Article Per Year (5 Year)
p-Index From 2021 - 2026
7.018
P-Index
This Author published in this journals
All Journal ComEngApp : Computer Engineering and Applications Journal Syntax Jurnal Informatika Jurnal Ilmu Komputer dan Agri-Informatika SITEKIN: Jurnal Sains, Teknologi dan Industri Jurnal Informatika Jurnal CoreIT JURNAL MEDIA INFORMATIKA BUDIDARMA JIEET (Journal of Information Engineering and Educational Technology) Indonesian Journal of Artificial Intelligence and Data Mining Seminar Nasional Teknologi Informasi Komunikasi dan Industri JURNAL INSTEK (Informatika Sains dan Teknologi) Jurnal Informatika Universitas Pamulang Sebatik Jurnal Teknoinfo ICETIA Jurnal Nasional Komputasi dan Teknologi Informasi IJISTECH (International Journal Of Information System & Technology) JURIKOM (Jurnal Riset Komputer) Informatika : Jurnal Informatika, Manajemen dan Komputer Building of Informatics, Technology and Science Zonasi: Jurnal Sistem Informasi Jurnal Informatika Ekonomi Bisnis Jurnal Tekinkom (Teknik Informasi dan Komputer) JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Journal of Computer System and Informatics (JoSYC) Jurnal Sistem Komputer dan Informatika (JSON) JUKI : Jurnal Komputer dan Informatika IJISTECH Information System Journal (INFOS) Bulletin of Computer Science Research KLIK: Kajian Ilmiah Informatika dan Komputer JUSTIN (Jurnal Sistem dan Teknologi Informasi) Bulletin of Information Technology (BIT) Knowbase : International Journal of Knowledge in Database Malcom: Indonesian Journal of Machine Learning and Computer Science Jurnal Sains dan Informatika : Research of Science and Informatic Jurnal Informatika Ekonomi Bisnis
Suwanto Sanjaya
Universitas Islam Negeri Sultan Syarif Kasim Riau
Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mathematics Neuroscience Social Sciences Transportation Other

Published : 70 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 70 Documents
Search

 1   2   3   4   5 
Implementasi Long Short Term Memory Neural Network Untuk Prediksi Indeks Harga Perdagangan Besar Hartini Hartini; Fitri Insani (Scopus ID: 57190404820); Novriyanto Novriyanto; Suwanto Sanjaya
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2022: SNTIKI 14
Publisher : UIN Sultan Syarif Kasim Riau

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

Abstract

Indeks Harga Perdagangan Besar (IHPB) merupakan indikator untuk menilai perkembangan perekonomian suatu negara. Penelitian IHPB bertujuan sebagai deflator Produk Domestik Bruto untuk perkembangan ekonomi. Penelitian ini dilaksanakan dengan studi kasus IHPB Indonesia, data sekunder yang diperoleh dari situs resmi Badan Pusat Statistik (BPS) pada bulan Januari 2000 sampai bulan November 2019. Metode yang digunakan untuk memprediksi adalah Long Short Term Memory. LSTM merupakan perkembangan Jaringan syaraf tiruan algoritma deep learning Recurrent Neural Network (RNN) yang dapat mengatasi salah satu kekurangan RNN yaitu kemampuan pengelolaan informasi dalam periode lama. Dalam penelitian ini LSTM berhasil memprediksi IHPB bulan berikutnya. Pengujian terbaik pada komoditas indeks umum tanpa impor dan ekspor migas memberikan hasil  MAPE 1,1437%, MSE 0,0002, RMSE 0,0135 dengan tingkat akurasi 98,8563%.
Clustering Vaksinasi Penyakit Mulut dan Kuku Di Provinsi Riau Menggunakan Algoritma K-Medoids Riska Yuliana; Alwis Nazir; Reski Mai Candra; Suwanto Sanjaya; Fadhilah Syafria
JUKI : Jurnal Komputer dan Informatika Vol. 5 No. 1 (2023): JUKI : Jurnal Komputer dan Informatika, Edisi Mei 2023
Publisher : Yayasan Kita Menulis

