Article Per Year (5 Year)
p-Index From 2021 - 2026
1.553
P-Index
This Author published in this journals
All Journal CALYPTRA : Jurnal Ilmiah Mahasiswa Universitas Surabaya AKSIOLOGIYA : Jurnal Pengabdian Kepada Masyarakat Applied Information System and Management Keluwih: Jurnal Sains dan Teknologi Jurnal Teknik Informatika (JUTIF) Teknika
Njoto Benarkah
Teknik Informatika Fakultas Teknik, Universitas Surabaya, Raya Kalirungkut Surabaya-Indonesia 60293
Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mechanical Engineering Social Sciences

Published : 20 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 20 Documents
Search

 1   2 
PEMBUATAN APLIKASI SISTEM PAKAR UNTUK MEMBANTU MENENTUKAN POLA DAN TEKNIK LATIHAN FITNESS Adi Saputra; Njoto Benarkah; Monica Widiasti
CALYPTRA Vol. 4 No. 2 (2016): Calyptra : Jurnal Ilmiah Mahasiswa Universitas Surabaya (Maret)
Publisher : Perpustakaan Universitas Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (179.433 KB)

Abstract

Fitness merupakan kegiatan yang dapat dilakukan kalangan muda sampai orang tua. Setiap orang punya tujuan masing-masing dalam melakukan latihan fitness. Namun tidak semua orang mengetahui cara yang tepat untuk mencapai tujuan tersebut. Tujuan dari penyelenggara tempat fitness juga mulai mengalami pergeseran, tidak lagi memberikan hasil yang diinginkan, melainkan bagaimana agar membuat member tetap tertarik dan terhibur dengan program training yang diberikan. Oleh sebab itu, dibuat sebuah sistem pakar berbasis website yang dapat membantu pengguna dalam menentukan program fitness yang sesuai dengan tujuannya. Sistem pakar memberi saran untuk pengguna sesuai dengan kondisi pengguna. Pada tahap verifikasi, dilakukan uji coba terhadap sistem yang dibuat untuk memastikan bahwa program bebas dari kesalahan. Pada tahap validasi, dilakukan dua tahap, yakni validasi dengan pakar dan validasi dengan pengguna guna memastikan bahwa sistem telah berjalan sesuai dengan tujuan pembuatan sistem dan kebutuhan sistem. Kesimpulan dari pembuatan sistem pakar ini adalah sistem dapat membantu pengguna dalam menentukan program latihan yang tepat sesuai dengan kemampuan dan tujuan pengguna.
PEMBUATAN PERANGKAT LUNAK UNTUK PEMROSESAN PERINTAH PADA KALENDER BERBASIS ANDROID Alber Jonathan Christianto Chendra; Njoto Benarkah; Monica Widiasri
CALYPTRA Vol. 4 No. 2 (2016): Calyptra : Jurnal Ilmiah Mahasiswa Universitas Surabaya (Maret)
Publisher : Perpustakaan Universitas Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (230.614 KB)

Abstract

Perkembangan teknologi memberikan banyak pilihan bagi manusia untuk berinteraksi dengan komputer. Salah satu cara untuk berinteraksidengan komputer adalah pengenalan ucapan. Penelitian ini dibuat untuk menunjukkan ucapan pengguna dapat digunakan untuk memberi masukan kepada aplikasi kalenderberbasis Android. Hasil penelitian ini menunjukkan bahwa pengenalan ucapan dapatmembantu pengguna dalam menjalankan aplikasi kalenderdi Android. Perintah tersebut digunakan untuk menjalankan fungsi-fungsi kalender berdasarkan aturan Context-Free Grammar yang telah dibuat.Hasil uji coba dan evaluasi yang sudah dilakukan menunjukkan bahwa aplikasi pemroses perintah ucapan yang dibuat berhasilmembantu pengguna untuk menjalankan aplikasi kalender pada Android.
E-MONEY REGULATIONS AND COMPARISON BETWEEN INDONESIA AND HONG KONG Ku Yun Yin; Aluisius Hery Pratono; Njoto Benarkah
CALYPTRA Vol. 9 No. 2 (2021): Calyptra : Jurnal Ilmiah Mahasiswa Universitas Surabaya (Mei)
Publisher : Perpustakaan Universitas Surabaya

