Article Per Year (5 Year)
p-Index From 2020 - 2025
2.992
P-Index
This Author published in this journals
All Journal International Journal of Informatics and Communication Technology (IJ-ICT) Jurnal Masyarakat Informatika MATEMATIKA SAINS DAN MATEMATIKA JURNAL SISTEM INFORMASI BISNIS TELKOMNIKA (Telecommunication Computing Electronics and Control) Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik Journal of Telematics and Informatics Jurnal Ilmiah Kursor JAIS (Journal of Applied Intelligent System) E-Dimas: Jurnal Pengabdian kepada Masyarakat Sinkron : Jurnal dan Penelitian Teknik Informatika Informatika Pertanian Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Journal of Fundamental Mathematics and Applications (JFMA)
Priyo Sidik Sasongko
The Informatics Departement, Faculty Of Mathemathics And Sciences, Diponegoro University
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Energy Engineering Mathematics Social Sciences

Published : 35 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 16 Documents
Search
Journal : Jurnal Masyarakat Informatika

 1   2 
Implementasi Metode Fuzzy Simple Additive Weighting untuk Mendiagnosis Gangguan Kesehatan Melalui Telapak Tangan Nandhista, Dhimas; Sasongko, Priyo Sidik
Jurnal Masyarakat Informatika Vol 11, No 1 (2020): JURNAL MASYARAKAT INFORMATIKA
Publisher : Department of Informatics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (805.871 KB)

Abstract

Diagnosis Gangguan Kesehatan melalui telapak tangan merupakan salah satu teknik Diagnosis Terapi Bekam. Banyaknya Gangguan Kesehatan yang dikenali mengharuskan ahli bekam dapat mendiagnosis suatu Gangguan Kesehatan dengan teliti dan tepat agar tidak terjadi kesalahan dalam menentukan gangguan kesehatan. Tujuan penelitian ini adalah membangun sebuah sistem yang dapat membantu ahli bekam untuk mendiagnosis gangguan kesehatan melalui telapak tangan. Sistem yang dibangun adalah Sistem Diagnosis Gangguan Kesehatan melalui Telapak Tangan menggunakan metode Fuzzy Simple Additive Weighting. Metode Fuzzy SAW sering dikenal sebagai metode penjumlahan terbobot. Konsep dasar metode Fuzzy SAW adalah mencari penjumlahan terbobot dari rating kinerja setiap alternatif pada semua atribut, dimana alternatif pada sistem ini adalah Gangguan Kesehatan. Keluaran dari Sistem Diagnosis gangguan kesehatan adalah berupa nilai gangguan kesehatan yang diderita oleh pasien. Kinerja sistem dihitung menggunakan confussion matrix menghasilkan tingkat akurasi mencapai 86,11% dan error 13,89 %..
Sistem Pengenalan Nomor Pelat Kendaraan Menggunakan Jaringan Syaraf Tiruan Backpropagation Mukaroh, Afifatul; Sasongko, Priyo Sidik
Jurnal Masyarakat Informatika Vol 11, No 2 (2020): JURNAL MASYARAKAT INFORMATIKA
Publisher : Department of Informatics, Universitas Diponegoro

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

Abstract

Dalam pengawasan lalu lintas, pengenalan nomor pelat kendaraan menjadi penting untuk dilakukan. Hal ini dikarenakan pengenalan nomor pelat kendaraan memiliki banyak tujuan seperti identifikasi kendaraan curian, identifikasi kendaraan yang melanggar tata tertib, manajemen perparkiran, pengecekan keluar masuk kendaraan, dan lain sebagainya. Sayangnya jumlah kendaraan yang semakin tinggi membuat hal ini tidak bisa lagi dilakukan secara manual. Maka dari itu dibutuhkan sebuah machine vision yang dapat mengenali nomor pelat kendaraan dengan cepat dan akurasi yang tinggi. Pada penelitian ini dikembangkan sistem pengenalan nomor pelat kendaraan menggunakan jaringan syaraf tiruan backpropagation (JST BP). Sistem ini mencari model terbaik JST BP yang mampu melakukan pengenalan karakter-karakter pada pelat dengan waktu tercepat namun dengan akurasi yang tetap tinggi. Dari model terbaik yang didapatkan, sistem pengenalan nomor pelat kendaraan ini memiliki persentase keberhasilan sebesar  99.80% pada data pelat yang digunakan sebagai pembentuk model dan sebesar 96.10% pada data verifikasi.
Klasifikasi Status Gizi Balita Menggunakan Metode Backpropagation Dengan Algoritma Levenberg-Marquardt dan Inisialisasi Nguyen Widrow Adzani, Wildan Azka; Sasongko, Priyo Sidik
Jurnal Masyarakat Informatika Vol 12, No 1 (2021): JURNAL MASYARAKAT INFORMATIKA
Publisher : Department of Informatics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jmasif.12.1.41020

