Article Per Year (5 Year)
p-Index From 2021 - 2026
2.438
P-Index
This Author published in this journals
All Journal CAUCHY: Jurnal Matematika Murni dan Aplikasi Jurnal Infra JUITA : Jurnal Informatika JIKO (Jurnal Informatika dan Komputer) JATI (Jurnal Mahasiswa Teknik Informatika) Abdimas: Jurnal Pengabdian Masyarakat Universitas Merdeka Malang BEMAS: Jurnal Bermasyarakat eProceedings of Engineering
Yohanes Setiawan
Telkom University
Humanities Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mathematics Social Sciences Other

Published : 17 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 17 Documents
Search

 1   2 
Pengembangan Chatbot Untuk Layanan Satuan Penjaminan Mutu (SPM) Menggunakan Bert (Bidirectional Encoder Representations From Transformers) Zumar Nur Firdaus; Yohanes Setiawan; Mastuty Ayu Ningtyas
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Kendala Satuan Penjaminan Mutu (SPM) dalam penyampaian informasi yang kurang efisien, menyebabkan pelayanan Satuan Penjaminan Mutu (SPM) kurang responsif. Sehingga dibutuhkannya chatbot yang merespon secara cepat dan tepat. Penelitian ini berfokus pada pengembangan chatbot berbasis deep learning dengan arsitektur BERT untuk layanan Satuan Penjaminan Mutu (SPM) sebagai platform pembantu. Tujuannya adalah untuk memaksimalkan pencarian data dan penyampaian informasi yang efisien kepada pengguna. Metodologi yang digunakan meliputi pengumpulan data mentah dari SPM (Penelitian, Pengabdian, Prestasi, Mahasiswa, dan Dosen dari 2019-2024), pra-pengolahan data (tokenisasi, padding, label encoding), dan pengembangan model BERT yang diintegrasikan dengan platform Telegram. Evaluasi model melalui 15 percobaan menunjukkan performa optimal pada konfigurasi tertentu dengan akurasi tinggi dan tingkat kesalahan rendah, terbukti dari F1-score kelas positif mencapai 0.9831. Meskipun terdapat sedikit ketidaksesuaian pada satu skenario pengujian black-box dan adanya cold start pada respons awal chatbot, hasil kuesioner pengguna secara keseluruhan menunjukkan kepuasan tinggi terhadap kemudahan penggunaan dan kecepatan respons. Implementasi chatbot ini diharapkan meningkatkan efisiensi layanan SPM, meskipun perlu penambahan variasi data pelatihan dan deployment ke server untuk optimalisasi lebih lanjut. Kata kunci— Chatbot, Deep Learning, BERT (Bidirectional Encoder Representations from Transformers), Natural Language Processing, Blackbox Testing, Telegram.
Pengenalan Wajah Untuk Sistem Presensi Menggunakan Convolutional Neural Network M. Rafi Hizdarandha Riswant; Yohanes Setiawan; Farah Zakiyah Rahmanti
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Penelitian ini bertujuan mengatasi permasalahan sistem presensi karyawan manual yang rentan terhadap manipulasi dan kecurangan dari setiap individu, serta kebutuhan akan sistem presensi otomatis berbasis pengenalan wajah yang akurat dan andal, khususnya untuk membatasi akses keluar-masuk keruang Server DRC di PT. Pelindo Marine Service. Sebagai solusi, penelitian ini bertujuan untuk merancang dan membandingkan kinerja tiga arsitektur Convolutional Neural Network (CNN), yaitu InceptionV3, ResNet50, dan VGG16, dalam penerapan sistem pengenalan wajah. Dataset wajah yang digunakan diambil pada saat magang dan telah melalui tahap cropping secara otomatis menggunakan metode atau model MTCNN, pada tiga skenario training dataset yang berbeda berdasarkan jumlah epoch: 50, 80, dan 100. Evaluasi dilakukan terhadap akurasi pelatihan, akurasi validasi, serta efisiensi waktu pelatihan dari masing-masing arsitektur. Hasil penelitian menunjukkan bahwa arsitektur VGG16 memberikan performa terbaik dengan akurasi validasi tertinggi sebesar 99,31% pada epoch ke-100, meskipun membutuhkan waktu pelatihan lebih lama. VGG16 menempati posisi kedua dengan akurasi validasi 96,74%, namun lebih efisien dari sisi durasi pelatihan. Namun pada saat ditahap pengujian atau demo hasil arsitektur VGG16 menjadikannya pilihan yang kurang baik untuk implementasi pada dataset yang digunakan, dilanjutkan dengan arsitektur Resnet50 yang sedikit lebih baik dari segi classification pada saat tes pengujian hasil. Untuk hasil yang terbaik didapatkan oleh arsitektur InceptionV3 yang hasil Accuracy nya mendapatkan 78% dari hasil classification report. Dari hasil evaluasi tersebut, dapat disimpulkan bahwa InceptionV3 paling direkomendasikan untuk sistem pengenalan wajah yang membutuhkan akurasi tinggi, hal ini bisa dibuat bahan acuhan untuk mencari mana hasil terbaik untuk sistem pengenalan wajah untuk karyawan. Sistem yang dikembangkan memiliki potensi untuk diterapkan di lingkungan kerja seperti PT. Pelindo Marine Service. Kata kunci—Pengenalan wajah, Computer Vision, InceptionV3, Resnet50, VGG16, Deep learning
