Article Per Year (5 Year)
p-Index From 2021 - 2026
3.049
P-Index
This Author published in this journals
All Journal Jurnal Informatika Universitas Pamulang Conference on Innovation and Application of Science and Technology (CIASTECH) KLIK: Kajian Ilmiah Informatika dan Komputer Scientific Student Journal for Information, Technology and Science
Deden Wahiddin
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Computer Science & IT Education Engineering Law, Crime, Criminology & Criminal Justice Social Sciences

Published : 27 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 27 Documents
Search

 1   2   3 
Sistem Deteksi Wajah Keamanan Pintu Menggunakan Metode Convolutional Neural Network Berbasis Arduino Kiki Wahyuddin; Deden Wahiddin; Dwi Sulistya Kusumaningrum
Scientific Student Journal for Information, Technology and Science Vol. 6 No. 1 (2025): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Seiring dengan perkembangan teknologi yang sangat cepat, penting untuk menyiasati kemajuan teknologi, khususnya pada sistem keamanan. Sistem keamanan telah banyak dikembangkan dan diciptakan oleh manusia untuk mendapatkan hasil yang maksimal agar tidak terjadi pembobolan atau pencurian sistem yang tidak diharapkan. Dalam penelitian ini, sistem yang digunakan adalah teknologi biometrik pengenalan wajah atau deteksi wajah, yang memanfaatkan ciri-ciri fisik manusia yang ditangkap menggunakan kamera atau webcam. Sistem deteksi wajah dirancang untuk mendeteksi wajah seseorang dengan menggunakan metode Convolutional Neural Network (CNN). Identifikasi wajah dilakukan dengan menangkap fitur-fitur pada wajah, seperti posisi yang berbeda, jarak pandang wajah ke kamera, dan gaya ekspresi wajah. Hasil pengujian menunjukkan bahwa sistem dapat mengenali wajah yang sudah terdaftar dan yang belum terdaftar sesuai dengan harapan yang diinginkan. Sistem deteksi wajah untuk keamanan pintu dengan metode Convolutional Neural Network (CNN) berbasis Arduino dapat meningkatkan keamanan pintu dengan memperoleh tingkat akurasi sebesar 76,6% dengan jarak maksimal 30 cm dalam kondisi pencahayaan terang dan gelap.
Sistem Controlling pH Air dan Stok Pakan pada Budidaya Ikan Lele Berbasis Internet of Things dan Android Menggunakan Metode Fuzzy Logic Hilman Fahrul Rahman; Deden Wahiddin; Adi Rizky Pratama
Scientific Student Journal for Information, Technology and Science Vol. 6 No. 1 (2025): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Budidaya ikan lele sudah lama dikenal di Indonesia karena memiliki nilai ekonomi yang tinggi. Kehadiran lele dumbo (Clarias gariepinus) menjadi titik awal berkembangnya usaha budidaya lele di negara ini. Lele dumbo disukai karena rasanya enak, bergizi tinggi, dan harganya terjangkau. Namun, tantangan dalam budidaya lele sering terkait dengan manajemen air yang kurang optimal. Ketidakstabilan pH dan suhu air dapat membuat lele stres, yang berdampak pada hilangnya nafsu makan dan, terutama pada lele muda, dapat menyebabkan kematian. Selain itu, pemberian pakan yang terlambat atau berlebihan dapat menghasilkan sisa pakan yang berubah menjadi gas amonia, meracuni ikan, dan memperburuk kondisi kolam. Akibatnya, ikan-ikan, termasuk yang sudah besar, bisa mati mendadak. Penelitian ini menawarkan solusi berupa sistem kontrol pH air dan manajemen stok pakan berbasis Internet of Things (IoT) dan Android, dengan menggunakan metode logika fuzzy. Hasil penelitian menunjukkan bahwa metode ini mencapai akurasi 100% dari 25 kali pengujian. Selisih deteksi pH air hanya 0,54 dan tingkat keberhasilan sistem pada stok obat pH air mencapai 96% dari 25 kali pengujian.
Deteksi Nominal Mata Uang Rupiah Menggunakan Metode Convolutional Neural Network dan Feedforward Neural Network Dede Aprillia; Tatang Rohana; Tohirin Al Mudzakir; Deden Wahiddin
KLIK: Kajian Ilmiah Informatika dan Komputer Vol. 4 No. 4 (2024): Februari 2024
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/klik.v4i4.1711

