Article Per Year (5 Year)
p-Index From 2021 - 2026
8.351
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 Sistemasi: Jurnal Sistem Informasi 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 Journal Of Artificial Intelligence And Software Engineering Jurnal Pengembangan Teknologi Informasi dan Komunikasi (JUPTIK)
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 Library & Information Science Mathematics Neuroscience Social Sciences Transportation Other

Published : 80 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 80 Documents
Search

 4   5   6   7   8 
Pengembangan Aplikasi Pendeteksi Daging Sapi dan Babi Menggunakan Deep Learning Arsitektur EfficientNet-B6 Berbasis Android Pangestu, Yoga; Sanjaya, Suwanto; Jasril; Agustian, Surya; Safaat, Nazruddin
Jurnal Informatika Ekonomi Bisnis Vol. 7, No. 2 (June 2025)
Publisher : SAFE-Network

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37034/infeb.v7i2.1195

Abstract

The advancement of digital technology has generated a demand for applications that assist the public in ensuring the halal status of food products, particularly in distinguishing between beef and pork. This study aims to develop an Android-based application for detecting beef and pork using Deep Learning methods with the EfficientNet-B6 architecture, employing the eXtreme Programming software development approach. The image classification model utilizes a Convolutional Neural Network architecture integrated into a Python-based server, while the user interface is developed with Java in Android Studio. System testing was conducted using black-box methods on several Android devices, with varying room conditions and meat types. The results show that the application can classify meat with an accuracy of 66.7%, considering room conditions such as light and dark environments, and meat types including fatty and non-fatty. This application provides fast response times and a user-friendly interface. This application is expected to enable users to independently and efficiently verify the halal status of meat, thereby supporting the needs of Muslim consumers in the digital era.
PENGELOMPOKAN DATA KONDISI MESIN SCREW PRESS MENGGUNAKAN ALGORITMA FUZZY C-MEANS Jasril, Jasril; Al Fiqri, M. Faiz; Sanjaya, Suwanto; Handayani, Lestari; Insani, Fitri
Information System Journal Vol. 8 No. 01 (2025): Information System Journal (INFOS)
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/infosjournal.2025v8i01.2133

Abstract

Kinerja mesin screw press sangat memengaruhi efisiensi dan kualitas produksi minyak kelapa sawit. Salah satu komponen penting dalam sistem ini adalah Back Pressure Vessel (BPV) yang menyalurkan uap ke berbagai stasiun proses. Penelitian ini bertujuan untuk mengelompokkan kondisi mesin berdasarkan temperatur dan tekanan menggunakan algoritma Fuzzy C-Means (FCM). Data yang dianalisis berasal dari mesin BPV PT. XYZ periode April–Mei 2024 sebanyak 23.002 entri. Tahapan penelitian meliputi seleksi data, pra-pemrosesan, normalisasi Min-Max Scaler, klasterisasi FCM, dan evaluasi menggunakan metode Elbow dan Davies-Bouldin Index (DBI). Hasil awal menunjukkan tiga klaster dengan distribusi kondisi mesin dari stabil hingga memerlukan perawatan. Metode Elbow menunjukkan jumlah klaster optimal sebanyak empat, sedangkan DBI menunjukkan dua klaster dengan nilai terbaik 0,389. Hasil ini menunjukkan bahwa FCM mampu mengelompokkan kondisi mesin secara efektif dan dapat digunakan sebagai dasar dalam pengambilan keputusan perawatan. Penelitian ini disarankan untuk dikembangkan dengan atribut tambahan.
Perbandingan Performa Random Forest dan Long Short-Term Memory dalam Klasifikasi Teks Multilabel Terjemahan Hadits Bukhari: Comparison of Random Forest and Long Short-Term Memory Performance in Multilabel Text Classification of Bukhari Hadith Translation Ahmad, Rizmah Zakiah Nur; Harahap, Nazruddin Safaat; Agustian, Surya; Iskandar, Iwan; Sanjaya, Suwanto
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 3 (2025): MALCOM July 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i3.2046