Peramalan Penjualan Dan Jumlah Stok Aman Roti Menggunakan Long Short-Term Memory (Studi Kasus Di Efrata Bakery) Dean Igo Wibowo; Yohanes Setiawan; Farah Zakiyah Rahmanti
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Industri roti di Indonesia terus berkembang seiring meningkatnya permintaan roti sebagai alternatif makanan pokok. Namun, usaha roti skala kecil seperti Efrata Bakery kerap menghadapi tantangan dalam meramalkan penjualan akibat fluktuasi permintaan, faktor musiman, dan perubahan preferensi konsumen. Hal ini dapat menyebabkan ketidaktepatan perencanaan stok, risiko overstock, hingga menurunnya kualitas layanan. Penelitian ini mengembangkan sistem peramalan penjualan harian menggunakan metode Long Short-Term Memory (LSTM), teknik deep learning yang efektif untuk data time-series. Model dikembangkan secara univariate per jenis roti dan dilengkapi proses deteksi serta penanganan anomali pada data historis untuk meningkatkan akurasi. Hasil evaluasi menunjukkan rata-rata Mean Absolute Precentage Error (MAPE) sebesar 10.84%, menandakan performa prediksi yang baik. Sistem tidak hanya memprediksi penjualan H+1, tetapi juga merekomendasikan jumlah stok produksi harian dengan mempertimbangkan stok sisa. Pendekatan ini memungkinkan penyesuaian jumlah produksi secara adaptif untuk menghindari overstock maupun stockout. Sistem diimplementasikan dalam bentuk aplikasi web yang memudahkan pemilik toko dalam mengakses informasi prediksi dan rekomendasi stok. Dengan sistem ini, Efrata Bakery dapat mengoptimalkan perencanaan produksi dan meningkatkan kepuasan pelanggan. Kata kunci Peramalan Penjualan, Long Short-term Memory, Industri roti, time-series, deep learning.
RUN-IO: Aplikasi Untuk Rekomendasi Latihan Pelari Menggunakan Random Forest Josey Alexander Takesan; Yohanes Setiawan; Bernadus Anggo Seno Aji
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Meningkatnya popularitas olahraga lari diiringi dengan tingginya risiko cedera atau running related injuries (RRIs) dimana seringkali kebingungan dalam menentukan program latihan yang aman dan sesuai dengan kemampuan individu. Penelitian ini bertujuan merancang, membangun, dan mengevaluasi RUN-IO, sebuah aplikasi mobile yang memberikan rekomendasi latihan lari yang dipersonalisasi untuk meminimalkan risiko tersebut. Menggunakan algoritma Random Forest Regressor, aplikasi memproses data pengguna (usia, tinggi, berat, jenis kelamin) untuk memprediksi tiga parameter kunci: Kecepatan, Waktu, dan Jarak Lari. Model dilatih menggunakan dataset "Running Calorie Burn" dari Kaggle dan dievaluasi kinerjanya dengan metrik Mean Absolute Error (MAE) dan R-Squared (R²). Hasil evaluasi menunjukkan bahwa model prediksi memenuhi kriteria kelayakan implementasi. Model Running Speed menunjukkan performa paling unggul dengan nilai R² mencapai 0.8990 dan MAE 0.56 km/jam. Pengujian fungsional aplikasi dan evaluasi antarmuka oleh pengguna menunjukkan aplikasi dinilai sangat baik. Penelitian ini berhasil mengimplementasikan model machine learning yang valid ke dalam aplikasi RUN-IO yang fungsional, menyediakan alat bantu praktis bagi pelari untuk berlatih secara lebih aman dan terukur agar dapat menghindari cedera. Kata kunci— Aplikasi mobile, Running Related Injuries, Running, Random Forest Regressor, Personalisasi latihan
Perancangan Prototype Ui/Ux Pada Aplikasi Pemesanan Online Telkom Coffee Surabaya Menggunakan User Centered Design Muhammad Ramadhani Arya Syahputra; Yohanes Setiawan; Mastuty Ayu Ningtyas
eProceedings of Engineering Vol. 13 No. 1 (2026): Februari 2026
Publisher : eProceedings of Engineering

