Article Per Year (5 Year)
p-Index From 2021 - 2026
2.932
P-Index
This Author published in this journals
All Journal CommIT (Communication & Information Technology) Jurnal TIMES Sinkron : Jurnal dan Penelitian Teknik Informatika Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Jiko (Jurnal Informatika dan komputer) Jurnal Teknik Informatika (JUTIF) Bulletin of Computer Science Research Jurnal Info Sains : Informatika dan Sains Jurnal Armada Informatika Journal of Computing Theories and Applications
Octara Pribadi
Sekolah Tinggi Manajemen Informatika Dan Komputer (STMIK) TIME
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Energy Engineering

Published : 30 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 30 Documents
Search

 1   2   3 
PENERAPAN ALGORITMA RESTRICTED BOLTZMANN MACHINE DALAM PEMBUATAN APLIKASI BANTUAN SOSIAL UNTUK WARGA DAMPAK BENCANA ALAM Pribadi, Octara; Wilson
Jurnal TIMES Vol 12 No 2 (2023): Jurnal TIMES
Publisher : STMIK TIME

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51351/jtm.12.2.2023706

Abstract

Musibah adalah sesuatu yang tidak disenangi. Dalam Kamus Besar Bahasa Indonesia musibah berarti kejadian (peristiwa) menyedihkan yang menimpa, malapetaka atau bencana. Donasi merupakan sumbangan atau pemberiah hadiah (berupa uang) yang dilakukan oleh penderma kepada badan atau organisasi pengumpulan donasi. Akan tetapi terlalu banyaknya warga yang mengalami bencana alam mengakibatkan pembagian bantuan yang tidak merata, dan tidak adanya sebuah sistem yang dapat memberikan putusan dimana warga yang layak menerima bantuan sosial. Salah satu sistem yang dapat memberikan keputusan adalah Jaringan Saraf Tiruan, yang saat ini telah berkembang dengan pesat dan telah diimplementasikan dalam berbagai bidang. Algoritma RBM (Restricted Boltzmann Machine) adalah salah satu algoritma berbasis jaringan yang dapat digunakan untuk pengambilan keputusan. Aplikasi Bantuan Sosial Untuk Warga Dampak Bencana Alam yang dibuat dapat mengetahui prediksi menentukan kelayakan penerimaan bantuan dalam waktu singkat. Aplikasi Bantuan Sosial Untuk Warga Dampak Bencana Alam yang dibuat ini dengan menerapkan Algoritma Restricted Boltzmann Machine untuk mengklasifikasikan warga yang layak mendapatkan donasi. Penelitian ini menggunakan metode Restricted Boltzmann Machine dan mendapatkan accuracy sebesar 65%, precision sebesar 67%, recall sebesar 87%, dan f1 score sebesar 75%.
Image Encryption using Half-Inverted Cascading Chaos Cipheration Setiadi, De Rosal Ignatius Moses; Robet, Robet; Pribadi, Octara; Widiono, Suyud; Sarker, Md Kamruzzaman
Journal of Computing Theories and Applications Vol. 1 No. 2 (2023): JCTA 1(2) 2023
Publisher : Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/jcta.v1i2.9388

Abstract

This research introduces an image encryption scheme combining several permutations and substitution-based chaotic techniques, such as Arnold Chaotic Map, 2D-SLMM, 2D-LICM, and 1D-MLM. The proposed method is called Half-Inverted Cascading Chaos Cipheration (HIC3), designed to increase digital image security and confidentiality. The main problem solved is the image's degree of confusion and diffusion. Extensive testing included chi-square analysis, information entropy, NCPCR, UACI, adjacent pixel correlation, key sensitivity and space analysis, NIST randomness testing, robustness testing, and visual analysis. The results show that HIC3 effectively protects digital images from various attacks and maintains their integrity. Thus, this method successfully achieves its goal of increasing security in digital image encryption
Implementation of Deep Learning Model for Classification of Household Trash Image Robet, Robet; Perangin Angin, Johanes Terang Kita; Pribadi, Octara
Sinkron : jurnal dan penelitian teknik informatika Vol. 8 No. 4 (2024): Article Research Volume 8 Issue 4, October 2024
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/sinkron.v8i4.14198

