Article Per Year (5 Year)
p-Index From 2021 - 2026
3.369
P-Index
This Author published in this journals
All Journal Publikasi Pendidikan Jurnal Teknologi dan Manajemen Informatika BAREKENG: Jurnal Ilmu Matematika dan Terapan JITK (Jurnal Ilmu Pengetahuan dan Komputer) 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 : 24 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 24 Documents
Search

 1   2   3 
Prediksi Persediaan Sepeda Motor Pada Dealer Yamaha Jaya Baru Motor Mengunakan Metode Frequent Pattern (FF-Growth) Salu, Nerwan; Michael, Aryo; Padang, Samuel Yakobus; Adda, Muhammad Sofwan
INFINITY : UKI Toraja Journal of Information Technology Vol 2 No 1 (2022): 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 (393.299 KB) | DOI: 10.47178/infinity.v2i1.1690

Abstract

Perkembangan teknologi yang begitu cepat dapat menangani permasalahan-permasalahan yang ada dengan cara memprediksi dengan berbagai teknik. Maka pentingnya teknologi untuk memprediksi dalam persediaan sepeda motor merupakan keseimbangan antara investasi sehingga apa yang direncanakan dan ditargetkan dapat tercapai tanpa kendala yang disebabkan oleh suatu barang. Bagaimana kinerja model prediksi persediaan sepeda motor menggunakan algoritma Frequent Pattern Growth (FP-Growth). Salah satu data mining yang digunakan dalam penelitian ini adalah association rule dengan menerapkan algoritma Frequent Pattern Growth (FP-Growth) dan diimplementasikan pada aplikasi Microsoft Excel. Hasil penelitian yang telah dilakukan dengan adanya penerapan algoritma FP-Growth pada perhitungan manual dengan syarat batasan nilai support>30% dan nilai Confidence70%. Kemudian disimpulkan bahwa telah dilakukan penerapan algoritma FP-Growth untuk penentuan pada pola pembelian di dealer Yamaha Jaya baru motor. Dari dataset 15 transaksi penjualan produk barang yang menjadi frequent itemset merupakan kombinasi itemset yang terdapat 24 rules pola asosiasi dengan memenuhi nilai syarat batasan tersebut. Hasil association rules diperoleh terdapat 17 rules yang telah memenuhi nilai syarat.
Analisis Keamanan Jaringan Wireless menggunakan Metode Penetration Testing di SMK Xyz Tana Toraja Pongdatu, Gidion Aryo Nugraha; Michael, Aryo; Patalo, Enohk Eightry
INFINITY : UKI Toraja Journal of Information Technology Vol 2 No 2 (2022): INFINITY : UKI Toraja Journal of Information Tecnology
Publisher : Publikasi dan UKI Press UKI Toraja

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47178/wwmg3484

Abstract

Perkembangan teknologi informasi pada era modern seperti sekarang ini memudahkan masyarakat untuk mengakses informasi dengan mudah melalui media internet. Salah satu teknologi yang digunakan untuk mengakses informasi adalah teknologi media transmisi nirkabel atau wireless. Teknologi wireless berkembang sangat pesat saat ini karena akses dan perawatannya lebih mudah dan fleksibel. Namun, akses mudah terhadap jaringan wireless memerlukan perhatian khusus pada segi keamanan data, terutama di dalam instansi atau lembaga. SMK Xyz Tana Toraja adalah salah satu instansi pendidikan yang menggunakan jaringan wireless sebagai fasilitas penunjang proses pembelajaran dan administrasi. Jaringan wireless yang digunakan oleh SMK Xyz Tana Toraja terhubung langsung ke server yang berisi data siswa, data guru dan pegawai, serta data keuangan. Oleh karena itu, keamanan pada jaringan wireless sangat penting untuk melindungi data dari ancaman dari luar. Metode yang digunakan untuk pengujian sistem keamanan jaringan Wireless LAN (WLAN) adalah dengan metode penetration testing yang dilakukan pada jaringan instansi terkait untuk menemukan kelemahan yang ada pada jaringan tersebut. Hasil dari pengujian penetration testing menunjukkan bahwa kualitas keamanan jaringan pada SMK Xyz Tana Toraja masih lemah. Hal ini tampak dari hasil pengujian jaringan wireless menggunakan metode penetration testing, seperti sniffing pada komputer target yang berhasil jika website yang diakses menggunakan protokol http, enkripsi yang digunakan pada access point yang masih dapat ditembus menggunakan dictionary attack. Oleh karena itu, perlu dilakukan peningkatan pada sistem keamanan jaringan wireless di SMK Xyz Tana Toraja untuk mengamankan data yang disimpan di dalamnya
Prediksi Jumlah Kunjungan Wisatawan Di Toraja Utara Menggunakan Metode Long Short Term Memory Saladan, Fidryani; Michael, Aryo; Damayanti, Irene Devi; Marchelin
INFINITY : UKI Toraja Journal of Information Technology Vol 3 No 1 (2023): INFINITY : UKI Toraja Journal of Information Tecnology
Publisher : Publikasi dan UKI Press UKI Toraja

