Article Per Year (5 Year)
p-Index From 2020 - 2025
3.186
P-Index
This Author published in this journals
All Journal Jurnal Teknologi dan Manajemen Informatika BAREKENG: Jurnal Ilmu Matematika dan Terapan ILKOM Jurnal Ilmiah Jurnal Literasiologi Jurnal Mantik Journal Dynamic SainT Teknika Journal of System and Computer Engineering INFINITY : UKI TORAJA JOURNAL OF INFORMATION TECHNOLOGY J-Icon : Jurnal Komputer dan Informatika TONGKONAN: Jurnal Pengabdian Masyarakat
Michael, Aryo
Universitas Kristen Indonesia Toraja
Humanities 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 Environmental Science Languange, Linguistic, Communication & Media Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Social Sciences Transportation Other

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 22 Documents
Search

 1   2   3 
Pengenalan Plat Kendaraan Berbasis Android menggunakan Viola Jones dan Kohonen Neural Network Michael, Aryo
ILKOM Jurnal Ilmiah Vol 8, No 2 (2016)
Publisher : Program Studi Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (456.469 KB)

Abstract

Penelitian ini bertujuan untuk membangun sistem pengenalan plat kendaraan roda dua berbasis android.  Penelitian ini dilaksanakan di Kota Makassar Indonesia.  Metode yang digunakan pada penelitian ini adalah pengenalan pola plat kendaraan dengan metode viola jones, kemudian segmentasi karakter plat menggunakan metode morfologi, dan pengenalan karakter plat dengan kohonen neural network.  Hasil penelitian yang diperoleh menunjukkan bahwa pengenalan plat kendaraan menggunakan kohonen neural network berdasarkan pengujian yang dilakukan menunjukkan persentase keberhasilan pengenalan karakter pada plat kendaraan bermotor pada kondisi yang baik sebesar 78,57% edangkan pada plat yang kurang baik sebesar 57,14%.
PREDIKSI KUNJUNGAN WISATAWAN TORAJA UTARA MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION Michael, Aryo; Garonga, Melki
Journal Dynamic Saint Vol. 5 No. 1 (2020): Jilid 5 Volume 1
Publisher : Publikasi dan UKI Press UKI Toraja.

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

Abstract

Paper ini berisi tentang penerapan algoritma jaringan saraf tiruan backpropagation untuk memprediksi kunjungan wisatawan di Toraja Utara berdasarkan data kunjungan wisatawan sebelumnya. Data yang yang digunakan merupakan data dari kunjungan wisatawan tahun 2014-2018. Arsitektur jaringan syaraf tiruan yang digunakan terdiri atas 3 (tiga) lapisan yaitu 1 lapisan masukan yang terdiri atas 12 neuron, 1 (satu) lapisan tersembunyi, dimana percobaan dilakuklan dengan 6, 12, 18, 24 dan 36 neuron sedangkan pada lapisan keluaran terdapat 1 (satu) neuron yang menjadi target prediksi. Hasil pelatihan JSTbacpropagation menunjukan arsitektur terbaik adalah yaitu 12 neuron pada lapisan masukan, 36 neuron pada lapisan tersembunyi, dan 1 neuron pada lapisan keluaran. Hasil pengujian model JST backpropagation menunjukkan bahwa prediksi cukup baik untuk melakukan prediksi kunjungan wisatawan dengan menghasilkan nilai mean square error (MSE) 0.364826512 atau persentasi akurasi sebesar 63,51%.
Sistem Pendeteksi Kebocoran Liquified Petroleum Gas (LPG) Menggunakan Sensor MQ-2 Berbasis Mikrokontroler Garonga, Melki; Michael, Aryo; Dudung, Marni
Jurnal Dynamic Saint Vol 6 No 1 (2021): Jilid 1 Volume 6
Publisher : Publikasi dan UKI Press UKI Toraja.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47178/dynamicsaint.v6i1.1274