Abstract

Hadits merupakan fondasi utama kedua dalam Islam, yang memandu umat Islam dalam menafsirkan nilai-nilai Islam dan mengimplementasikannya secara nyata dalam berbagai aspek kehidupan. Salah satu perawi hadits yang paling dihormati adalah Imam Bukhari, yang dikenal dengan ketelitian dan ketegasannya dalam memilih hadits-hadits yang otentik. Penelitian ini menggunakan data dari terjemahan hadis dari Sahih Bukhari ke dalam bahasa Indonesia yang telah diklasifikasikan ke dalam tiga kategori utama, yaitu anjuran, larangan, dan informasi. Untuk mengidentifikasi karakteristik masing-masing kategori, klasifikasi teks dilakukan dengan menggunakan dua metode populer, yaitu Random Forest (RF) dan Long Short-Term Memory (LSTM), yang dikenal efektif dalam memproses data teks berskala besar dan kompleks. Tujuan dari penelitian ini adalah untuk menguji perbedaan kinerja antara kedua metode tersebut dalam mengelompokkan hadis yang datanya telah lengkap. Hasil evaluasi menunjukkan bahwa metode RF mencapai akurasi tertinggi sebesar 89,48%, sedikit lebih unggul dari LSTM yang memperoleh 88,52%. Kedua metode mencatat nilai Hamming Loss yang sama, yaitu 0,1048 (89,52%). Temuan ini menunjukkan bahwa kelengkapan dan kualitas data hadis Bukhari berkontribusi dalam meningkatkan akurasi klasifikasi dengan memberikan konteks dan variasi yang lebih baik untuk model.
Perbandingan Performa Metode Klasifikasi Teks Multilabel Hadis Terjemahan Bukhari Menggunakan Support Vector Machine dan Long Short Term Memory: Performance Comparison of Multilabel Text Classification Methods on Translated Hadiths of Bukhari Using Support Vector Machine and Long Short Term Memory Ramadhani, Aulia; Safaat, Nazruddin; Agustian, Surya; Iskandar, Iwan; Sanjaya, Suwanto
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 3 (2025): MALCOM July 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i3.2051

Abstract

Hadis merupakan sumber hukum kedua dalam Islam, dan salah satu kitab hadis yang paling dikenal adalah Shahih al-Bukhari. Untuk mendukung pemahaman dan pengamalan yang tepat, hadis perlu diklasifikasikan secara akurat. Mengingat satu hadis dapat mengandung lebih dari satu informasi, pendekatan klasifikasi multilabel menjadi sangat relevan. Penelitian ini bertujuan untuk memberikan kontribusi dalam bidang klasifikasi teks dengan mengeksplorasi kombinasi metode dan parameter yang optimal untuk klasifikasi multilabel hadis. Hasil penelitian menunjukkan bahwa Support Vector Machine (SVM) memberikan performa terbaik pada label Larangan dengan Macro F1-score sebesar 82,57%, melalui kombinasi SVM + TF-IDF menggunakan kernel = linear, parameter C (regularization parameter) = 1 tanpa stopword removal dan tanpa balancing. Sementara itu, Long Short Term Memory (LSTM) juga unggul pada label Larangan dengan Macro F1-score 82,66% pada kombinasi parameter Epoch = 20, Dropout = 0.5, Dense = 128 dan Batch Size = 64 tanpa stopword removal dan tanpa balancing kombinasi ini juga menghasilkan nilai Hamming Loss terendah sebesar 10,452%, yang lebih baik dibandingkan dengan penelitian sebelumnya serta menunjukkan bahwa LSTM terbukti lebih efektif secara keseluruhan dengan penyetelan parameter yang tepat. Penelitian ini juga berkontribusi dalam peningkatan kualitas data dengan melengkapi matan hadis yang digunakan, sehingga menghasilkan performa klasifikasi yang lebih baik.
Turbofan Engine Remaining Useful Life Prediction Using 1-Dimentional Convolutional Neural Network Fauzan, Ahmad; Handayani, Lestari; Insani, Fitri; Jasril; Sanjaya, Suwanto
Computer Engineering and Applications Journal (ComEngApp) Vol. 13 No. 3 (2024)
Publisher : Universitas Sriwijaya