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

Abstract

Telkom coffee Surabaya menghadapi tantangan signifikan dalam proses pelayanan, terutama pada jam sibuk, yang sering menyebabkan penumpukan pesanan dan menurunkan kualitas pelayanan. Selain itu, preferensi pelanggan untuk memesan secara online belum dapat terpenuhi karena telkom coffee Surabaya belum memiliki platform pemesanan mandiri. Hal ini menciptakan kebutuhan akan solusi digital yang dapat meningkatkan efisiensi pelayanan sekaligus memberikan pengalaman pengguna yang lebih baik. Untuk mengatasi permasalahan tersebut, penelitian ini mengusulkan desain prototype aplikasi pemesanan online berbasis pendekatan User Centered Design. Metode ini dipilih karena kemampuannya dalam memahami kebutuhan pengguna secara spesifik dan menghasilkan solusi yang berpusat pada pengguna. Proses penelitian dilakukan melalui empat tahapan utama, yaitu memahami konteks pengguna, menentukan kebutuhan pengguna, merancang solusi desain, dan mengevaluasi desain terhadap kebutuhan pengguna. Hasil dari penelitian ini berupa prototype aplikasi pemesanan yang dirancang untuk mempermudah pelanggan dalam melakukan pemesanan secara online sekaligus mendukung efisiensi pelayanan telkom coffee Surabaya. Prototype ini diharapkan dapat menjadi dasar pengembangan platform pemesanan digital yang lebih terintegrasi, membantu meningkatkan kepuasan pelanggan, serta menjadi referensi untuk inovasi serupa di industri coffee shop lainnya. Kata kunci— Telkom Coffee Surabaya, Prototype Aplikasi, User Centered Design (UCD), Pemesanan Online, Pengalaman Pengguna, Efisiensi Pelayanan.
Real-Time Detection of Outdoor Parking Space Availability Using YOLOv8 Rafi Ardinata Riskiansyah; Yohanes Setiawan; Farah Zakiyah Rahmanti
JUITA: Jurnal Informatika JUITA Vol. 13 Issue 3, November 2025
Publisher : Department of Informatics Engineering, Universitas Muhammadiyah Purwokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30595/juita.v13i3.27278

