Article Per Year (5 Year)
p-Index From 2021 - 2026
3.548
P-Index
This Author published in this journals
All Journal Jurnal Buana Informatika Jurnal Informatika dan Teknik Elektro Terapan INTEGER: Journal of Information Technology JURNAL MEDIA INFORMATIKA BUDIDARMA Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Jusikom: Jurnal Sistem Informasi Ilmu Komputer bit-Tech ILKOMNIKA: Journal of Computer Science and Applied Informatics Journal Cerita: Creative Education of Research in Information Technology and Artificial Informatics Jifosi Letters in Information Technology Education (LITE) Nusantara Science and Technology Proceedings Jurnal Teknik Informatika (JUTIF) Jurnal Informatika Teknologi dan Sains (Jinteks) Ranah Research : Journal of Multidisciplinary Research and Development Jurnal Riset Multidisiplin dan Inovasi Teknologi Merkurius: Jurnal Riset Sistem Informasi dan Teknik Informatika Neptunus: Jurnal Ilmu Komputer dan Teknologi Informasi Jurnal Informatika Dan Tekonologi Komputer
Eka Prakarsa Mandyartha
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Medicine & Pharmacology Public Health Social Sciences Transportation Other

Published : 31 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 31 Documents
Search

 1   2   3   4 
DETECTION OF ACTIONS BISINDO (INDONESIAN SIGN LANGUAGE) INTO TEXT-TO-SPEECH USING LONG SHORT-TERM MEMORY WITH MEDIAPIPE HOLISTICS Agustin, Risda Rosdiana; Maulana, Hendra; Mandyartha, Eka Prakarsa
Jurnal Teknik Informatika (Jutif) Vol. 5 No. 4 (2024): JUTIF Volume 5, Number 4, August 2024
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2024.5.4.1492

Abstract

Sign language is frequently used by those who have difficulty hearing or speaking to communicate. Because it is a non-verbal language that expresses meaning through hand and body gestures, sign language is an essential form of communication for people who rely on it. The objective of this work is to develop a detection that can understand actions made in Indonesian Sign Language (BISINDO), translate them into text, and use speech recognition (Text- to-Speech) to provide audio responses. In particular at Sekolah Luar Biasa, the main objective is to assist and enhance communication among persons with impairments. Long Short-Term Memory (LSTM) and Mediapipe Holistics are use to achieve its objectives. It is demonstrated how LSTM and Mediapipe Holistics enhance performance and accuracy using two different dataset types. The first dataset landmarks created using the Mediapipe Holistics model, while the second dataset provides original shots devoid of landmarks. Batch size and epoch settings are among the many parameters needed for training and testing processes. Model using the landmark-free dataset only manages to reach an accuracy of approximately 89.33%, the model using the landmark with mediapipe of accuracy of about 96.67%. Furthermore, the landmark-based model exhibits strong F1 scores, recall, and precision. The research successfully recognizes a number of BISINDO acts, such as "saya" (I), "kamu" (you), "ayah" (father), "ibu" (mother), and others present in the dataset. On the basis of the gestures it has identified can also make speech.
IMPLEMENTASI K-MEANS CLUSTERING DALAM SEGMENTASI PELANGGAN BERDASARKAN USIA, PENDAPATAN, DAN MODEL RFM (STUDI KASUS: LANTIKYA STORE JOMBANG) kristanti, beni tiyas; Junaidi, Achmad; Mandyartha, Eka Prakarsa
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4677

