Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Joutica : Journal of Informatic Unisla Submit : Jurnal Ilmiah Teknologi Informasi dan Sains
Sugianto Sugianto
Universitas Islam Majapahit
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Engineering

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
DETEKSI ALAT PELINDUNG KEPALA (HELM) MENGGUNAKAN METODE HAAR CASCADE CLASSIFIER Sugianto Sugianto; Endang Setyati; Hendrawan Armanto
Joutica Vol 4, No 1 (2019)
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (617.473 KB) | DOI: 10.30736/jti.v4i1.283

Abstract

Use of protective gear helmet head is often considered unimportant and trivial by workers. Whereas the use of protective headgear helmet is very important and affect the safety and health of workers. Kedisiplina workers to use protective gear head is still low so that the risk of accidents that could endanger workers large enough. In this research aims to detect protective equipment head helmet on video. In this study, the method used is the Haar Cascade Classifier. The system consists of two main processes, namely the process of training data and the detection process. This method of training process has four main processes, haar-like feature, integral image, no-boost and cascade classifier. Haar-like feature is a collection of special features presented the head, face and helmet. Citra is how to quickly calculate integrals haar feature. While no-boost are statistically weighted feature values are obtained and filtered using a cascade classifier. The detection process in this study there are two processes, the first detection process whether human or not, if the result of human detected will continue the process of detection of whether to use a helmet or not. Detection system testing is done individually using helmet colors red, blue and yellow. It obtained accuracy rate of 92%, while the testing group obtained the degree of accuracy of 71%.
Sistem Prediksi Planned Maintenance Studi Kasus di PT. XYZ Moh. Aziz; Mimin Fatchiyatur Rohmah; Sugianto Sugianto
SUBMIT: Jurnal Ilmiah Teknologi Infomasi dan Sains Vol. 2 No. 1 (2022): Juni 2022
Publisher : Program Studi Teknik Informatika, Universitas Islam Majapahit Mojokerto, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36815/submit.v2i2.1921

Abstract

Sistem prediksi merupakan sistem yang digunakan untuk memprediksi suatu kejadian yang akan datang atau di masa mendatang, dimana dalam memprediksi suatu kejadian ditujukan untuk mengatisipasi kemungkinan yang akan terjadi atau cara mengatasi suatu yang didapatkan. Salah satu fungsi sistem prediksi adalah memprediksi kerusakan mesin produksi yang ditimbulkan oleh karena mesin digunakan secara terus menerus. Hal yang dialami oleh perusahaan PT. XYZ yang sering mengalami kerusakan mesin pada saat proses produksi sehingga menimbulkan kerugian bagi perusahaan. Penerapan sistem prediksi pada perusahaan tersebut bertujuan untuk mengantisipasi kerusakan mesin yang akan ditimbulkan oleh mesin dan memberikan informasi yang perlu dilakukan selanjutnya. Dalam melakukan sebuah prediksi digunakan sebuah metode untuk memberikan hasil yang akurat, metode yang digunakan adalah Exponential Smoothing Time Series yang cocok untuk diterapkan dalam sistem prediksi ini karena dapat menghasilkan suatu informasi yang akurat dan tepat. Sehingga dapat dipastikan bahwa sistem prediksi ini dibutuhkan guna untuk memudahkan dalam mengatasi permasalahan yang didapatkan, terutama dalam memelihara mesin produksi ketika digunakan.
Aplikasi Sistem Pendukung Keputusan Penerimaan Petugas Panwaslu Dengan Metode AHP Di Kabupaten Mojokerto Imam Shafi’i; Luki Ardiantoro; Sugianto Sugianto
SUBMIT: Jurnal Ilmiah Teknologi Infomasi dan Sains Vol. 3 No. 1 (2023): Juni 2023
Publisher : Program Studi Teknik Informatika, Universitas Islam Majapahit Mojokerto, Indonesia