Abstract

This research aims to develop a nominal detection system for the Rupiah currency for the 2022 emission year using the Convolutional Neural Network (CNN) and Feedforward Neural Network (FNN) methods, especially in the context of applications for vending machines. This research explores the potential of computer vision technology to facilitate the introduction of Rupiah banknotes and contribute to the development of vending machines. The dataset used includes variations in lighting conditions, orientation, and position of banknotes, thus involving various augmentation and preprocessing processes. The model evaluation results include nominal detection accuracy in various conditions, considering the success of the system to support the performance of the vending machine. This research is expected to contribute to the development of more comprehensive technology and expand the application of CNN and FNN in the context of currency detection. In this research, the CNN method produced the best accuracy of 100% for testing in bright conditions, then in sufficient light conditions it produced an accuracy of 96.43%. Meanwhile, testing in dark conditions got quite low results, only 78.56%. Then the FNN method produces the same accuracy of 53.57% in bright light, sufficient light and low light conditions.
Implementasi Teks Mining Pada Website Kemenkes Dengan Metode LDA Menggunakan Algoritma K-Means Ari Setiawan; Deden Wahiddin; Cici Emilia Sukmawati
Jurnal Informatika Universitas Pamulang Vol 9 No 2 (2024): JURNAL INFORMATIKA UNIVERSITAS PAMULANG
Publisher : Teknik Informatika Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/informatika.v9i2.38971

Abstract

This research aims to improving the accessibility and management of health information on the Ministry of Health (Kemenkes) website. Before this research was conducted, content on the Ministry of Health's website was scattered without a clear structure, making it difficult for users to find the health information they needed quickly and efficiently. This results in a decrease in the quality of the user experience and a potential decrease in trust in official health information sources. With the aim of making it easier for users to find relevant information, this research uses the K-Means algorithm to group website content based on themes. Through the text mining method, five main clusters were identified, covering topics such as emergency health, certain diseases, and innovations in handling COVID-19. The results show an increase in navigation efficiency with clustering accuracy reaching 72%. The conclusion of this research is that this grouping succeeded in improving the structure and quality of information on the Ministry of Health's website, supporting data-based decision making, and improving public health services.
Perbandingan Algoritma Support Vector Regression (SVR) dan Linear Regression untuk Memprediksi Harga Saham Studi Kasus PT Bukit Asam Tbk Ahmad Takdir; Deden Wahiddin; Elsa Elvira Awal
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 1 (2026): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Pada era digital saat ini, peningkatan ekonomi di dalam dunia investasi dapat dengan mudah diakses karena banyaknya platform penyedia layanan investasi. Saham merupakan salah satu alat investasi yang laju perubahan harga dari suatu perusahaan terbilang cukup cepat. Oleh karena itu, dibutuhkan suatu model data yang dapat mengelola data dalam jangka waktu yang lama untuk memprediksi harga saham. Pada penelitian ini, algoritma Support Vector Regression (SVR) dan Linear Regression digunakan sebagai metode untuk memprediksi harga saham dengan menggunakan bahasa pemrograman Python dan perangkat lunak pengolahan data, yaitu tools WEKA GUI. Proses penelitian ini berfokus pada penerapan dan perbandingan algoritma, serta untuk mengetahui tingkat akurasi algoritma yang paling baik. Data yang digunakan adalah data transaksi saham selama lima tahun dengan jumlah sebanyak 1.010 data. Hasil penelitian menunjukkan bahwa algoritma Support Vector Regression (SVR) dan Linear Regression mampu memprediksi harga saham. Nilai error RMSE (Root Mean Squared Error) terkecil diperoleh oleh algoritma Linear Regression sebesar 62,9307 dengan pemrograman Python, sedangkan algoritma Support Vector Regression (SVR) menghasilkan nilai error terkecil sebesar 64,1746 dengan pemrograman Python.
Penerapan Smart Contract Ethereum pada Aplikasi Crowdfunding dengan Keamanan Keccak-256 M. Naufal Faqih; Deden Wahiddin; Kiki Ahmad Baihaqi; Yana Cahyana
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 1 (2026): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Crowdfunding telah muncul sebagai metode yang populer untuk mengumpulkan dana secara daring. Namun, permasalahan seperti salah urus dana dan kurangnya transparansi masih sering terjadi. Penelitian ini bertujuan untuk mengatasi permasalahan tersebut dengan mengembangkan platform crowdfunding berbasis teknologi blockchain menggunakan smart contract pada Ethereum. Sistem yang dikembangkan menjamin transparansi, integritas, dan ketertelusuran transaksi dengan mencatat seluruh aktivitas secara permanen di blockchain. Setiap kampanye penggalangan dana diidentifikasi menggunakan ID unik yang dihasilkan melalui algoritma hashing Keccak-256, sehingga mampu mencegah duplikasi data serta memastikan proses pengindeksan yang aman. Proses pengembangan sistem meliputi perancangan smart contract, implementasi antarmuka berbasis web, serta penerapan server backend untuk penyimpanan gambar menggunakan Express.js. Pengujian fungsionalitas sistem dilakukan menggunakan metode black-box testing pada beberapa skenario, seperti pembuatan kampanye, pemrosesan donasi, dan validasi penarikan dana. Hasil pengujian menunjukkan bahwa sistem berjalan dengan baik, di mana setiap fitur inti berfungsi sesuai dengan yang diharapkan dan integritas data tetap terjaga. Transparansi dicapai melalui transaksi yang dapat diverifikasi secara publik, sementara penggunaan Keccak-256 memberikan perlindungan yang efektif terhadap potensi gangguan. Selain itu, analisis biaya gas menunjukkan bahwa transaksi berada dalam kisaran biaya yang wajar untuk implementasi skala kecil. Studi ini menunjukkan bahwa sistem berbasis blockchain mampu meningkatkan kepercayaan terhadap platform crowdfunding serta dapat dijadikan referensi dalam pengembangan sistem penggalangan dana yang transparan dan aman di masa depan.
Analisis Kinerja Algoritma Naïve Bayes dan Random Forest dalam Memprediksi Hasil Klasemen English Premier League Muhamad Ibnu Rizky; Sutan Faisal; Iman Sanjaya; Deden Wahiddin
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 1 (2026): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

