Article Per Year (5 Year)
p-Index From 2020 - 2025
4.069
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Paradikma: Jurnal Pendidikan Matematika JURNAL PENELITIAN SAINTIKA Jurnal Informatika dan Teknik Elektro Terapan Jurnal IPTEK JURNAL SAINS INDONESIA Indonesian Journal of Artificial Intelligence and Data Mining Jurnal Perspektif M A T H L I N E : Jurnal Matematika dan Pendidikan Matematika JATI (Jurnal Mahasiswa Teknik Informatika) Community Development Journal: Jurnal Pengabdian Masyarakat Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Journal of Soft Computing Exploration J-Intech (Journal of Information and Technology) PROSISKO : Jurnal Pengembangan Riset dan observasi Rekayasa Sistem Komputer Journal of Artificial Intelligence and Engineering Applications (JAIEA) Jurnal Umum Pengabdian Masyarakat (JUPEMAS) Jurnal KALANDRA Journal of Education Transportation and Business International Journal of Educational Insights and Innovations (IJEDINS) Ulil Albab
Hermawan Syahputra
Jurusan Ilmu Komputer dan Elektronika, Universitas Gadjah Mada
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Mechanical Engineering Public Health Social Sciences Transportation Other

Published : 33 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 33 Documents
Search

 1   2   3   4 
Simulasi Lintasan Terpendek pada Graf Komplit Menggunakan Ant Colony Optimization Algorithm Riana, Ami; Syahputra, Hermawan
Jurnal Sains Indonesia Vol 42, No 2 (2018): Edisi Juli - Desember
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/jsi.v42i2.12248

Abstract

This study aims to build a shortest path simulation program on the complete graph K_20. The data of distance in this simulation was determined randomly with the provision of a value of 0-100. The simulation conducted was an algorithm calculation used parameter values with different initial pheromone conditions. The parameters in the Ant Colony Optimization Algorithm are set with alpha = 1, beta = 2, the initial pheromone condition = 0,0001 for the first simulation; alpha = 1, beta = 2, initial pheromone = 1 for the second simulation; and alpha value = 1, beta = 5, initial pheromone condition = 0,00000001 for the third simulation. The simulation results showed that if the value of the initial pheromone condition used gets greater, the value of the temporary output gets greater. Even though the initial pheromone condition was different, the shortest path obtained with distance data used in this study is the same, namely 15-14-1-3-20-12-16-6-18-10-9-13-11-7-8-4-2-17-5-19 with length 613 (in kilometers). [THE SHORTEST PATH SIMULATION IN COMPLETE GRAPHS USING THE ANT COLONY OPTIMIZATION ALGORITHM](J. Sains Indon., 42(2): 44-51, 2018)Keywords:Ant Colony Optimization Algorithm, Complete Graph, Shortest Path
DESAIN MODEL PENGENALAN TANAMAN MENGGUNAKAN CITRA DAUN 3D (MODEL DESIGN OF PLANT RECOGNITION USING 3D LEAF IMAGES ) Syahputra, Hermawan
JURNAL PENELITIAN SAINTIKA Vol 14, No 1 (2014): Maret 2014
Publisher : JURNAL PENELITIAN SAINTIKA

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

Abstract

Understanding of the view (scene) and 3D objectrecognition is one of the magnificent challenges in computervision. A wide variety of techniques and goals, such as structurefrom motion, optical flow, stereo, edge detection, andsegmentation, can be viewed as subtasks in scene understandingand object recognition. Many methods can be applied by previousinvestigators. On the contrary, this research is focused on highlevelrepresentation for scenery and objects, especially physicalrepresentation recognize 3D view of the underlying image. Thisstudy aims to answer the following questions:• How to relate 2D image with a 3D scene, and how we can takeadvantage of the relationship perspective?• How does the physical scene space can be modeled, and how toestimate the space scene of an image?• How to represent and recognize objects in a way that is robust tochanges in viewpoint?• How can use the knowledge and perspective of the scene toimprove the recognition space, or vice versa?In this study, carried out the stages of development of the plant recognition system based on 3D stereo images leaves, namely: image enhancement and segmentation, stereo correspondence, disparity map calculation and depth maps, feature extraction using Gray Level Coocurence Matrix, and classification using Euclidian distance. The results obtained in this study indicate that the recognition accuracy of the plant with the highest 3D image of the leaf is 83.3% to recognize 3 varieties of plants. While to recognize 9 varieties of plants obtained low accuracy. The low accuracy is due to the quality of the disparity and depth maps are possible for further research.
TRAINING PENINGKATAN KOMPETENSI INDUSTRI UNTUK SERTIFIKASI PROFESI NETWORK ENGINEER SKEMA NETWORK+ BERSAMA PT. NUSANET DAN PT. WILEARNING INDONESIA Kiswanto, Dedy; Syahputra, Hermawan; Panggabean, Suvriadi
Jurnal Umum Pengabdian Masyarakat Vol 2 No 1 (2023): Jurnal Umum Pengabdian Masyarakat
Publisher : Yayasan Pendidikan Cahaya Budaya Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58290/jupemas.v2i1.109