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47178/infinity.v3i1.2189

Abstract

Wisatawan mampu memberikan dampak positif dalam peningkatan kesejahteraan dan perekonomian masyarakat pada suatu daerah tertentu. Terlebih di Toraja Utara merupakan salah satu destinasi daerah yang terkenal akan tradisi adat budaya dan keindahan alam yang masih alami menjadi daya tarik tersendiri bagi wisatawan yang berkunjung ke Toraja Utara. Di dalam dunia pariwisata, memprediksi jumlah kunjungan wisatawan merupakan hal yang perlu dilakukan untuk mengetahui nilai prediksi kunjungn wisatawan dimasa mendatang. Metode Long Short Term Memory (LSTM) adalah salah satu metode untuk memprediksi data jumlah kunjungan wisatawan di Toraja Utara. Penelitian ini menggunakan data jumlah kunjungan wisatawan dari bulan Januari 2015 sampai bulan Desember 2021. Tujuan dari penelitian ini adalah untuk menentukan model terbaik dan kinerja model dengan parameter Jumlah Layer (32, 64, 128), Sliding Window dengan size window (3, 6, 9), Dropout (0.01, 0.1, 0.2 dan 0.5) dengan Max Epoch 100. Dari hasil training didapatkan model terbaik dengan MSE terendah pada jumlah layer 32 dropout 0.01 epoch 100 menghasilkan Mean Square Error (MSE) sebesar 0.070323934. Model terbaik yang didapatkan pada proses training digunakan untuk pengujian data testing pada jumlah layer 32, dropout 0.01 dan epoch 100 menunjukkan Mean Square Error (MSE) sebesar 110198720. Sehingga dapat dikatakan bahwa hasil training dan pengujian model tersebut memiliki kemampuan prediksi yang baik.
Optimisasi Hiperparameter Tuning pada Metode Support Vector Machine untuk Klasifikasi Tingkat Kematangan Buah Kopi Rusman, Juprianus; Haryati, Berlian Zetikarya; Michael, Aryo
J-Icon : Jurnal Komputer dan Informatika Vol 11 No 2 (2023): Oktober 2023
Publisher : Universitas Nusa Cendana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35508/jicon.v11i2.12571

Abstract

This study aims to develop an optimal classification model to identify the maturity level of coffee fruit based on color features of coffee fruit images. The color features red, green and blue in RGB color space and hue, saturation and value in HSV color space are extracted from the coffee fruit image and used as input for the support vector machine (SVM) classification model. In order to optimize the performance of SVM, hyperparameter tuning is used with the grid search method to determine the best parameters in the classification model built. By using 180 training images in determining the optimum parameters, the hyperparameter tuning results of the grid search method are obtained at cross validation (cv) = 6, cost (C) = 1000, gamma (γ) = 0.001, and kernel = linear. Then the optimum parameters are used as an SVM model to classify 45 test images into three different classes, namely ripe, half ripe and raw. Based on the evaluation with confusion matrix, it can be concluded that the built model has good performance with 98% accuracy. This indicates that the model is able to distinguish the three classes with a low error rate. With this ability, the model built has great potential in the agricultural industry to support the use of technology in agriculture, especially coffee farming such as post-harvest fruit processing. This model can be developed on a maturity level sorting machine.
Sistem Informasi Cuti ASN Berbasis Web Pada Badan Kepegawaian, Pendidikan, dan PelatihanKabupaten Toraja Utara Tumanan, Reynaldi Ary; Michael, Aryo; Padang, Semuel Yakobus
INFINITY : UKI Toraja Journal of Information Technology Vol 3 No 2 (2023): INFINITY : UKI Toraja Journal of Information Tecnology
Publisher : Publikasi dan UKI Press UKI Toraja