Abstract

Lantikya Store Jombang merupakan salah satu toko retail di Kabupaten Jombang yang belum menerapkan strategi pemasaran yang memberikan pelayanan yang berbeda berdasarkan karakteristik dan tipe pelanggan. Segmentasi pelanggan adalah proses membagi pelanggan kedalam kelompok berdasarkan karakteristik atau perilaku yang berbeda untuk menunjukkan tingkat keragaman di antara pelanggan. Karakteristik dan perilaku pelanggan dilihat berdasarkan usia, pendapatan, rencency (terakhir melakukan transaksi), frequency (jumlah kedatangan), dan monetery (jumlah uang yang dikeluarkan) atau disebut dengan RFM (Rencency, Frequency, dan Monetery). Pengelompokkan dilakukan dengan salah satu algoritma yaitu K-Means dengan jumlah data yaitu 1140 data. Pada penelitian ini menghasilkan 4 kelompok berdasarkan perbandingan hasil dari metode pencarian kelompok yaitu elbow method, silhouette method, dan gap statistic. Analisis yang dilakukan untuk menyususun startegi pemasaran dihitung berdasarkan nilai variabel dengan metode Analytic Hierarchy Process (AHP) dan Customer Lifetime Value (CLV). Karakteristik dan tipe pelanggan yang dihasilkan dari 4 kelompok pelanggan yaitu usia generasi milenial yang memiliki pendapatan tinggi dengan tipe pelanggan untuk retensi umum dan pelanggan bernilai penting, serta usia generasi Z yang memiliki pendapatan rendah dengan tipe pelanggan untuk pengembangn umum dan pelanggan yang hilang.
SEGMENTASI SEL PAP SMEAR SERVIKS BERTUMPUK MENGGUNAKAN LOCAL ADAPTIVE THRESHOLDING DAN WATERSHED Lutfia, Qonita; Mandyartha, Eka Prakarsa; Rizki, Agung Mustika
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4811

Abstract

Kanker serviks merupakan ancaman kesehatan global serius, dengan WHO melaporkan sekitar 604.000 kasus baru dan 342.000 kematian pada tahun 2020. Penelitian ini mengeksplorasi kombinasi metode local adaptive threshold dan segmentasi watershed untuk meningkatkan akurasi deteksi dini kanker serviks dengan lebih akurat mengidentifikasi sel-sel yang saling tumpang tindih pada Pap Smear. Metode Local Adaptive Threshold menyesuaikan nilai ambang berdasarkan karakteristik lokal gambar, dan segmentasi watershed diaplikasikan untuk memisahkan sel-sel yang saling tumpang tindih. Kombinasi ini menunjukkan hasil yang menjanjikan dalam meningkatkan efisiensi dan akurasi skrining kanker serviks, mendukung strategi WHO untuk eliminasi kanker serviks. Namun, adopsinya menghadapi tantangan di negara berkembang karena keterbatasan sumber daya dan kesenjangan digital. Tes menggunakan K-Fold Cross Validation (5 dan 7) menunjukkan akurasi 90.93% untuk k=5, dengan rata-rata precision 97.97%, recall 49.22%, dan F1-Score 65.50%. Pada k=7, hasil sedikit meningkat dengan precision 97.99%, recall 49.24%, dan F1-Score 65.53%. Rata-rata PSNR adalah 43.4341 dB dan MSE 3.45061, menegaskan efektivitas metode.Kata Kunci: Local Adaptive Thresholding, Watershed, Cervical Cancer, Pap Smear
PENERAPAN HOLT-WINTERS UNTUK PERAMALAN HARGA BERAS DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN TIME SERIES Isnaini, Frisda Dita; Via, Yisti Vita; Mandyartha, Eka Prakarsa
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4890

Abstract

Beras adalah makanan pokok mayoritas masyarakat Indonesia, dengan padi sawah sebagai komoditas utama. Pada 2024, harga beras mencapai Rp19.550 di seluruh Indonesia, termasuk Jawa Timur, karena masa paceklik. Pola pergerakan harga beras penting untuk diketahui guna membantu pengambil kebijakan dan petani dalam menjaga stabilitas harga. Penelitian ini bertujuan memodelkan peramalan harga beras di 20 wilayah Provinsi Jawa Timur dari 2017 – 2023 menggunakan Holt-Winters Exponential Smoothing, yang mempertimbangkan komponen level, tren, dan musiman. Hasil penelitian menunjukkan harga beras cenderung naik saat pergantian tahun dan menurun di pertengahan tahun. Pengujian dilakukan dengan K-Fold (k = 3 dan k = 5) dan menguji rentang parameter alpha, beta, dan gamma dari 0,1 – 0,9 dan 0,01 – 0,9. Parameter optimal ditemukan pada nilai alpha 0,9, beta 0,01, dan gamma 0,9 dengan k = 5. Model ini menghasilkan nilai error MAPE terbaik di Banyuwangi sebesar 0,03%.
Pembuatan Website Crowdfunding Terintegrasi Payment Gateway Menggunakan Vue.js Fedianto, Muhammad Helmi Satria; Mandyartha, Eka Prakarsa
INTEGER: Journal of Information Technology Vol 7, No 2 (2022): September
Publisher : Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.integer.2022.v7i2.3276