Abstract

Banyaknya  Kasus  Gizi  Buruk  pada  anak-anak  usia  di  bawah  lima  tahun  umumnya  ditemukan  akibat ketidaktahuan terhadap permasalahan gizi pada anak. Klasifikasi Status Gizi Balita merupakan upaya yang dilakukan untuk mengetahui status  gizi pada balita. Penelitian ini bertujuan untuk membangun sebuah sistem Klasifikasi status gizi balita berbasis web menggunakan jaringan syaraf tiruan Backpropagation dengan Algoritma Levenberg-Marquardt dan inisialisasi Nguyen-Widrow. Variabel yang digunakan dalam penelitian ini merupakan data antropometri sebanyak 4 variabel. Seluruh data penelitian diambil dari POSYANDU RW 08 Kelurahan Sambiroto Kecamatan Tembalang, Semarang, Jawa Tengah. Data yang diambil sebanyak 100 data dengan pembagian data latih dan data uji menggunakan K-Fold Cross Validation. Hasil penelitian menunjukkan arsitektur terbaik untuk melakukan Klasifikasi didapat pada kombinasi parameter hidden neuron 12, parameter Levenberg-Marquardt (µ)  0.01,  maksimum  epoch  1000  dan  target  error  0.001  yang  menghasilkan  MSE 0.000064
Penerapan Convolutional Neural Network Untuk Klasifikasi Tingkat Keparahan Retinopati Diabetik Pada Penderita Diabetes Melitus Syahrul, Fithra Hayati; Sasongko, Priyo Sidik
Jurnal Masyarakat Informatika Vol 13, No 1 (2022): JURNAL MASYARAKAT INFORMATIKA
Publisher : Department of Informatics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jmasif.13.1.42354

Abstract

Retinopati Diabetik adalah penyakit yang dapat menganggu pembuluh darah retina yang menjadi penyebab kebutaan bagi penderita Diabetes Melitus. Jika penyakit ini terlambat ditangani maka penderita dapat mengalami kebutaan. Perawatan dan pemeriksaan yang tepat dapat membantu mencegah meningkatnya keparahan Retinopati Diabetik. Pemeriksaan secara manual oleh dokter mata dalam mendiagnosis penyakit ini membutuhkan waktu yang relatif lama, sehingga diperlukan sistem untuk mengklasifikasikan tingkat keparahan Retinopati Diabetik. Sistem yang dirancang pada penelitian ini menggunakan metode Convolutional Neural Netwok untuk klasifikasi tingkat keparahan Retinopati Diabetik. Tingkat keparahan Retinopati Diabetik dibagi menjadi 5 kelas yaitu NO DR, Mild, Moderate, Severe, dan Proliferative DR. Penelitian Penerapan Convolutional Neural Netwok untuk Klasifikasi Tingkat Keparahan Retinopati Diabetik pada Penderita Diabetes Melitus menggunakan citra berukuran 64 x 64 x 3 dengan channel RGB. Tahap pra-pengolahan citra yang dilakukan adalah pengubahan ukuran citra. Arsitektur CNN yang digunakan terdiri dari 5 blok dimana masing-masing blok berisi batch normalization layer, convolution layer, max pooling layer menggunakan parameter learning rate 0.0005. Hasil evaluasi model 652 data uji menunjukkan akurasi terbaik sebesar 91.10%.
Hybrid ERC20 Ethereum Blockchain Multisignature Wallet 3of3 with Withdrawal Pattern, External Effects, and Mutex as Single Key and Reentrancy Mitigation. Sabda Dewa, Jason Al Hilal; Waspada, Indra; Sasongko, Priyo Sidik
Jurnal Masyarakat Informatika Vol 15, No 1 (2024): May 2024
Publisher : Department of Informatics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jmasif.15.1.62835