Abstract

Liquified Petroleum Gas (LPG) is a household need which is currently the most widely used by the community as a fuel other than petroleum. The use of LPG cylinders, which increases every year, is directly proportional to the increased risk of fire caused by gas leaks. Many LPG cylinders circulating in the community today do not use good safety. Therefore, a tool is needed to detect LPG leaks so that people can find out more quickly when there is a gas leak. This system is designed using a microcontroller-based MQ-2 sensor. The MQ-2 sensor functions as a gas leak detector, the buzzer serves as a warning in the event of a gas leak and the SIM800L will send an SMS via the user's smartphone. The MQ-2 sensor can detect gas leaks at a distance of 2 meters in a closed room without ventilation. The MQ-2 gas sensor detects gas leaks using a distance that can be influenced by room temperature and the sensitivity of the MQ-2 sensor, so that the MQ-2 sensor produces a non-permanent time even though it is at the same distance. The buzzer sounds when the MQ-2 sensor detects a gas leak. SIM800L can send SMS notifications to smartphones of LPG cylinder owners when the MQ-2 sensor detects a gas leak, but the time it takes to send an SMS is not fixed because it is influenced by whether the network used by the simcard on the smartphone or the simcard on the SIM800L is good or not.
Deteksi Tingkat Kematangan Buah Kopi Arabika Berdasarkan Fitur Warna RGB Menggunakan Sensor TCS3200 Berbasis Arduino Uno Rusman, Juprianus; Michael, Aryo; Pasae, Nofrianto
Jurnal Dynamic Saint Vol 6 No 1 (2021): Jilid 1 Volume 6
Publisher : Publikasi dan UKI Press UKI Toraja.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47178/dynamicsaint.v6i1.1317

Abstract

Pengolahan buah kopi yang baik mempengaruhi mutu dan kualitas kopi yang dihasilkan. Pengolahan buah kopi meliputi proses sortasi buah dan proses pemisahan kulit buah dengan biji. Proses sortasi buah dilakukan dengan memilah buah kopi berdasarkan tingkat kematangannya. Hal tersebut dilakukan karena tidak seragannya kematangan buah kopi yang dipetik saat panen dan standar yang ditetapkan oleh tengkulak. Petani kopi arabika lokal di Pedamaran melakukan sortasi buah secara konvensional yaitu mengandalkan indra penglihatan. Proses tersebut memiliki kendala yaitu tidak seragamnya tingkat kematangan buah kopi yang dipengaruhi faktor subjektivitas. Warna buah kopi memberikan informasi terkait tingkat kematangannya. Pada penelitian ini, fitur warna buah kopi dideteksi menggunakan sensor TCS3200 dalam ruang warna red, green dan blue (RGB) kemudian diproses menggunakan mikrokontroller Arduino Uno untuk menentukan tingkat kematangannya. Penggunaan sensor TCS3200 untuk mendeteksi tingkat kematangan buah kopi arabika pada sistem yang dibangun memberikan akurasi 71,25%.
Classification model of Toraja arabica coffee fruit ripeness levels using convolution neural network approach Aryo Michael; Melki Garonga
ILKOM Jurnal Ilmiah Vol 13, No 3 (2021)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v13i3.861.226-234

Abstract

The purpose of this study is to design a CNN deep learning algorithm model that can classify the maturity level of Arabica coffee fruit based on image, the resulting model can be applied to a coffee bean sorting device based on artificial intelligence so that problems that exist in the process of sorting arabica coffee fruit that meets the standards can be avoided, to improve the quality of arabica Toraja coffee products. The research began from the collection of data in the form of raw Arabica coffee image Toraja as many as 4000 images of arabica coffee fruit with 4 categories, half-cooked, perfectly ripe, and mature old. CNN basic architecture is created using images with a size of 128x128 pixels, 4 convolution layers using 3x3 filters opening 32, 64, 128, and 256 with ReLU activation, followed by a poll layer with a 2x2 filter. The full connected layer uses 2 hidden layers with dropout layers. The training model was conducted with a 5-fold cross-validation method using epoch 100, 'adam' optimization algorithm with a learning rate of 0.0001, and batch size 10. The success of a model is seen based on the calculation of the confusion matrix. The test results showed that the accuracy rate of the third model using a combination of max polling and average polling performed best with an introduction accuracy of 98.75%, the first model used max polling with an accuracy of 98.25% while the lowest accuracy on the second model used average polling with an accuracy of 97.75%.
Pengenalan Plat Kendaraan Berbasis Android menggunakan Viola Jones dan Kohonen Neural Network Aryo Michael
ILKOM Jurnal Ilmiah Vol 8, No 2 (2016)
Publisher : Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v8i2.52.95-102