Abstract

Dengan adanya coronavirus atau COVID-19 di Indonesia menyebabkan pandemi yang berdampak buruk bagi kelangsungan hidup masyarakat Indonesia karena terganggunya sektor perekonomian dan ketenagakerjaan. Dampak tersebut mengakibatkan PHK massal oleh perusahaan dan tidak sedikit dari masyarakat yang tidak mendapatkan kehidupan layak karena kesulitan mendapatkan asupan untuk bertahan hidup. Bantuan dana sangat diperlukan demi membantu kelangsungan hidup masyarakat yang terdampak pandemi. Karena faktor tersebut dibuatlah Website Crowdfunding bernama BeriRezeki yang berguna sebagai penyedia platform donasi agar para donatur dapat memberikan bantuan berupa e-money yang akan disalurkan kepada masyarakat yang berhak menerimanya. Website BeriRezeki dibangun dengan menggunakan framework Vue.js yang terintegrasi dengan Midtrans sebagai penyedia payment gateway agar proses transaksi menjadi lebih cepat, mudah, dan praktis.
Optimasi Hyperparameter Model GRU untuk Prediksi Harga Saham ANTM Subairi, Subairi; Sari, Anggraini Puspita; Mandyartha, Eka Prakarsa
ILKOMNIKA Vol 7 No 3 (2025): Volume 7, Number 3, December 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v7i3.817

Abstract

Prediksi harga saham berperan penting meminimalisir kerugian akibat fluktuasi harga saham. Penelitian ini bertujuan untuk meningkatkan akurasi prediksi harga saham PT Aneka Tambang Tbk (ANTM) menggunakan model Gated Recurrent Unit (GRU) dengan optimasi hyperparameter melalui metode Grid Search. Model GRU dipilih karena mampu mengatasi permasalahan vanishing gradient dan efektif dalam mempelajari pola ketergantungan jangka panjang pada data deret waktu walaupun dengan arsitektur yang sederhana. Sementara itu, Grid Search digunakan karena memiliki keunggulan dalam menjelajahi ruang hyperparameter secara menyeluruh, sehingga setiap kombinasi parameter dapat diuji dan memungkinkan diperolehnya konfigurasi terbaik. Proses Grid Search dilakukan dengan ruang pencarian hyperparameter yang mencakup jumlah units, jumlah epoch, ukuran batch, serta variasi optimizer. Keunggulan utama penelitian ini terletak pada penerapan optimasi hyperparameter yang mampu meningkatkan efektivitas model GRU dalam menemukan konfigurasi terbaik, sehingga menghasilkan prediksi harga saham yang lebih akurat dan stabil. Evaluasi kinerja model menggunakan metrik RMSE, MAE, MAPE. Hasil penelitian menunjukkan bahwa model GRU dengan optimasi Grid Search menggunakan optimizer Adam memberikan performa yang optimal dengan nilai evaluasi RMSE sebesar 67.8805, MAE sebesar 45.6501, dan MAPE sebesar 2.2309%. Temuan ini membuktikan bahwa optimasi hyperparameter melalui Grid Search mampu meningkatkan akurasi prediksi model GRU pada data harga saham.
Identifikasi Citra Penyakit Monkeypox dengan Random Forest Serta Ekstraksi Fitur VGG19: Indonesia Muhammad Azka Zaki; Eka Prakarsa Mandyartha; Achmad Junaidi
Jurnal Informatika Dan Tekonologi Komputer (JITEK) Vol. 6 No. 1 (2026): Maret : Jurnal Informatika dan Tekonologi Komputer
Publisher : Pusat Riset dan Inovasi Nasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/jitek.v6i1.10132

