Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal JOURNAL OF INFORMATION SYSTEM MANAGEMENT (JOISM) JOINT (Journal of Information Technology Journal Transformation of Mandalika
Okyza Maherdy Prabowo
STMIK Amik Bandung
Aerospace Engineering Agriculture, Biological Sciences & Forestry Automotive Engineering Computer Science & IT Economics, Econometrics & Finance Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mechanical Engineering Medicine & Pharmacology Physics

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Pembatasan Definisi Things Dalam Konteks Internet of Things Berdasarkan Keterkaitan Embedded System dan Internet Protocol Okyza Maherdy Prabowo
Journal of Information Technology Vol 1 No 2 (2019): JoinT: Journal of Information Technology
Publisher : LPPM STMIK AMIK BANDUNG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47292/joint.v1i2.8

Abstract

Internet of Things (IoT) adalah sebuah istilah dalam internet masa depan dimana benda-benda dapat berkomunikasi satu sama lain melalui sebuah jaringan internet. Dalam IoT, definisi ‘things’ belum memiliki kejelasan. Pengujian batasan definisi ‘things’ dengan melakukan real issues research dimana batasan definisi ‘things’ didapat dari hasil pengujian ‘things’ terhadap fitur-fitur elemen IoT seperti embedded system dan internet protocol. Hasil pengujian menunjukkan bahwa embedded system dan internet protocol membatasi definisi ‘things’ dari sisi fitur seperti analog to digital converter dan kombinasi IP address
Pendekatan GeoAI untuk pemodelan spasial suhu permukaan dan urban heat island di kota cimahi Dhanny Kurnia Kevin Karewur; Rasoki Mintana Debara Daulay; Okyza Maherdy Prabowo
Journal Transformation of Mandalika, e-ISSN: 2745-5882, p-ISSN: 2962-2956 Vol. 7 No. 7 (2026)
Publisher : Institut Penelitian dan Pengembangan Mandalika Indonesia (IP2MI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36312/jtm.v7i7.6630

Abstract

Urban heat island (UHI) intensity in rapidly urbanizing Indonesian cities is commonly assessed through land surface temperature (LST) derived from satellite thermal sensors, yet fine-resolution, machine-learning-based spatial prediction for small and medium cities in the Bandung Raya region remains limited. This study applies a geospatial artificial intelligence (GeoAI) workflow to model and map LST in Kota Cimahi, West Java, using four cloud-screened Landsat 8/9 Collection 2 Level-2 thermal scenes acquired between July and August 2025, resampled to the 10 m grid of Sentinel-2-derived NDVI, NDBI, and NDWI and Dynamic World built-up density and land-cover layers. Random Forest (RF) and Support Vector Regression (SVR) models were trained on 627,687 pixels and evaluated on 269,009 independent pixels. RF achieved a marginally higher test R² (0.528; RMSE 2.17 °C; MAE 1.63 °C) than SVR (R² 0.525; RMSE 2.18 °C; MAE 1.61 °C). Built-up density and NDBI dominated under RF impurity-based importance, whereas NDVI dominated under SVR permutation importance, reflecting strong multicollinearity among the optical predictors. Spatial prediction confirmed a consistent thermal gradient, with the highest LST concentrated in the built-up southern core and the lowest in the vegetated northern highlands, although one acquisition date relied on cross-date gap-filling for over 90% of its pixels because of persistent cloud cover — a limitation reported transparently in this article rather than concealed.
DETEKSI ABJAD BAHASA ISYARAT BISINDO REAL-TIME PADA SMARTPHONE MENGGUNAKAN YOLOV11 Rivaldo Nugraha; Rofik Adam Nugraha; Muhammad Abdul Mujib; Okyza Maherdy Prabowo; Anggi Cipta Lestari; Shafira Febriani
Journal of Information System Management (JOISM) Vol. 7 No. 2 (2026): Januari
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/joism.2026v7i2.2532

Abstract

Bahasa isyarat merupakan sarana komunikasi utama bagi komunitas tunarungu dan penyandang gangguan pendengaran, sekaligus berperan penting dalam meningkatkan inklusivitas sosial dan menjembatani kesenjangan komunikasi dengan masyarakat umum. Seiring meningkatnya jumlah penyandang gangguan pendengaran, diperlukan solusi komunikasi yang mudah diakses dan bersifat adaptif. Perkembangan kecerdasan buatan dan pembelajaran mesin memberikan peluang untuk mengotomatisasi deteksi bahasa isyarat secara real-time. Penelitian ini mengembangkan sistem deteksi abjad BISINDO A–Z menggunakan dua pendekatan, yaitu YOLOv11 dan RF-DETR. YOLOv11 dipilih karena arsitekturnya ringan dan efisien untuk perangkat mobile, sedangkan RF-DETR digunakan sebagai pembanding berbasis Transformer dengan tingkat akurasi tinggi. Hasil eksperimen menunjukkan bahwa RF-DETR mencapai akurasi lebih tinggi dengan mAP@50 sebesar 99,8%, namun terbatas pada implementasi berbasis web. YOLOv11 memperoleh mAP@50 sebesar 99,4% dan berhasil diimplementasikan pada smartphone Android dengan kinerja real-time yang responsif. Temuan ini menunjukkan bahwa YOLOv11 lebih layak untuk aplikasi deteksi abjad BISINDO berbasis perangkat mobile.
Co-Authors Anggi Cipta Lestari Dhanny Kurnia Kevin Karewur Muhammad Abdul Mujib Rasoki Mintana Debara Daulay Rivaldo Nugraha Rofik Adam Nugraha Shafira Febriani