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

Abstract

Turbofan engines have been the dominant type of engine in aircraft for the last forty years. Ensuring the quality of these engines is crucial for flight safety, particularly for long-distance flights. However, their performance degrades over time, impacting flight safety. To address this issue, it is essential to predict potential engine failures by estimating the Remaining Useful Life (RUL) of the engines Deep learning, especially Convolutional Neural Networks (CNNs), has demonstrated exceptional proficiency in handling intricate, non-linear data, leading to improved RUL predictionsdue to their ability to process complex and non-linear data. In this project, a 1-D CNN is used to predict RUL using the NASA C-MAPSS FD001 dataset, which consists of 3 settings and 21 sensors, though sensors with stagnant readings are excluded. The dataset is normalized using min-max and z-score methods, and then segmented into sequences for input into the 1-D CNN model. Various training scenarios were evaluated, with the best RMSE of 3.26 achieved using 10 epochs, a learning rate of 0.0001, and z-score normalization. The results indicate that feature selection can produce a lower RMSE compared to scenarios without feature selection.
AUGMENTASI DATA PADA IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK ARSITEKTUR EFFICIENTNET-B3 UNTUK KLASIFIKASI PENYAKIT DAUN PADI Putri Ayuni, Desy; Jasril; Irsyad, Muhammad; Yanto, Febi; Sanjaya, Suwanto
ZONAsi: Jurnal Sistem Informasi Vol. 5 No. 2 (2023): Publication Periodic ZONAsi: Jurnal Sistem Informasi.
Publisher : Universitas Lancang Kuning

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31849/zn.v5i2.13874

Abstract

Padi adalah salah satu jenis biji-bijian dengan urutan ketiga sebagai bahan pokok makanan setelah gandum dan jagung. Jenis penyakit yang menyerang daun tanaman terdiri atas blast, brownspot, leaf smut. Pada penelitian ini metode Convolutional Neural Network dengan Arsitektur Efficientnet-B3 digunakan untuk mengklasifikasikan penyakit daun pada tanaman padi. Tujuan penelitian ini membandingkan tingkat akurasi menggunakan data tanpa augmentasi (asli) dan data yang telah di augmentasi. Augmentasi data yang digunakan brightness, rotation, dan vertical_flip. Selain itu dilakukan juga pengujian menggunakan optimizer yang berbeda yaitu optimizer RMSprop dan optimizer SGD (Stochastic Gradient Descent). Pengujian dilakukan dengan tiga model perbandingan data yaitu 90:10, 80;20 dan 70:30. Hasil pengujian memperlihatkan akurasi tertinggi menggunakan data asli pada rasio 70:30 yaitu sebesar 92.39% dengan optimizer RMSprop. Sedangkan untuk akurasi tertinggi menggunakan data augmentasi terdapat pada rasio 90:10 yaitu sebesar 98.91% dengan optimizer RMSprop.
PENERAPAN RETRIEVAL AUGEMENTED GENERATION MENGGUNAKAN LANGCHAIN DALAM PENGEMBANGAN SISTEM TANYA JAWAB HADIS BERBASIS WEB Muhammad Irfan Syah; Nazruddin Safaat Harahap; Novriyanto; Suwanto Sanjaya
ZONAsi: Jurnal Sistem Informasi Vol. 6 No. 2 (2024): Publikasi Artikel ZONAsi: Periode Mei 2024
Publisher : Universitas Lancang Kuning

