Article Per Year (5 Year)
p-Index From 2021 - 2026
15.882
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) IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Rekam : Jurnal, Fotografi, Televisi Animasi SITEKIN: Jurnal Sains, Teknologi dan Industri Jurnal Teknologi Informasi dan Ilmu Komputer KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal) Jurnal Bioedukasi JOIN (Jurnal Online Informatika) Sistemasi: Jurnal Sistem Informasi Jurnal ELTIKOM : Jurnal Teknik Elektro, Teknologi Informasi dan Komputer Informatika Mulawarman: Jurnal Ilmiah Ilmu Komputer Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) International Journal of Artificial Intelligence Research INTENSIF: Jurnal Ilmiah Penelitian dan Penerapan Teknologi Sistem Informasi Jurnal Sains Dan Teknologi (SAINTEKBU) CogITo Smart Journal Insect (Informatics and Security) : Jurnal Teknik Informatika JOURNAL OF APPLIED INFORMATICS AND COMPUTING JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Applied Information System and Management ILKOM Jurnal Ilmiah Journal of Economic, Management, Accounting and Technology (JEMATech) KOMPUTIKA - Jurnal Sistem Komputer Jambura Journal of Informatics JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Bitnet: Jurnal Pendidikan Teknologi Informasi EDUMATIC: Jurnal Pendidikan Informatika METIK JURNAL Building of Informatics, Technology and Science Gema Wiralodra Indonesian Journal of Business Intelligence (IJUBI) Jurnal Tecnoscienza Generation Journal Jurnal Mnemonic Pangea : Wahana Informasi Pengembangan Profesi dan Ilmu Geografi Journal Cerita: Creative Education of Research in Information Technology and Artificial Informatics PRAJA: Jurnal Ilmiah Pemerintahan JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Journal of Computer System and Informatics (JoSYC) JIKA (Jurnal Informatika) Jurnal Sistem Komputer dan Informatika (JSON) Community Development Journal: Jurnal Pengabdian Masyarakat Jurnal Perangkat Lunak Jurnal Informa: Jurnal Penelitian dan Pengabdian Masyarakat Aiti: Jurnal Teknologi Informasi Jurnal TIKOMSIN (Teknologi Informasi dan Komunikasi Sinar Nusantara) Jurnal Teknologi Informatika dan Komputer Journal of Computer Networks, Architecture and High Performance Computing Jurnal Teknik Informatika (JUTIF) Jurnal Teknimedia: Teknologi Informasi dan Multimedia Journal of Electrical Engineering and Computer (JEECOM) JINAV: Journal of Information and Visualization International Journal of Artificial Intelligence and Robotics (IJAIR) Mitra Mahajana: Jurnal Pengabdian Masyarakat Jurnal Informatika dan Teknologi Komputer ( J-ICOM) DEVICE Djtechno: Jurnal Teknologi Informasi JTECS : Jurnal Sistem Telekomunikasi Elektronika Sistem Kontrol Power Sistem dan Komputer JURNAL STUDIA KOMUNIKA Jurnal Pengabdian Seni KLIK: Kajian Ilmiah Informatika dan Komputer Jurnal Saintekom : Sains, Teknologi, Komputer dan Manajemen Journal Computer Science and Informatic Systems : J-Cosys Jurnal Mandiri IT Sulawesi Tenggara Educational Journal JURNAL PAI: Jurnal Kajian Pendidikan Agama Islam Jurnal Sisfotek Global International Journal Artificial Intelligent and Informatics Jurnal Informatika Teknologi dan Sains (Jinteks) Journal of Innovation Research and Knowledge SENTRI: Jurnal Riset Ilmiah Malcom: Indonesian Journal of Machine Learning and Computer Science Nusantara of Engineering (NOE) Jurnal Multidisiplin Sahombu COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi JEC (Jurnal Edukasi Cendekia) Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) SmartComp Jurnal Informatika Polinema (JIP) Jurnal Informatika: Jurnal Pengembangan IT Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) Scientific Journal of Informatics Pengabdian Seni Jurnal Sistem Informasi Komputer dan Teknologi Informasi Jurnal TAM (Technology Acceptance Model) Jurnal Sistem Informasi dan Teknologi Informasi Jurnal Komtika (Komputasi dan Informatika)
Kusrini, Kusrini
Unknown Affiliation
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Biochemistry, Genetics & Molecular Biology Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Public Health Social Sciences Transportation Other

