Article Per Year (5 Year)
p-Index From 2021 - 2026
7.634
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal Buana Informatika Dinamika Informatika Jurnal Teknologi MAGISTRA Sinergi Jurnal Teknologi Informasi dan Ilmu Komputer Telematika Proceedings Konferensi Nasional Sistem dan Informatika (KNS&I) Seminar Nasional Informatika (SEMNASIF) INFORMATIKA Khazanah Informatika: Jurnal Ilmu Komputer dan Informatika Jurnal Ilmiah KOMPUTASI Sistemasi: Jurnal Sistem Informasi JOIV : International Journal on Informatics Visualization Sinkron : Jurnal dan Penelitian Teknik Informatika Creative Information Technology Journal Jurnal Sains dan Informatika MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Jurnal Penelitian dan Pengabdian Kepada Masyarakat UNSIQ JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) CSRID (Computer Science Research and Its Development Journal) Informasi Interaktif JOISIE (Journal Of Information Systems And Informatics Engineering) EDUMATIC: Jurnal Pendidikan Informatika Jurnal Suara Keadilan Technologia: Jurnal Ilmiah KURVATEK Jurnal Tecnoscienza Respati Jurnal Sistem Komputer & Kecerdasan Buatan Journal of Computer System and Informatics (JoSYC) Jurnal Informa: Jurnal Penelitian dan Pengabdian Masyarakat Madani : Indonesian Journal of Civil Society JURNAL PENDIDIKAN, SAINS DAN TEKNOLOGI Jurnal TIKOMSIN (Teknologi Informasi dan Komunikasi Sinar Nusantara) Jurnal Teknimedia: Teknologi Informasi dan Multimedia Journal of Electrical Engineering and Computer (JEECOM) Jurnal Computer Science and Information Technology (CoSciTech) Jurnal Senopati : Sustainability, Ergonomics, Optimization, and Application of Industrial Engineering Journal of Applied Sciences, Management and Engineering Technology (JASMET) Jurnal Ekonomi dan Teknik Informatika Transformasi Journal of Social Research Jurnal Ilmiah IT CIDA : Diseminasi Teknologi Informasi Jurnal Dinamika Informatika (JDI) Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) PELS (Procedia of Engineering and Life Science) JAIA - Journal of Artificial Intelligence and Applications Duta.com : Jurnal Ilmiah Teknologi Informasi dan Komunikasi EXPLORE Prosiding University Research Colloquium COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Jurnal of Information Technology and Society (JITS) Teknomatika: Jurnal Informatika dan Komputer Explore Jurnal Teknologi SWAGATI: Journal of Community Service
Andi Sunyoto
Universitas Amikom Yogyakarta
Humanities Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Social Sciences Transportation Other

Published : 108 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 108 Documents
Search

 7   8   9   10   11 
Klasifikasi Hama Pada Daun Sawi Menggunakan Convolutional Neural Network (CNN) Dengan Algoritma Xcaption dan Optimasi Adam Bahri, Saiful; Sunyoto, Andi; Kurniawan, Mei P.
Journal of Electrical Engineering and Computer (JEECOM) Vol 6, No 2 (2024)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/jeecom.v6i2.9529

Abstract

Sawi (Brassica rapa) adalah sayuran yang populer di Indonesia, namun serangan hama sering kali menghambat produktivitasnya, mengurangi kualitas dan kuantitas panen. Identifikasi hama secara akurat sangat penting untuk pengendalian yang efektif, namun metode konvensional yang melibatkan pengamatan visual sering kali kurang efisien dan rentan terhadap kesalahan manusia. Oleh karena itu, penelitian ini memanfaatkan teknologi terbaru dalam pemrosesan citra dan machine learning untuk meningkatkan akurasi dan efisiensi dalam identifikasi hama pada daun sawi. Convolutional Neural Network (CNN) dengan arsitektur Xception yang dioptimalkan menggunakan algoritma Adam dipilih sebagai metode utama untuk klasifikasi hama daun sawi. Penelitian ini menggunakan dataset gambar daun sawi dari situs publik kaggle, dengan preprocessing yang dilakukan untuk memastikan kualitas dan konsistensi data. Setelah melalui proses augmentasi data dan pelatihan model, model CNN dilatih dengan ukuran batch 64, epoch 100, dan dropout 0,5. Evaluasi menggunakan confusion matrix menunjukkan akurasi pelatihan dan validasi mencapai 99,00%. Hasil menunjukkan bahwa model CNN yang dikembangkan berhasil mencapai akurasi pelatihan dan validasi sebesar 99,00%. Evaluasi model menggunakan confusion matrix menunjukkan bahwa model mampu mengklasifikasikan hama daun sawi dengan akurasi yang sangat tinggi, memberikan solusi yang efisien untuk pengendalian hama di pertanian sawi. Hasil ini menunjukkan bahwa penggunaan teknologi CNN dengan optimasi yang tepat dapat secara signifikan meningkatkan kualitas dan produktivitas hasil panen.
Identifikasi Ekspresi Wajah Manusia Menggunakan Algoritma Grey Wolf Optimizer dan Convolutional Neural Network Rohim, Ni’matur; Sunyoto, Andi; Kusnawi, Kusnawi
Journal of Electrical Engineering and Computer (JEECOM) Vol 6, No 1 (2024)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/jeecom.v6i1.8269