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

Abstract

Purpose— The purpose of this research is to find out the differences and similarities in two different regions: Indonesia and Hong Kong. Design/methodology/ approach— Data is collected from various of sources, from online journals, published journals, to online news etc. Because this thesis is trying to bring the latest informations as possible, so online news are one of the essential sources. Findings— The findings revealed the e-wallet facilities’ differences and similarities in two regions, in terms of facilities coverage, maturity and ease of use and adoption. Value— For the benefits of audiences, this thesis is providing some of the latest informations we could find online by the time this thesis is written, for the best of author’s knowledge. Keywords E-Wallet, Indonesia, Hong Kong, E-Money, Financial, Regulation, Qualitative, Comparison Paper type Research paper
Implementasi Natural Language Processing Dalam Pembuatan Chatbot Pada Program Information Technology Universitas Surabaya Vincentius Riandaru Prasetyo; Njoto Benarkah; Vioni Jannet Chrisintha
Teknika Vol 10 No 2 (2021): Juli 2021
Publisher : Center for Research and Community Service, Institut Informatika Indonesia (IKADO) Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34148/teknika.v10i2.370

Abstract

Program Information Technology di Jurusan Teknik Informatika, Universitas Surabaya, merupakan salah satu program yang menggunakan bahasa Inggris sebagai pengantar pada saat perkuliahan berlangsung. Akan tetapi, kurangnya informasi mengenai Program Information Technology menyebabkan kurangnya minat calon mahasiswa terhadap program tersebut. Oleh karena itu, penelitian ini bertujuan untuk membuat sebuah aplikasi chatbot yang dapat membantu user untuk memperoleh informasi-informasi terkait dengan Program Information Technology pada Jurusan Teknik Informatika, Universitas Surabaya. Chatbot yang dibangun hanya akan memproses pertanyaan dengan bahasa Inggris saja. Chatbot yang dibuat pada penelitian ini menggunakan pendekatan Natural Language Processing (NLP) untuk memproses pertanyaan yang disampaikan user dan untuk mendapatkan kata kunci dari informasi yang diinginkan user. Sistem akan melakukan pencarian informasi pada kamus informasi yang ada. Apabila informasi tidak ditemukan, maka sistem akan melakukan proses crawling untuk memperoleh informasi yang dibutuhkan user. Pada penelitian ini, validasi sistem dilakukan dengan dua metode yaitu cross validation dan user validation. Berdasarkan validasi dengan metode cross validation didapatkan akurasi sebesar 83,33%. User validation dilakukan dengan cara meminta 10 user untuk melakukan uji coba sistem dan didapatkan akurasi sebesar 76%.
Automatic Text Summarization Berdasarkan Pendekatan Statistika pada Dokumen Berbahasa Indonesia Setyawan, Christopher; Benarkah, Njoto; Prasetyo, Vincentius Riandaru
Keluwih: Jurnal Sains dan Teknologi Vol. 2 No. 1 (2021): Keluwih: Jurnal Sains dan Teknologi (February)
Publisher : Direktorat Penerbitan dan Publikasi Ilmiah, Universitas Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24123/saintek.v2i1.4045

Abstract

Abstract—Propelled by the modern technological innovations data and text will be more abundant throughout the year. With this much text, automatic text summarization is needed now more than ever to help summarize a text. Automatic text summarization is defined as the creation of a shortened version of a text by a computer program, the product of this procedure still contains the most important points of the original text. Statistical approaches is one of automatic text summarization method. There is 5 statistical approaches that being used namely aggregation similarity method, frequency method, location method, title method (if text has a title), dan tf-based query method (if text doesn’t have a title). Cosine similarity is used to calculate title method, aggregation similarity method, and tf- based query method. There is two type of validation, user validation and system validation. For system validation compare the similarity between human summary and summary generated by program, which result in accuracy of 76.7647% for summary with 30% length of the original journal. For user validation result in 82% accuracy. The conclusion based on user validation and system validation is statistical approaches is suitable for automatic text summarization.Keywords: automatic text summarization, statistical approaches, Indonesian document, cosine similarity Abstrak— Dengan kemajuan teknologi jumlah data dan teks akan semakin melimpah sepanjang tahun. Dengan banyaknya teks ini dibutuhkan bantuan automatic text summarization untuk merangkum teks tersebut. Automatic text summarization didefinisikan sebagai versi singkat dari suatu teks menggunakan program komputer yang hasilnya masih memiliki informasi penting berupa gagasan dasar dan kata atau kalimat yang dapat merepresentasikan keseluruhan teks original. Salah satu metode dalam automatic text summarization adalah pendekatan statistika. Pendekatan statistika yang digunakan ada 5 yaitu aggregation similarity method, frequency method, location method, title method (bila teks memiliki judul), dan tf-based query method (bila teks tidak memiliki judul). Cosine similarity dipakai untuk perhitungan title method, tf-based query method, dan aggregation similarity method. Validasi dilakukan dengan dua macam validasi. Pertama adalah validasi sistem dengan membandingkan similaritas antara rangkuman program dan rangkuman manusia, yang menghasilkan akurasi 76.7647% untuk rangkuman dengan panjang 30% dari jurnal original. Kedua adalah validasi user yang menghasilkan akurasi 81%. Kesimpulannya berdasarkan validasi user dan validasi sistem yang cukup baik maka pendekatan statistika cocok dipakai dalam kasus automatic text summarization.Kata kunci: automatic text summarization, pendekatan statistika, cosine similarity, dokumen berbahasa Indonesia
YOLOv5 untuk Menghitung Sel Darah Merah dan Sel Darah Putih Benarkah, Njoto; Naufal, Mohammad Farid; Renatasiva, Billy
Keluwih: Jurnal Sains dan Teknologi Vol. 5 No. 1 (2024): Keluwih: Jurnal Sains dan Teknologi (February) - In Progress
Publisher : Direktorat Penerbitan dan Publikasi Ilmiah, Universitas Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24123/saintek.v5i1.6291