Published : 143 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 143 Documents
Search

 8   9   10   11   12 
Optimasi Yolov11 Melalui Hyperparameter Tuning dan Data Augmentasi untuk Meningkatkan Akurasi Deteksi Kendaraan pada Kondisi Malam Hari: Yolov11 Optimization Through Hyperparameter Tuning and Data Augmentation to Improve Vehicle Detection Accuracy at Night Zulkarnain, Imam Alfath; Kusrini, Kusrini
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 4 (2025): MALCOM October 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i4.2250

Abstract

Deteksi kendaraan pada malam hari menghadapi tantangan signifikan akibat pencahayaan rendah, silau lampu depan, dan kontras objek yang terbatas. Akurasi deteksi yang rendah pada malam hari menjadi penghambat utama dalam pengembangan sistem transportasi cerdas (ITS) dan sistem pengawasan lalu lintas yang andal secara 24/7. Penelitian ini bertujuan mengoptimalkan YOLOv11 untuk meningkatkan akurasi deteksi kendaraan dalam kondisi tersebut. Optimasi dilakukan melalui penyesuaian hiperparameter, termasuk pengaturan laju pembelajaran (0.001), momentum (0.937), dan weight decay (0.0005), serta penerapan teknik augmentasi data seperti penyesuaian saturasi dan kecerahan, translasi, skala, flipping horizontal, mosaic, dan mixup. Model diuji dalam dua skenario: (1) data malam hari dan (2) gabungan data siang dan malam. Hasil penelitian menunjukkan bahwa YOLOv11 yang telah dioptimalkan mencapai precision 0.97, recall 0.92, dan mAP@0.5 sebesar 0.97 pada skenario malam hari, melampaui kinerja YOLOv8 dan YOLOv11 baseline. Pada skenario gabungan, model tetap unggul dengan precision 0.95, recall 0.95, dan mAP@0.5 sebesar 0.98. Temuan ini membuktikan bahwa kombinasi penyesuaian hiperparameter dan augmentasi adaptif efektif meningkatkan kinerja deteksi kendaraan pada malam hari tanpa menurunkan akurasi pada kondisi siang. Pendekatan ini menjanjikan untuk diaplikasikan dalam sistem pemantauan lalu lintas berbasis visi komputer yang memerlukan konsistensi performa tinggi baik di siang maupun malam hari.
Meningkatkan Dataset CodeXGLUE dengan Representasi Abstract Syntax Tree (AST) Ter Seragam untuk Analisis Kode Lintas Bahasa Siswo Utomo, Mardi; Utami, Ema; Kusrini, Kusrini; Setyanto, Arief
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 5: Oktober 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025125