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

Abstract

Foot and Mouth Disease (FMD) atau biasa pula disebut penyakit mulut dan kuku (PMK) merupakan penyakit infeksi akut yang menularkan ke hewan lain karena disebabkan oleh virus yang masuk dalam genus Apthovirus dan famili Picornaviridae. PMK perlu ditangani karena menyebabkan kerugian finansial terutama disebabkan oleh penurunan produksi hewan ternak seperti susu maupun daging, produktivitas tenaga kerja serta keterbatasan pangan. Salah satu penanganan dan pengendalian PMK pada hewan ternak sapi yaitu ,melakukan program vaksinasi. Penelitian ini menggunakan data dari Dinas Peternakan dan Kesehatan Provinsi Riau. Penelitian ini menggunakan teknik data mining dalam pengolahan datanya menggunakan metode k-medoids clustering. Proses K-Medoids merupakan proses agregasi yang membagi data menjadi beberapa kelompok, dan hasil dari proses clustering ini tidak bergantung pada urutan record yang dimasukkan. maka metode ini juga dapat mengatasi kelemahan dari k-means. Metode k-medoids dapat diterapkan pada data vaksinasi penyakit mulut dan kuku di Provinsi Riau, dan dapat diidentifikasi kelompok kekebalan hewan berdasarkan data tersebut. . Hasil cluster terbaik setelah dilakukan pengujian yaitu 2 cluster. Cluster terendah berada pada cluster 1 sebanyak 21894 ekor dan cluster 2 sebanyak 48042 ekor. Dimana dalam proses pengujian dilakukan menggunakan Davies Bouldien Index (DBI) mendapatkan nilai -0.482. Diharapkan penelitian ini dapat memberikan perhatian lebih untuk vaksinasi terhadap PMK karena kekebalan hewan yang masih rendah sehingga memudahkan terinfeksinya PMK.
Optimasi Convolutional Neural Network NASNetLarge Menggunakan Augmentasi Data untuk Klasifikasi Citra Penyakit Daun Padi Afiana Nabilla Zulfa; Jasril Jasril; Muhammad Irsyad; Febi Yanto; Suwanto Sanjaya
JURNAL MEDIA INFORMATIKA BUDIDARMA Vol 7, No 2 (2023): April 2023
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/mib.v7i2.6056

Abstract

Diseases that attack rice are one of the elements that can reduce rice production. Rice diseases include Blast, Brown Spot, Leaf Smut, and so on. Distinguishing rice disease from sight has a weakness because rice disease has similar symptoms and characteristics. Farmers lack knowledge in identifying rice disease types so that technology is needed that can help distinguish rice diseases. The method used for rice image classification in this study is the Convolutional Neural Network NASNetLarge architecture. There are two classification processes, namely the classification process using data augmentation and without data augmentation. The data consists of 4 classes, namely Healthy, Leaf Smut, Blast, and Brown Spot with a total of 440 original images and 1320 augmented images. This study uses data augmentation, namely Horizontal Flips, Vertical Flips, and Contrast. The results for the classification process without data augmentation obtained the highest accuracy, namely 94.31%, 100% precision, 100% recall, and 100% f1-score at a ratio of 80:20, learning rate 0.1, dense 256, batch size 32, and optimizer Adam. While the accuracy obtained in the classification process using data augmentation is 98.73%, 96.11% precision, 100% recall, and 98.01% f1-score at a ratio of 70:30, learning rate 0.1, dense 16, batch size 128, and the Adagrad optimizer. The accuracy results show that the data augmentation and hyperparameters used can increase the accuracy in classifying rice leaf disease images.
Penerapan Metode K-Means Clustering untuk Pemetaan Pengelompokan Lahan Produksi Tandan Buah Segar Abdussalam Al Masykur; Siska Kurnia Gusti; Suwanto Sanjaya; Febi Yanto; Fadhilah Syafria
Jurnal Informatika Vol 10, No 1 (2023): April 2023
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/inf.v10i1.15621

