Article Per Year (5 Year)
p-Index From 2021 - 2026
7.183
P-Index
This Author published in this journals
All Journal ELKHA : Jurnal Teknik Elektro Jurnal Simetris Jurnal Teknologi Informasi dan Ilmu Komputer Annual Research Seminar Jurnal CoreIT Jurnal Komputer Terapan Jusikom : Jurnal Sistem Komputer Musirawas JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Jurnal Sisfokom (Sistem Informasi dan Komputer) Petir Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal KOMPUTIKA - Jurnal Sistem Komputer Jurnal Informatika Global Jurnal Teknologi Terpadu STRING (Satuan Tulisan Riset dan Inovasi Teknologi) JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Jurnal Ilmu Komputer dan Informatika Decode: Jurnal Pendidikan Teknologi Informasi Jurnal Saintekom : Sains, Teknologi, Komputer dan Manajemen Algoritme Jurnal Mahasiswa Teknik Informatika Informatics and Enginering Dedication Arcitech: Journal of Computer Science and Artificial Intelligence DEVICE : JOURNAL OF INFORMATION SYSTEM, COMPUTER SCIENCE AND INFORMATION TECHNOLOGY JOINTECOMS (Journal of Information Technology and Computer Science) MDP Student Conference Scientica: Jurnal Ilmiah Sains dan Teknologi JuTISI (Jurnal Teknik Informatika dan Sistem Informasi) INTECH - Informatika Dan Teknologi
M Ezar Al Rivan
Universitas Multi Data Palembang
Religion Agriculture, Biological Sciences & Forestry Humanities Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mathematics Social Sciences Other

Published : 59 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 59 Documents
Search

 2   3   4   5   6 
Pelatihan Membangun Server DNS Lokal di SMK Negeri 1 Palembang Arman, Molavi; Yohannes, Yohannes; Al Rivan, Muhammad Ezar
FORDICATE Vol 2 No 1 (2022): November 2022
Publisher : Universitas Multi Data Palembang, Fakultas Ilmu Komputer dan Rekayasa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/fordicate.v2i1.3393

Abstract

Pengabdian masyarakat yang dilakukan di SMK Negeri 1 Palembang yaitu berupa pelatihan untuk membangun Server DNS. Pelatihan ini diikuti oleh siswa SMK sehingga siswa memiliki keterampilan dan pengetahuan terkait dengan server DNS. Pelatihan ini diawali dengan melakukan instalasi sistem operasi Linux Debian. Pelatihan ini dilakukan dengan cara praktikum dan tanya jawab. Dari pelatihan ini didapatkan pengetahuan bagaimana melakukan instalasi Linux Debian kemudian dapat membangun Server DNS.
Optimasi Fuzzy C-Means dan K-Means Menggunakan Algoritma Genetika untuk Pengklasteran Dataset Diabetic Retinopathy Al Rivan, Muhammad Ezar; Steven, Steven; Tanzil, William
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 5: Oktober 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2020711872