English Premier League dikenal sebagai liga sepak bola yang paling kompetitif dan menarik untuk dianalisis secara statistik. Penelitian ini dilakukan untuk membandingkan kinerja dua algoritma machine learning, yaitu Naïve Bayes dan Random Forest, dalam memprediksi posisi akhir klasemen berdasarkan data statistik pertandingan. Data dikumpulkan melalui teknik web scraping dari situs FBref.com, yang mencakup data tiga musim kompetisi serta sejumlah fitur relevan lainnya. Setelah melalui tahap prapemrosesan (preprocessing), data dibagi menjadi data pelatihan dan data pengujian dengan rasio 80:20. Evaluasi terhadap model dilakukan menggunakan berbagai metrik, seperti akurasi, presisi, recall, F1-score, serta confusion matrix. Hasil pengujian menunjukkan bahwa algoritma Naïve Bayes memperoleh akurasi sebesar 69,83% dan menunjukkan kinerja yang cukup baik dalam memprediksi hasil seri. Di sisi lain, algoritma Random Forest menunjukkan performa yang lebih unggul dengan akurasi mencapai 99,57%, serta nilai presisi, recall, dan F1-score yang tinggi dan konsisten. Prediksi klasemen akhir yang dihasilkan oleh Random Forest juga lebih mendekati hasil sebenarnya. Berdasarkan temuan tersebut, dapat disimpulkan bahwa Random Forest lebih mampu menangani kompleksitas data pertandingan sepak bola dan lebih direkomendasikan untuk digunakan dalam sistem prediksi di bidang analitik olahraga.
Co-Authors Abdul Majid Adi Rizky Pratama Ahmad Fauzi Ahmad Takdir Ai Yanti Aldi Balkar amril siregar Andri Safari ARI SETIAWAN Ariel Ismail Baihaqi, Kiki Ahmad Candra Zonyfar Cici Emilia Sukmawati Dede Aprillia Dedy Prasetyo Pambudi Deny Adi Faldano Didik Remaldhi Dimas Maulana DWI KUSUMANINGRUM Dwi Sulistya Kusumaningrum Elsa Elvira Awal Erik Candra Fauzi Euis Nurlaelasari Farkhina Dwi Utari Hanny Hikmayanti Handayani Hilman Fahrul Rahman Iman Sanjaya Indra, Jamaludin Irpan Sulaeman Iyan Khoerniyah Kiki Wahyuddin Lestari, Santi Arum Puspita Lutfi Aziz M. Naufal Faqih Muhamad Ibnu Rizky Muhammad Ashi Dicky Muhammad Imam Naufal Murniasih ra Rahmat Raden Gumilar Riyansyah Rahmat Rahmat Santi Lestari Siregar, Amril Mutoi Sutan Faisal Tatang Rohana Tohirin Al Mudzakir Yana Cahyana Yulia Ningsih