Article Per Year (5 Year)
p-Index From 2021 - 2026
3.298
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal Teknologi International Journal of Advances in Intelligent Informatics Indonesia Symposium on Computing Indonesian Journal on Computing (Indo-JC) IJoICT (International Journal on Information and Communication Technology) JOIV : International Journal on Informatics Visualization Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Indonesian Journal of Artificial Intelligence and Data Mining JITTER (Jurnal Ilmiah Teknologi Informasi Terapan) Building of Informatics, Technology and Science Journal of Applied Engineering and Technological Science (JAETS) Journal of Applied Data Sciences Charity : Jurnal Pengabdian Masyarakat Indonesian Community Journal Jurnal Pengabdian Masyarakat Bhinneka eProceedings of Engineering Community Service Seminar and Community Engagement (COSECANT)
Mahmud Dwi Sulistiyo
Universitas Telkom
Agriculture, Biological Sciences & Forestry Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Mechanical Engineering Public Health Social Sciences Other

Published : 35 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 9 Documents
Search
Journal : eProceedings of Engineering

 1 
Prediksi Harga Saham Dengan Menggunakan Metode Autoregressive Bayu Prabawa; Jondri Jondri; Mahmud Dwi Sulistiyo
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Deposito maupun tabungan di bank sudah menjadi suatu instrumen yang konvensional.Para investor telah menemukan lahan investasi baru yang lebih menjanjikan daripada deposito maupun tabungan di bank.Lahan investasi baru tersebut adalah investasi di bursa saham.Akan tetapi harga saham bergerak secara fluktuatif setiap harinya, oleh karena itu dibutuhkan sistem yang dapat memberikan prediksi harga saham tersebut untuk membantu para investor dalam mengambil tindakan yang tepat sehingga resiko yang ada dapat diminimalisir. Tugas akhir ini menggunakan metode autoregressive untuk model prediksinya dan algoritma kelelawar untuk optimasinya.Metode autoregressive diperkenalkan oleh Box dan Jenkins, metode ini paling sering digunakan untuk pemodelan data time series dalam peramalan.Untuk algoritma kelelawar, diperkenalkan oleh Xin-She Yang.Algoritma ini adalah salah satu algoritma metaheuristik yang terinspirasi oleh perilaku echolocation dari kelelawar.Algoritma ini dikembangkan berdasarkan kelebihan-kelebihan dari algoritma PSO, GA, SA dan pencarian harmony. Kata kunci: Prediksi Saham, Algoritma Kelelawar, Autoregressive,
Sistem Identifikasi Individu Berbasis Palm Vein Dengan Metode Local Binary Pattern Rifqi Luthfil Hadi; Tjokorda Agung Budi Wirayudha; Mahmud Dwi Sulistiyo
eProceedings of Engineering Vol 2, No 2 (2015): Agustus, 2015
Publisher : eProceedings of Engineering

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

Abstract

Abstrak - Biometrik kini berkembang sebagai suatu langkah alternative dalam sistem autentikasi user dengan menerapakan representasi ciri individu sebagai suatu alat identifikasi seseorang dalam mengakses sistem yang merupakan hak akses mereka. Palm vein merupakan salah satu biometrik-feature yang dapat diadaptasi sebagai suatu alat identifikasi pengenalan individu, karena memiliki pola maupun struktur vein yang khas yg membedakan suatu individu dengan individu lainnya serta memiliki kehandalan tersendiri jika dibandingkan dengan ciri biometrik lainnya, karena palm vein terletak pada bagian dibawah kulit, sulit untuk dilihat dengan mata telanjang ataupun kamera biasa. Dengan menerapkan metode LBP sebagai algoritma ekstraksi ciri pada citra palm vein dan histogram intersection pada proses pencocokan dengan rasio data model dan data uji adalah 3:3, performansi sistem mampu menghasilkan nilai FAR dan FRR sebesar 0.006666667 dan 0.003333, dengan recognition rate mencapai 98%.
Analisis Dan Implementasi Collaborative Filtering Menggunakan Strategi Smoothing Dan Fusing Pada Recommender System Wahyu Rismawan; Agung Toto Wibowo; Mahmud Dwi Sulistiyo
eProceedings of Engineering Vol 2, No 2 (2015): Agustus, 2015
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Collaborative Filtering (CF) adalah salah satu pendekatan yang populer untuk membangun Recommender System dengan memanfaatkan informasi dan preferensi dari user lain untuk memberikan rekomendasi item. Salah satu permasalahan mendasar dalam CF adalah data rating yang sangat sedikit (data sparsity) yang mampu mempengaruhi hasil rekomendasi. Secara umum terdapat dua tipe algoritma pada CF, yaitu memory-based dan model-based yang memiliki kelebihan dan kekurangan masing-masing. Dalam tugas akhir ini, digunakan strategi smoothing dan fusing yang merupakan pendekatan hybrid dari memory-based dan model-based untuk menangani permasalahan data sparsity. Berdasarkan hasil pengujian, strategi smoothing dan fusing mampu menurunkan error sistem yang diukur menggunakan MAE dari 2,277 menjadi 0,746 atau menurun sebesar 50.62% dibandingkan tanpa menggunakan strategi smoothing dan fusing. Selain itu, akurasi sistem juga dipengaruhi oleh level sparsity dari data rating. Semakin sparse data rating yang dimiliki, maka akurasi yang dihasilkan semakin buruk. Kata kunci : Collaborative Filtering, Recommender System, Smoothing and Fusing, Data Spasity
Analisis Dan Implementasi Pengenalan Wajah Berbasis Video Dengan Menggunakan Algoritma Viola Jones Dan Svm (support Vector Machine) Marliani Harahap; Bedy Purnama; Mahmud Dwi Sulistiyo
eProceedings of Engineering Vol 2, No 3 (2015): Desember, 2015
Publisher : eProceedings of Engineering