Abstract

In the rapidly evolving era of Decentralized Finance (DeFi), the convergence of Blockchain technology with intermediary-free financial services has forged a revolutionary landscape. However, this progress has been accompanied by critical challenges, notably the Single Key Risk and reentrancy attack threats against ERC20 smart contracts in private Ethereum Blockchain. This research formulated a proactive approach and implemented an innovative solution by embodying Reliable Decentralized Finance through the deployment of a 3-of-3 Hybrid Multisignature Wallet system with Withdrawal Pattern, External Effects, and Mutual Exclusion in the form of a Decentralized Application (DApps). The system not only applied withdrawal patterns but also integrated external effects and the principle of mutual exclusion to enhance the security of smart contracts. The system development methodology was executed comprehensively using Agile Software Engineering, encompassing the development of both smart contracts and external applications (decentralized applications). Testing was conducted using Ganache EVM (Ethereum Virtual Machine) connected to the Hot Wallet Metamask as an Externally Owned Account (EOA) for transaction signing. Valid results were obtained from comprehensive testing against the system's functional requirements, affirming the system's success in managing Single Key Risk and preventing reentrancy attacks, providing a reliable and concrete solution
Development and Optimization of a Construction Personal Protective Equipment (PPE) Detection Model on YOLOv8 Architecture Utomo, Zidan Rafindra; Adi, Prajanto Wahyu; Sasongko, Priyo Sidik; Rahman, Gohar
Jurnal Masyarakat Informatika Vol 16, No 1 (2025): May 2025
Publisher : Department of Informatics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jmasif.16.1.71622

Abstract

Workplace safety in the construction sector remains a critical issue due to frequent accidents caused by non-compliance with Personal Protective Equipment (PPE) regulations. Manual supervision is inefficient and prone to errors, necessitating an automated detection approach. The prior YOLOv5 version trained on the Construction Safety dataset from Roboflow-100, achieves a mean Average Precision (mAP@0.50) of 0.867. However, class imbalance, particularly the underrepresentation of "no-helmet" and "no-vest" categories, limited detection performance. This study improves the model by tuning hyperparameters for optimal training using grid search and applying data augmentation techniques to address dataset imbalance. Mosaic and Mixup augmentation technique is applied on the dataset. The augmented dataset is used to retrain YOLOv8, further optimizing detection accuracy. Results indicate an improved mAP@0.50 of 0.921, demonstrating enhanced performance in PPE violation detection. These refinements aim to strengthen workplace safety enforcement through more accurate and balanced PPE detection.
Co-Authors A.B. Susanto Adzani, Wildan Azka Anak Agung Gede Sugianthara Anita Ika Nurcahyani, Anita Ika Aprilianti, Ika Nur Edy Suharto Eko Adi Sarwoko Fajar Agung Nugroho Frediansah Frediansah Fuady, Zakial Helmi Arif Wibawa Helmie Arif Wibawa Iffa Zainan Nisa Indra Waspada Indriyati Indriyati Khadijah Khadijah Khadijah, Khadijah Mahendra, Ida Bagus Satya Muhamad, Nida Mukaroh, Afifatul Nandhista, Dhimas Nurdin Bahtiar Okky Widya Arditya Prajanto Wahyu Adi, Prajanto Wahyu Prasetyo, Syalwa Dea Putri Rachmat Gernowo Rachmawati Soewono, Rachmawati Ragil Saputra Rahman, Gohar Redemtus Heru Tjahjana Retno Kusumaningrum Rismiyati Rismiyati Riyandika Andhi Saputra Sabda Dewa, Jason Al Hilal Satriyo Adhy Satya Sandika Putra Sekar Ratnaningtyas Sirait, Dheo Ronaldo Siti Suryani Sukmawati Nur Endah Sukmawati Nur Endah Sutikno Sutikno Sutikno Sutikno Sutikno Sutikno Sutikno, Sutikno Sutimin Sutimin Syahrul, Fithra Hayati Tatik Widiharih Triatmaja, Yudha Kusuma Utomo, Zidan Rafindra Vebriana, Melanie Safira Widowati, Widowati Yadanur Alim