Abstract

Diabetic Retinopathy adalah komplikasi dari diabetes yang mengakibatkan gangguan pada retina mata. Gangguan tersebut dapat diketahui dengan deteksi awal melalui data yang diekstraksi dari citra mata. Deteksi awal dapat dilakukan dengan menggunakan metode clustering. Metode yang digunakan yaitu Fuzzy C-Means dan K-Means. Fuzzy C-Means dan K-Means memiliki kelemahan dari jumlah iterasi yang besar. Jumlah iterasi pada Fuzzy C-Means dan K-Means dapat dioptimasi dengan menggunakan Algoritma Genetika. Optimasi dilakukan dengan cara mengganti bagian pada Fuzzy C-Means dan K-Means pada saat menentukan pusat cluster. Dataset yang digunakan pada penelitian adalah dataset Diabetic Retinopathy. Hasil optimasi sebelum dan sesudah  hybrid Algoritma Genetika pada Fuzzy C-Means terlihat pada nilai rata-rata iterasi dari 17,1 menjadi 6,65 terjadi penurunan sebesar 61,11% dan pada K-Means terlihat pada nilai rata-rata iterasi dari 10,85 menjadi 7,35 terjadi penurunan sebesar 32,25%. Berdasarkan hasil perbandingan nilai rata-rata iterasi Algoritma Genetika–Fuzzy C-Means dan Algoritma Genetika-K-Means maka dapat disimpulkan bahwa Algoritma Genetika-Fuzzy C-Means memiliki jumlah iterasi yang lebih baik dibanding Algoritma Genetika-K-Means. Algoritma Genetika-Fuzzy C-Means juga memiliki inter cluster distance yang paling kecil dan intra cluster distance yang paling besar. AbstractDiabetic Retinopathy is diabetic complication that cause retina disorder. Retina disorder can be known from data extracted from eye image. Early detection conduct using clustering. These methods are Fuzzy C-Means and K-Means. These methods have large number of iteration as weakness. Number of iteration can be optimized using genetic algorithm. Optimization conducted by replace a part from Fuzzy C-Means dan K-Means that use to generate early centroid. The dataset used in the study is a dataset of diabetic retinopathy. The optimization results before and after hybrid GeneticAlgorithm on Fuzzy C-Means are the average iteration values decreased from 17.1 to 6.65, decreasing 61,11% and in K-Means are the average iteration values decreased from 10.85 to 7.35 decreasing 32,25%. Based on the comparison of Genetic Algorithm  Fuzzy C-Means and Genetic Algorithm K-Means iterations, it can be concluded that Genetic Algorithm Fuzzy C-Means has a better number of iteration than Genetic Algorithm K-Means. Genetic Algorithm-Fuzzy-C-Means has smallest inter cluster distance and biggest intra cluster distance.
Klasifikasi Kualitas Telur Ayam Ras Berdasarkan Cangkang Menggunakan You Only Look Once Hasan, Nicholas Jacky Pratama; Al Rivan, Muhammad Ezar
Algoritme Jurnal Mahasiswa Teknik Informatika Vol 6 No 2 (2026): April 2026 || Algoritme Jurnal Mahasiswa Teknik Informatika
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/algoritme.v6i2.15742

Abstract

Chicken eggs are one of the most popular food ingredients in Indonesia, with demand increasing every year. However, the quality of chicken eggs sold to consumers must be ensured to be safe for consumption. This study utilized the You Only Look Once (YOLO) method from a Convolutional Neural Network (CNN) architecture to detect chicken eggs and determine their quality based on eggshell images. The dataset used in this research included variations in eggshell color corresponding to their quality. Based on the model training results, the best model achieved optimal performance with a mean Average Precision (mAP) of 99.287% for mAP50 and 93.317% for mAP50-95. The results of the study demonstrate that YOLO is capable of detecting the quality of chicken eggs, making it applicable for improving efficiency in the egg-sorting process. This research is expected to contribute significantly to the development of more advanced and effective egg-sorting technology to support the distribution of high-quality eggs to the public.
Peningkatan Kompetensi Siswa SMK Melalui Pelatihan Dasar Sistem Operasi Linux Arman, Molavi; Wijaya, Novan; Meiriyama, Meiriyama; Inayatullah, Inayatullah; Al Rivan, Muhammad Ezar; Yohannes, Yohannes; Devella, Siska
FORDICATE Vol 5 No 2 (2026): April 2026
Publisher : Universitas Multi Data Palembang, Fakultas Ilmu Komputer dan Rekayasa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/fordicate.v5i2.15743