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

Abstract

Sebuah Badan Pengawas Pemilihan Umum akan berhati-hati dalam menyeleksi calon petugas panwaslu yang nantinya akan menjadi petugas panwaslu di Kabupaten Mojokerto tersebut. Kesalahan dalam memilih seorang petugas panwaslu tentunya akan membawa pengaruh negatif bagi kinerja petugas tersebut. Selain menilai pada kemapuan teknis, Bawaslu juga perlu melakukan penilaian kepribadian terhadap calon petugas panwaslu. Oleh karena itu diperlukan metode yang sistematis dan seleksi yang tepat dalam pemilihan calon petugas panwaslu. Penelitian ini menggunakan metode Analytic Hierarchy Process (AHP). Sistem melakukan penilaian terhadap pembobotan kriteria calon petugas panwaslu, diasumsikan mencakup kriteria-kriteria antara lain : kejujuran, loyalitas, motivasi, percaya diri dan adaptasi atau kerjasama. Sistem akan melakukan analisis dan penilaian terhadap hasil tes pembobotan kriteria calon petugas panwaslu. Hasil penelitian ini adalah model sistem pendukung keputusan seleksi calon petugas panwaslu berdasar hasil tes pembobotan kriteria, sehingga pemilihan calon petugas panwaslu yang tepat untuk menjadi petugas panwaslu Kabupaten Mojokerto sesuai dengan posisi yang dibutuhkan Bawaslu Kabupaten Mojokerto. Melalui pengujian yang dilakukan dapat diambil kesimpulan bahwa sistem layak digunakan bagi user dan dinyatakan baik serta siap untuk diaplikasikan.
Pemodelan Prediksi Harga Beras Medium Wilayah Jawa Timur Menggunakan Stacked LSTM Yanuarini Nur Sukmaningtiyas; Soffa Zahara; Mimin Fatchiyatur Rohmah; Sugianto Sugianto
SUBMIT: Jurnal Ilmiah Teknologi Infomasi dan Sains Vol. 3 No. 2 (2023): Desember 2023
Publisher : Program Studi Teknik Informatika, Universitas Islam Majapahit Mojokerto, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36815/submit.v3i2.3061

Abstract

Di Indonesia, salah satu harga komoditas pangan yang mendominasi peringkat harga yang paling fluktuatif tiap harinya yaitu beras. Penyebab paling utama dari permasalahan ini salah satunya yaitu iklim dan cuaca yang berubah-ubah ditambah dengan gangguan hama yang membuat kegagalan panen yang menyebabkan harga beras sering mengalami kenaikan. Jika hal ini tidak segera kunjung diatasi maka akan berpengaruh terhadap efek yang lebih besar yaitu inflasi. Hadirnya teknologi prediksi atau bisa disebut peramalan dalam harga beras sangat dibutuhkan untuk mempersiapkan kenaikan harga pada waktu tertentu dan sebagai landasan barbagai macam kebijakan untuk menanggulangi lonjakan harga beras yang tak terhindarkan di kemudian hari. Penelitian ini bertujuan melakukan prediksi rerata harga beras medium wilayah Jawa Timur dengan data harian yang diambil dari Sistem Informasi Ketersediaan dan Perkembangan Harga Bahan Pokok di Jawa Timur. Metode yang digunakan yaitu salah satu metode Deep Learning yaitu Stacked LSTM (Long Short-Term Memory). Stacked LSTM merupakan jenis LSTM yang mempunyai lebih dari 1 hidden layer. Selain itu 8 jenis variasi algoritma optimasi juga dilakukan untuk mencapai akurasi terbaik saat melakukan prediksi harga beras. Dari hasil pengujian akurasi terbaik dengan nilai RMSE 10912.197367298677 adalah algoritma optimasi Adamax
Co-Authors Endang Setyati Hendrawan Armanto Imam Shafi’i Luki Ardiantoro Mimin Fatchiyatur Rohmah Moh. Aziz Soffa Zahara Yanuarini Nur Sukmaningtyas