Abstract

Dataset kode sumber populer seperti CodeXGLUE belum menyediakan representasi sintaksis yang diseragamkan untuk penelitian lintas bahasa pemrograman. Hal ini akan menyulitkan saat dilakukan penelitian yang berkaitan dengan analisis syntax-aware. Penelitian ini menyediakan representasi sintaksis yang diseragamkan untuk memperkaya dataset CodeXGLUE.  Kami menghadirkan dataset CodeXGLUE-AST (Abstract Syntax Tree) seragam untuk enam bahasa pemrograman: Go, Java, JavaScript, Python, Ruby, dan PHP. AST diekstraksi menggunakan Tree-sitter dan disimpan dalam format JSON terstruktur. Untuk menjaga konsistensi antar bahasa, kemudian dilakukan klasifikasi dan pemetaan tipe node guna menyatukan representasi struktur AST. Evaluasi dataset menggunakan analisis kelengkapan struktur AST, pengukuran akurasi rekonstruksi kode menggunakan skor BLEU, serta pengujian ekstraksi Data Flow Graph (DFG) untuk menjaga ketergantungan antar variabel. Selain itu juga dilakukan pengujian pada tugas peringkasan kode menggunakan model CodeT5 yang menunjukkan peningkatan nilai BLEU, METEOR, ROUGE dan ROUGE-L hampir disemua percobaan saat menggunakan AST yang diseragamkan. Dengan representasi AST yang telah diseragamkan, diharapkan pengembangan model ML multi bahasa yang lebih andal dan sadar sintaksis untuk tugas-tugas seperti klasifikasi kode, pembuatan ringkasan kode, dan rekonstruksi program akan menjadi lebih berkembang.   Abstract Popular source code datasets like CodeXGLUE have not yet provided a standardized syntactic representation for cross-programming language research. This data gap will complicate research related to syntax-aware analysis. This research provides a standardized syntactic representation to enrich the CodeXGLUE dataset. We present a uniform CodeXGLUE-AST (Abstract Syntax Tree) dataset for six programming languages: Go, Java, JavaScript, Python, Ruby, and PHP. The AST is extracted using Tree-sitter and stored in a structured JSON format. To maintain consistency across languages, classification and mapping of node types were then performed to unify the AST structure representation. The dataset evaluation used AST structure completeness analysis, code reconstruction accuracy measurement using BLEU scores, and Data Flow Graph (DFG) extraction testing to maintain variable dependencies. Additionally, testing was conducted on the code summarization task using the CodeT5 model, which showed an increase in BLEU, METEOR, ROUGE, and ROUGE-L scores in almost all experiments when using the standardized AST. With the standardized AST representation, it is hoped that the development of more reliable and syntax-aware multilingual ML models for tasks such as code classification, code summarization, and program reconstruction will become more advanced.
The effectiveness of using RFID and IoT in digital transformation processes in garment companies using the UTAUT model2 Sentoso, Thedjo; Kusrini, Kusrini; Hanafi, Hanafi
Gema Wiralodra Vol. 14 No. 2 (2023): gema wiralodra
Publisher : Universitas Wiralodra

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31943/gw.v14i2.511

Abstract

This study aims to analyze the effectiveness of using RFID and IoT in the digital transformation process in a garment company using the UTAUT2 model. This research is necessary because it can influence the intentions and behavior of its users to increase production effectiveness. A quantitative approach uses the survey method used in this study to achieve the research objectives. The number of respondents in this study was 193 employees who worked in the preparation area. The data collected from the questionnaire results were analyzed using inferential statistics. The study results show that employee acceptance of using RFID and IoT in the digital transformation process gets a positive response. Each variable average value used is in the value range 3.79 – 4.44 (scale 1 to 5). In addition, it was found that Performance Expectancy, Effort Expectation, and Price Value positively influenced Behavioral Intention. In contrast, Habit and Behavioral Intention positively influenced Use Behavioral. As for the Social Influence and Hedonic Motivation variables on Behavioral Intentions and the Facilitating Conditions variable on Usage Behavior, no positive effect was found.
Klasterisasi Pasien Rawat Jalan di Puskesmas dengan Menggunakan Metode Algoritma Clustering K-Means Azkar, Azkar; Kusrini, Kusrini
KLIK: Kajian Ilmiah Informatika dan Komputer Vol. 4 No. 5 (2024): April 2024
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/klik.v4i5.1832