Abstract

Di Perkebunan Sei Lukut, Desa Maredan Barat, Kecamatan Tualang, Kabupaten Siak, Provinsi Riau, PT. Surya Intisari Raya, sebuah perusahaan swasta, mengelola perkebunan kelapa sawit. Memiliki 4 bagian lahan kelapa sawit yang terdiri dari 216 blok dengan total sekitar 4.000 Ha. Blok kelapa sawit biasanya mencakup 20 hektar dan berisi 28.000 pohon kelapa sawit, dengan kapasitas produksi bulanan sebesar 57 ton. Pemetaan klaster produksi tandan buah segar berupaya membantu pelaku usaha memutuskan kebijakan apa yang akan diterapkan untuk meningkatkan akurasi dan produktivitas produksi minyak sawit. Metode K-Means merupakan komponen dari metode clustering, yang merupakan subset dari kelompok Unsupervised Learning dan digunakan untuk mempartisi data ke dalam berbagai kategori. Untuk mengelompokkan blok lahan berdasarkan delapan data variabel luas pokok, panjang panen, daun lepas, curah hujan, pupuk, tujuan, dan persentase keberhasilan, penelitian ini akan menerapkan Indeks Davies Bouldin dengan alat RapidMiner. Kesimpulan akhir dari penelitian ini adalah sebuah aplikasi yang dapat memetakan pengelompokan areal produksi tandan buah segar dengan menerapkan metode K-Means Clustering, dengan nilai Davies Bouldin Index terkecil sebesar 0,921 pada jumlah cluster 3 yang termasuk Cluster C1 (Produktivitas Sedang). Terdiri dari 96 blok tanah, Cluster C2 (Produktivitas Rendah) terdiri dari 41 blok tanah, dan Cluster C3 (Produktivitas Tinggi) terdiri dari 79 blok tanah.In Sei Lukut Estate, West Maredan Village, Tualang District, Siak District, Riau Province, PT. Surya Intisari Raya, a private business, administers oil palm plantations. It has 4 sections of oil palm land made up of 216 blocks totaling about 4,000 Ha. Blocks of oil palm typically cover 20 hectares and contain 28,000 palm trees, with a monthly output capacity of 57 tons. The mapping of the production clusters for fresh fruit bunches seeks to help the business decide what policies to implement to increase the accuracy and productivity of palm oil production. The K-Means method is a component of the clustering method, which is a subset of the Unsupervised Learning group and is used to partition data into various categories. In order to group land blocks based on the eight variable data areas of total principal, harvest length, loose leaf, rainfall, fertilizer, goal, and percentage of success, this study will apply the Davies Bouldin Index with RapidMiner tools. The final conclusion of this research is an application that can map the grouping of fresh fruit bunch production areas by applying the K-Means Clustering method, with the smallest Davies Bouldin Index value of 0.921 in the number of clusters 3 including Cluster C1 (Medium Productivity) consisting of 96 blocks land, Cluster C2 (Low Productivity) consists of 41 land blocks, and Cluster C3 (High Productivity) consists of 79 land blocks.
Clustering Vaksinasi Penyakit Mulut dan Kuku Menggunakan Algoritma K-Means Adrian Maulana; Alwis Nazir; Reski Mai Candra; Suwanto Sanjaya; Fadhilah Syafria
Journal of Information System Research (JOSH) Vol 4 No 3 (2023): April 2023
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josh.v4i3.3363