Abstract

Penguasaan sistem operasi Linux menjadi kebutuhan penting dalam dunia teknologi informasi, namun masih banyak siswa SMK yang belum memiliki kompetensi dasar dalam penggunaan command line. Kegiatan pengabdian kepada masyarakat ini bertujuan untuk meningkatkan kompetensi teknis siswa melalui pelatihan dasar Linux. Metode yang digunakan adalah pelatihan berbasis praktik langsung dengan pendekatan hands-on, meliputi materi navigasi file, manajemen proses, jaringan, dan informasi sistem. Hasil kegiatan menunjukkan bahwa peserta mampu memahami dan mengimplementasikan perintah dasar Linux secara mandiri serta menunjukkan peningkatan keterampilan teknis. Pelatihan ini juga memberikan kontribusi dalam mempersiapkan siswa menghadapi kebutuhan industri serta memperkenalkan pemanfaatan teknologi open source. Dengan demikian, kegiatan ini efektif dalam meningkatkan kompetensi siswa di bidang teknologi informasi.
Rancang Bangun Sistem Inventaris Barang Kantor Berbasis Web di PT. Bank Sumsel Babel dengan Metode Agile Adikara Alif Nurrahman; Ahmad Wahana Jaya; Muhammad Ezar Al Rivan
Journal of Information Technology and Computer Science Vol. 5 No. 4 (2025): JOINTECOMS : Journal of Information Technology and Computer Science
Publisher : Universitas Palangka Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47111/jointecoms.v5i4.23339

Abstract

Di era globalisasi ini, perkembangan teknologi informasi yang pesat telah membawa perubahan signifikan dalam berbagai proses bisnis, termasuk pengelolaan inventaris. Penggunaan teknologi komputer terbukti meningkatkan kecepatan, akurasi, dan konsistensi dalam pengolahan data. PT. Bank Pembangunan Daerah Sumatera Selatan dan Bangka Belitung menghadapi tantangan dalam pengelolaan inventaris kantor yang menggunakan sistem manual berbasis Microsoft Excel, yang mempengaruhi efisiensi dan akurasi data inventaris. Penelitian ini mengusulkan pengembangan sistem manajemen inventaris berbasis web menggunakan framework Laravel dan database MySQL dengan metode Agile. Sistem ini menawarkan pembaruan data secara real-time, mengurangi kebutuhan pengecekan fisik barang, dan mendukung pengelolaan aset yang lebih baik. Diharapkan bahwa penerapan sistem ini akan meningkatkan efisiensi, akurasi, dan pengelolaan inventaris yang lebih terorganisir, serta mendukung kelancaran operasional perusahaan.
Klasifikasi Jenis Daun Tanaman Herbal Menggunakan Metode Convolutional Neural Network Dengan Arsitektur AlexNet Dicko David Koniady; Muhammad Ezar Al Rivan
INTECH Vol. 6 No. 2 (2025): INTECH (Informatika Dan Teknologi)
Publisher : Informatics Study Program, Faculty of Engineering and Computers, Baturaja University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54895/intech.v6i2.3275

Abstract

Indonesia has rich biodiversity, including various types of herbal plants commonly used in traditional medicine. However, manual identification and classification of herbal leaves remain challenging due to similarities in shape, color, and texture between species. This study aims to develop an automatic classification system for herbal leaf types using the Convolutional Neural Network (CNN) method with the AlexNet architecture. The dataset used in this research was obtained from a public Kaggle repository and consists of ten classes of herbal leaves, namely guava, curry, basil, turmeric, mint, papaya, betel, soursop, aloe vera, and green tea. Image preprocessing includes resizing to 224×224 pixels, normalization, and data augmentation to improve model generalization. The model was trained and tested using an 80:20 data split with several experimental configurations. The best performance was achieved at a learning rate of 0.0001, batch size of 32, and 25 epochs, resulting in a training accuracy of 88.25% and a testing accuracy of 73.50%. These results show that AlexNet can effectively extract visual features from herbal leaf images and perform accurate classification. This study demonstrates that CNN-based classification is an efficient approach for recognizing herbal plants automatically.
Perbandingan Algoritma Transformer Dengan Bi-Long Short-Term Memory Untuk Speech-To-Text Zulkarnain, Achmad Rizky; Rivan, Muhammad Ezar Al
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 6 No. 1: MARET 2026
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v6i1.1563