Abstract

The problem of household waste management is a very important issue today, where the rapid urbanization, consumptive culture, and the tendency to dispose of waste without sorting it first from home, makes the volume of waste in landfills increase. Therefore, household waste management needs to be managed quickly and appropriately, so as not to have a major impact on environmental, hygiene, and health problems. Although some environmental communities and local governments have made efforts to manage waste through recycling systems, the long-term use of human labor is inefficient, expensive, and harmful to workers' health. Therefore, utilizing artificial intelligence technology is the best solution to classify waste types quickly and accurately. This research tries to test several pre-trained convolutional neural network (CNN) models to perform classification. The results of testing pre-trained CNN models, such as AlexNet, VGG16, VGG19, ResNet50, and ResNeXt50, found that the pre-trained model ResNext50 is better with 100% accuracy, while the training loss and validation loss are 0.0414 and 0.0304, respectively. Then the second best model is the pre-trained ResNet50 model with 100% accuracy with training loss and validation loss of 0.0832 and 0.1077, respectively.
APLIKASI PENGENALAN WAJAH MENGGUNAKAN ALGORITMA HAAR CASCADE CLASSIFIER DAN LOCAL BINARY PATTERN HISTOGRAM Pribadi, Octara
Jurnal TIMES Vol 12 No 1 (2023): Jurnal TIMES
Publisher : STMIK TIME

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51351/jtm.12.1.2023691

Abstract

Selain melalui wajah, banyak cara yang dapat dilakukan untuk mengenali identitas seseorang yaitu melalui kartu identitas unik seperti KTP ataupun SIM ataupun melalui kata sandi. Namun, metode tersebut masih memiliki banyak kekurangan seperti lupa membawa kartu identitas, rusak atau hilangnya kartu identitas serta melalui kata sandi seringkali seseorang lupa terhadap kata sandi tersebut. Di antara banyaknya objek teknologi biometrik yang telah digunakan selama beberapa dekade terakhir, wajah adalah salah satu objek paling sering dipakai dalam proses pengenalan dan identifikasi individu. Oleh sebab itu, pada penelitian ini akan dikembangkan sebuah aplikasi pengenalan wajah berbasis teknologi biometrik yang dapat melakukan identifikasi wajah seseorang secara cepat dan akurat. Penelitian ini akan mengimplementasikan algoritma Haar Cascade Classifier terlebih dahulu untuk mendeteksi wajah sehingga dapat meningkatkan akurasi pengenalan wajah. Setelah terdeteksi, maka untuk mengidentifikasi wajah seseorang, maka pada penelitian ini, akan digunakan algoritma LBPH yang merupakan teknik dari metode Local Binary Pattern (LBP) untuk mengubah peforma hasil pengenalan wajah. Berdasarkan hasil pengujian dengan Confusion Matrix, diperoleh kesimpulan bahwa aplikasi yang dibangun dengan kombinasi model hasil training memiliki tingkat akurasi sebesar 90%, presisi sebesar 90%, recall sebesar 85%, dan error rate hanya 20% dalam mengenali atau mengidentifikasi wajah seseorang.
PENERAPAN QRCODE SEBAGAI TANDA TANGAN DIGITAL DALAM PENERBITAN SURAT KELUAR PADA STMIK METHODIST BINJAI Halim, Marwa; sukiman, sukiman; Pribadi, Octara
Jurnal TIMES Vol 13 No 2 (2024): Jurnal TIMES
Publisher : STMIK TIME

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51351/jtm.13.2.2024805

Abstract

ABSTRAK Perkembangan teknologi informasi membawa perubahan signifikan dalam manajemen dokumen administrasi di institusi pendidikan. STMIK Methodist Binjai menghadapi tantangan dalam memastikan keaslian dan validitas dokumen administrasi surat keluar yang masih dilakukan secara manual. Untuk mengatasi masalah ini, institusi tersebut mengadopsi QR Code sebagai tanda tangan digital, yang menawarkan solusi inovatif dalam meningkatkan keamanan dan efisiensi pengelolaan dokumen. QR Code memungkinkan penyimpanan data terenkripsi yang dapat dengan mudah diverifikasi, mendukung transformasi digital sejalan dengan agenda Revolusi Industri 4.0. Penelitian ini membahas implementasi QR Code dalam sistem administrasi STMIK Methodist Binjai, termasuk proses penerapan, manfaat, serta tantangan yang dihadapi. Studi ini bertujuan memberikan kontribusi praktis bagi institusi pendidikan lain yang ingin mengadopsi teknologi serupa, serta mendukung modernisasi sistem manajemen pendidikan berbasis teknologi. Dengan QR Code, proses verifikasi dokumen menjadi lebih cepat dan aman, meminimalkan risiko pemalsuan, serta mendukung penyimpanan data yang terintegrasi dan sistematis. Implementasi ini juga menunjukkan pentingnya pelatihan pengguna dan kesiapan infrastruktur untuk mendukung adopsi teknologi ini. Hasil penelitian ini diharapkan dapat mendorong institusi lain untuk beradaptasi dengan perkembangan teknologi dalam mendukung operasional mereka.
PERANCANGAN APLIKASI SIREPOS UNTUK MENINGKATKAN KUALITAS PEMBELAJARAN SEKOLAH DR WAHIDIN SUDIROHUSODO Pribadi, Octara; Jackri Hendrik; Rusdiana
Jurnal TIMES Vol 13 No 2 (2024): Jurnal TIMES
Publisher : STMIK TIME