Abstract

Foot and Mouth Disease (FMD) is a viral infectious disease that is acute and highly contagious in artiofactyl or even-toed hoofed animals. This disease is caused by tyoe A virus forum picornaviridae, genus Apthovirus namely Aphtaee epizootecae. This disease has a development period of 1-14 days since the infected animal. The defense of this virus is quite strong and survives in glands, milk bones and milk products. The morbidity rate is up to 100% and mortality is high in infected young animals. Areas with the highest transmission of foot and mouth disease are areas with high livestock density, so stricter biosecurity and animal traffic control must be implemented to prevent the disease. The problem in the Departement of Livestock and Animal Health of Riau Province is the difficulty in categorizing food and mouth disease vaccination data of which regions have done the first and second vaccine specifically for cattle in Riau Province. Therefore, this study will categorizing the first and sceond vaccine eith high immunity using K-Means algorithm. Parameter used are vaccination status, breed, gender and age. By applying the K-Means algorithm, two clusters are formed, namely the cluster with high immunity of 21232 cows, and the cluster with low immunity 48704 cows. Testing with DBI with K=2 produces a value of 0.416.
Klasifikasi Citra Penyakit Daun Tanaman Padi Menggunakan CNN dengan Arsitektur VGG-19 Rahma Shinta; Jasril; Muhammad Irsyad; Febi Yanto; Suwanto Sanjaya
SAINS DAN INFORMATIKA : RESEARCH OF SCIENCE AND INFORMATIC Vol. 9 No. 1 (2023): Jurnal Sains dan Informatika : Research of Science and Informatic
Publisher : Lembaga Layanan Pendidikan Tinggi (LLDIKTI) Wilayah X

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

Abstract

Penurunan produksi padi disebabkan oleh serangan hama dan penyakit yang biasa terdapat pada bagian daun. Penelitian terkait klasifikasi jenis penyakit daun padi telah banyak dilakukan. Penelitian ini menerapkan metode Convolutional Neural Network (CNN) dengan arsitektur VGG-19 untuk klasifikasi citra penyakit daun tanaman padi. Tujuan penelitian ini adalah untuk membandingkan hasil akurasi pengujian dari model yang menggunakan augmentasi dan tanpa augmentasi data. Data pada penelitian ini terbagi atas 4 kelas, yaitu blast, brown spot, leaf smut, dan healthy dengan jumlah data asli sebanyak 440 dan data augmentasi sebanyak 1320 citra. Hasil pengujian menunjukkan bahwa akurasi tertinggi menggunakan augmentasi data yang diperoleh sebesar 94.31%, sedangkan akurasi tertinggi tanpa augmentasi data yang diperoleh sebesar 93.18%. Hasil penelitian menunjukkan bahwa augmentasi dapat meningkatkan hasil akurasi. Penggunaan optimizer Nadam menghasilkan nilai akurasi yang lebih tinggi dibandingkan Adamax. Hyper Parameter yang digunakan juga berpengaruh terhadap hasil akurasi pengujian.
Image Classification of Beef and Pork Using Convolutional Neural Network Architecture EfficienNet-B1 Isnan Mellian Ramadhan; Jasril - Jasril; Suwanto Sanjaya; Febi Yanto; Fadhilah Syafria
Indonesian Journal of Artificial Intelligence and Data Mining Vol 6, No 1 (2023): Maret 2023
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/ijaidm.v6i1.21843

Abstract

The increasing demand for beef has made many meat traders mix beef with pork to get more profit. Mixing beef and pork is harmful, especially for Muslims. In this study, the EfficientNet-B1 Convolutional Neural Network (CNN) approach was used to classify beef and pork. Experiments were conducted to compare accuracy using original data (without data augmentation) and with data augmentation. The data augmentation techniques used are rotation and horizontal flip. The total dataset after the data augmentation process is 3000 images. Many different settings were tested, including learning rates (0.00001, 0.0001, 0.001, 0.01, 0.1), batch size (32, 64), and optimizer (Adam, Adamax). After testing the Confusion Matrix, the highest accuracy results were obtained using data augmentation with a batch size of 32 of 98%. Meanwhile, those without data augmentation were 96%
PENERAPAN METODE K-MEANS UNTUK PENGELOMPOKAN DATA KAPAL BARANG (STUDI KASUS: KSOP PEKANBARU) Ariq At-Thariq Putra; Alwis Nazir; Febi Yanto; Suwanto Sanjaya; Fadhilah Syafria
SYNTAX Jurnal Informatika Vol 12 No 01 (2023): Mei 2023
Publisher : Universitas Singaperbangsa Karawang