Abstract

Finding an empty parking spot in open areas, particularly in busy locations such as shopping centers, remains a significant challenge. This study proposes a real-time system for detecting outdoor parking space availability using the YOLOv8 algorithm, selected for its speed and accuracy in object detection. The dataset consists of 131 annotated images, expanded through three augmentation techniques (rotation, shearing, and flipping) to increase variability. Model training was performed with multiple hyperparameter configurations and evaluated using precision, recall, F1-score, accuracy, and mAP@50. The best configuration, obtained with the Adam optimizer, achieved 96.74% precision, 99.06% recall, 99.17% mAP@50, and 77.91% accuracy. While the system performed effectively and responsively in real-time daytime scenarios, a key limitation is its reduced performance under nighttime conditions due to low visibility and image noise.This research contributes by demonstrating YOLOv8’s potential to improve real-time detection of parking spaces, particularly through handling occlusions and lighting variations, which remain challenges in outdoor environments.
Rainfall Forecasting using Spatio-Temporal and Neural Network Study Case: Meteorological Data of Madura Island Ryanta Meylinda Savira; Regita Putri Permata; Amalia Nur Alifah; Yohanes Setiawan; Adzanil Rachmadhi Putra
CAUCHY: Jurnal Matematika Murni dan Aplikasi Vol 10, No 2 (2025): CAUCHY: JURNAL MATEMATIKA MURNI DAN APLIKASI
Publisher : Mathematics Department, Maulana Malik Ibrahim State Islamic University of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18860/cauchy.v10i2.35091

Abstract

Rainfall forecasting is crucial in meteorological studies due to its significant impact on sectors such as agriculture, which is the main livelihood on Madura Island. This study aims to forecast rainfall on Madura Island using a hybrid approach that combines the Generalized Space-Time Autoregressive-X (GSTARX) model and Neural Network (NN). The data used consist of daily rainfall records from Bangkalan, Sampang, Pamekasan, and Sumenep, covering the period from January 2013 to December 2023. Data from January 2013 to September 2023 were used for training, while data from October to December 2023 were used for testing. The GSTARX model was employed to capture spatio-temporal patterns, while the NN was applied to learn the non-linear relationships in the residuals. The results show that the GSTARX model effectively captures rainfall patterns, though some differences remain compared to the actual data, with RMSE values of Bangkalan (1.514), Sampang (0.256), Pamekasan (0.477), and Sumenep (0.127). Meanwhile, the hybrid GSTARX-FFNN model achieved improved forecasting performance in Sampang (0.392), Pamekasan (0.679), and Sumenep (0.412), although Bangkalan recorded a higher RMSE (1.359). Overall, the GSTARX model proved more effective in forecasting rainfall on Madura Island, delivering smaller and more consistent prediction errors.
Co-Authors Adzanil Rachmadhi Putra Alifah, Amalia Nur Bernadus Anggo Seno AjiAji Dean Igo Wibowo Farah Zakiyah Rahmanti Fauzan Nusyura Fauzan Nusyura Fidi Wincoko Putro Hendrik Hermawan Huki Chandra Indro Setiawan Ira Rantelili, Devysikaelo Josey Alexander Takesan Kristoforus Ferel Viandito M. Rafi Hizdarandha Riswant Machfud Ichsan Khoirudin Mastuty Ayu Ningtyas Muhammad Ali Ridho Muhammad Anjas Ardiansyah Muhammad Najib Miftahul Huda Muhammad Radif Aftamaulana Muhammad Ramadhani Arya Syahputra Muhammad Rashid Syaputra Mustafa Kamal Perdana Suteja Putera Rafi Ardinata Riskiansyah Regita Putri Permata Riza Akhsani Setyo Prayoga Ryanta Meylinda Savira Silvia Rostianingsih Zumar Nur Firdaus