Abstract

Penelitian ini mengeksplorasi penggunaan algoritma Grey Wolf Optimizer (GWO) untuk mengoptimalkan parameter pada Convolutional Neural Network (CNN) dalam mengenali ekspresi wajah manusia. Ekspresi wajah adalah aspek penting dalam komunikasi manusia, dan pengenalan ekspresi tersebut menjadi semakin vital dalam interaksi manusia-mesin dan bidang kesehatan psikologi. Metode deep learning, terutama CNN, telah terbukti efektif dalam mengklasifikasikan ekspresi manusia, meskipun masih menghadapi beberapa tantangan, seperti pengaturan parameter yang rumit dan kebutuhan akan data yang besar. Penelitian ini bertujuan untuk mencari parameter optimal untuk meningkatkan kinerja CNN dalam mengenali ekspresi wajah menggunakan algoritma GWO. Data yang digunakan adalah dataset Facial Expression Recognition 2013 (FER-2013), dengan total 600 citra wajah yang dibagi menjadi tiga kelas: happy, sad, dan angry. Pendekatan yang diusulkan mencakup preprocessing data, pencarian parameter arsitektur CNN menggunakan GWO, pembuatan model CNN, dan pengujian model menggunakan data testing. Hasil pengujian menunjukkan bahwa dengan parameter optimal, model CNN mencapai akurasi yang baik, dengan nilai akurasi 79% pada data training, 60% pada data validation, dan rata-rata akurasi 77% pada data testing. Penelitian ini menyoroti pentingnya penanganan yang cermat dalam menentukan parameter untuk memastikan hasil yang optimal dalam pengenalan ekspresi wajah manusia menggunakan CNN.
Peningkatan Akurasi Deteksi Kendaraan Menggunakan Kombinasi Haar Cascade Classifier dan Convolutional Neural Networks (CNN) Irawanto, Indra; Sunyoto, Andi; Kusnawi, Kusnawi
Journal of Electrical Engineering and Computer (JEECOM) Vol 6, No 1 (2024)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/jeecom.v6i1.8242