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

Abstract

Transportation by sea is crucial for national development as it contributes to the growth of the economy and other ship transport sectors. With the increasing demand for cargo ships in the maritime transportation industry, data clustering is needed to review the growth of cargo ships in Riau. K-Means is a commonly used technique for clustering data that helps to classify data effectively. This algorithm is not influenced by data series and starts with the random determination of cluster centers during calculation. This cargo ship research aims to classify cargo ship data at the Pekanbaru KSOP, which allows the Pekanbaru KSOP to easily monitor the development of cargo ships.
Klasifikasi Daging Sapi dan Daging Babi Menggunakan Convolutional Neural Network EfficientNet-B0 dengan Augmentasi Citra Hafez Almirza; Jasril; Suwanto Sanjaya; Lestari Handayani; Fadhilah Syafria
KLIK: Kajian Ilmiah Informatika dan Komputer Vol. 3 No. 6 (2023): Juni 2023
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/klik.v3i6.910

Abstract

The increase in counterfeit beef sales is in line with the growing demand for meat in Indonesia. Counterfeit meat, namely mixed beef and pork and pure pork sold as beef, can be distinguished using image classification. This study classifies pork, mixed, and beef using the Convolutional Neural Network (CNN) model of the EfficientNet-B0 architecture. This study uses the image augmentation method to augment the image with the aim of improving classification accuracy. The total original image is 900, while the total augmented image is 9000. The image data is divided using two data division ratios, namely 80:20 and 90:10. The highest classification accuracy results were obtained by a model using augmented images and a data division ratio of 90:10, with a combination of Adamax hyperparameter optimizer, Swish hidden activation, and a learning rate of 0.1, with an accuracy of 97.11%, precision of 97.14%, recall of 97.11%, and F1-Score of 97.11%. Meanwhile, the highest accuracy of the model using the original image is achieved by the model using a 90:10 division ratio with a combination of hyperparameter optimizer Adamax, hidden activation ReLU, and learning rate 0.01 with the results of accuracy 96.78%, precision 96.92%, recall 96.78%, and F1-Score 96.78%. The results show that the use of image augmentation methods can improve classification accuracy.
Penerapan Fuzzy Backpropagation Neural Network dalam Klasifikasi Penyakit Stroke Karina Julita; Iis Afrianty; Suwanto Sanjaya; Fadhilah Syafria
Jurnal Informatika Universitas Pamulang Vol 8, No 2 (2023): JURNAL INFORMATIKA UNIVERSITAS PAMULANG
Publisher : Teknik Informatika Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/informatika.v8i2.31351