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47178/8e9d1603

Abstract

Dalam pengurusan cuti ASN, instansi yang yang bertanggung jawab dalam mengurus urusan kepegawaian lingkungan Pemerintahan Kabupaten Toraja Utara yakni Badan Kepegawaian, Pendidikan, dan Pelatihan (BKPP) Kabupaten Toraja Utara. Masalah yang terjadi pada BKPP Kabupaten Toraja Utara mengenai masalah cuti pegawai yang akan diajukan ASN. Terkadang masih ada ASN yang belum memahami aturan cuti sehingga pada saat ASN datang ke kantor BKPP membawa berkas permohonan cutinya, pengajuannya tidak dapat diproses lebih lanjut disebabkan karena permohonan cutinya yang tidak sesuai dengan aturan cuti yang berlaku. Ketika ASN ingin mengajukan cuti tahunan, BKPP Bidang Diklat harus mencari satu persatu arsip cuti pegawai dalam bentuk buku agenda untuk mengetahui sisa cuti pegawai tersebut, kemudian BKPP membuatkan surat pengantar pengajuan cuti ASN, yang mana itu membutuhkan waktu yang lama dan cukup ribet sehingga pengurusan pengajuan cuti pegawai menjadi lebih lama. Oleh karena itu, dibutuhkan pembuatan suatu sistem informasi cuti ASN sehingga pemrosesan pemberian cuti ASN lebih cepat dan tepat dilakukan. Metode yang digunakan dalam pengembangan sistem ini adalah metode waterfall yang memiliki tahapan mulai dari analisis, perancangan, implementasi dan pengujian. Hasil pengujian blackbox yang telah dilakukan semuanya berhasil atau tidak adanya kesalahan (error) dan hasil pengujian implementasi sistem menggunakan User Acceptance Test (UAT) sudah sangat baik digunakan oleh ASN dalam mengajukan cuti dengan memperoleh nilai persentase 87,99%.
Klasifikasi Cacat Biji Kopi Menggunakan Metode Transfer Learning dengan Hyperparameter Tuning Gridsearch Michael, Aryo; Rusman, Juprianus
Jurnal Teknologi dan Manajemen Informatika Vol. 9 No. 1 (2023): Juni 2023
Publisher : Universitas Merdeka Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26905/jtmi.v9i1.10035

Abstract

Defects in coffee beans can significantly impact the quality of coffee production, which can lead to a decrease in the price of coffee beans in the global coffee market. Currently, coffee bean sorting is still conventionally done to separate defective and non-defective coffee beans, which is a time-consuming process and subject to subjective selection, potentially leading to a decline in the quality of the resulting coffee beans. The objective of this research is to design and measure the performance of deep learning algorithms, CNN MobilNetV2 and DenseNet201, using transfer learning methods where hyperparameter tuning grid search is employed to select the optimal combination of hyperparameters for the defective coffee bean classification model. The study began by collecting a dataset of images of abnormal and defective coffee beans, building a classification model using transfer learning methods that utilized pre-trained models and selecting the best hyperparameters, training the model, and finally testing the created classification model. The research results indicate that the pre-trained MobileNetV2 model with hyperparameter tuning achieved an accuracy of 90%, and the pre-trained DenseNet201 model achieved an accuracy of 93%. The research results indicate that this approach enables the model to achieve excellent performance in recognizing and classifying defective coffee beans with high accuracy
Penerapan Ensemble CNN untuk Klasifikasi Biji Kopi: ResNet50, Inception V3, dan EfficientNet B7 K, Gabriel; P, William; Michael, Aryo
INFINITY : UKI Toraja Journal of Information Technology Vol 4 No 2 (2024)
Publisher : Publikasi dan UKI Press UKI Toraja

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47178/m7528h92

Abstract

Indonesia, sebagai salah satu produsen dan eksportir kopi terbesar dunia, menghadapi tantangan dalam memenuhi standar kualitas global yang berpengaruh signifikan terhadap harga pasar. Proses penjaminan mutu dari budidaya hingga pascapanen memerlukan inovasi teknologi untuk meningkatkan efisiensi. Penelitian ini mengusulkan penerapan ensemble learning berbasis Convolutional Neural Network (CNN) dengan metode simple averaging yang mengkombinasikan tiga arsitektur pra-terlatih: ResNet-50, InceptionV3, dan EfficientNetB7. Dataset USK Coffee—terdiri dari 6.400 citra biji kopi berukuran 112×112 piksel—dibagi menjadi 4.800 sampel pelatihan dan 1.600 sampel pengujian untuk mengevaluasi kinerja model. Hasil eksperimen menunjukkan bahwa model ensemble mencapai akurasi 83%, mengungguli kinerja masing-masing model tunggal (ResNet-50: 77%, InceptionV3: 71%, EfficientNetB7: 82%). Analisis metrik precision, recall, dan F1-score mengonfirmasi peningkatan signifikan dalam konsistensi klasifikasi, khususnya pada kelas defect (precision 0.90) dan longberry (F1-score 0.91). Namun, disparitas kinerja pada kelas peaberry (precision 0.74 vs. recall 0.93) mengindikasikan perlunya optimasi tambahan melalui augmentasi data atau penyesuaian threshold. Temuan ini menegaskan potensi teknik ensemble dalam sistem klasifikasi biji kopi berbasis deep learning, sekaligus menyoroti kebutuhan penanganan kompleksitas komputasi dan ambiguitas fitur visual untuk aplikasi industri skala besar.
PELATIHAN PENGGUNAAN APLIKASI GAME EDUKASI PUZZLE SEBAGAI MEDIA PEMBELAJARAN ANAK USIA DINI DI TK KRISTEN TIKALA Palelleng, Srivan; Michael, Aryo; Garonga, Melki
TONGKONAN: JURNAL PENGABDIAN MASYARAKAT Vol 2 No 1 (2023): Tongkonan: Jurnal Pengabdian Masyarakat
Publisher : FKIP UKI TORAJA