Abstract

Teknologi pengolahan citra digital dan computer vision telah memainkan peran penting dalam meningkatkan sistem pengaturan lalu lintas. Meskipun kamera CCTV umum digunakan, kebanyakan sistem masih bersifat pasif dan terbatas dalam pengawasan arus lalu lintas. Dalam menanggapi kebutuhan akan sistem yang lebih proaktif dan adaptif, dikembangkan berbagai sistem Manajemen Lalu Lintas Pintar yang mengintegrasikan teknologi deteksi objek kendaraan canggih, seperti kombinasi Haar Cascade Classifier dengan Convolutional Neural Network (CNN). Haar Cascade Classifier efektif dalam mendeteksi objek real-time, namun dapat mengalami kesulitan dalam kondisi gambar kompleks. Integrasi dengan CNN diharapkan meningkatkan akurasi deteksi kendaraan dalam berbagai kondisi pencahayaan dan latar belakang. Penelitian ini bertujuan untuk mengeksplorasi arsitektur CNN yang optimal untuk diintegrasikan dengan Haar Cascade guna mencapai efisiensi dan akurasi deteksi kendaraan yang lebih tinggi dalam pengaturan lalu lintas. Dari hasil eksperimen, kombinasi Haar Cascade dan CNN efektif dalam mendeteksi dan mengestimasi jumlah kendaraan. Performa model tergantung pada kompleksitas gambar, di mana semakin kompleks gambar, semakin rendah akurasi dan sensitivitasnya. Penggunaan arsitektur MobileNet dan Xception menunjukkan kemampuan yang baik dalam mendeteksi kendaraan, dengan Xception memberikan sedikit peningkatan dalam akurasi (80.13%) dibandingkan dengan MobileNet (79.19%), namun dengan waktu komputasi yang sedikit lebih lama (1.02 detik dibandingkan dengan 0.82 detik). Pilihan antara kedua model tergantung pada kebutuhan spesifik aplikasi, seperti kebutuhan untuk akurasi yang lebih tinggi atau kecepatan pemrosesan yang lebih cepat. Dengan demikian, penelitian ini berpotensi untuk memberikan kontribusi signifikan bagi pengembangan sistem lalu lintas yang lebih cerdas dan responsif di masa depan.
Meningkatkan Keamanan Pesan Menggunakan Enkripsi Arnold Cat Map Dan Steganografi Pixel Value Differencing Masruri, Nizar Haris; Kusrini, Kusrini; Sunyoto, Andi
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 3 No. 1 (2019): PROSIDING SEMNAS INOTEK Ke-III Tahun 2019
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v3i1.522

Abstract

Pesan tidak hanya berupa text, namun juga berbentuk gambar. Sebuah pesan gambar terkadang merupakan informasi yang sangat rahasia contohnya gambar informasi barang bukti. Untuk itu dibutuhkan teknik untuk melindungi pesan tersebut agar tidak diketahui oleh pihak lain. Pixel Value Differencing (PVD) merupakan salah satu teknik penyisipan pesan ke dalam data digital seperti gambar (citra) dengan kelebihan kapasitas penampung yang besar. PVD menghitung selisih nilai piksel dengan cara membagi piksel-piksel citra menjadi blok-blok yang terdiri dari dua buah piksel yang posisinya berdekatan yang digunakan sebagai tempat penyisipan pesan. Untuk meningkatkan keamanan, maka dilakukan enksripsi pada pesan citra agar konstruksi citra menjadi tidak beraturan sehingga tidak mudah untuk diketahui dan dimanipulasi oleh pihak lain. Paper ini akan menggabungkan steganografi PVD dan metode enskripsi Arnold Cap Map (ACM). Untuk mengetahui kualitas citra yang tersisipi pesan, maka dilakukan evaluasi kualitas citra dengan perhitungan nilai Mean Square Error (MSE) dan Peak Signal to Noise Ratio (PSNR). Hasil pengujian menunjukkan bahwa citra dengan resolusi 512x512 piksel menghasilkan nilai MSE : 0.36311 dan PSNR (db): 57.3356, sedangkan citra dengan resolusi 256x256 piksel menghasilkan nilai MSE : 11.1786 dan PSNR(db) : 42.4521.
The Application of BERT in Sentiment Analysis of IMDB Movie Reviews Putra, Reyhan Dwi; Sunyoto, Andi
Journal of Social Research Vol. 5 No. 2 (2026): Journal of Social Research
Publisher : International Journal Labs

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55324/josr.v5i2.3011

Abstract

This study aims to conduct a sentiment analysis of user reviews of the IMDb website using a fine-tuned BERT model. This approach uses review data, pre-processing data, fine-tuning of the BERT model, and model performance evaluation. This sentiment analysis uses secondary data taken from the Kaggle website to account for variations in public opinion on film reviews. The discussion of sentiment analysis findings revealed people's preferences in the form of positive sentiment in the storyline aspect, while negative sentiment revealed the duration aspect. The results showed that the BERT model achieved a high level of performance with an accuracy of 90%, precision of 89%, recall of 91%, and an F1-score of 90% on the validation dataset. The results of this test can be used by filmmakers to correct aspects that are not satisfactory to the audience in the next film production From the test results above, the BERT method can be used to conduct sentiment analysis with high accuracy, precision, recall, and f1-score test results.
Stroke Prediction Using Machine Learning Method with Extreme Gradient Boosting Algorithm Abd Mizwar A Rahim; Andi Sunyoto; Muhammad Rudyanto Arief
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol. 21 No. 3 (2022)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/matrik.v21i3.1666