Abstract

The Aikmel Utara Public Health Center in Lombok Timur Regency began operating in mid-2019, but has never utilized patient data to obtain information as a basis for decision-making efforts to improve quality of health services and consequently enhance patient satisfaction. The target respondents patient satisfaction survey at the Public Health Center are visitors, the majority of whom are outpatient visitors. The purpose of this research is to group outpatient patients based on variables such as gender, age, participation status in the BPJS health insurance program and patient address, as well as diagnosis of the patient's disease using the k-means clustering algorithm method with the assistance of the RapidMiner application. Patient data totaling 1889 were grouped into 2 clusters, 3 clusters, 4 clusters, and 5 clusters, and evaluated using the Davies-Bouldin Index (DBI). The research results show that the number of clusters formed is 2, with cluster 1 consisting of 1570 data and cluster 2 consisting of 319 data. Cluster 1 is dominated by female patients (1074 or 68.4%), BPJS participants (819 or 52.2%), with the most common age group being adults (883 or 56.2%), and most of them are from Toya village (488 or 31.1%), with the most common diagnosis being acute respiratory infections (J06) (223 or 14.2%). Meanwhile, cluster 2 is dominated by female patients (205 or 64.3%), BPJS participants (202 or 63.3%), with the most common age group being adults (191 or 59.9%), and most of them are from Toya village (108 or 33.9%), with the most common diagnosis being pregnancy examinations (Z34) (29 or 9.1%). From these cluster results, it is obtained that the majority of outpatient visitors at the Aikmel Utara Public Health Center are from Toya village and are dominated by the adult age group and BPJS health insurance participants, with the most common disease being acute respiratory infections. It is hoped that this information can assist the Public Health Center in making decisions or policies related to health programs in its working area
Distributed Denial Of Service (DDOS) Attack Detection On Zigbee Protocol Using Naive Bayes Algoritm Masud, Ibnu; Kusrini, Kusrini; Prasetio, Agung Budi
International Journal of Artificial Intelligence Research Vol 5, No 2 (2021): December 2021
Publisher : Universitas Dharma Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (270.085 KB) | DOI: 10.29099/ijair.v5i2.214

Abstract

Distributed Denial of Service or better known as DDoS is an attempted attack from several computer systems that target a server so that the amount of traffic becomes too high so that the server cannot handle the request. DDoS is usually done by using several computer systems that are used as sources of attacks. So they attack one server through several computers so that the amount of traffic can also be higher. A DDoS attack is like a traffic jam that prevents a driver from reaching their desired destination on time. According to data, 33% of businesses in the world have fallen victim to DDoS attacks. DDoS is hard to trace. Some types of DDoS attacks can be very powerful and even reach speeds of 1.35 Tbps. Additionally, DDoS attacks can cause losses of $ 40,000 per hour if they occur. ZigBee is a standard from IEEE 802.15.4 for data communication on personal consumer devices as well as for business scale. ZigBee is designed with low power consumption and works for low level personal networks. ZigBee devices are commonly used to control another device or as a wireless sensor. ZigBee has a feature which is able to manage its own network, or manage data exchange on the network [1]. Another advantage of ZigBee is that it requires low power, so it can be used as a wireless control device which only needs to be installed once, because only one battery can make ZigBee last up to a year. In addition, ZigBee also has a "mesh" network topology so that it can form a wider network and more reliable data. In the previous research of Muhammad Aziz, Rusydi Umar, Faizin Ridho (2019) based on the results of the analysis carried out that the attack information that has been detected by the IDS based on signatures needs to be reviewed for accuracy using classification with statistical calculations. Based on the analysis and testing carried out with the artificial neural network method, it was found that the accuracy was 95.2381%. The neural network method can be applied in the field of network forensics in determining accurate results and helping to strengthen evidence at trial. The Naïve Bayes model performed relatively poor overall and produced the lowest accuracy score of this study (45%) when trained with the CICDDoS2019 dataset [47]. For the same model, precision was 66% and recall was 54%, meaning that almost half the time, the model misses to identify threats. 
Perancangan Sistem Pendukung Keputusan Untuk Prediksi Penerima Beasiswa Menggunakan Metode Neural Network Backpropagation Pujianto, Ade; Kusrini, Kusrini; Sunyoto, Andi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 5 No 2: April 2018
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (534.234 KB) | DOI: 10.25126/jtiik.201852631

