Article Per Year (5 Year)
p-Index From 2020 - 2025
1.235
P-Index
This Author published in this journals
All Journal IJCCS (Indonesian Journal of Computing and Cybernetics Systems) AMIKOM ICT AWARD 2010 Pixel : Jurnal Ilmiah Komputer Grafis Jurnal Ilmiah Kursor Jurnal Teknologi Informasi dan Ilmu Komputer International conference on Information Technology and Business (ICITB) Journal of Science and Applicative Technology Conference SENATIK STT Adisutjipto Yogyakarta JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Malcom: Indonesian Journal of Machine Learning and Computer Science Electrician : Jurnal Rekayasa dan Teknologi Elektro
Rajif Agung Yunmar
Program Studi Teknik Informatika, Institut Teknologi Sumatera
Aerospace Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mechanical Engineering

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

Found 17 Documents
Search

 1   2 
SIMPLE Sistem Informasi Presensi Perkuliahan Elektronik Berbasis Citra Biometrik (Studi Kasus Institut Teknologi Sumatera) Arkham Zahri Rakhman; Rajif Agung Yunmar
Electrician : Jurnal Rekayasa dan Teknologi Elektro Vol. 13 No. 1 (2019)
Publisher : Department of Electrical Engineering, Faculty of Engineering, Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/elc.v13n1.2086

Abstract

Intisari Penghitungan tingkat kehadiran siswa di kelas sangat penting, karena indikator kredibilitas siswa yang satu ini dapat dilihat dari kehadirannya di kelas. Namun sejauh ini masih banyak kampus yang menggunakan sistem kehadiran konvensional, yaitu keberadaan dengan menggunakan tanda tangan di selembar kertas. Kehadiran seperti ini sangat rentan terhadap tindakan tidak adil, seperti pemalsuan tanda tangan. Selain itu, kehadiran konvensional juga menyulitkan administrator akademik untuk memasukkan semua subjek ke dalam basis data. Penggunaan sistem kehadiran elektronik dengan memanfaatkan gambar biometrik atau sidik jari adalah langkah yang tepat untuk mengatasi masalah ini. Penelitian ini dilakukan di Program Studi Teknik Informatika Institut Teknologi Sumatra. Kata kunci sidik jari, biometrik, presensi Abstract Calculation of the level of attendance of students in the class is very important, Because this one indicator of student credibility can be seen from its presence in class. But so far there are still many campuses that use conventional presence systems, that is presence by using a signature on a piece of paper. Presence like this is very vulnerable to unfair actions, such as signature forgery. In addition, conventional presence also makes it difficult for academic administrators to input all subject into the database. The use of electronic presence system by utilizing biometrics images or fingerprints is the right step to overcome these problems. This research was conducted in the Informatics Engineering Study Program of the Sumatra Institute of Technology. Keywords fingerprint, biometrics, presence
Ontology Learning pada Teks Tidak Terstruktur Rajif Agung Yunmar
Electrician : Jurnal Rekayasa dan Teknologi Elektro Vol. 14 No. 2 (2020)
Publisher : Department of Electrical Engineering, Faculty of Engineering, Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/elc.v14n2.2139

Abstract

Informasi yang tersebar pada berbagai sumber di internet banyak ditujukan hanya untuk manusia saja. Sementara itu, muncul kebutuhan agar informasi tersebut tidak hanya bisa dibaca dan dipahami oleh manusia saja, tetapi juga oleh mesin. Informasi dalam format yang dapat dipahami oleh mesin dapat digunakan untuk berbagai keperluan, misalnya: menjadi basis pengetahuan untuk penalaran, sharing knowledge antar mesin, semantic search, visualisasi informasi, dsb. Ontology learning adalah metode yang dapat mengekstrak informasi dari teks tidak terstruktur pada suatu dokumen atau halaman web untuk kemudian diubah menjadi basis pengetahuan dalam format yang dapat dipahami oleh mesin, yaitu dalam bentuk ontologi. Metode tersebut terdiri dari beberapa tahapan, yaitu: preprocessing, ekstraksi konsep, ekstraksi relasi, dan evaluasi. Preprocessing menyiapkan korpus uji sehingga siap untuk masuk kedalam metode ekstraksi konsep, yang menggunakan algoritma entropy concept extraction, pada bagian ekstraksi relasi digunakan algoritma subcat relation extraction, sedangkan pada bagian evaluasi ontologi menggunakan metode expert evaluation. Hasil akhir menunjukkan akurasi pada nilai 89.84 persen untuk ekstraksi konsep, 93.02 persen untuk ekstraksi relasi, dengan kepercayaan terhadap ekstraksi relasi pada prosentase 71.15 persen. Kata kunci: ontology learning, entropy concept extraction, subcat relation extraction.
The Improvement of Android Malware Family Detection through System Call Feature Analysis and Machine Learning Yunmar, Rajif Agung
Journal of Information System Research (JOSH) Vol 6 No 1 (2024): Oktober 2024
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josh.v6i1.6053