Abstract

Based on data obtained from WHO, stroke is a disease that ranks as the second most deadly disease. The cause of a stroke is when a blood vessel is hit or ruptured, resulting in a part of the brain not getting the blood supply that carries the oxygen it needs, leading to death. By utilizing technology in the health sciences, especially in the health sector, machine learning models can adjust and make it easier for users to predict certain diseases. Previous studies have had problems with low accuracy when used in healthcare. The purpose of this research is to increase accuracy by proposing the application of one of the ensemble learning algorithms, namely the Xtreme Gradient Boosting algorithm. This stroke prediction research uses the Xtreme Gradient Boosting Algorithm; the application of this method with split data Training data and 70/30 test data, 70% of the training data is 3582, 30% of the test data is 1536, and the results are 96% accuracy with these results having good results. This study increase accuracy in predicting stroke cases and get better accuracy than previous studies.
Classification of Music for Study Based on Spotify Audio Features Using Random Forest with Feature Importance Analysis and Reduction Supraba, Laksmita Dewi; Sunyoto, Andi
Journal of Electrical Engineering and Computer (JEECOM) Vol 8, No 1 (2026)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/jeecom.v8i1.13200

Abstract

Music has a significant impact on the way a person thinks and feels in their daily activities. This study aims to categorize the types of music that are suitable for learning activities by using Spotify's audio feature, to create a more flexible and personalized music recommendation system. The dataset used comes from Spotify Study Music which consists of 172,819 songs with 12 audio features, which are grouped into three main categories, namely Pop tracks, Classical soundtracks, and Lo-fi tracks. The research process includes data pre-processing, handling class imbalances using SMOTE, data normalization, feature significance Analysis, Cross Validation, and feature reduction. Normalization results show that all features have been in the range of 0.0-1.0 without changing the characteristics of the original distribution. The Random Forest Model performed exceptionally well with an average accuracy rate of 99% on cross-validation and 99.9% on training data, indicating the model's ability to efficiently recognize musical patterns. Important Feature Analysis shows that energy, loudness, acousticness, instrumentalness, and liveness have the most significant influence in distinguishing music characteristics for learning, while mode, popularity, duration_ms, and danceability when removed using Feature Reduction analysis show a significant decrease in accuracy. This study recommends maintaining the features of acousticness, instrumentalness, and liveness because it plays an important role in maintaining the stability and accuracy of music classification models that support the learning process.
Optimasi Hyperparameter Grid Search Dan Random Search Pada Inception V3 Untuk Kematangan Buah Kelapa Sawit Zikri, Ramadani; Sunyoto, Andi; Yaqin, Ainul
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 4 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i4.6537

