Article Per Year (5 Year)
p-Index From 2020 - 2025
3.161
P-Index
This Author published in this journals
All Journal JUTI: Jurnal Ilmiah Teknologi Informasi INTEGER: Journal of Information Technology JIEET (Journal of Information Engineering and Educational Technology) Jurnal Abadimas Adi Buana PengabdianMu: Jurnal Ilmiah Pengabdian kepada Masyarakat Jurnal Abdi: Media Pengabdian Kepada Masyarakat Jurnal Ekonomika Dan Bisnis Journal of Informatics and Computer Science (JINACS) Serambi Engineering
Ricky Eka Putra
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Public Health Social Sciences Other

Published : 24 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 24 Documents
Search

 1   2   3 
Api First Development Portal Informasi Produk Umkm Kerupuk Di Kecamatan Tulangan, Kabupaten Sidoarjo Berbasis Microservices Ardiansyah, Muhammad Yusriza; Putra, Ricky Eka
Journal of Informatics and Computer Science (JINACS) Vol. 5 No. 04 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v5n04.p473-485

Abstract

Penerapan Metode Deep Learning Menggunakan Algoritma CNN based Recommendation pada Aplikasi E-Commerce Gols (Studi Kasus : PT. Cipta Giri Sentosa) Romadhon, Dedy Putra; Putra, Ricky Eka
Journal of Informatics and Computer Science (JINACS) Vol. 5 No. 04 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v5n04.p616-627

Abstract

Perkembangan zaman Teknologi informasi dan komunikasi yang sangat pesat di era sekarang, menggiring masyarakat untuk melakukan banyak hal secara online. Efektivitas dan efisiensi yang sangat tinggi menjadi hal yang dapat diandalkan bagi masyarakat untuk mempermudah dalam kegiatan sehari-hari. Termasuk pada trend berbelanja masyarakat dimana sebelumnya dilakukan secara offline yang mengharuskan masyarakat untuk datang ke lokasi perbelanjaan /toko untuk membeli barang yang diinginkan. Kini, masyarakat dapat berbelanja dimanapun dan kapanpun hanya dengan bermodalkan perangkat (HP/Laptop). Tak hanya masyarakat dapat berbelanja, namun masyarakat yang ingin menjual barang apapun, tidak perlu repot untuk membuat gerai/toko, cukup dengan mendaftarkan pada platform yang menyediakan jasa jual/beli. Namun terdapat tantangan bagi pembeli dimana dari banyaknya kategori dan jenis barang yang tentunya akan memberi kesulitan bagi pembeli untuk mencari yang diinginkan.Dalam mengatasi hal tersebut, maka berkembanglah sistem rekomendasi yang memudahkan pembeli untuk memfilter secara spesifik produk yang diinginkan. Penelitian mengenai sistem rekomendasi ini juga mengalami banyak perkembangan. Deep Learning merupakan salah satu contoh metode yang dikembangkan untuk sistem rekomendasi ini, dimana metode ini turunan dari Artificial Neural Network yang bertujuan untuk membangun saraf visual mirip dengan jaringan otak manusia yang dapat menganalisis dan memproses data besar secara otomatis. Pada penelitian kali ini metode Deep Learning yang digunakan yaitu algoritma CNN (Convolutional Neural Network) yang dirancang untuk menganalisis dan memproses 8 kategori fashion dengan total 6000 training data gambar (750 data gambar per kategori) dan 1000 test data gambar (125 data gambar per kategori). Hasil akurasi terbaik yang didapatkan dari training data sebanyak 70 epochs yaitu di angka 86,42%.
Penerapan Metode Long Short-Term Memory Dalam Sistem Rekomendasi Tim Fantasy Premier League Putra, Nino Fachrurrozi Erlangga; Putra, Ricky Eka
Journal of Informatics and Computer Science (JINACS) Vol. 5 No. 04 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v5n04.p655-666

Abstract

Analisis Sentimen Twitter Pada Cryptocurrency Menggunakan Bidirectional Encoder Representations From Transformers Dan Region-Based Convolutional Neural Network Prasetyo, Achmad Wafa; Putra, Ricky Eka
Journal of Informatics and Computer Science (JINACS) Vol. 6 No. 01 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v6n01.p11-21