Abstract

Training peningkatan kompetensi dan sertifikasi network+ ini merupakan bentuk pengabdian masyarakat yang dilaksankaan dengan kolaborasi bersama PT Nusatnet dan PT Wilearning Indonesia. Adapun jumlah peserta terdiri dari 6 orang laki–laki karyawan PT Nusanet yang bertugas sebagai engineer network lapangan sedangkan PT Wilearning menyediakan tempat dan seluruh sarana prasarana yang dibutuhkan selama kegiatan training dan sertifikasi dalam penyampaian TIM menggunakan metode pembelajaran blended learning. 100% peserta dapat dengan baik menyelesaikan seluruh rangkaian exam dan mampu mendapatkan skor melebihi syarat minimal. Skor terkecil yang didapatkan 724 dan skor tertingi 824, jika dilakukan rata–rata pada skor peserta sebesar 783. Artinya rata–rata peserta mampu menjawab dengan benar soal yang diberikan sebesar 92% dari total 90 soal yang diberikan.
Peningkatan Produksi Usaha May’s Kitchen dengan menerapkan Teknologi Tepat Guna Oven Pemanggang Kue Kukus Ritonga, Winsyahputra; Syah, Dedy Husrizal; Oktora, Maya; Solahudin, Ahmad Andi; Syahputra, Hermawan; Rangkuti, Muhammad Aswin; Harahap, Mukti Hamjah; Panggabean, Deo Demonta
KALANDRA Jurnal Pengabdian Kepada Masyarakat Vol 3 No 4 (2024): Juli
Publisher : Yayasan Kajian Riset Dan Pengembangan Radisi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55266/jurnalkalandra.v3i4.412

Abstract

Pengabdian masyarakat ini berfokus pada peningkatan produktivitas UMKM May's Kitchen di Desa Mangga Dua, Kecamatan Tanjung Beringin, Kabupaten Serdang Bedagai, melalui penerapan teknologi tepat guna. Permasalahan utama yang dihadapi mitra adalah keterbatasan teknologi produksi, khususnya dalam proses pemanggangan kue kukus, yang berdampak pada kualitas dan daya saing produk. Untuk mengatasi hal ini, tim pengabdi mengimplementasikan pendekatan terpadu meliputi edukasi, pelatihan, dan pendampingan intensif. Inti dari program adalah introduksi oven pemanggang kue kukus berkapasitas 6 loyang dengan 1 rak berbahan stainless steel. Hasil menunjukkan peningkatan efisiensi produksi hingga tiga kali lipat, disertai perbaikan signifikan pada kualitas dan konsistensi produk. Evaluasi pasca-program mengindikasikan peningkatan pengetahuan mitra sebesar 85% mencakup aspek teknis operasional, food safety, dan quality control. Analisis ekonomi memproyeksikan penurunan biaya produksi hingga 20% dan potensi peningkatan margin keuntungan 15-20%.
IMPLEMENTASI ALGORITMA CNN DALAM MENGIDENTIFIKASI TINGKAT KEPARAHAN JERAWAT PADA WAJAH Adhi Guna, Ekin; Fransiska Sihombing, Esra; Nico Pasaribu, Michael; Syahputra, Hermawan; Ramadhani, Fanny
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10010