Abstract

Stroke adalah penyakit cerebrovaskuler yang ditandai dengan gejala neurologis tiba-tiba akibat cedera vaskular akut pada otak. Menurut WHO pada tahun 2019, stroke penyebab utama kematian dan kecacatan kedua di dunia, dengan prevalensi global 101,5 juta orang. Diagnosis medis penting dalam penanganan stroke, namun biaya yang tinggi sering menjadi kendala bagi masyarakat. Penelitian ini bertujuan untuk mengembangkan metode Fuzzy Backpropagation Neural Network dalam klasifikasi stroke dengan menggunakan data sekunder dari platform Kaggle yang berjumlah 4981 data. Analisis data melibatkan sepuluh variabel relevan dalam klasifikasi stroke diantaranya variabel seperti jenis kelamin, umur, hipertensi, riwayat penyakit jantung, indeks massa tubuh, nilai kadar gula dalam darah, status pernikahan, status merokok, tipe pekerjaan dan lingkungan tempat tinggal. Pada penelitian ini, pengujian yang dilakukan dibagi menjadi tiga skenario diantaranya, skenario 1 dengan α = 0,1, skenario 2 dengan α = 0,01 dan skenario 3 dengan α = 0,001 pada epoch 10, 1000 dan 100000. Hasil pengujian menunjukkan akurasi tertinggi dengan menggunakan pola jaringan 10-4-1 pada pembagian data latih dan data uji 70%:30% dengan α = 0.01 dan  epoch 100000 menghasilkan tingkat akurasi sebesar 86,52%, presisi 0,87, recall 0,87 dan f-1 score 0,87. Berdasarkan hasil pengujian tersebut, FBPNN dinilai mampu dalam mengklasifikasi stroke dengan kinerja yang baik.
Co-Authors Abdussalam Al Masykur Adrian Maulana Afiana Nabilla Zulfa Ahmad Fauzan Ahmad Paisal Ahmad, Rizmah Zakiah Nur Al Fiqri, M. Faiz Alwis Nazir Alwis Nazir Alwis Nazir Alwiz Nazir Amalia Hanifah Artya Annisa Putri Aqilah, M Alfandri Arif Mudi Priyatno Ariq At-Thariq Putra Aulia Ramadhani Cut Lira Kabaatun Nisa Darmila Deny Ardianto Dodi Efendi efni humairah Eka Pandu Cynthia, Eka Pandu Elin Haerani Elvia Budianita Erni Rouza, Erni Ersad Alfarsy Absar, Ersad Alfarsy Fadhilah Syafria Fadhilla Syafria Fakhrezi, Muhammad Dzaki Febi Yanto Felian Nabila Fitri Insani Fitri Insani Fitri Insani (Scopus ID: 57190404820) Fitri, Dina Deswara Gusrifaris Yuda Alhafis Gusti, Siska Kurnia Hafez Almirza Harni, Yulia Hartini Hartini iis afrianty Iis Afrianty Iis Afrianty Iis Afrianty Ikhwanul Akhmad DLY Irman Hermadi Isnan Mellian Ramadhan Israldi, Tino Iwan Iskandar Iwan Iskandar Jasril Jasril Jasril Jasril Jasril Jasril Karina Julita Kurnia Rahman, Fikri Kurniawan, Saifur Yusuf Lestari Handayani Lestari Handayani Lestari Handayani Lia Anggraini Lola Oktavia M. Fadil Martias Masaugi, Fathan Fanrita Maulana Junihardi Mazdavilaya, T Kaisyarendika Megawati Megawati Morina Lisa Pura Muhammad Affandes Muhammad Fikry Muhammad Irfan Syah Muhammad Irsyad Muhammad Irsyad Nabyl Alfahrez Ramadhan Amril Nazir, Alwis Nazruddin Safaat Nazruddin Safaat H Negara, Benny Sukma Novi Yanti Novriyanto Novriyanto Novriyanto Pangestu, Yoga Pizaini Pizaini Puspa Melani Almahmuda Putri Ayuni, Desy Radili, Adi Rahma Shinta Rahmad Abdillah Rahmad Abdillah Ramu Will Sandra Reski Mai Candra Reski Mai Candra Reski Mei Candra Riska Yuliana Saputra, Nugroho Wahyu Sarah Lasniari Sarah Lasniari Shahira, Fayza Siska Kurnia Gusti Siska Kurnia Gusti siska kurnia gusti Sugandi, Hatami Karsa SURYA ADITYA GD Surya Agustian Syaputra, Muhammad Dwiky Ulfah Adzkia Vitriani, Yelfi Yani, Susmi Syahfrida Yelfi Vitriani Yeni Fariati Yusra Yusra, Yusra Yusril Hidayat