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51351/jtm.13.2.2024806

Abstract

Untuk mendukung program pemerintah dalam bidang pendidikan, dirancang aplikasi Sirepos yang merupakan aplikasi sistem repository sekolah yang berfungsi untuk meletakkan seluruh bahan ajar guru kedalam sistem komputer yang bisa diunduh oleh siswa. Media pembelajaran yang lebih luas seperti slide, dokumen, audio hingga video dapat diunggah kedalam Sirepos, dan dapat dimanajemen oleh guru bersangkutan. Implementasi aplikasi Sirepos menunjukan bahwa aplikasi dapat mengakomodasi kegiatan belajar mengajar guru dan siswa secara efektif dan efisien. Kegiatan pengabdian kepada masyarakat yang dilakukan ini selain merancang aplikasi Sirepos juga melakukan pelatihan kepada tim guru sekolah dan diharapkan dapat meningkatkan prestasi siswa siswi sekolah.
Implementasi Algoritma Greedy Untuk Optimalisasi Pemesanan Tempat Duduk Bus Secara Online Robert; Octara Pribadi; Wilson; David
Jurnal Armada Informatika Vol 8 No 1 (2024): Jurnal Armada Informatika
Publisher : STMIK Methodist Binjai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36520/jai.v8i1.95

Abstract

Sarana transportasi bus saat ini masih menjadi pilihan utama masyarakat dikarenakan harganya yang masih terjangkau. Namun dalam proses pembelian tiket, penumpang masih harus mengunjungi agen bus untuk melakukan transaksi pembelian tiket yang tentunya sangat tidak praktis dan tiket yang dibeli juga rentan akan kerusakan dan rawan hilang. Selain itu, calon penumpang juga tidak dapat memilih tempat duduk sesuai keinginan apabila pemesanan tiket dilakukan secara kolektif bersama keluarga atau teman. Alhasil calon penumpang merasa tidak nyaman, dikarenakan tidak dapat duduk berdekatan satu sama lain. Oleh karena itu, diperlukan sebuah sistem pemesanan e-ticketing yang dapat memudahkan calon penumpang dalam melakukan pemesanan tiket dimanapun dan kapanpun, serta dapat melakukan pemilihan tempat duduk yang optimal secara real time. Perancangan sistem pelayanan tiket berbasis web dibuat menggunakan perangkat lunak PHP, Javascript, MySQL, Visual Studio Code Editor, dan web server menggunakan Xampp, dan untuk optimalisasi pemilihan tempat duduk menggunakan algoritma greedy yang dapat melakukan optimalisasi maksimum penumpang pada satu bus, sehingga pemilik bus juga tidak mengalami banyak kerugian dikarenakan banyaknya tempat duduk yang kosong.
Sistem Pemantauan Kualitas Udara Berbasis IoT di Peternakan Yakin Telur Hendri; Pribadi, Octara; Hendrik, Jackri
METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol. 9 No. 1 (2025): METHOMIKA: Jurnal Manajemen Informatika & Komputersisasi Akuntansi
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/jmika.Vol9No1.pp145-150

Abstract

Air quality in poultry farms plays a crucial role in animal productivity, as poor air quality can increase the risk of disease in chickens, cause stress, and ultimately reduce productivity and egg quality, leading to economic losses for farmers. Laying hens require stable and adequate temperature conditions during their growth period to ensure optimal development. The optimal temperature for laying hens during the brooding period (up to 14 days old) ranges between 30-32°C. A common issue faced by livestock farmers is the lack of adequate facilities to manage stress in livestock, which often hinders their ability to stabilize the air temperature in the chicken coop. Farmers often rely on manual methods to estimate and adjust the temperature inside the coop by feeling the heat, which is neither accurate nor efficient. This research aims to design an IoT-based air quality monitoring system at Yakin Telur Farm. The system is designed to monitor temperature, humidity, and ammonia gas levels in the chicken coop in real-time.
Akurasi K-Means dengan Menggunakan Cluster dan Titik Grid Terbaik pada Pemetaan Grid Interatif K-Means Perangin Angin, Johanes Terang Kita; Rizkita, Ari; Robet, Robet; Pribadi, Octara
METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol. 9 No. 1 (2025): METHOMIKA: Jurnal Manajemen Informatika & Komputersisasi Akuntansi
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/jmika.Vol9No1.pp127-129