Abstract

Malware poses a significant threat to cybersecurity, particularly for Android users. Each type of malware is categorized into distinct categories and families, each exhibiting unique malicious capabilities. Accurately identifying these categories and families is crucial for developing effective prevention and mitigation strategies, allowing for the control of threats before they worsen. Throughout the years, numerous techniques have been proposed for detecting malware families, with system calls emerging as a vital feature. Collected through dynamic analysis, system calls offer in-depth insights into the activities executed by malware, making them a powerful classification tool. This study aims to enhance the detection of Android malware families and categories by analyzing system calls with feature selection method. Using the Gain Ratio algorithm, significant system calls are identified to improve detection accuracy and reduce the complexity of the feature set. The study assesses machine learning algorithms, particularly Random Forest, J48, Naïve Bayes, and Decision Table. The findings show that Random Forest consistently outperforms other algorithms, achieving an accuracy of 88.01% for malware family detection and 89.65% for category detection, with high precision and recall across most metrics. The application of the Gain Ratio feature selection method led to a 68.83% feature reduction and improved model-building speed by 50.26%. This integration of feature selection and machine learning provides a more effective approach to detecting malware families and categories, thus contributing to enhanced Android security.
Pengembangan Sistem Pakar untuk Diagnosa Dini Penyakit Paru Obstruktif Kronis Menggunakan Decision Tree dan Dempster-Shafer Berbasis Mobile: Development of an Expert System for Early Diagnosis of Chronic Obstructive Pulmonary Disease Using Mobile-Based Decision Tree and Dempster-Shafer Methods Pambudi, Yulianto; Ramdani, Ahmad Luky; Yunmar, Rajif Agung; Soemarwoto, Retno Ariza S.
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 2 (2025): MALCOM April 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i2.1988

Abstract

Seiring dengan pertumbuhan penduduk, perkembangan industri serta meningkatnya kebutuhan transportasi mengakibatkan meningkatnya pencemaran udara di alam bebas perkotaan dan subperkotaan. Akibat yang ditimbulkan dari pencemaran udara berupa batuk, sesak napas, dan iritasi mukosa saluran pernapasan dapat mengakibatkan risiko terkena Penyakit Paru Obstruktif Kronis (PPOK). PPOK merupakan penyakit yang menghambat aliran udara saluran pernapasan yang tidak sepenuhnya reversibel. Masyarakat sering mengabaikan gejala-gejala dini pada PPOK, sedangkan diagnosa dini pada PPOK merupakan hal yang penting. Selain itu fasilitas kedokteran dan minimnya jumlah dokter spesialis paru-paru, menyebabkan semakin banyak masyarakat yang mengidap PPOK. Berdasarkan permasalahan tersebut, penelitian ini dilakukan dengan mengembangkan sistem pakar menggunakan algoritme Decision Tree dan Dempster-Shafer. Penelitian ini diharapkan dalam membantu masyarakat mendeteksi dini PPOK. Kemudian sistem tersebut diimplementasikan ke perangkat berbasis mobile. Metode pengembangan sistem menggunakan Expert System Development Lifecycle (ESDLC). Pengujian sistem menggunakan teknik Black-Box menunjukkan bahwa sistem yang dibuat berfungsi seperti yang diharapkan. Akurasi sistem pakar ini diuji dengan menggunakan 100 data uji yang berupa rekam medis. Pengujian dilakukan dengan membandingkan hasil diagnosa pakar yang ada pada rekam medis dengan hasil diagnosa aplikasi. Hasil pengujian akurasi mendapatkan nilai sebesar 86%.
In-Situ Database Machine Learning: Evaluating SQL-Based K-Means for E-Commerce Sales Analysis Sembiring, Joanne Polama Putri; Yunmar, Rajif Agung
Journal of Information System Research (JOSH) Vol 7 No 1 (2025): Oktober 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josh.v7i1.8468

Abstract

Conventional machine learning techniques, such as K-Means clustering, often necessitate transferring data outside the database for analysis, which introduces inefficiencies, potential data inconsistencies, or security and privacy concerns. This research proposes an in-situ database machine learning approach by implementing the K-Means clustering algorithm directly within the database management system through using stored procedure. The methodology comprises five main stages: collection of public datasets (from Kaggle), data preparation and cleaning, transformation of data through cyclical feature encoding for temporal context, in-database K-Means implementation, and performance evaluation. The evaluation utilized the Silhouette Score metric and execution time to compare the proposed in-situ approach with a conventional off-database implementation. The in-situ database clustering achieved an optimal Silhouette Score of S ≈ 0.914 in a remarkably short time of 0.0121 seconds. In comparison, the conventional off-database clustering achieved an identical quality score, but required a significantly longer execution time of 1.2956 seconds. This means that, to achieve the exact same cluster quality, the in-situ method is approximately 107.07 times faster than the off-database method. The identical score confirms the mathematical correctness of the SQL-based implementation and indicates excellent cluster quality. The findings of this study demonstrate that the in-situ database clustering approach is a superior methodology. This exceptional efficiency, validated by the successful categorization of e-commerce sales data into distinct demand patterns, lays a strong foundation for developing more effective and efficient predictive analytical strategies and data-driven decision-making, particularly for inventory planning.
Pengembangan Mobile based Question Answering System dengan Basis Pengetahuan Ontologi Yunmar, Rajif Agung; Wisesa, I Wayan Wiprayoga
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 4: Agustus 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2020742255