Abstract

Seleksi di Amikom masih mengalami kendala pada proses pengambilan keputusan, banyaknya data menyebabkan pengambil keputusan membutuhkan tools yang dapat membantu dalam menentukan penerima beasiswa, salah satu metode yang sering digunakan adalah artificial neural network (ANN). Metode ini meniru jaringan pemodelan saraf otak manusia berupa neuron-neuron untuk menyelesaikan suatu permasalahan. Salah satu penerapan neural network adalah untuk melakukan prediksi atau peramalan terhadap suatu peristiwa tertentu serta dianggap mampu menyelesaikan masalah yang komplek seperti penalaran otak manusia. Untuk menyelesaiakn masalah yang komplek neural network memerlukan banyak neuron atau yang biasa disebut layer (lapis). Salah satu metode neural network multi lapis adalah backpropagation yang mampu mengoptimalisasi bobot pada neuron dan menyelesaikan masalah yang komplek. Hasil dari penelitian ini adalah sebuah perancangan sistem prediksi dengan menggunakan metode neural network backpropagation untuk melakukan peramalan terhadap mahasiswa yang mendaftar beasiswa. hasil akhir penelitian ini adalah nilai akurasi sebesar 90% dan nilai error terkecil sebesar 0,000101 pada epoch ke 329 dengan jumlah 3000 data dengan pembagian data training 2.250 dan 750 data testing serta konfigurasi learning rate sebesar 0,2 dan momentum 0,2. Kata kunci: Artificial Neural netwok, Backpropagarion, Prediksi, beasiswa, Pengambilan Keputusan. AbstractSelection in Amikom is still constrained in the decision-making process, the number of data causing decision makers need tools that can assist in determining scholarship recipients, one of the most commonly used method is artificial neural network (ANN). This method mimics the neural network modeling of the human brain in the form of neurons to solve a problem. One application of neural network is to make predictions or forecasting of a particular event and is considered capable of solving complex problems such as human brain reasoning. To solve the problem the complex neural network requires many neurons or so-called layers. One method of multi layer neural network is backpropagation that is able to optimize the weight of neurons and solve complex problems. The result of this research is a prediction system design using neural network backpropagation method to forecast the students who apply for scholarship. the final result of this research is the accuracy value of 90% and the smallest error value of 0.000101 on epoch to 329 with the amount of 3000 data with sharing training 2,250 and 750 data testing and learning rate configuration of 0.2 and momentum 0.2.Keywords: Artificial Neural Netwok, Backpropagarion, Prediction, Scholarship, Decision Making.
Aplikasi Prediksi Banjir Menggunakan Algoritma XGBoost Berbasis Website Asnawi, Muhamad Fuat; Bisono, Hadi Hikmadyo; Megantara, Muhamad Arldi; Kusrini, Kusrini
Journal of Economic, Management, Accounting and Technology (JEMATech) Vol 7 No 2 (2024): Agustus
Publisher : Fakultas Teknik dan Ilmu Komputer, Universitas Sains Al-Qur'an (UNSIQ) Wonosobo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32500/jematech.v7i2.7644

Abstract

Penelitian ini bertujuan untuk mengembangkan model prediksi risiko banjir menggunakan algoritma XGBoost dengan memanfaatkan dataset yang tersedia di Kaggle. Dataset tersebut mencakup berbagai faktor yang mempengaruhi risiko banjir seperti kualitas bendungan, pengikisan sistem drainase, longsor, dan hilangnya lahan basah. Proses penelitian dimulai dengan pengumpulan data, diikuti oleh preprocessing yang meliputi penanganan missing values, pemilihan fitur menggunakan regresi untuk memastikan fitur yang paling berpengaruh, dan normalisasi data. Model XGBoost kemudian dilatih dengan data yang telah diproses dan dievaluasi menggunakan beberapa metrik evaluasi. Hasil evaluasi menunjukkan bahwa model memiliki performa yang sangat baik dengan nilai Cross-Validation RMSE sebesar 0.00097, Mean Squared Error (MSE) sebesar 1.0336, Root Mean Squared Error (RMSE) sebesar 0.001017, Mean Absolute Error (MAE) sebesar 0.000801, dan Mean Absolute Percentage Error (MAPE) sebesar 0.1605%. Nilai-nilai ini mengindikasikan kesalahan prediksi yang relatif kecil. Visualisasi hasil juga menunjukkan bahwa model tidak memiliki bias sistematis dan kesalahan prediksi tersebar merata. Penelitian ini mendesak mengingat peningkatan frekuensi dan dampak banjir akibat perubahan iklim dan urbanisasi yang pesat. Model ini diharapkan dapat digunakan secara efektif untuk memberikan peringatan dini dan membantu dalam perencanaan tata ruang yang lebih baik untuk mengurangi dampak bencana banjir.
Penerapan Data Sains Untuk Klasifikasi Wilayah Yang Terdampak Kerusakan Gempa Bumi Dengan Metode C.45 Swastikawati, Claudia; Pamoengkas, Muhamad Agoeng; Wahyudi, Alfian Cahyo; Kusrini, Kusrini
Journal of Economic, Management, Accounting and Technology (JEMATech) Vol 7 No 2 (2024): Agustus
Publisher : Fakultas Teknik dan Ilmu Komputer, Universitas Sains Al-Qur'an (UNSIQ) Wonosobo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32500/jematech.v7i2.7679