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

Abstract

Saat ini telah banyak aplikasi yang memanfaatkan pengolahan citra yang digunakan dalam bidang biometrik. Biasanya teknik pengolahan citra ini digunakan untuk proses deteksi dan pengenalan, melalui karateristikkarakteristik alami yang terdapat pada tubuh manusia, contohnya pengenalan wajah. Berbagai penelitian pengenalan wajah telah dilakukan sebelumnya salah satunya dengan menggunakan Algoritma Viola Jones dan SVM berbasis gambar dengan akurasi 84,28%.Pada tugas akhir ini dibangun suatu sistem yang mampu mengenal wajah dan menghitung jumlah wajah yang dikenali, dengan inputan berbasis video. Data yang diperoleh dari hasil perekaman diproses sehingga mampu mengklasifikasi nama setiap wajah dengan memanfaatkan metode Viola Jones sebagai deteksi dan SVM (Support Vector Machine) sebagai pengenalan. Dengan implementasi metode tersebut, sistem dapat mengenali nama wajah yang dikelompokkan kedalam kelas-kelas. Dari hasil pengujian sistem tersebut didapat akurasi 21.79% pada kernel linier. Kata Kunci : video, wajah,Viola Jones, SVM
Klasifikasi Gender Berdasarkan Citra Wajah Menggunakan Vision Transformer Ganjar Gingin Tahyudin; Ema Rachmawati; Mahmud Dwi Sulistiyo
eProceedings of Engineering Vol 10, No 2 (2023): April 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak-Gender seseorang dapat dilihat salah satunya secara visual berdasarkan citra wajah manusia. Selain itu, dengan kemajuan teknologi saat ini, komputer juga dapat melakukan klasifikasi gender berdasarkan data yang dilatih. Proses klasifikasi gender menggunakan komputer dapat diaplikasikan terhadap berbagai sektor seperti industri atau pemerintahan. Pada penelitian sebelumnya, terdapat berbagai metode konvensional yang digunakan untuk melakukan klasifikasi citra, khusus klasifikasi gender berdasarkan citra wajah, namun sebagian besar tidak melakukan Cross-Dataset Evaluation untuk melakukan uji performa terhadap model yang dihasilkan. Tugas akhir ini akan membahas bagaimana melakukan klasifikasi gender berdasarkan citra wajah menggunakan metode Vision Transformer menggunakan dataset AFAD sebagai dataset training dan melakukan Cross-Dataset Evaluation terhadap model yang dihasilkan menggunakan dataset UTKFace. Model yang dibangun berhasilkan mendapatkan akurasi validasi sebesar 0,9676 dan akurasi testing sebesar 0,9661 pada pengujian training atau Same-Dataset serta mendapatkan akurasi 0,8174, Precision 0,8188, Recall 0,8189, dan F1 Score sebesar 0,8189 pada pengujian Cross-Dataset Evaluation.Kata kunci- transformer, vision transformer, gender classification, image processing, computer vision.
Deteksi Varian Penggunaan Helm dari Kamera Surveilans Menggunakan Metode Berbasis Deep Learning Faturahman, Farhan; Yunanto, Prasti Eko; Sulistiyo, Mahmud Dwi
eProceedings of Engineering Vol. 12 No. 3 (2025): Juni 2025
Publisher : eProceedings of Engineering