Abstract

Penelitian ini bertujuan untuk membangun sistem pengenalan plat kendaraan roda dua berbasis android.  Penelitian ini dilaksanakan di Kota Makassar Indonesia.  Metode yang digunakan pada penelitian ini adalah pengenalan pola plat kendaraan dengan metode viola jones, kemudian segmentasi karakter plat menggunakan metode morfologi, dan pengenalan karakter plat dengan kohonen neural network.  Hasil penelitian yang diperoleh menunjukkan bahwa pengenalan plat kendaraan menggunakan kohonen neural network berdasarkan pengujian yang dilakukan menunjukkan persentase keberhasilan pengenalan karakter pada plat kendaraan bermotor pada kondisi yang baik sebesar 78,57% edangkan pada plat yang kurang baik sebesar 57,14%.
Analisis Quality Of Service Pada Jaringan Internet Kampus 2 Universitas Kristen Indonesia Toraja Amarya Sula; Aryo Michael; Juprianus Rusman
Infinity Vol. 1 No. 2 (2021): INFINITY : UKI Toraja Journal of Information Tecnology
Publisher : Publikasi dan UKI Press UKI Toraja

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (401.89 KB) | DOI: 10.47178/infinity.v1i2.1517

Abstract

Kualitas dari sebuah layanan internet adalah kemampuan jaringan untuk bekerja dengan baik. Koneksi internet yang baik dan memadai dikampus sangat diperlukan dalam proses pembelajaran, supaya pengguna dapat menggunakan koneksi internet dengan stabil. Quality of Service merupakan sebuah metode pengujian untuk mengetahui seberapa baik kualitas sebuah jaringan internet pada Kampus 2 Universitas Kristen Indonesia Toraja menggunakan perangkat lunak Wireshark.. Hasil pengukuran yang di dapatkan selanjutkan diolah untuk dianalisis nilai Throughput, Delay, Jitter dan Packetloss untuk mengetahui kualitas layanan jaringan internet yang disediakan. Hasil dari pengukuran ditampilkan dalam bentuk tabel pada setiap Access Point dari lantai 1, lantai 2, lantai 3 dan lantai 4 pada Kampus 2 Universitas Kristen Indonesia Toraja
Kombinasi Pretrained Model dan Random Forest Pada Klasifikasi Bakso Mengandung Boraks dan Non-Boraks Berbasis Citra Aryo Michael; Srivan Palelleng; Irene Devi Damayanti; Juprianus Rusman
Teknika Vol 12 No 1 (2023): Maret 2023
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.v12i1.591