Abstract

Penerapan Algoritma Gradient Boosted Decision Tree (GBDT) untuk Klasifikasi Serangan DDoS Mahendra, Yusril Isra; Putra, Ricky Eka
Journal of Informatics and Computer Science (JINACS) Vol. 6 No. 01 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v6n01.p158-166

Abstract

PENGUATAN KOMPETENSI LITERASI DIGITAL BAGI GURU SEKOLAH DASAR Suartana, I Made; Putra, Ricky Eka; Alit, Ronggo
Jurnal Abadimas Adi Buana Vol 7 No 02 (2024): Jurnal Abadimas Adi Buana
Publisher : LPPM Universitas PGRI Adi Buana Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36456/abadimas.v7.i02.a8294

Abstract

Penggunaan perangkat digital dan akses internet dikalangan anak-anak usia sekolah dasar dapat memiliki efek positif dan negatif. Untuk mengurangi efek negatif yang ditimbulkan oleh internet, pemahaman yang lebih baik tentang apa yang harus dilakukan dan sikap kewaspadaan diperlukan untuk mengurangi dampak negatifnya. Pemerintah memperkenalkan gagasan literasi digital sebagai tanggapan atas hal ini. Literasi digital adalah pengetahuan dan kemampuan untuk menggunakan media digital, alat komunikasi, atau jaringan untuk menemukan, menilai, menggunakan, dan membuat informasi. Kemampuan dan pemahaman terkait literasi digital perlu diberikan sejak dini agar anak-anak terhindar dari dampak negatif teknologi dan dapat memanfaatkan secara optimal potensi penggunaan teknologi untuk menunjang pembelajaran. Kegiatan ini bertujuan untuk mengenalkan literasi digital bagi guru sekolah dasar, memiliki pengetahuan yang baik terkait literasi digital sehingga bisa mengawasi dan membimbing murid-muridnya dalam pemanfaatan teknologi. Metode pelaksanaan kegiatan dimulai dari analisis situasi, Perancangan program, sosialisai materi berupa pelatihan atau workshop kepada guru dan diakhiri dengan evaluasi pelaksanaan. Kegiatan pegabdian mendapatkan respon yang baik, yakni sekitar 93% dari keseluruhan peserta memberikan respon yang baik terhadap pelaksanaan pelatihan. Dimana peserta mendapatkan skill dalam mengajarkan konsep literasi digital kepada siswanya, pelaksanaan kegiatan pengembangan skill terkait literasi digital memerlukan pengembangan materi seiring dengan perkembangan teknologi digital.
Penerapan DINOv2 pada Content Based Image Retrieval (CBIR) dalam Website Katalog Digital Batik Surabaya Rafif Raif, Andi Rhifqy; Putra, Ricky Eka; Prapanca, Aditya; Qoiriah, Anita
Journal of Informatics and Computer Science (JINACS) Vol. 6 No. 03 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v6n03.p678-687