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

Abstract

Sepeda motor merupakan moda transportasi utama diIndonesia, tetapi tingkat kepatuhan terhadap penggunaanhelm masih rendah. Rekaman kamera surveilans yang seringkali memiliki resolusi rendah menyulitkan deteksi otomatis.Selain itu, variasi helm yang digunakan, seperti full-face,half-face, non-standar, serta pengendara tanpa helm,menjadi tantangan dalam proses pendeteksian. Penelitian inibertujuan untuk mengembangkan model deep learningberbasis YOLOv8n yang mampu mendeteksi penggunaanhelm pada citra beresolusi rendah. Dataset dikumpulkansecara mandiri dengan sudut pandang serta pencahayaanyang serupa. Pengujian dilakukan dengan berbagaikonfigurasi batch size dan jumlah epoch untuk menemukanparameter optimal. Hasil evaluasi menunjukkan bahwamodel dengan 100 epoch dan batch size 32 memberikanperforma terbaik dengan mAP@50 sebesar 0.984, mAP@50-95 sebesar 0.819, precision 0.953, recall 0.952, dan F1-score0.953. Model ini mampu mendeteksi empat kategori helmdengan akurasi tinggi meskipun pada citra beresolusi rendah.Penelitian ini membuktikan bahwa YOLOv8n dapatdigunakan untuk deteksi otomatis penggunaan helm denganakurasi tinggi, yang dapat membantu sistem pemantauan lalulintas dan meningkatkan keselamatan berkendara. Kata kunci: deteksi helm, kamera surveilans, resolusi rendah,deep learning, YOLOv8
Identifikasi Pengguna Berbasiskan Biometrik Keystroke Menggunakan MVMCNN Azzam, Muhammad Abdullah; Yunanto, Prasti Eko; Sulistiyo, Mahmud Dwi
eProceedings of Engineering Vol. 12 No. 3 (2025): Juni 2025
Publisher : eProceedings of Engineering