Abstract

Monkeypox is an infectious disease that can be recognized through images of the patient's skin lesions. A fast and accurate diagnosis method is required to identify Monkeypox. This research aims to identify Monkeypox imagery using the VGG19 feature extraction method, which is then classified using the Random Forest algorithm. The dataset consists of 770 original images, which were expanded to 5,860 images through geometric transformation augmentation. The test results show that the VGG19 feature extraction method with Random Forest classification achieved an accuracy of 95.1%, indicating good performance. This finding suggests the potential of this method as a machine learning approach for detecting Monkeypox and can be further developed with other artificial intelligence approaches.
KLASIFIKASI PENYAKIT KULIT BERBASIS SUPPORT VECTOR MACHINE DENGAN EKSTRAKSI FITUR ABCD RULE Wibisono, Al Danny Rian; Mandyartha, Eka Prakarsa; Al Haromainy, Muhammad Muharrom
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 1 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i1.6039

Abstract

Penyakit kulit merupakan masalah kesehatan yang signifikan, gejala dari penyakit ini berupa gatal, nyeri, mati rasa, dan kemerahan. Penyakit ini dapat disebabkan oleh beberapa faktor seperti virus, jamur, dan mikroorganisme. Menurut data Dinas Kesehatan Surabaya tahun 2019, prevalensi penyakit kulit dan jaringan subkutan mencapai 4,53%, menjadikannya penyakit terbanyak keenam yang dialami masyarakat. Oleh sebab itu, pada penelitian ini diusulkan sebuah penelitian mengenai klasifikasi penyakit kulit menggunakan Support Vector Machine melalui analisis fitur ABCD Rule. Pada penelitian ini akan dilakukan labeling pada 5 kelas penyakit kulit yang akan digunakan sebagai data latih dan data uji melalui 7 tahapan utama yakni Pengumpulan Dataset Citra Penyakit Kulit, Pre-processing Inpaint Talea, Pre-processing Gaussian Blur dan Normalisasi Mask, Segmentasi Thresholding Otsu Bitwise, Restorasi Kontur, Ekstraksi Fitur ABCD Rule, dan klasifikasi menggunakan Support Vector Machine (SVM). Sebanyak 4 skenario pengujian dilakukan untuk menemukan model terbaik, dimana skenario pengujian melibatkan pengaturan pembagian data yang berbeda, kernel berbeda, dan parameter yang berbeda pada model Support Vector Machine (SVM). Melalui skenario tersebut didapatkan hasil terbaik, yaitu Akurasi sebesar 86,42%, Spesifisitas sebesar 96,60%, dan Sensitivitas sebesar 86,42%. Hal ini menunjukkan bahwa metode yang diusulkan memiliki kinerja yang cukup baik dalam mengklasifikasikan jenis penyakit kulit. Penelitian ini tidak hanya berpotensi dalam meningkatkan diagnosis penyakit kulit secara efisien, tetapi juga mendorong pengembangan sistem deteksi berbasis teknologi untuk mendukung layanan kesehatan kulit yang lebih terjangkau dan andal.
Effect of CBAM Integration on InceptionV3 for Improved Foot and Mouth Disease Detection Accuracy Andrianto, Mochammad Rifky; Mandyartha, Eka Prakarsa; Puspaningrum, Eva Yulia
bit-Tech Vol. 8 No. 3 (2026): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v8i3.3756