Abstract

Abstract—Health practitioners use hemocytometer to manually counting the blood cells, and it is considered time-consuming, arduous, and expert-dependent. Automated methods are costly, require meticulous maintenance, can lead to misidentify abnormal cells. This research proposed an application that swiftly, precisely, and easily count red and white blood cells. YOLOv5 is used to detect red and white blood cells in digital images. The model is trained on BCCD dataset and BCCD+ALL-IDB1 using YOLOv5s configuration and 736x736 image input size, and achieve 89.9% mAP50 value for red blood cell, 99.4% for white blood cell, and 93.8% for all classes using BCCD dataset. About 17.7% mean absolute percentage error (MAPE) is obtained using YOLO5x configuration with 416x416 image input size tested on BCCD dataset. The YOLOv5s configuration setup with 736x736 image input size gives 10.9% error rate against ALL-IDB1 dataset. The system is developed using Laravel and Flask, and it proficiently detects and counts red and white blood cells. Keywords: YOLOv5, computer vision, blood count, red blood cell, white blood cell Abstrak—Metode perhitungan sel darah merah secara manual menggunakan hemositometer membutuhkan waktu yang lama serta melelahkan dan sangat bergantung kepada tenaga ahli di bidang medis, sedangkan perhitungan otomatis menggunakan alat membutuhkan biaya yang mahal dan perawatan ekstra untuk menjaga hasil yang akurat serta apabila dihadapkan dengan sel berukuran abnormal maka alat akan salah mengidentifikasi, maka dibutuhkan suatu sistem yang dapat menghitung jumlah sel darah merah dengan cepat, akurat, dan mudah untuk dioperasikan. YOLOv5 digunakan untuk mendeteksi sel darah merah melalui citra digital. Model dilatih menggunakan BCCD Dataset dan BCCD + ALL-IDB1. Berdasarkan nilai mAP50 didapatkan model terbaik dengan konfigurasi YOLOv5s dengan ukuran masukan 736x736 dengan data latih yaitu BCCD sebesar 89.9% untuk sel darah merah, 99,4% untuk sel darah putih dan 93,8% untuk semua kelas. Berdasarkan mean absolute percentage error (MAPE) didapatkan sebesar 17.7% untuk konfigurasi YOLOv5x dengan ukuran citra masukan 416x416 jika diuji menggunakan data BCCD, namun konfigurasi YOLOv5s dengan ukuran citra masukan 736x736 memiliki nilai lebih rendah yaitu 10.9% jika dihadapkan dengan data uji ALL-IDB1. Sistem dibuat dengan menggunakan Laravel dan Flask. Secara keseluruhan, sistem dapat dengan baik mendeteksi serta menghitung sel darah merah maupun sel darah putih. Kata kunci: YOLOv5, visi computer, hitung sel darah, sel darah merah, sel darah putih
Sentiment Analysis for Sumber Gempong Rice Field-Based Tourism Destination using Long Short-Term Memory Benarkah, Njoto; Prasetyo, Vincentius Riandaru; Soetiyono, Jehuda Rivaldo
Keluwih: Jurnal Sains dan Teknologi Vol. 5 No. 2 (2024): Keluwih: Jurnal Sains dan Teknologi (August) - In Progress
Publisher : Direktorat Penerbitan dan Publikasi Ilmiah, Universitas Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24123/saintek.v5i2.6498