Abstract

Abstrak— Penelitian ini bertujuan mendeskripsikan  Penerapan sistem teknologi model AI dengan metode pelatihan DINOv2 dalam CBIR untuk motif batik pada website katalog digital batik Surabaya, Hasil pengukuran performa website katalog digital batik Surabaya, dan hasil penilaian pelaku UKM batik Surabaya terhadap efektivitas website dalam membantu memperkenalkan dan memasarkan batik dengan motif khas Surabaya. Jenis penelitian adalah deskriptif kuantitatif. Metode penelitian menggunakan double diamond model meliputi empat tahap yaitu: Discover meliputi analisis informasi mengenai jenis-jenis batik Surabaya yang dijadikan sebagai sumber ide utama pembuatan Katalog digital berbasis web dengan menerapkan DINOv2, define yaitu menganalisis tahapan yang akan dilakukan dalam pengembangan dan perancangan Katalog Digital, Develop yaitu pengembangan dari permasalahan yang ada pada tahap sebelumnya dengan solusi melakukan penyusunan storyboard, susunan gambar batik, rancangan desain katalog digital, dan elemen-elemen desain katalog digital, dan Deliver yaitu dilakukan pemikiran secara konvergen dan fokus kepada responden.. Instrumen pengumpulan data menggunakan kuisioner dengan jumlah responden 18 orang pelaku UKM batik. Skala instrumen yang digunakan yaitu rating scale likert dengan interval 1- 4. Hasil penelitian menunjukkan bahwa Penerapan DINOv2 dalam CBIR untuk motif batik Surabaya dapat dilakukan Performa CBIR dapat mencapai 74% dengan rata-rata 64% Katalog digital batik Surabaya dinilai efektif sebagai sarana informasi batik motif khas surabaya. Berdasarkan hasil tersebut disimpulkan bahwa secara keseluruhan website katalog digital batik Surabaya mendapatkan nilai yang baik. Katalog digital batik Surabaya bisa digunakan sebagai media pengenalan dan pemasran motif batik khas Surabaya sehingga bisa dikenal lebih luas oleh masyarakat.   Kata Kunci— Batik Surabaya, CBIR, DINOv2, Katalog digital.
Implementasi Algoritma YOLO11 dalam Mendeteksi Spesies Ikan Laut Komersial secara Real Time untuk Sistem Penyortiran Ikan Permatasari, Dyah Wahyu; Putra, Ricky Eka
Journal of Informatics and Computer Science (JINACS) Vol. 6 No. 04 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v6n04.p924-931

Abstract

Abstract - Laut Indonesia memiliki potensi komersial yang sangat besar, tak dapat dipungkiri bahwa lautan Indonesia memiliki sumber daya ikan yang cukup kaya. Proses penyortiran ikan berdasarkan spesiesnnya akan menjadi tantangan besar pada saat proses pemasaran atau distribusi, karena masih dilakukan secara manual. Penelitian ini mengimplementasikan algoritma model YOLO11 dalam mendeteksi spesies ikan laut untuk membantu pross penyortiran. Data yang digunakan terdiri dari 4 sumber dataset yang berbeda, yaitu Final Dataset, Detection Fish Computer Vision Project, Fish Tun Computer Vision Project, dan Fish-gress Dataset for Fish Species Classification. Dataset tersebut kemudian diolah menjadi dataset baru melalui proses data pre-processing dan data augmentation. Model YOLO11 yang digunakan pada saat proses pelatihan adalah YOLO11n dan YOLO11s, dengan 3 variasi pembagian data. Adapun  3 variasi pembagian data yang digunakan adalah 70% data training, 20% data validation, dan 10% data testing; 80% data training, 10% data validation, 10% data testing; dan 60% data training, 20% data validation, dan 20% data testing. Hasil pelatihan terbaik dihasilkan oleh model YOLO11n dengan pembagian data 70% data training, 20% data validation, dan 10% data testing. Model pelatihan dengan hasil terbaik menghasilkan nilai mAP 95.1%, precision 93.2%, dan recall 91.0%, memnunjukkan bahwa model menunjukkan performa yang tinggi. Penelitian ini membuka peluang untuk pengembangan sistem deteksi spesies ikan dalam membantu proses penyortiran. Kata Kunci – YOLO11, Deteksi Spesies Ikan Laut Komersial, Visi Komputer
Automated Chest X-Ray Captioning Using Pretrained Vision Transformer with LSTM and Multi-Head Attention Aulia Akbar, Rafy; Putra, Ricky Eka; Yustanti, Wiyli
JIEET (Journal of Information Engineering and Educational Technology) Vol. 9 No. 1 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v9n1.p1-10

Abstract

Radiology report generation is a complex and error-prone task, especially for radiologists with limited experience. To overcome this, this study aims to develop an automated system for generating text-based radiology reports using chest X-ray images. The proposed approach combines computer vision and natural language processing through an encoder-decoder architecture. As an encoder, a Vision Transformer (ViT) model trained on the CheXpert dataset is used to extract visual features from X-ray images after Gamma Correction is performed to improve image quality. In the decoder section, word embeddings from the report text are processed using Long Short-Term Memory (LSTM) to capture word order relationships, and enriched with Multi-Head Attention (MHA) to pay attention to important parts of the text. Visual and text features are then combined and passed to a dense layer to generate text-based radiology reports. The evaluation results show that the proposed model achieves a ROUGE-L score of 0.385, outperforming previous models. The BLEU-1 score also shows competitive results with a value of 0.427. This study shows that the use of pre-trained ViT, combined with LSTM-MHA on the decoder, provides excellent performance in capturing visual and semantic context of text, as well as improving accuracy and efficiency in radiology report automation.
Perbandingan Analisis Sentimen Untuk Prediksi Kepuasan Pelanggan Kedai Kopi Di Kofind Menggunakan Algoritma SVM Dan Naive Bayes Fardeen Atallah Kabir Muhammad; Ricky Eka Putra
Journal of Informatics and Computer Science (JINACS) Vol. 6 No. 04 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v6n04.p1039-1048