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

Abstract

Keamanan akses pengguna daring menjadi isukrusial di era digital. Identifikasi berbasis biometrik, sepertikeystroke dynamics, dianggap lebih aman dibandingkanmetode konvensional. Penelitian ini mengimplementasikanMulti-Voter Multi-Commission Nearest Neighbor Classifier(MVMCNN) untuk identifikasi pengguna melalui keystrokedynamics. MVMCNN dipilih karena kemampuannya mengatasikelemahan KNN dengan skema multi-voter dan pendekatanLocal Mean Probabilistic Neural Network (LMPNN). Datasetkeystroke dari Universitas Telkom digunakan dengan fitur UD,DD, DU, UU, dan Duration. Eksperimen meliputi tiga skenario:(1) menentukan panjang vektor optimal (N=4, 8, 12, 16, 20, 24),(2) penyederhanaan fitur menjadi rata-rata dan median, serta(3) seleksi fitur menggunakan Variance Threshold (0.1).Evaluasi menggunakan F1-Score. Hasil menunjukkan skenariopertama dengan N=20 menghasilkan F1-Score tertinggi(0.6911). Penyederhanaan fitur menurunkan performa, denganF1-Score terbaik 0.3031 (mean, k=9) dan 0.3257 (median, k=3),menandakan pentingnya kekayaan informasi dalam fitur.Seleksi fitur menggunakan Variance Threshold tidak banyakmengubah performa, menunjukkan distribusi data sudahoptimal. Temuan ini menegaskan bahwa granularitas databerperan penting dalam akurasi sistem identifikasi berbasiskeystroke dynamics. Kata kunci— biometrik, keystroke, identifikasi, mvmcnn, f1-score.
Deteksi Penggunaan Masker Wajah Menggunakan YOLOv5 Dawami, Hasbi; Rachmawati, Ema; Sulistiyo, Mahmud Dwi
eProceedings of Engineering Vol. 10 No. 2 (2023): April 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak-Pandemi COVID-19 menyebabkan global krisis kesehatan. Mengenakan masker wajah menjadi salah satu protokol kesehatan yang penting dan diwajibkan oleh pemerintah. Namun, masih banyak masyarakat yang enggan mengenakan masker wajah ketika berada di ruang publik. Oleh karena itu, diperlukan sistem yang dapat mendeteksi penggunaan masker wajah pada manusia yang bertujuan untuk membantu petugas dalam menegakkan kedisiplinan masyarakat dalam rangka menerapkan salah satu protokol kesehatan tersebut. Sistem tersebut dirancang dengan model object detection yang akurat dan efisien untuk mendeteksi penggunaan masker wajah pada manusia. Tugas akhir ini membahas bagaimana membangun sistem untuk mendeteksi masker pada wajah menggunakan metode YOLOv5 menggunakan dataset face mask detection yang asli dan yang telah di augmentasi serta berbagai nilai IoU threshold mulai dari 0,1; 0,2; 0,3; 0,5 dan 0,7. YOLOv5 merupakan versi terbaru dari YOLO sehingga memiliki akurasi yang tinggi, kemampuan mendeteksi small object, serta running speed yang cepat. Hasil terbaik jika menggunakan dataset face mask detection original didapatkan dengan nilai IoU threshold sebesar 0,3 yang memilki nilai mAP pada saat testing semua kelas sebesar 0,876. Jika menggunakan dataset face mask detection yang diaugmentasi hasil terbaik didapatkan dengan nilai IoU threshold sebesar 0,5 yang memiliki nilai mAP pada saat testing untuk semua kelas sebesar 0,849.Kata kunci- object detection, you only look once, akurasi, small object, running speed,IoU threshold 
Segementasi Optik Disc dan Cup untuk Membantu Pendeteksian Glaukoma Menggunakan Segmentation Transformer Akbar, M Raehan; Rachmawati, Ema; Sulistiyo, Mahmud Dwi
eProceedings of Engineering Vol. 10 No. 2 (2023): April 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak-Glaukoma kondisi di mana saraf optik yang menghubungkan mata ke otak menjadi rusak. Glaukoma dapat menyebabkan kehilangan kemampuan penglihatan jika tidak didiagnosis dan ditangani secepat mungkin. Salah satu metode yang dilibatkan dalam mendiagnosis glaukoma menghitung rasio antara optik disc dan cup citra fundus mata. Untuk menghitung rasio antara disc dan cup citra fundus mata, diperlukan sebuah proses segmentasi citra fundus mata untuk dapat mensegmentasikan bagian disc dan cup nya. Saat ini tugas segmentasi dapat dilakukan menggunakan algoritma visi komputer modern. Transformer sendiri telah menjadi salah satu state art of model yang sering diterapkan studi kasus yang menggunakan deep learning karena performanya yang mampu menandingi Convolutinal Neural Networks (CNN). Tugas akhir ini akan membahas implementasi Transformer studi kasus segmentasi disc dan cup citra fundus mata menggunakan metode Segmentation Transformer (SETR) dengan dataset REFUGE dan DRISHTI-GS1. Hasil dice coefficients score dengan menggunakan Cross Dataset Evaluation berhasil mendapatkan skor 86 persen untuk bagian disc dan 78 persen untuk bagian cup.Kata kunci - glaukoma, disc, cup, segmentasi, segmentation transformers, transformers.
Co-Authors Ade Romadhony Aditya Firman Ihsan Adiwijaya Agung Toto Wibowo Aji Gautama Putrada Akbar, M Raehan Alfian Akbar Gozali Andre Sitompul Azzam, Muhammad Abdullah Bayu Prabawa Bedy Purnama Bimmo Satryo Wicaksono Dawami, Hasbi Deny Haryadi Dewi Nasien Ema Rachmawati Ema Rachmawati Fachri Pane, Syafrial Faturahman, Farhan Febryanti Sthevanie Firdauz, Salma Salsabila Gamma Kosala Ganjar Gingin Tahyudin Gia Septiana Wulandari Hamdy Nur Saidy Hifzi Priabdi Jondri Jondri Marliani Harahap Muhammad Arzaki Muhammad Helmy Faishal Muhammad Rakha Muhammad Ridha Prasti Eko Yunanto Pratama, Alif Adwitiya Rasyid Kurniawan Rasyid Kurniawan Richasdy, Donny Rifqi Luthfil Hadi Rita Rismala Sabrina Adinda Sari Sailellah, Hassan Rizky Putra Sugondo Hadiyoso Syafrial Fachri Pane, Syafrial Fachri Tahyudin, Ganjar Gingin Tjokorda Agung Budi Wirayudha Tri Kusnandi Fazarudin Tri Kusnandi Fazarudin Tri Kusnandi Fazarudin, Tri Kusnandi Ubaidillah, Rifky Fahrizal Untari Novia Wisesty Wahyu Hauzan Rafi Wahyu Rismawan