Abstract

Abstract—Sumber Gempong is a rice field-based tourist destination located in Ketapanrame Village, Trawas District, Mojokerto Regency, East Java Province. It is managed by a village-owned company (BUMDesa Mutiara Welirang). BUMDesa evaluates tourist satisfaction manually by reviewing online comments and it consumes time and labor works. Data used in this research automatically collected from Google Maps Review. Long Short-Term Memory (LSTM) method analyze data of two sentiment labels, positive or negative, based on four categories: facilities, services, culinary, and attractions. The collected dataset has 674 comments consist of 420 positive sentiments and 254 negative sentiments with 320 facilities, 61 services, 125 culinary, and 192 attractions comments. Five LSTM models were trained on each of four categories and an overall category. The trained models of overall, facilities, services, culinary, and attractions categories achieved, respectively, 91.2%, 86.8%, 94.1%, 89.7%, and 95.6% of accuracies. The average result accuracy is 91.48%. The manager of BUMDesa Mutiara Welirang satisfied with the results of the system and the sentiment results can be used as evaluation material for Sumber Gempong. Keywords: sentiment anaylsis, LSTM, deep learning, social media, tourism Abstrak—Wisata Sawah Sumber Gempong berada di Desa Ketapanrame, Kecamatan Trawas, Kabupaten Mojokerto dan merupakan tempat wisata alam yang dikelola oleh BUMDesa Mutiara Welirang. Evaluasi terhadap tempat wisata ini dilakukan dengan membaca secara manual ulasan-ulasan yang ditulis di media sosial dan pengamatan pribadi. Banyaknya jumlah ulasan yang ada menjadi kendala dalam melakukan evaluasi karena membutuhkan waktu yang cukup lama. Penelitian ini mengambil data ulasan secara otomatis dari media sosial yang diberi label positif atau negatif berdasarkan empat kategori, yaitu fasilitas, pelayanan, kuliner, dan wahana. Metode Long Short-Term Memory (LSTM) dipakai sebagai alat untuk melakukan analisis sentimen. Pengambilan data secara otomatis mendapatkan 674 ulasan yang dibagi menjadi 420 ulasan positif dan 254 ulasan negatif, dengan 320 ulasan fasilitas, 61 ulasan pelayanan, 125 ulasan kuliner , dan 192 ulasan wahana. Lima buah model dilatih berdasar tiap kategorinya dan kategori secara keseluruhan. Model yang telah dilatih mendapatkan nilai akurasi sebesar 91,2%, 86,8%, 94,1%, 89,7%, dan 95,6% berturut-turut untuk keseluruhan kategori, kategori fasilitas, layanan, kuliner, dan wahana. Rata-rata akurasi mencapai 91,48%. Hasil dari sistem telah diujicobakan kepada manajer BUMDesa Mutiara Welirang dan bisa dipakai sebagai bahan evalusi untuk peningkatan kualitas di Sumber Gempong. Kata kunci: analisis sentimen, LSTM, deep learning, media sosial, wisata
Penggunaan Teknik Wrap and Drape untuk Meningkatkan Minat Berkain Batik pada Masyarakat Desa Bejijong Juniati, Ninik; AP, Christabel; Megawati, Veny; Hananto, Hari; Benarkah, Njoto
Aksiologiya: Jurnal Pengabdian Kepada Masyarakat Vol 7 No 3 (2023): Agustus
Publisher : Universitas Muhammadiyah Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30651/aks.v7i3.8896

Abstract

Keberadaan kerajinan Batik di Desa Bejijong saat ini sedang mati suri dan dirasakan oleh masyarakat setempat, para perajin, penjual maupun pelaksana wisata edukasi membatik. Rendahnya hasil penjualan kain batik yang dipasarkan secara konvensional yaitu dengan cara dipamerkan di etalase toko pribadi, pusat oleh-oleh dan pameran. Melemahnya industri Batik di desa ini karena kurangnya minat masyarakat untuk memiliki kain batik dan berkain batik. Tujuan dari Program Pengabdian kepada Masyarakat (PKM) ini adalah meningkatkan minat masyarakat untuk memiliki dan mau memakai kain Batik serta mengembangkan ide kreatif terkait visual merchandising yang dapat membantu para perajin Batik khas Bejijong menjual produksinya. Metode yang digunakan adalah pendampingan secara online dengan menggunakan media video tutorial tentang Teknik Wrap and Drape dan lomba modifikasi berkain batik yang diadakan secara online. Hasil pendampingan menyatakan bahwa Teknik Wrap and Drape dalam berkain batik dapat menjadi solusi untuk meningkatkan minat masyarakat untuk menambah koleksi kain Batik dan mau berkain batik dengan cara yang lebih modern, peserta lomba menjadi menjadi lebih kreatif dalam berbusana khususnya berkain batik. Ide-ide kreatif yang muncul melalui teknik ini dapat dimanfaatkan menjadi salah satu teknik pemasaran kain Batik Khas Bejijong yang lebih kreatif.
Leveraging Deep Learning for Cultural Preservation: A Mobile Application for Padang Cuisine Benarkah, Njoto; Prasetyo, Vincentius Riandaru; Prakarsa, Andreas Bayu
Applied Information System and Management (AISM) Vol. 8 No. 2 (2025): Applied Information System and Management (AISM)
Publisher : Depart. of Information Systems, FST, UIN Syarif Hidayatullah Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15408/aism.v8i2.46680