Abstract

Penggunaan teknologi komputer di sektor kesehatan telah berkembang pesat, terutama dalam sistem rekomendasi dan promosi kesehatan. Perkembangan kecerdasan buatan, khususnya deep learning, telah terbukti sangat bermanfaat dalam deteksi dini penyakit melalui analisis pencitraan medis. Convolutional Neural Network (CNN), sebagai salah satu bagian dari deep learning, menunjukkan kinerja tinggi dalam berbagai aplikasi, termasuk identifikasi jerawat. Jerawat pada remaja memiliki dampak signifikan pada aspek personal, sosial, dan psikologis, seringkali menyebabkan depresi dan rendahnya percaya diri. Pengetahuan masyarakat tentang perawatan jerawat yang tepat masih terbatas, yang sering kali menyebabkan kesalahan perawatan dan memperburuk kondisi. Penelitian ini bertujuan untuk mengembangkan sistem berbasis CNN guna mengidentifikasi tingkat keparahan jerawat sehingga dapat memberikan penanganan yang tepat. Implementasi CNN memungkinkan model untuk mengekstraksi hierarki fitur dari citra, sehingga menciptakan representasi visual yang lebih baik untuk variasi dari tingkat keparahan jerawat. Hasil penelitian dengan 1.106 dataset dari tiga label menunjukkan akurasi sebesar 75%, menegaskan efektivitas CNN dalam mengidentifikasi pola visual tingkat keparahan jerawat. Sistem ini diharapkan mampu memberikan solusi dalam mengatasi masalah keparahan jerawat dan mengurangi kesalahan perawatan yang sering terjadi, sehingga meningkatkan kualitas hidup remaja yang terpengaruh oleh jerawat.
DETEKSI BURUNG MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN MODEL ARSITEKTUR MOBILENETV2 Andika Maulana, Sandy; Husna Batubara, Shabrina; Permata Putri Pasaribu, Yohanna; Syahputra, Hermawan; Ramadhani, Fanny
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10126

Abstract

Penelitian ini mengimplementasikan model Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2 untuk mendeteksi spesies burung. Permasalahan yang dihadapi yaitu bagaimana meningkatkan akurasi deteksi spesies burung menggunakan model yang efisien untuk perangkat mobile. Tujuan penelitian ini untuk mengembangkan dan mengevaluasi model CNN yang dapat mengenali berbagai spesies burung dengan akurasi tinggi. Metode penelitian meliputi beberapa tahapan: pengunduhan dan ekstraksi data dari TensorFlow Dataset yang terdiri dari 6033 gambar dari 200 spesies burung, visualisasi dan preprocessing data, implementasi model MobileNetV2, training dan validasi model selama 50 epoch dengan batch size 64, serta evaluasi menggunakan metrik loss dan Intersection Over Union (IoU). Hasil penelitian menunjukkan bahwa model mampu mengenali burung dengan akurasi yang memadai. Untuk penelitian selanjutnya, disarankan penambahan jumlah gambar dan spesies burung dalam dataset, eksplorasi arsitektur model lain, teknik augmentasi data, optimisasi hyperparameter, dan penerapan transfer learning. Selain itu, pengujian model pada perangkat mobile diperlukan untuk memastikan efisiensi dan performa di lingkungan nyata, serta mempertimbangkan informasi tambahan seperti habitat atau suara burung untuk meningkatkan akurasi identifikasi.
IDENTIFIKASI JENIS REMPAH-REMPAH INDONESIA DENGAN CONVOLUTIONAL NEURAL NETWORK (CNN) MENGGUNAKAN ARSITEKTUR VGG16 Maulana, Raihan; Dwi Zahra Putri, Raisya; Ade Amelia, Tasya; Syahputra, Hermawan; Ramadhani, Fanny
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10138

Abstract

Indonesia merupakan negara yang kaya akan rempah-rempah alami, sebuah kekayaan alam yang telah menjadi bagian integral dari budaya dan ekonomi nasional. Rempah-rempah Indonesia tidak hanya digunakan dalam masakan sehari-hari tetapi juga diekspor ke berbagai negara, menjadikannya komoditas penting yang perlu dijaga keberadaannya dengan baik. Meskipun begitu, membedakan berbagai jenis rempah menjadi tantangan bagi sebagian masyarakat. Hal ini disebabkan oleh kurangnya pengetahuan masyarakat tentang bentuk asli rempah, serta minimnya keterlibatan langsung dalam pengolahannya. Kesulitan ini berdampak pada pengenalan dan penggunaan rempah yang kurang optimal, baik di tingkat rumah tangga maupun industri. Untuk mengatasi tantangan ini, penelitian ini bertujuan mengembangkan sebuah sistem berbasis teknologi yang dapat membantu masyarakat mengenali berbagai jenis rempah secara akurat. Sistem yang dikembangkan menggunakan Convolutional Neural Network (CNN) dengan arsitektur VGG16, yang dirancang untuk mengidentifikasi berbagai jenis rempah-rempah secara efektif dan efisien. CNN telah terbukti sebagai metode pembelajaran mendalam yang sangat efektif dalam mengklasifikasikan objek berdasarkan ciri-ciri visualnya. Dalam penelitian ini, dataset citra rempah terdiri dari tiga puluh satu kelas, masing-masing kelas memiliki 210 citra, dengan total 6510 citra. Model CNN yang digunakan dalam penelitian ini mengimplementasikan arsitektur VGG16, yang terdiri dari beberapa lapisan konvolusi untuk mengekstraksi fitur visual dari citra, diikuti oleh lapisan fully connected untuk melakukan klasifikasi. Hasil penelitian menunjukkan bahwa model CNN yang dikembangkan berhasil mencapai akurasi tertinggi sebesar 86,66% dalam mengklasifikasikan citra-citra rempah. Akurasi ini menunjukkan bahwa model mampu mengenali berbagai jenis rempah dengan cukup baik, meskipun terdapat beberapa kelas yang masih mengalami kesulitan dalam prediksi. Pendekatan ini tidak hanya memberikan solusi modern namun juga mudah diakses untuk mengenali rempah-rempah, sehingga dapat membantu masyarakat dalam membedakan jenis-jenis rempah secara lebih efektif dan efisien.
KLASIFIKASI CITRA SIMBOL MATEMATIKA MENGGUNAKAN METODE CONVOLUTION NEURAL NETWORK (CNN) Warjaya, Angga; Richi, Alfina; Syahputra, Hermawan; Ramadhani, Fanny
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10234