Abstract

Abstrak— Penelitian ini bertujuan untuk membandingkan performa algoritma Support Vector Machine (SVM) dan Naïve Bayes dalam melakukan analisis sentimen terhadap ulasan pelanggan kedai kopi Kofind. Implementasi kedua algoritma dilakukan dengan pendekatan pembelajaran mesin yang memanfaatkan Term Frequency-Inverse Document Frequency (TF-IDF) sebagai metode ekstraksi fitur. Proses analisis meliputi tahap preprocessing data (pembersihan teks, tokenisasi, dan penghapusan stopwords), ekstraksi fitur menggunakan TF-IDF, pelatihan model dengan algoritma SVM dan Naïve Bayes, serta evaluasi kinerja model berdasarkan data uji. Prediksi sentimen diklasifikasikan ke dalam tiga kategori utama, yaitu positif, netral, dan negatif. Hasil penelitian menunjukkan bahwa SVM memiliki performa lebih baik dibandingkan dengan Naïve Bayes dalam menganalisis sentimen pelanggan. SVM mencatat akurasi sebesar 99%, sementara Naïve Bayes hanya mencapai 89%. Selain itu, presisi, recall, dan F1-score pada SVM juga lebih tinggi dibandingkan Naïve Bayes, terutama dalam klasifikasi sentimen positif dan netral. Hal ini menunjukkan bahwa SVM lebih efektif dalam menangkap pola sentimen dalam data ulasan pelanggan, sehingga lebih akurat dalam memprediksi tingkat kepuasan pelanggan. Dengan hasil yang diperoleh, penelitian ini menegaskan bahwa pemilihan algoritma yang tepat sangat berpengaruh terhadap akurasi analisis sentimen dalam konteks bisnis kedai kopi. Model SVM dapat menjadi solusi yang lebih optimal dalam mengembangkan sistem analisis sentimen yang digunakan untuk memantau dan meningkatkan kepuasan pelanggan. Penelitian selanjutnya dapat mengeksplorasi penggunaan model hybrid atau teknik deep learning untuk meningkatkan akurasi prediksi sentimen dalam skala yang lebih luas. Kata Kunci— SVM,Naive Bayes, sentimen, kepuasan, machine learning.
Co-Authors Aditya Prapanca Agus Prihanto Alit, Ronggo Alizar Hasan Anita Qoiriah ANITA QOIRIAH Ardiansyah, Muhammad Yusriza Asmunin Asmunin Aulia Akbar, Rafy Dewi, Maharani Nirmala Diastian Vinaya Wijanarko Dyantono, Aganda Maulan Dan Fardeen Atallah Kabir Muhammad Handayani Tjandrasa I Made Suartana Juhrah Singke Mahendra, Yusril Isra Maulana, Dimas Avian Mirwa Adiprahara Anggarani Muhammad Santoso Nanik Suciati Nuhaenibudi As-sajid, Amirah Bilqis Permatasari, Dyah Wahyu Prasetyo, Achmad Wafa Purnama, Erlix Rakhmad Putra, Nino Fachrurrozi Erlangga Rafif Raif, Andi Rhifqy Rahmatulloh, Romadlon Rahulil, Muhammad Raya Sulistyowati Romadhon, Dedy Putra Suartana, I Made Tilasefana, Rhyosvaldo Aurellio Tri Sudarwanto Tutuk Indriyani Usodoningtyas, Sri Wisnu Shena Arrafi Wiyli Yustanti YUNI YAMASARI