Abstract

Penelitian ini bertujuan untuk membandingkan kinerja dua arsitektur Speech-to-Text, yaitu Bidirectional Long Short-Term Memory (BiLSTM) dan Transformer, dengan menggunakan dua jenis ekstraksi fitur akustik, yaitu Log-Mel Spectrogram dan Filterbank Energies (FBANK). Perbandingan ini dilakukan untuk menganalisis pengaruh kesesuaian antara arsitektur model dan representasi fitur terhadap performa sistem pengenalan suara otomatis. Pemilihan kedua arsitektur didasarkan pada perbedaan mekanisme pemrosesan sekuens, di mana BiLSTM memproses data secara dua arah untuk menangkap konteks temporal dari masa lalu dan masa depan, sedangkan Transformer memanfaatkan mekanisme self-attention yang mampu memproses keseluruhan urutan data secara paralel dan memahami konteks global. Kebaruan penelitian ini terletak pada evaluasi perbandingan yang dilakukan secara konsisten antara model BiLSTM dan Transformer dengan skema ekstraksi fitur yang digunakan agar menemukan kecocokan antara model dengan ekstraksi fitur, dengan tokenisasi yang sudah disesuaikan untuk masing-masing arsitektur, yaitu tokenisasi word-level pada BiLSTM dan tokenisasi sub-word berbasis SentencePiece pada Transformer, sehingga memberikan analisis kuantitatif yang lebih objektif terhadap pengaruh kesesuaian antara model dan jenis fitur akustik. Penelitian ini menggunakan pendekatan eksperimen kuantitatif dengan dataset LibriSpeech sebagai dataset utama. Proses penelitian meliputi ekstraksi fitur audio, pelatihan model menggunakan fungsi loss Connectionist Temporal Classification (CTC) dan optimizer Adam, serta evaluasi performa menggunakan metrik Word Error Rate (WER) dan Character Error Rate (CER). Hasil eksperimen menunjukkan bahwa pemilihan arsitektur model dan jenis fitur akustik memberikan pengaruh yang nyata terhadap performa sistem. Model BiLSTM menghasilkan performa yang lebih stabil pada seluruh kombinasi fitur, dengan nilai WER sekitar 29% pada subset test-clean dan berkisar antara 53%–55% pada subset test-other. Sementara itu, model Transformer menunjukkan performa terbaik ketika dipadukan dengan fitur Log-Mel Spectrogram, namun mengalami peningkatan WER yang signifikan saat menggunakan fitur FBANK.. Hasil yang sudah dijelaskan tadi menunjukkan bahwa kesesuaian antara arsitektur model dan jenis fitur sangat mempengaruhi kualitas transkripsi.
Penerapan Algoritma Greedy dalam Penentuan Prioritas Pengiriman Makanan Berdasarkan Rute, Lalu Lintas, dan Cuaca Steffanie Angelica; Muhammad Fajar Ariansyah; Muhammad Ezar Al Rivan
DEVICE : JOURNAL OF INFORMATION SYSTEM, COMPUTER SCIENCE AND INFORMATION TECHNOLOGY Vol 7, No 1: JUNI 2026
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/device.v7i1.9045

Abstract

Layanan pengiriman makanan online membutuhkan proses penentuan prioritas pengiriman yang cepat dan adaptif terhadap kondisi lapangan. Penelitian ini bertujuan untuk menerapkan algoritma Greedy dalam menentukan prioritas pengiriman makanan berdasarkan panjang rute, kondisi lalu lintas, dan cuaca. Penelitian menggunakan metode eksperimental kuantitatif dengan memanfaatkan Food Delivery Route Efficiency Dataset yang diperoleh dari platform Kaggle. Tahapan penelitian meliputi pengumpulan data, preprocessing data, pengambilan sampel order, pembobotan multikriteria, penentuan prioritas menggunakan algoritma Greedy, dan evaluasi hasil prioritas. Dataset digunakan sebagai kumpulan skenario pengiriman, kemudian sistem mengambil 5 order secara acak untuk mensimulasikan antrean pesanan yang masuk pada satu waktu. Setiap order dihitung nilai penaltinya berdasarkan kombinasi panjang rute, indeks lalu lintas, indeks cuaca, dan bobot prioritas operasional. Bobot yang digunakan tidak ditetapkan sebagai nilai tetap universal, melainkan disusun dalam tiga skenario prioritas, yaitu kilometer, lalu lintas, dan cuaca. Hasil penelitian menunjukkan bahwa algoritma Greedy dapat mengurutkan order berdasarkan nilai penalti terkecil, serta menghasilkan urutan prioritas yang dapat berubah sesuai skenario bobot yang digunakan. Dengan demikian, pendekatan pembobotan multikriteria dan algoritma Greedy dapat membantu penentuan prioritas pengiriman secara lebih fleksibel sesuai kondisi operasional.
Analisis Komparatif Model Transfer Learning Inception-v3 dan Inception-v4 untuk Klasifikasi Citra Daun Tanaman Herbal Yosefa Camilia Moniung; Muhammad Ezar Al Rivan
Arcitech: Journal of Computer Science and Artificial Intelligence Vol. 6 No. 1 (2026): June 2026
Publisher : Institut Agama Islam Negeri (IAIN) Curup