Abstract

Di Indonesia, gempa bumi sering terjadi karena interaksi plat tektonik. Energi seismik yang dicatat oleh seismograf diukur pada skala Richter (SR). Data dari BMKG dan BNPB selama semester pertama 2022 menunjukkan getaran energi seismik dari skala kecil hingga besar di sekitar Indonesia. Penelitian ini menggunakan metode C4.5 untuk klasifikasi dampak gempa, mengolah data historis mengenai wilayah, magnitudo, kedalaman, dan tingkat kerusakan. Proses penelitian mencakup pengumpulan data, pra-pemrosesan, pemilihan model, pelatihan model, dan penilaian kinerja menggunakan akurasi, presisi, recall, dan skor F1. Dataset berisi 62 catatan gempa dari BMKG dan dampak kerusakan di Jawa dari BNPB. Model C4.5 mencapai akurasi 62% pada tuning 8:2, meskipun menghadapi tantangan seperti variasi kondisi geografis, struktur bangunan, dan jumlah kejadian dalam satu hari. Hasil penelitian ini memberikan kontribusi berupa gabungan data bencana dari www.bmkg.go.id dan kerusakan dari https://gis.bnpb.go.id/. Selain itu, model C4.5 dapat dilakukan untuk skala kerusakan rumah akibat gempa bumi. Penelitian ini menghasilkan model prediksi yang akurat untuk mengklasifikasikan tingkat kerusakan bangunan, memberikan wawasan praktis untuk mitigasi bencana, dan mendukung pemerintah serta lembaga penanggulangan bencana dalam meningkatkan sistem peringatan dini dan distribusi bantuan.
Optimasi Prediksi Harga Emas Menggunakan CNN-Bi-LSTM dengan Mekanisme Attention dan Bayesian Optimization Fitriyanto, Nur; Kusrini, Kusrini
Journal of Economic, Management, Accounting and Technology (JEMATech) Vol 8 No 1 (2025): Februari
Publisher : Fakultas Teknik dan Ilmu Komputer, Universitas Sains Al-Qur'an (UNSIQ) Wonosobo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32500/jematech.v8i1.8668

Abstract

Prediksi harga emas merupakan aspek penting dalam investasi global karena volatilitasnya yang dipengaruhi oleh faktor ekonomi dan politik. Penelitian ini mengembangkan model hybrid CNN-Bi-LSTM dengan mekanisme Attention untuk menangkap pola data signifikan dan Bayesian Optimization untuk pencarian hyperparameter yang lebih efisien. Dataset yang digunakan mencakup harga emas harian dari 29 Desember 1978 hingga 4 Juni 2021, yang terbagi menjadi data pelatihan (70%), validasi (20%), dan pengujian (10%). Model yang dioptimasi menunjukkan hasil evaluasi dengan RMSE sebesar 17,98, MAE sebesar 10,93, RMAE sebesar 3,31, dan R² sebesar 1,00. Visualisasi hasil menunjukkan konvergensi stabil tanpa overfitting, distribusi residual yang mendekati normal, serta prediksi yang konsisten dengan data aktual. Integrasi mekanisme Attention dan Bayesian Optimization terbukti meningkatkan performa model secara signifikan. Penelitian ini membuka peluang pengembangan lebih lanjut dengan memasukkan variabel makroekonomi tambahan, seperti harga minyak mentah atau indeks saham, untuk memperluas cakupan prediksi.
Studi Literatur Mengenai Klasifikasi Citra Kucing Dengan Menggunakan Deep Learning: Convolutional Neural Network (CNN) Linda, Kumara Dewi; Kusrini, Kusrini; Hartanto, Anggit Dwi
Journal of Electrical Engineering and Computer (JEECOM) Vol 6, No 1 (2024)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/jeecom.v6i1.7480