Abstract

Padang cuisine, originating from West Sumatra, Indonesia, is recognized as one of the most widespread traditional food types due to its prevalence in restaurants across the country. Despite the increasing interest in classifying Indonesian food using artificial intelligence, there have been limited studies that have explicitly focused on classifying Padang dishes using deep learning approaches. This study aimed to develop an intelligent mobile application capable of identifying various Padang dishes from images using transfer learning-based convolutional neural networks (CNNs). Four pre-trained CNN architectures—EfficientNetV2M, MobileNetV2, VGG19, and ResNet152V2—were fine-tuned and evaluated on a dataset of Padang food images. This dataset comprised a total of 1,108 images, categorized into nine distinct Padang dishes, collected from both publicly available repositories and original photographs taken for this study. Among these models, ResNet152V2 achieved the best performance after optimization, with a validation loss of 0.4142 and a test accuracy of 91.33%. The optimized model was converted to TensorFlow Lite and deployed as a mobile application, enabling real-time recognition of Padang dishes. This study presented a deep-learning-based mobile solution for recognising nine traditional Padang dishes with high accuracy, demonstrating the potential of AI-driven applications to support culinary heritage preservation and promote cultural tourism in Indonesia.
Improving the Performance of Machine Learning Classifiers in Sentiment Analysis of Jenius Application Using Latent Dirichlet Allocation in Text Preprocessing Prasetyo, Vincentius Riandaru; Benarkah, Njoto; Rahmad, Bayu Aji Hamengku
Jurnal Teknik Informatika (Jutif) Vol. 6 No. 5 (2025): JUTIF Volume 6, Number 5, Oktober 2025
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2025.6.5.5238

Abstract

Sentiment analysis aims to classify a person’s opinion into a specific sentiment, such as positive or negative. The choice of preprocessing used can influence the performance of a sentiment analysis model. The Latent Dirichlet Allocation (LDA) method, commonly used for topic modelling, can be employed as an additional preprocessing step to identify relevant words associated with a particular sentiment label. This study aims to assess whether the LDA method, implemented in the preprocessing stage, can enhance the performance of machine learning models, including Naïve Bayes, Decision Tree, KNN, Logistic Regression, and SVM. This study utilized a dataset comprising 1,800 reviews, with 900 labelled as positive and 900 as negative. Words with an LDA score of at least 0.15 were given additional weight in the TF-IDF stage before model training. After the model was developed, evaluation was carried out by calculating accuracy, precision, recall, and F1-score. The use of LDA in preprocessing improved the performance of all classification models by 1-3% across most evaluation metrics. Specifically, the Logistic Regression model achieved the best performance, followed by SVM and KNN. This performance improvement is aligned with the use of LDA to reduce semantic noise and improve feature representation. Furthermore, this research is also helpful for monitoring customer opinions in the digital banking sector, enabling the rapid and accurate identification of priority issues. Further research could explore the comparison of performance with other topic modelling and feature extraction methods, as well as expanding the dataset and utilizing multiclass models.
Co-Authors . Jimmy, . Adi Saputra Adi Saputra Alber Jonathan Christianto Chendra Alber Jonathan Chrsitianto Chendra, Alber Jonathan Chrsitianto Aluisius Hery Pratono Andreas Teddy Kumala Andreas Teddy Kumala, Andreas Teddy AP, Christabel Ellysa Tjandra Hari Hananto Jimmy Jimmy Julian Talahatu Julian Talahatu, Julian Juniati, Ninik Ku Yun Yin Mohammad Farid Naufal, Mohammad Farid Monica Widiasri, Monica Monica Widiasti Monica Widiasti, Monica Prakarsa, Andreas Bayu Rahmad, Bayu Aji Hamengku Renatasiva, Billy Setyawan, Christopher Soetiyono, Jehuda Rivaldo Veny Megawati Vincentius Riandaru Prasetyo Vioni Jannet Chrisintha