Article Per Year (5 Year)
p-Index From 2020 - 2025
1.037
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Informatika Komputer Jurnal Teknologi Informasi dan Ilmu Komputer International Journal of Advances in Intelligent Informatics Jurnal Informatika Universitas Pamulang Prosiding SeNTIK STI&K
Antonius Angga Kurniawan
Universitas Gunadarma
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Languange, Linguistic, Communication & Media

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Jurnal Ilmiah Informatika Komputer

 1 
TOWARDS ADVANCED DEVELOPMENT OF CYBORG INTELLIGENCE R, Dewi Agushinta; Rindani, Fiena; Kurniawan, Antonius Angga; Anggari, Elevanita; Akbar, Rizky
Jurnal Ilmiah Informatika Komputer Vol 23, No 3 (2018)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2018.v23i3.2375

Abstract

The creation of machines with human intelligence is an primary and beneficial aim of artificial intelligence research. One interesting method in developing artificial intelligence is combining a biological method and machine intelligence. Cyborg Intelligence is a new scientific model for the integration of biological and machinery. Brain Machine Interface (BMI) provides an opportunity to integrate both intelligence at various levels. Based on BMI, neural signals can be read for the control of motor actuators and sensory information coding machine can be sent to a specific area of the brain. In fact, Distributed Adaptive Control Theory of Mind and Brain technology is the most advanced brain-based cognitive architecture successfully applied in a wide range of robot tasks. It is expected that by analyzing the cyborg intelligence development can help and facilitate to enhance the knowledge of cyborg intelligence.
ANALISIS PERFORMA PROGRESSIVE WEB APPLICATION (PWA) PADA PERANGKAT MOBILE Kurniawan, Antonius Angga
Jurnal Ilmiah Informatika Komputer Vol 25, No 1 (2020)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2020.v25i1.2510

Abstract

Diantara aplikasi web dan aplikasi native terdapat kesenjangan yang menimbulkan permasalahan. Aplikasi web membutuhkan browser dan koneksi yang baik untuk membuka aplikasi, sedangkan aplikasi native membutuhkan penyedia aplikasi seperti Google PlayStore dan App Store. Pengguna juga memerlukan ruang memori yang cukup untuk sebuah aplikasi yang diinginkan dan tidak semua aplikasi mendukung perangkat yang digunakan. Untuk mengatasi kesenjangan ini, Google menciptakan metode baru dalam pengembangan web. Metode itu adalah Progressive Web Application (PWA). Tujuan dari penelitian ini adalah untuk menganalisis fitur dan kemampuan dari PWA dengan melakukan uji coba pada situs web PWA di mobile dengan aspek penilaian performance, accessibility, best practices, seo, page size, load time, dan penerapan PWA itu sendiri seperti (fast and reliable, installable, pwa optimization). Pengujian juga dilakukan dengan membuktikan fitur dari PWA pada sebuah aplikasi web e-commerce menggunakan mobile. Hasil yang didapatkan menunjukkan bahwa PWA memiliki kemampuan dan fitur yang sangat baik sebagai pengembangan dari aplikasi web dan dapat membantu kesenjangan antara aplikasi web dan aplikasi native.
KLASIFIKASI HAMA SERANGGA BERBASIS CNN DENGAN PENDEKATAN TRANSFER LEARNING MOBILENETV2 Alysia Naifah Aileen; Antonius Angga Kurniawan; Mutiara Romana Kusuma
Jurnal Ilmiah Informatika Komputer Vol 30, No 1 (2025)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2025.v30i1.14302

Abstract

Hama serangga merupakan salah satu ancaman utama bagi sektor pertanian, yang dapat menurunkan produktivitas dan menyebabkan kerugian ekonomi signifikan. Identifikasi manual jenis hama memerlukan keahlian khusus dan memakan waktu, sehingga dibutuhkan solusi otomatis berbasis teknologi. Penelitian ini mengembangkan sistem klasifikasi hama serangga menggunakan transfer learning dengan arsitektur MobileNetV2. Tahapan penelitian mencakup pra-pemrosesan data, pembagian dataset, augmentasi, pelatihan model, evaluasi, dan integrasi ke dalam aplikasi web. Dataset dibagi menjadi subset pelatihan, validasi, dan pengujian. Augmentasi data dilakukan melalui rescale, rotasi, pergeseran, sudut kemiringan, horizontal flip, dan zoom untuk meningkatkan variasi data. Dua model diuji: model pertama (40 epoch, augmentasi intensif) menerapkan transformasi data secara agresif—seperti rotasi besar dan zoom tinggi—sehingga menyebabkan overfitting (akurasi pelatihan 90,25%, validasi 68,29%). Sebaliknya, model kedua (50 epoch, augmentasi moderat) menggunakan transformasi yang lebih realistis dan terbatas, menghasilkan performa lebih stabil (akurasi pelatihan 94,88%, validasi 89,84%). Evaluasi menggunakan confusion matrix dan classification report menunjukkan model kedua lebih andal dalam mengklasifikasikan berbagai jenis hama. Model terbaik disimpan dalam format HDF5 dan digunakan dalam aplikasi web untuk klasifikasi otomatis berbasis gambar. Temuan ini menekankan pentingnya konfigurasi augmentasi dan jumlah epoch yang optimal dalam menghindari overfitting dan meningkatkan akurasi model klasifikasi citra.
Co-Authors Akbar, Rizky Alysia Naifah Aileen Anggari, Elevanita Dewi Agushinta R. Gerry Hadiwijaya Hijria Permana Latifah Metty Mustikasari Mutiara Romana Kusuma Rindani, Fiena Ruddy J Suhatril Sarifuddin Madenda Setia Wirawan