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31849/zn.v6i2.19940

Abstract

Hadis ajaran kedua setelah al-Qur'an yang menjadi panduan bagi umat Islam. Pencarian hadis saat ini kurang interaktif dalam menjawaban pertanyaan, dimana hanya menampilkan dokumen relevan. Penelitian ini bertujuan untuk mengembangkan sistem tanya jawab hadis berbasis web dengan menerapkan Retrieval Augmented Generation menggunakan framework LangChain yang diintegrasikan dengan Large Language Model GPT-4-1106-preview dari OpenAI. Sistem ini dirancang untuk membantu pengguna dalam mencari jawaban yang sesuai dengan 9 kitab hadis. Hasil penelitian menunjukkan bahwa model dapat bekerja sesuai dengan instruksi dan data dengan menyertakan sumber dari hadis terkait. Pengujian dilakukan dengan menguji 10 pertanyaan seputar hadis dengan framework BERTScore dan uji Evaluasi kualitas jawaban dengan mahasiwa ushulludin. Pada pengujian BERTScore rata-rata f1 score sebesar 0,7962, yang menunjukkan kemiripan antara jawaban sistem dengan referensi, pengujian pada Evaluasi kualitas jawaban mencapai persentase akurasi 89,4% yang menunjukkan bahwa responden ”Sangat Setuju” terhadap jawaban yang dihasilkan oleh sistem.
End-to-End Text-to-Speech for Minangkabau Pariaman Dialect Using Variational Autoencoder with Adversarial Learning (VITS) Fakhrezi, Muhammad Dzaki; Yusra; Muhammad Fikry; Pizaini; Suwanto Sanjaya
Knowbase : International Journal of Knowledge in Database Vol. 5 No. 1 (2025): June 2025
Publisher : Universitas Islam Negeri Sjech M. Djamil Djambek Bukittinggi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30983/knowbase.v5i1.9909

Abstract

Language serves as a medium of human communication to convey ideas, emotions, and information, both orally and in writing. Each language possesses vocabulary and grammar adapted to the local culture. One of the regional languages that enriches Indonesian as the national language is Minangkabau. This language has four main dialects, namely Tanah Datar, Lima Puluh Kota, Agam, and Pesisir. Within the Pesisir dialect, there are several variations, including the Padang Kota, Padang Luar Kota, Painan, Tapan, and Pariaman dialects. This study discusses the application of Text-to-Speech (TTS) technology to the Minangkabau language, specifically the Pariaman dialect, using the Variational Autoencoder with Adversarial Learning for End-to-End Text-to-Speech (VITS) method. This dialect needs to be preserved to prevent extinction and supported through technological development that broadens its use. The VITS method was chosen because it is capable of producing natural and high-quality speech. The research stages include voice data collection and recording, VITS model training, and speech quality evaluation using the Mean Opinion Score (MOS). The final results show a score of 4.72 out of 5, indicating that the generated speech closely resembles the natural utterances of native speakers. This TTS technology is expected to support the preservation and development of the Minangkabau language in the Pariaman dialect, as well as enhance information accessibility for its speakers.
Analisis Clustering Menggunakan Metode K-Means untuk Mengidentifikasi Pola Kepuasan Alumni: Clustering Analysis Using the K-Means Method to Identify Alumni Satisfaction Pattern Ramadhan, Muhammad Ilham; Nazir, Alwis; Irsyad, Muhammad; Sanjaya, Suwanto; Syafria, Fadhilah
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 1 (2026): MALCOM January 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i1.2401

Abstract

Tracer study berperan penting dalam mengevaluasi kualitas layanan pendidikan berdasarkan pengalaman alumni. Analisis kepuasan alumni terhadap fasilitas pembelajaran umumnya masih terbatas pada statistik deskriptif, sehingga belum mampu mengungkap pola kepuasan secara tersegmentasi pada data berskala besar. Penelitian ini bertujuan untuk mengidentifikasi pola segmentasi kepuasan alumni terhadap fasilitas pembelajaran di Universitas Islam Negeri Sultan Syarif Kasim Riau (UIN Suska Riau) sebagai indikator penting dalam evaluasi kualitas layanan pendidikan. Metode yang digunakan adalah K-Means Clustering, diimplementasikan melalui tahapan Knowledge Discovery in Database (KDD) pada 6.508 data tracer study alumni S1 lulusan 2010–2023. Proses preprocessing mencakup normalisasi data numerik menggunakan Min-Max Scaling untuk menyamakan skala enam indikator kepuasan (Perpustakaan, Teknologi Informasi, Modul Belajar, Ruang Belajar, Laboratorium, dan Variasi Mata Kuliah), sehingga meminimalkan bias dalam perhitungan jarak Euclidean. Berdasarkan Elbow Method, diperoleh jumlah klaster optimal adalah K=3, dan kualitas pengelompokan divalidasi dengan nilai Davies-Bouldin Index (DBI) sebesar 0,874, mengonfirmasi stabilitas klaster yang terbentuk. Analisis menghasilkan tiga klaster berbeda: Klaster 0 (Tingkat Kepuasan Tinggi) yang dominan, Klaster 1 (Tingkat Kepuasan Rendah), dan Klaster 2 (Tingkat Kepuasan Sangat Tinggi). Hasil ini memberikan segmentasi kepuasan yang eksplisit sebagai dasar bagi universitas untuk merumuskan strategi peningkatan fasilitas secara terarah dan berkelanjutan.
Penerapan Deep Learning Menggunakan VGG-16 untuk Klasifikasi Citra Glioma Annisa Putri; Benny Sukma Negara; Suwanto Sanjaya
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 3 No. 4 (2022): Juni 2022
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v3i4.4122