Abstract

Makanan memainkan peran penting dalam kelangsungan hidup manusia. Salah satu makanan tradisional yang populer di Indonesia adalah bakso. Penggunaan Bahan Tambahan Makanan (BTM) dalam makanan, terutama makanan olahan, tidak dapat dihindari. Salah satu BTM yang sering digunakan adalah boraks. Penggunaan boraks dalam pembuatan bakso dapat menyebabkan efek samping kesehatan bagi konsumen. Oleh karena itu, penting untuk menentukan apakah suatu produk bakso mengandung borax atau tidak. Artikel ini bertujuan untuk mengusulkan pendekatan kombinasi model yang terdiri dari pretrained model sebagai fitur extractor dan Random Forest digunakan untuk mengklasifikasikan gambar bakso serta melakukan evaluasi terhadap model yang dibangun. Kombinasi parameter yang digunakan pada Random Forest menggunakan parameter terbaik dari tuning hyperparameter GridsearchCV. Hasil pengujian menunjukkan kombinasi pretrained model Xception dan Random Forest menghasilkan kinerja dengan akurasi sebesar 85%, presisi sebesar 87%, recall sebesar 83% dan F1-score sebesar 85%.
Klasifikasi Citra Daging Babi dan Daging Kerbau Menggunakan Histogram Citra dan GLCM Irene Devi Damayanti; Aryo Michael; Fridolin Fridolin; Helce K. Y. Piopadang; Setriyanti P.
Journal of System and Computer Engineering (JSCE) Vol 4 No 2 (2023): JSCE: Juli 2023
Publisher : Universitas Pancasakti

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61628/jsce.v4i2.878

Abstract

Due to high consumer demand, some traders use the high price of meat to make a profit by mixing pork and buffalo meat. Some consumers are not aware of this, because in plain view buffalo meat with pork meat is difficult to distinguish, especially for some ordinary people. This action is very detrimental and disturbing the local community, especially Muslims. At present, technological advances in the field of digital image processing are increasing rapidly, especially in food products. In general, this research was conducted in 2 (three) stages. The first stage, namely the stage of image data collection of pork and buffalo meat. The second stage, namely the classification of pork and buffalo meat images using image histogram analysis and the Gray Level Co-occurrence Matrix (GLCM) method based on the color and texture of the meat. In this study using the Red Green Blue (RGB) color image method and GLCM texture extraction, namely contrast, homogeneity, energy, and correlation. The study was conducted using 20 samples of meat images (10 images of pork and 10 images of buffalo meat, respectively). Based on the results of the research that has been done, it was found that the image of buffalo meat has a higher percentage value of the Red (R) color component when compared to the pork image, whereas the percentage value of the Green (G) and Blue (B) color components is lower when compared to the image pork. Then, if the value between pixels is not homogeneous (small homogeneity value), then the contrast value is large, and vice versa if the value between pixels is homogeneous (large homogeneity value) then the contrast value is small. The image of buffalo meat has a small homogeneity value compared to the image of pork, so the variation in intensity (contrast) in the image of buffalo meat is high.
Convolutional neural network model for early detection of meatballs containing borax Aryo Michael; Juprianus Rusman
Jurnal Mantik Vol. 7 No. 3 (2023): November: Manajemen, Teknologi Informatika dan Komunikasi (Mantik)
Publisher : Institute of Computer Science (IOCS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35335/mantik.v7i3.4411

Abstract

The use of borax in meatballs to improve the texture and durability of meatballs is still rampant. Borax is very dangerous for consumers. Currently, monitoring of meatballs containing borax is done by experts in the laboratory. The public needs to know this information quickly. Therefore, a system is needed that can detect meatballs containing borax in real time. In this study we built a lightweight Convolutional Neutal Network (CNN) model and searched for optimal hyperparameters for the classification of meatballs containing borax. The results show that the proposed model outperforms other models in classifying meatballs containing borax with an accuracy value of 90%.
Co-Authors Adda, Muhammad Sofwan Amarya Sula Damayanti, Irene Devi Dudung, Marni Fridolin Fridolin Garoga, Melki Garonga, Melki Gidion Aryo Nugraha Pongdatu Haryati, Berlian Zetikarya Helce K. Y. Piopadang Irene Devi Damayanti Juprianus Rusman K, Gabriel Maharani, Fanny Marchelin Nofrianto Pasae P, William Padang, Samuel Yakobus Padang, Semuel Yakobus Patalo, Enohk Eightry Saladan, Fidryani Salu, Nerwan Setriyanti P. Srivan Palelleng Tumanan, Reynaldi Ary