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (245.514 KB) | DOI: 10.47178/tongkonan.v2i1.2058

Abstract

TK Kristen Tikala merupakan salah satu tempat belajar yang dalam proses pembelajarannya masih menggunakan alat peraga dan buku cetak. Masalah yang dihadapi oleh para guru adalah siswa cepat sekali bosan sehingga merasa hanya sebentar bisa fokus dalam belajar. Dan masalah yang dihadapi siswa adalah bahwa mereka merasa cepat bosan dan tidak tertarik mengikuti pelajaran tetapi mereka lebih suka bermain. Tujuan pelaksanaan Pk ini adalah untuk memberikan alternative media pembelajaran anak usia dini dengan memanfaatkan aplikasi game edukasi puzzle. Metode pelaksanaan PkM adalah menggunakan metode observasi, metode praktek dan evaluasi. Tahapan pelaksanaan kegiatan PkM adalah identifikasi masalah, persiapan, pelaksanaan kegiatan dan evaluasi. Hasil evaluasi yang dilaksanakan diakhir kegiatan pelatihan disimpulkan bahwa penggunaan game puzzle dalam proses pembelajaran dapat menghilangkan rasa bosan siswa dalam belajar dan sekaligus mampu menambah minat siswa dalam belajar ini terlihat dari antusias siswa dalam menyelesaikan setiap level dalam game tanpa menyadari bahwa waktu belajar sudah selesai.
DETERMINATION OF COFFEE FRUIT MATURITY LEVEL USING IMAGE HISTOGRAM AND K-NEAREST NEIGHBOR Damayanti, Irene Devi; Michael, Aryo
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 18 No 2 (2024): BAREKENG: Journal of Mathematics and Its Application
Publisher : PATTIMURA UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/barekengvol18iss2pp0785-0796

Abstract

Coffee has a very important role in the Indonesian economy, as one of the country's foreign exchange contributors in the plantation sector. Therefore, coffee processing is very important in determining the quality of coffee. The procedure for choosing and evaluating the coffee fruit's physical quality is one of the most crucial steps. The step of determining the maturity level of coffee fruit is carried out using the image histogram and K-Nearest Neighbor (KNN) method. This research uses the KNN algorithm with classification stages that will show the level of accuracy value according to the value of k = 5 used when processing the classification of coffee fruit image data. In order to complete this step, the features of the coffee fruit are identified using its color. The qualities of quality coffee fruit, which is flawlessly red in color. Twenty images total—ten of which are of ripe coffee fruit and ten of which are of raw coffee fruit—were used in this study. The test results were carried out using rapidminer tools using 40% training data and 60% testing data from the total data set. Based on the test results, it gives an accuracy value of 100%, meaning that the data set can be used in the next stage as valid data to be used.
Klasifikasi Citra Daging Babi dan Daging Kerbau Menggunakan Histogram Citra dan GLCM Damayanti, Irene Devi; Michael, Aryo; Fridolin, Fridolin; Piopadang, Helce K. Y.; P., Setriyanti
Journal of System and Computer Engineering 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.
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 Irene Devi Damayanti Ireve Devi Damayanti Jemi Pabisangan Tahirs Juprianus Rusman K, Gabriel Maharani, Fanny Marchelin Nofrianto Pasae P, William P., Setriyanti Padang, Samuel Yakobus Padang, Semuel Yakobus Patalo, Enohk Eightry Piopadang, Helce K. Y. Saladan, Fidryani Salu, Nerwan Srivan Palelleng Tulak, Harmelia Tumanan, Reynaldi Ary