Abstract

One of the types of brain tumors in humans is glioma. Glioma is considered to be the most common type of primary brain tumor in adults. To determine the follow-up action that will be carried out by the doctor, the level of glioma needs to be known first. Glioma is divided into 3 grades. To be able to distinguish grades from gliomas, a classification process can be carried out using deep learning with CNN architecture. Glioma grade classification applies Histogram Equalization (HE) preprocessing. The training model uses CNN with the VGG-16 architecture. data using split data with a comparison of 70% training 30% testing, 80% training 20% testing, and 90% training 10% testing. The results of this study using original data have better results compared to data using HE preprocessing on batch size 16 testing and split data 90% training 10% testing.
Co-Authors Abdussalam Al Masykur Achmad Yamin Harahap 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 Arif Mudi Priyatno Ariq At-Thariq Putra Aulia Ramadhani Azizah Tasykira Paramitha El Razi Baehaqi Cut Lira Kabaatun Nisa Darmila Deny Ardianto Dodi Efendi efni humairah Eka Pandu Cynthia Elin Haerani Elvia Budianita Erni Rouza, Erni Ersad Alfarsy Absar, Ersad Alfarsy Fadhilah Syafria Fadhilla Syafria Fakhrezi, Muhammad Dzaki Febi Yanto Felian Nabila Fikri Kurnia Rahman Fioni Nikmatul Fajar Fitra Kurnia Fitri Insani Fitri Insani 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 Ikhwanul Akhmad DLY Irman Hermadi Isnan Mellian Ramadhan Israldi, Tino Iwan Iskandar Iwan Iskandar Jasril Jasril Jasril Jasril Jasril Jasril Karina Julita Kurniawan, Saifur Yusuf Lestari Handayani Lestari Handayani Lestari Handayani Lia Anggraini Lola Oktavia M Alfandri Aqilah M. Fadil Martias Masaugi, Fathan Fanrita Maulana Junihardi Mazdavilaya, T Kaisyarendika Megawati Megawati Morina Lisa Pura Muhammad Affandes Muhammad Affandes Muhammad Elfarizi Muhammad Fikry Muhammad Irfan Syah Muhammad Irsyad Muhammad Irsyad Muhammad Irsyad Muhammad Vio Hardiansyah Nabyl Alfahrez Ramadhan Amril Nazir, Alwis Nazruddin Safaat Nazruddin Safaat H 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 Ramadhan, Muhammad Ilham Ramu Will Sandra Reski Mai Candra Reski Mai Candra Reski Mei Candra Riska Yuliana Saputra, Nugroho Wahyu Sarah Lasniari Sarah Lasniari Shahira, Fayza Siti Ramadhani Sugandi, Hatami Karsa SURYA ADITYA GD Surya Agustian Syaputra, Muhammad Dwiky Teddie D Ulfah Adzkia Vitriani, Yelfi Yani, Susmi Syahfrida Yelfi Vitriani Yeni Fariati Yusra Yusra, Yusra Yusril Hidayat Zalwana, Hilya