizki Artini DP, Sri Aser Anou Ashar, Firbaya Mutiara Asih Widi Harini Ayunda Miftakhul Laili Azmia, Hisnan Faudan Badieah Assegaf Badie’ah, Badie’ah Badie’ah, Badie’ah Bahrun Niam Bahtiar, Thoriq Basit, Abdul Budi Cahyo Wibowo Bustanul Arifin Bustanul Arifin Chaerul Haviana, Sam F. Chanif, Muhammad Nur Daniyah, Daniyah Darso D Dedy Kurniadi Deris Stiawan Deshinta Arrova Dewi Dwi Zunia Arianto Eka Nuryanto Budi Susila Eko Saputra, Wardianto F Feriawan Fadhilah, Achmad Naufal Fahmi Arif Dewoputro Fahrizal, Fery Fajar Yumono Fajarini, Intan Putri Nur Febrian Rio Hartono Fitri Anindyahadi Goli Arji Hardjana, Irawan Pudja Hud Munawar Ilhamsyah, Muhamad Reynaldi Imam Hendi Susanto Irfan Fadhil Iska Yanuartanti khaled jemah basher Kharis Abdullah La Ode Muhamad Idris Laksamana Rajendra Haidar Azani Fajri Lestari Kurniawati, Lestari Lina Handayani Mahfud Ade Purwanto Maryuliana Maryuliana Maulida, Aina Nurul Mekacahyani, Rakhimatulfitria Milasanti, Denina Moch Taufik Moch. Chaidar Chanif Moloud Abdar Muhamad Haddin Muhamad Qomaruddin Muhammad Fadelillah Muhammad Khosyiin Muhammad Nur Gofinda Muhammad Qomaruddin Muhammad Rahman Hakim Muhammad Yaasiin Hidayatulloh Munawar Agus Riyadi Mustafa, Mustafa Najmah, Najmah Nova Catur Anggi Cahyo Nur Ramadhanif Nur'aini, Intan Nurhidayah, Eva Nurnasikha, Kusuma Nuzulia Khoiriyah Poetro, Bagus Satrio Waluyo Pranoto Wibowo Prasetyo, Muhammad Krisna Heri Putra, Allief Suryatama Jaya Putra, Yustian Dikma Eka Putri, Sarah Dwi Qirom Qirom Rachmad Gabels Raden Abdul Rahman Ratna Supradewi Riansyah, Andi Riky Maulana Firdaus Rini Oktarina Riyadh Alnajih Alsayih Riyani, Dita Rizki Arigama Rony, Zahara Tussoleha Rusmal Firmansyah S Suprayogi Saadah, Farikhatus Sam F. Chaerul Haviana Sam Farisa Chaerul Haviana Sapto Utomo Sharareh R. Niakan Kalhori Sigit Ardianto Sofia Murtiani Sri Artini DP Sri Arttini Dwi Prasetyawati Sri Mulyono Suharyo Herwasto Sukendar, Irwan Sukendar, Irwan Supriyanto S Suryani Alifah Suyanto Suyanto Tole Sutikno Tri Basuki Kurniawan Trisnawarman, Trisnawarman Ulil Albab Ushuludin, Mohammad Wardianto Eko Saputra Wicaksono, Yusuf Arief Wiwiek Fatmawati Yahya Hidayatullah Yasni, Loura Yusuf Arief Wicaksono Zaenal Arifin