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29240/arcitech.v6i1.16936

Abstract

Herbal plants represent one of Indonesia's rich biodiversity resources that have long been utilized in traditional medicine. However, manual identification remains challenging due to morphological similarities among plant species. Various studies have applied Convolutional Neural Network (CNN) for herbal plant classification, yet comparative analysis between Inception-v3 and Inception-v4 in this domain remains limited. This comparison is necessary as increased architectural complexity in Inception-v4 does not always guarantee better performance on small-scale datasets. This study aims to compare the performance of Inception-v3 and Inception-v4 transfer learning in classifying 10 herbal plant species using 1,000 leaf images. The novelty lies in a direct comparative analysis considering data augmentation and hyperparameter tuning. Pre-processing includes image resizing and augmentation, while hyperparameter tuning applies learning rate variations (0.001; 0.0001; 0.00001) and batch sizes (16, 32, 64). Evaluation was conducted using accuracy, precision, recall, and F1-score. Inception-v3 achieved the best performance with 98.50% accuracy, 98.55% precision, 98.50% recall, and 98.50% F1-score, providing an empirical benchmark for Inception architecture selection in leaf-based herbal plant classification.
Co-Authors Adikara Alif Nurrahman Ahmad Wahana Jaya Alviando, Muhammad Restu Alvin Setiawan Alwyn Giovri Riyadi Andreas Saputra, Andreas Andree Fendiawati Antony, Felix Arta Tri Narta Arta Tri Narta Awalludin, Nur Bhagaskara Bhagaskara Billy Gunawan Budi, Raden George Samuel Busdin, Rusdie Caroline, Fionna Daniel Daniel Devella, Siska Dicko Dicko David Koniady Dicko David Koniady Dini Amputri Fareza, Ivan Farisi, Ahmad Fendy Novianto Lukman Fernando Fernando, Fernando Gabriela Repca Sung Gasim Giovani Prakasa Gandi Hafiz Irsyad Hafiz Irsyad Hartoyo, Suryanto Hasan, Nicholas Jacky Pratama Inayatullah, Inayatullah Ivan Fareza Juliana Nasution Kevin Kevin Kevin kevin Meiriyama, Meiriyama Mochammad Trinanda Noviardy Molavi Arman Monica Rizki Ayustin Muhammad Fajar Ariansyah Muhammad Ricky Nadimsyah, Ahmad Zaky Narta, Arta Tri Ningrum Larasati Novan Wijaya Noviardy, Mochammad Trinanda Nur Rachmat Octavia, Angella Orlando Orlando Pratama, M Fikri Rizki Randy Andreo Sonaru Reynald Dwika Prameswara Ricky, Muhammad Rijaya, Rheza RR. Ella Evrita Hestiandari Rusdie Busdin Saputra, Jordi Sehat Martinus Surya Benediktus Siti Nadra Steffanie Angelica Steven Steven Suherman, Jessica Suryanto Hartoyo Suwanto, Elisa Putri Tanzil, William Tegar Juangkara Tommy Saputra Wati, Risha Ambar Wijaya, Irvan Winston Kennedy Yoannita, Yoannita Yohannes, Ricky Yohannes, Yohannes Yosefa Camilia Moniung Zulkarnain, Achmad Rizky