Abstract

Deep learning merupakan bagian dari machine learning yang memiliki kemampuan untuk mengenali pola gambar, suara, teks dan data lainnya yang kompleks sehingga dapat menghasilkan prediksi yang akurat. Salah satu kemampuan deep learning adalah klasifikasi citra pada objek. CNN adalah salah satu metode dalam machine learning yang digunakan untuk mengklasifikasikan citra objek. Algoritma Convolutional Neural Network (CNN) adalah bagian dari deep learning network yaitu jenis jaringan saraf tiruan yang saat ini banyak digunakan untuk pengenalan suatu citra. Dalam penelitian ini, algoritma yang digunakan adalah CNN karena akurasinya yang cukup baik. Deep learning dengan convolutional neural network (CNN) yang banyak digunakan untuk melakukan deteksi, klasifikasi, dan prediksi pada gambar. Citra objek dalam penelitian ini adalah kucing yang terdiri dari berbagai macam jenis. Tujuan dari penelitian ini adalah untuk mengklasifikasikan citra kucing sesuai dengan jenisnya. Jurnal ini merupakan tinjauan literatur untuk menambah pengetahuan berharga mengenai penelitian terbaru tentang klasifikasi citra kucing menggunakan CNN. Jurnal ini membahas studi literatur tentang variabel input, metode yang digunakan dan hasil literatur dari penelitian sebelumnya. Metode yang paling banyak digunakan pada penelitian sebelumnya adalah CNN
Co-Authors AA Sudharmawan, AA Abdillah, Yahya Auliya Abdullah Sukri, M Iqbal Abdullah, Mochamad Fadillah Achmad Oddy Widyantoro Ade Pujianto, Ade Adhani, Muhammad Azmi Agastya, I Made Artha agung budi AGUS PURWANTO Ahmad Yusuf Aji Santoso, Bayu Aji Susanto Anom Purnomo Alfatta, Hanif Alva Hendi Muhammad anas, hasni Andi Muhammad Irfan Andi Sunyoto Andika, Roy Andriyanto, Rifki Angga Kurniawan Anggit Dwi Hartanto, Anggit Dwi Anggraeni, Meita Dwi Ardana, Wildan Muhammad Ardana, Wildan Muhammmad Ardiansyah, Fachri Ari Yuana, Kumara Arief Setyanto Arief, M Rudyanto Arief, Muhammad Rudyanto Arifuddin, Danang Arik Sofan Tohir Aris Subadi Arli Aditya Parikesit Asnawi, Muhamad Fuat Asri, Saffinah Indah Atin Hasanah Azi, Amanda Aziz Muzani, Ma'ruf Aziz, Moh Abdul Azkar, Azkar Bayu Setiaji Béjar, Rodrigo Martínez Bentar Candra P Bernadhed, Bernadhed Bisono, Hadi Hikmadyo Braeken, An Buana, Yopy Tri Candra, Kurnia Khoirul da Silva, Bruno Darmawan, Eko Rahmad David Agustriawan DHANI ARIATMANTO Dzulhijjah, Dwi Ahmad Eko Pramono Eko Purwanto Ema Utami Emha Taufiq Luthfi Fatkhurrochman, Fatkhurrochman Fauzi, Moch Farid Fauzy, Marwan Noor Febrianti, Winda Febriyanti, Nada Rizki Ferry Wahyu Wibowo fitriyanto, nur Gifari, Okta Ihza Halimi, Ahmad