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan tingkat kematangan buah kelapa sawit menggunakan model Inception V3 dengan pendekatan hyperparameter tuning menggunakan Grid Search dan Random Search. Dataset yang digunakan terdiri dari tiga kelas kematangan buah kelapa sawit: belum masak, masak, dan terlalu masak. Penelitian ini melibatkan beberapa kombinasi hyperparameter, termasuk learning rate, batch size, dan jumlah epoch, yang diuji untuk mendapatkan konfigurasi terbaik. Hasil menunjukkan bahwa kombinasi terbaik dari Grid Search mencapai akurasi sebesar 91%, sedangkan Random Search menghasilkan akurasi tertinggi sebesar 92%. Evaluasi dilakukan melalui analisis konfusi matriks, yang menunjukkan bahwa model mampu mengklasifikasikan tingkat kematangan buah dengan tingkat kesalahan yang rendah. Berdasarkan hasil ini, disimpulkan bahwa penggunaan metode hyperparameter tuning sangat penting dalam meningkatkan akurasi model prediksi. Penelitian ini juga memberikan rekomendasi untuk eksplorasi lebih lanjut dengan model arsitektur yang lebih kompleks serta data yang lebih bervariasi untuk meningkatkan generalisasi model.
Co-Authors *, Pramono A.A. Ketut Agung Cahyawan W Aam Shodiqul Munir Abdul Jalil Rozaqi Abdul Jalil Rozaqi Abdul Mizwar A. Rahim Abidarin Rosidi Abidarin Rosidi Ade Kurniawan kurniawan Ade Pujianto, Ade Afis Julianto Afis Julianto Agus Harjoko Agus Harjoko AGUS PURWANTO Aidina Ristyawan, Aidina Ainul Yaqin Alva Hendi Muhammad Alva Hendi Muhammad Alva Hendi Muhammad Muhammad Ana Wati Ndarbeni Anna Baita Annas Al Amin Arif Sutikno Asro Nasiri Asro Nasiri Asro Nasiri Astria, Kadek Kiki B, Arijal Bambang Soedijono Bambang Soedijono WA Banu Dwi Putranto Bayu Anugerah Putra Bayu Setiaji Bonifacius Vicky Indriyono Bonifacius Vicky Indriyono, Bonifacius Vicky Cahyo, D. Diffran Nur Dhanar Intan Surya Saputra Diansyah, Ahmad Febri Dwi Sari Widyowaty Dwi Yuli Prasetyo Eka Yulia Sari Eko Pramono Eko Pramono Ema Utami Emha Taufiq Luthfi Emha Taufiq Luthfi Ferry Wahyu Wibowo Ferry Wahyu Wibowo Firdiyan Syah Fitri Handayani Gagah Gumelar Gori, Takhamo Hanafi Hanafi Hani Atun Mumtahana Hani Atun Mumtahana Hani Setiani Hanif Al Fatta Hanif Al Fatta Hanif Al Fatta Hanif Al Fatta Harianto, Harianto Hidayat Hidayat Huda, Luthfi Nurul Ibnu Hadi Purwanto Ikhwan Baidlowi Sumafta Ikmah Ikmah Indah Nofikasari Irawanto, Indra Ismail, Muhamad Yusuf K Kusrini Kapti . kurniawan, Ade Kurniawan Kurniawan, Mei P Kurniawan, Mei P. Kusnawi Kusnawi Kusrini Kusrini Kusrini Kusrini Kusrini Kusrini Kusrini Kusrini Kusrini Kusrini Kusrini Kusrini Kusrini Kusrini Kusrini, K Kusrini, Kusrini Liana Trihardianingsih Licantik M rudyanto Arief M. Afriansyah M. Rudyanto Arief M. Suyanto M. Suyanto, M. M. Syukri Mustafa Maie Istighosah Mashuri, Ahmad Sanusi Masruri, Nizar Haris Mohammad Suyanto Mudawil Qulub Muhammad Rudyanto Arief Muhammad Setiyawan Muhammad, Anva Hendi Muhartini, Sitti Mumtahana, Hani Atun Mursyid Ardiansyah Nalendra, Adimas Ketut Nasiri, Asro Noordin Asnawi Norlaila2 Nugraha, Anggit Ferdita Nulngafan, Nulngafan Nur Arifin Akbar Parsiyono Parsiyono Patmawati Patmawati, Patmawati Pramono * Putra, Reyhan Dwi Putranto, Dinar Wakhid Quratul Ain Rafli Junaidi Kasim Rahim Jamal Rahmat Hidayat Raynaldi Fatih Amanullah Ria Andriani Rifda Faticha Alfa Aziza Riyanto, Thomas Pramuji Singgih Riza Marsuciati Rizfi Syarif Rizky Arya Kurniawan Rohim, Ni’matur Rudi Prietno Sahirul Muklis Saiful Bahri Salmuasih - Samsul Bahri Sari, Rita Novita Setiawan Budiman Sholihin, Iasya Silvi Agustanti Bambang Singgih Arif Widodo Slamet Triyanto Soedijono W A, Bambang Sudarmawan Sudarmawan Sudarmawan, Sudarmawan Sudiana Sudiana Sukresno Sukresno Sulistyowati Sulistyowati Suliswaningsih Suliswaningsih Sumafta, Ikhwan Baidlowi Supomo, Eko Supraba, Laksmita Dewi Sutejo, Danang Syah, Firdiyan Syah, Firdiyan Syukirman Amir TONNY HIDAYAT Tribiakto, Herlandro Ulinuha, Hinova Rezha W., Bambang Soedijono WA, Bambang Soedijono Wahyu Caesarendra Wahyu Hidayat Wihayati, Wihayati Windarni, Vikky Aprelia Windha Mega Pradnya Dhuhita Wing Wahyu Winarno Yoga Dwi Pambudi Yoga Pristyanto Yohanes Setyo Prabowo, Yohanes Setyo Yusuf Sutanto Zaipin, Zaipin Zikri, Ramadani