Article Per Year (5 Year)
p-Index From 2021 - 2026
3.923
P-Index
This Author published in this journals
All Journal Infotech Journal JOIN (Jurnal Online Informatika) Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Jurnal Informatika Universitas Pamulang BERNAS: Jurnal Pengabdian Kepada Masyarakat Tematik : Jurnal Teknologi Informasi Komunikasi Decode: Jurnal Pendidikan Teknologi Informasi Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Jurnal INFOTEL Jurnal Informatika: Jurnal Pengembangan IT SEMINAR TEKNOLOGI MAJALENGKA (STIMA) International Journal of Applied Information Systems and Informatics
Ardi Mardiana
Universitas Majalengka
Religion Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mathematics Mechanical Engineering Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 32 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 32 Documents
Search

 1   2   3   4 
PERSPEKTIF GLOBAL TREN DAN PERKEMBANGAN INOVASI PENELITIAN VIDEO TO MUSIC GENERATION Ade Bastian; Ardi Mardiana; Muhammad Fahmi Ajiz; Satria Winata
INFOTECH journal Vol. 11 No. 1 (2025)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v11i1.13830

Abstract

Penelitian ini bertujuan memetakan evolusi generasi musik berbasis AI, khususnya generasi musik dari video. Melalui analisis bibliometrik terhadap 999 publikasi ilmiah (1997-2025), kami menganalisis tren dan struktur konseptual menggunakan VOSviewer. Metode meliputi ekstraksi metadata, konstruksi jaringan ko-kepengarangan, dan identifikasi kluster dominan. Hasil mengungkapkan lima kluster tematik utama: model generatif berbasis teks, generasi musik simbolik, musik video game, integrasi multimedia, dan komposisi otomatis. Studi terbaru menunjukkan pergeseran ke arsitektur generatif multimodal, mengintegrasikan transformer dan model difusi untuk mengatasi tantangan penyelarasan semantik-temporal antara video dan musik. Penelitian mengidentifikasi kesenjangan utama: kelangkaan dataset berpasangan skala besar, kurangnya metrik evaluasi standar, dan terbatasnya sistem generasi real-time. Kebaruan penelitian ini adalah pemetaan bibliometrik pertama yang fokus eksklusif pada generasi musik dari video, memberikan fondasi bagi komunitas akademik dan industri untuk memahami lintasan dan arah masa depan bidang ini.
EXPLAINABLE DEEP LEARNING FOR BEEF FRESHNESS CLASSIFICATION USING GRAD-CAM VISUALIZATION Ade Bastian; Ardi Mardiana; Billy Adrian Fernanda; Harun Sujadi; Abrar Wahid; Riri Nurazizah; Wildan Zhilal Manafi
INFOTECH journal Vol. 11 No. 2 (2025)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v11i2.16897

Abstract

Kesegaran daging sapi merupakan faktor kritis bagi keamanan pangan di Indonesia, mengingat tingginya tingkat konsumsi dan impor komoditas ini. Metode penilaian kesegaran tradisional seringkali lambat, destruktif (merusak), atau bias secara subjektif. Penelitian ini bertujuan untuk mengembangkan model Deep Learning yang tidak hanya akurat dalam mengklasifikasikan kesegaran daging sapi (Segar, Setengah Segar, Busuk) tetapi juga dapat dijelaskan (explainable) dalam proses pengambilan keputusannya. Kami menerapkan Transfer Learning menggunakan arsitektur Convolutional Neural Network (CNN) yang ringan, yaitu MobileNetV2, pada dataset yang terdiri dari 2.266 citra daging yang telah diaugmentasi. Untuk mengatasi sifat "black-box" dari CNN, Gradient-weighted Class Activation Mapping (Grad-CAM) diimplementasikan untuk memvisualisasikan area fokus model. Hasil eksperimen menunjukkan bahwa model kami yang telah di-fine-tune mencapai akurasi validasi yang tinggi (96,01%), dengan presisi sempurna (100%) untuk kelas 'Busuk' (Spoiled), memastikan tidak ada daging busuk yang salah diklasifikasikan sebagai daging segar. Analisis Grad-CAM lebih lanjut memvalidasi bahwa model mendasarkan keputusannya pada fitur visual yang relevan secara biologis, seperti pola perubahan warna dan tekstur permukaan, bukan pada noise latar belakang. Temuan ini mengonfirmasi potensi integrasi CNN ringan dengan XAI untuk sistem kontrol kualitas yang andal, non-destruktif, dan transparan dalam industri pangan.
Co-Authors Aas Nuraisah Abdurahman, Dede Abrar Wahid Aceng Jarkasih Ade Bastian Adriansyah, Rizky Adin Aji Permana Ayu Sunengsih Berliani, Mega Billy Adrian Fernanda Citra Pebrianti Fitria Dadan Zaliluddin Dede Didin Dede Maulana Deffy Susanti Dinda Sri Wulansari Dony Susandi Enang Rusnandi Endah Prihartini Fahmi Aziz, Muhamamad Firmansyah, Mochammad Bagasnanda Fitriyani, Rofi Gary Gibran Amnesty Geraldy Fatullah Hafsari, Zacky Harun Sujadi Intan Kusumadewi Jamhari Jamhari Kiranti, Mei Bunga Koswara, Engkos Mega Berliani Mochammad Bagasnanda Firmansyah Muhammad Dziya Dhiyauddin Muhammad Fahmi Ajiz Muhammad Iqbal Assegaf Muhammad Rifki Nunu Nurdiana Pangestu, Arki Aji Permana, Sri Mentari Widya Ningrum Priyadi, Deni Puput Putriani Ridwan, Nugraha Sugiana Rifki, Muhamamad Riri Nurazizah Risa Risnawati Risma Miftahul Ulum, Ade Rizki Amelia Sandi Fajar Rodiyansyah Sandi Fajar Rodiyansyah Satria Winata Tarsono, Ano Tresna Irawan, Eka Tri Ferga Prasetyo Wahid, Abrar Wahono, Syiffa Safiera Wildan Zhilal Manafi Wulan Dari, Tiara