Hamdikatama, Bimantyoso Hanafi Hanafi Hanif Al Fatta Hari Muktafin, Elik Haris, Ruby hartanto, david budi Hartono, Anggit Dwi Haryo, Wasis Hasan, Nur Fitrianingsih Hasan, Nurul Rahmawati Hasirun, Hasirun Helmawati, Nita Herawati, Maimi Heri Abijono, Heri Herlinawati, Noor Hulvi, Alfajri I Made Adi Purwantara Ikhwanudin, Aolia Ilmawati, Fahma Inti Indarto, Aan Jeki Kuswanto Jumaris Jumaris, Jumaris Juwariyah, Siti Kasman, Haris Saktiawan Kharisma, Rizqi Sukma Kurniasari, Iin Kusnawi , Kusnawi Kusnawi Kusnawi Lewu, Retzi Y. Linda, Kumara Dewi Listyanto, Ahmad Wildan López, Alba Puelles M. RUDYANTO ARIEF M. Suyanto, M. Madhika, Yudha Randa Mahendra, Awanda Putra Majid Rahardi Mangun, Syamsul Syahab Maradona, Maradona Mardiana Mardiana Martínez-Béjar, Rodrigo Masruri, Nizar Haris Masud, Ibnu maulana, fahrizal Megantara, Muhamad Arldi MEI PARWANTO KURNIAWAN Metha, Halifa Sekar Miftachuddin, Achmad Agus Athok Mohamad Firdaus, Mohamad Mohammad Rezza Pahlevi Moningka, Nirwan Muflich, Alwie Mufti Ari Bianto Muhamad Iksan, Muhamad Muhammad Resa Arif Yudianto Muktafin, Elik Hari Mulia Sulistiyono Mulyaningtyas, Widya Muzakir, Muhammad MZ, Reza Rafiq Nasiri, Asro Ngaeni, Nurus Sarifatul Ni Nyoman Utami Januhari, Ni Nyoman Nugroho, Agung Nugroho, Hanantyo Sri Nuk Ghurroh Setyoningrum Nurmalasari, Maulidya Dwi Oktafiqurahman, Andi Olajuwon, Sayyid Muh. Raziq Onde, Mitrakasih La ode Oscar Samaratungga Pamoengkas, Muhamad Agoeng Pamungkas, Sapto Pradipta, Dody Prameswari, Sonia Anjani Prasetio, Agung Budi Prastyo, Rahmat Pratama, Muhammad Egy Puri, Fiyas Mahananing Purnamasari, Resti Putra, Andriyan Dwi Rachmawati Oktaria Mardiyanto RAMADHAN, SYAIFUL Rasyid, Magfirah Raynald Alfian Yudisetyanto Riduan, Nor Rizkayati, Anisa S, Muhamad Rois S, Muhammad Sabri Saleh, Robby Febrianur Samponu, Yohakim Benedictus Santosa, Hendriansyah SANTRI SANTRI Saputro, Moh. Rizal Bayu Saputro, Uyock Anggoro Sarawan, Tommy Sari, Yayak Kartika Selvy Megira, Selvy Semma, Andi Bahtiar Sentoso, Thedjo Setiawan, Moh. Arif Ma'ruf Setyanto, Arif Siswo Utomo, Mardi Slamet . Solikin, Arif Fajar Sudarmawan, Sudarmawan Sudarto Sudarto Swastikawati, Claudia Syafutra, Arif Dwi Syaiful Huda Tala, WD. Syarni Tampubolon, Jandri Tamuntuan, Virginia Toifur, Tubagus TONNY HIDAYAT Tri Nugroho, Arief Tukan, Ewaldus Ambrosius Ula, M. Izul Wahyu Pujiharto, Eka Wahyudi, Alfian Cahyo Wangsa, Sabda Sastra Wicaksono, Nikko Listio Wijaya, Jodi Wiwi Widayani, Wiwi Yanuargi, Bayu Yossy Ariyanto Yuana, Kumara Ari Yuza, Adela Zakaria Zakaria Zuhri, Muhammad Rafli Zulkarnain, Imam Alfath Zumarni, Zumarni