Abstract

Informasi terkait kegiatan penerimaan mahasiswa baru (PMB) sesungguhnya telah banyak tersedia pada halaman web maupun brosur. Namun demikian, dimungkinkan terdapat berbagai informasi yang tidak dapat ditemukan secara langsung dalam media tersebut. Penggunaan mesin pencari juga tidak menjamin pengguna untuk mendapatkan informasi atau jawaban yang relevan dengan kebutuhan. Melakukan kunjungan ke kampus seringkali terkendala oleh jarak, waktu, dan jam kerja. Dalam penelitian ini, dikembangkan sebuah question answering system (QAS) terkait penerimaan mahasiswa baru agar pengguna mendapakan informasi yang sesuai dengan kebutuhannya, selalu bernilai benar, dan dapat diakses kapan saja. QAS dibangun dengan arsitektur tree tier dengan aplikasi mobile sebagai antarmuka, memanfaatkan metode pengolahan bahasa alami dalam memproses pertanyaan pengguna, dan ontologi sebagai basis pengetahuannya. Penelitian ini menggunakan model pengembangan SDLC, dengan model analisis yang digunakan yaitu: analisis kebutuhan sistem, analisis rancangan sistem, implementasi sistem, dan pengujian sistem. Pengujian terhadap sistem dilakukan dengan beberapa cara, yaitu: usability testing, dan pengujian akurasi jawaban. Pengujian menunjukkan QAS yang dibangun dapat diimplementasikan dengan baik sesuai dengan kebutuhan dengan akurasi jawaban sebesar 82.14%. AbstractThe information regarding student admissions and related activities can be found and widely available on website or brochures. However, it is possible that the relevant information cannot be found directly from the media. The use of search engines also doesn’t guarantee users to get the relevant answer or information that satisfy their needs. Visiting the campus is often constrained by distance, time or working hours. In this study, a question answering system related to student admissions was developed so that users get the information that fits thier need, always give the correct answers, and can be accessed anytime. The QAS is built with a tree tier architecture with a mobile application as an interface. Natural language processing methods uses to process user questions, and ontology uses as the knowledge base. This study uses the SDLC development model, with the analysis model used namely: system requirements analysis, system design analysis, system implementation, and system testing. Testing the system is done by several ways, namely: usability testing, and test the accuracy of answers. The tests shows that the QAS can successfully implemented according to the requirement, with the accuracy of answer is 82.14%.
Ontology Learning pada Teks Tidak Terstruktur Yunmar, Rajif Agung
Electrician : Jurnal Rekayasa dan Teknologi Elektro Vol. 14 No. 2 (2020)
Publisher : Department of Electrical Engineering, Faculty of Engineering, Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/elc.v14n2.2139

Abstract

Informasi yang tersebar pada berbagai sumber di internet banyak ditujukan hanya untuk manusia saja. Sementara itu, muncul kebutuhan agar informasi tersebut tidak hanya bisa dibaca dan dipahami oleh manusia saja, tetapi juga oleh mesin. Informasi dalam format yang dapat dipahami oleh mesin dapat digunakan untuk berbagai keperluan, misalnya: menjadi basis pengetahuan untuk penalaran, sharing knowledge antar mesin, semantic search, visualisasi informasi, dsb. Ontology learning adalah metode yang dapat mengekstrak informasi dari teks tidak terstruktur pada suatu dokumen atau halaman web untuk kemudian diubah menjadi basis pengetahuan dalam format yang dapat dipahami oleh mesin, yaitu dalam bentuk ontologi. Metode tersebut terdiri dari beberapa tahapan, yaitu: preprocessing, ekstraksi konsep, ekstraksi relasi, dan evaluasi. Preprocessing menyiapkan korpus uji sehingga siap untuk masuk kedalam metode ekstraksi konsep, yang menggunakan algoritma entropy concept extraction, pada bagian ekstraksi relasi digunakan algoritma subcat relation extraction, sedangkan pada bagian evaluasi ontologi menggunakan metode expert evaluation. Hasil akhir menunjukkan akurasi pada nilai 89.84 persen untuk ekstraksi konsep, 93.02 persen untuk ekstraksi relasi, dengan kepercayaan terhadap ekstraksi relasi pada prosentase 71.15 persen. Kata kunci: ontology learning, entropy concept extraction, subcat relation extraction.
Co-Authors Agus Harjoko Andika Setiawan Arkham Zahri Rakhman Budiman, Ega Ega Budiman Eka Saefan Rukzam I Wayan Wiprayoga Wisesa Pambudi, Yulianto Rakhman, Arkham Zahri Ramdani, Ahmad Luky Rudi Uswarman Sembiring, Joanne Polama Putri Soemarwoto, Retno Ariza S. Swadexi Istiqphara