Abstract

Traditional K-Means face 2 (two) main problems, namely: Determination of Initial Centroid and poor initial cluster. Determining the initial centroid using random numbers is one of the main problems in classical K-Means which results in low accuracy and long computation time. Likewise, determining the good centroid of each cluster without being accompanied by a process of paying attention to the performance of each cluster can also cause the accuracy value obtained is not good. This study will contribute to how the performance obtained by determining a good initial centroid is combined with the use of a good cluster. Determination of a good initial centroid is done by using the K-Means Grid Mapping which divides the determination of the centroid into several Grid Points. The result of this research is a combination of Iterative K-Means with Grid Mapping K-Means to become Iterative Grid Mapping K-Means which will get a good initial centroid and also a good cluster shown in the table of iris and abalone, comparison of the variables in the iris and abalone affecting the best cluster as a result.
Integrating Hybrid Statistical and Unsupervised LSTM-Guided Feature Extraction for Breast Cancer Detection Setiadi, De Rosal Ignatius Moses; Ojugo, Arnold Adimabua; Pribadi, Octara; Kartikadarma , Etika; Setyoko, Bimo Haryo; Widiono, Suyud; Robet, Robet; Aghaunor, Tabitha Chukwudi; Ugbotu, Eferhire Valentine
Journal of Computing Theories and Applications Vol. 2 No. 4 (2025): JCTA 2(4) 2025
Publisher : Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/jcta.12698

Abstract

Breast cancer is the most prevalent cancer among women worldwide, requiring early and accurate diagnosis to reduce mortality. This study proposes a hybrid classification pipeline that integrates Hybrid Statistical Feature Selection (HSFS) with unsupervised LSTM-guided feature extraction for breast cancer detection using the Wisconsin Diagnostic Breast Cancer (WDBC) dataset. Initially, 20 features were selected using HSFS based on Mutual Information, Chi-square, and Pearson Correlation. To address class imbalance, the training set was balanced using the Synthetic Minority Over-sampling Technique (SMOTE). Subsequently, an LSTM encoder extracted non-linear latent features from the selected features. A fusion strategy was applied by concatenating the statistical and latent features, followed by re-selection of the top 30 features. The final classification was performed using a Support Vector Machine (SVM) with RBF kernel and evaluated using 5-fold cross-validation and a held-out test set. Experimental results showed that the proposed method achieved an average training accuracy of 98.13%, F1-score of 98.13%, and AUC-ROC of 99.55%. On the held-out test set, the model reached an accuracy of 99.30%, precision of 100%, and F1-score of 99.05%, with an AUC-ROC of 0.9973. The proposed pipeline demonstrates improved generalization and interpretability compared to existing methods such as LightGBM-PSO, DHH-GRU, and ensemble deep networks. These results highlight the effectiveness of combining statistical selection and LSTM-based latent feature encoding in a balanced classification framework.
Co-Authors Aghaunor, Tabitha Chukwudi Ali, Rabei Raad Andi Andi Carles Juliandy Daniel Happy Putra david De Rosal Ignatius Moses Setiadi Destisonya Buulolo Edi Edi Wijaya ENDRI ENDRI Feriani Astuti Tarigan Halim, Marwa Hendri Hendri Hendri Hendri Hoki, Leony Jackri Hendrik Jackri Hendrik Johanes Terang Kita Perangin Angin Juan Charles Juliyanto Kartikadarma , Etika Ojugo, Arnold Adimabua Perangin Angin, Johanes Pieter Octaviandy, Pieter Rizkita, Ari Robert Robet Robet Robet rusdiana Sarker, Md Kamruzzaman Setyoko, Bimo Haryo Sukiman Sukiman Suwanty Suwanty Suwanty Suwanty, Suwanty Suyud Widiono Syamsiar, Syamsiar Teta, Bayu Tio, Nicholas Ugbotu, Eferhire Valentine Wilson