Abstract

Foot and Mouth Disease (FMD) is a highly contagious livestock disease that causes significant economic losses. Timely detection is essential to prevent rapid transmission. While deep learning has shown promise in image-based disease identification, the impact of integrating lightweight attention mechanisms, such as the Convolutional Block Attention Module (CBAM), into robust multi-scale backbones, such as InceptionV3, for FMD detection on small, imbalanced primary field datasets remains underexplored. This study contributes by providing a systematic evaluation of CBAM integration under varying data-splitting scenarios, highlighting the interaction between attention mechanisms and data distribution. This study evaluates the integration of CBAM into InceptionV3 for the classification of cattle lesion images. It compares its performance with the baseline InceptionV3 model across three train-validation-test splits (70:20:10, 80:10:10, and 70:15:15). The dataset comprises 798 primary images (514 FMD-positive and 284 healthy), indicating a limited size with moderate class imbalance. Images were resized to 299 × 299 pixels and normalized to [-1, 1], with augmentation applied only to the training set. The InceptionV3-CBAM model achieved the best performance under the 70:15:15 split, with 96.69% accuracy, 96.25% precision, 98.72% recall, and 97.48% F1-score. These findings suggest that CBAM can enhance lesion-focused feature representation and detection sensitivity. However, performance gains were inconsistent across splits and appear influenced by both architectural changes and dataset characteristics. The model demonstrates potential for early FMD screening in resource-limited settings, but further validation on larger, more diverse datasets is essential to confirm robustness and generalizability
Optimizing MobileNetV2 Using Transfer Learning and Fine-Tuning Techniques for Lung Cancer Classification Rozi, Atiqur; Puspaningrum, Eva Yulia; mandyartha, Eka Prakarsa
ILKOMNIKA Vol 8 No 1 (2026): Volume 8, Number 1, April 2026
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v8i1.871

Abstract

Lung cancer remains one of the leading causes of mortality worldwide, highlighting the importance of early and accurate detection. This study proposes a deep learning-based approach for lung cancer classification using the MobileNetV2 architecture on CT-scan images. Two experimental scenarios were investigated: transfer learning with a frozen base model and fine-tuning by unfreezing selected layers. The dataset was compiled from publicly available sources and balanced to address class imbalance. The model was trained using the Stochastic Gradient Descent (SGD) optimizer and evaluated using accuracy, precision, recall, and F1-score. The results demonstrate that the fine-tuning strategy achieves superior performance across most evaluation metrics compared to transfer learning. In particular, recall shows a significant improvement, indicating enhanced capability in detecting positive cancer cases, although accompanied by a slight decrease in precision. The F1-score also improves, reflecting a better balance between precision and recall. These findings suggest that fine-tuning enhances feature representation and improves classification performance within the experimental setting. However, the results are limited to the dataset used in this study, and further validation on larger and clinically representative datasets is required before considering real-world medical applications.
Co-Authors Achmad Junaidi Agung Mustika Rizki, Agung Mustika Agung Subekti, Mohamad Rafli Agustin, Risda Rosdiana Ama Maulidatul Khairah Andrianto, Mochammad Rifky Anggraini Puspita Sari Ani Dijah Rahajoe Basuki Rahmat Chastine Fatichah Eliza, Nidya Eriyansyah Yusuf Suwandana Eva Yulia Puspaningrum Fathuddin, Muhammad Abdul Hafizh Fedianto, Muhammad Helmi Satria Firza Prima Aditiawan Gusti Eka Yuliastuti Hermadiputri, Firdausa Yasmin indrawanti, annisaa sri Intan Yuniar Purbasari Isnaini, Frisda Dita Kamila, Shaffa Cahya kristanti, beni tiyas Lutfia, Qonita Margarita, Devina Maulana, Hendra Maulana, Raihan Thobie Nabil Muchammad Kurniawan Muhammad Azka Zaki Muhammad Muharrom Al Haromainy Nurlaili, Afina Lina Pratama Wirya Atmaja Ramadhan, Ike Reyhan Jarsi Yoga Rizal Setya Perdana Rozi, Atiqur Sadrai, Maharani Putri Serlynda Dwi Rosalina Sri Wibawani Subairi Subairi Sugiarto Syahrul Hidayat Taufikurrahman Taufikurrahman Utami, Hapsari Wiji Wibisono, Al Danny Rian Yisti Vita Via Yudha K., Dhian Satria