Abstract

Pemanfaatan notasi matematika sangat penting dalam menjelaskan konsep dan kerangka matematika, berfungsi sebagai alat dasar untuk komunikasi dan pemecahan masalah. Namun, gaya tulisan tangan yang beragam yang digunakan oleh individu menghadirkan tantangan unik dalam mengidentifikasi simbol matematika secara akurat karena perbedaan evolusi tulisan tangan dari waktu ke waktu. Munculnya teknologi pengenalan pola, terutama dalam pengenalan pola tulisan tangan, menekankan pentingnya mengembangkan aplikasi untuk mendeteksi dan menafsirkan simbol matematika tulisan tangan, dengan fokus pada penggunaan Convolution Neural Network (CNN) untuk kategorisasi otomatis, menampilkan tingkat akurasi yang menjanjikan. Studi ini menunjukkan kemampuan luar biasa model CNN untuk mengkategorikan simbol matematika dengan tingkat akurasi tinggi 99,25%, menunjukkan potensi signifikan metodologi CNN dalam mengklasifikasikan pola simbol matematika secara efektif dan perlunya eksplorasi lebih lanjut untuk meningkatkan kinerja klasifikasi dalam domain ini.
Development of Mathematics E-Comic Media Based On Problem Based Learning To Improve The Problem Solving Ability And Learning Interest of Students of Muhammadiyah Private Junior High School 16 Lubuk Pakam Irmaya, Nia; Syahputra, Hermawan; Lubis, Asrin
Mathline : Jurnal Matematika dan Pendidikan Matematika Vol. 9 No. 3 (2024): Mathline: Jurnal Matematika dan Pendidikan Matematika
Publisher : Universitas Wiralodra

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31943/mathline.v9i3.665

Abstract

This research intends to (1) create valid, practical, and successful PBL-based E-Comics media; (2) evaluating Problem-Based Learning-based E-Comics media for problem-solving improvement; (3) examining student enthusiasm in learning with Problem-Based Learning e-comics medium. This study follows the ADDIE model—analysis, design, development, implementation, and evaluation. This study included SMP Muhammadiyah 16 Lubuk Pakam seventh-graders. RPP, LKPD, problem-solving ability exam, and student learning interest questionnaire are used to create e-comic media. The results showed that (1) Media E-Comics based Problem Based Learning (PBL) to improve problem-solving skills and interest in learning met valid criteria with a score of 4.69; (2) The practical criteria in the second practical test included observation of learning using E-Comics media with a score of 88.15%, teacher response of 87.94%, and student response of 90.75%; and (3) E-Comics media meets effectiveness criteria; (i) Problem-solving skills in the effectiveness test I rose by 0.68 with a medium category at pretest and posttest. Comparing posttest I and II values ​​showed that test II was more effective with N-gain 0.43 in the medium category; (ii) increased student interest in learning effectiveness test I with an average of 96.87%, with 8 excellent, 23 good, and 1 sufficient students. effectiveness test II followed with an average of 100%, with 17 excellent and 15 good students.
IDENTIFIKASI JENIS PENYAKIT PADA TANAMAN CABAI RAWIT MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) DI DESA BINTANG KECAMATAN SIDIKALANG Josafat Simanjutak, Todo; Saputra S, Kana; Syahputra, Hermawan; Iskandar Al Idrus, Said; Febrian, Didi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12403

Abstract

Cabai rawit merupakan jenis tanaman terna atau setengah merdu, memiliki tinggi sekitar 50-120 cm dengan umur bisa mencapai 3 tahun, Prospek cabai rawit cukup menjanjikan untuk memenuhi kebutuhan domestik dan ekspor Namun, produksi justru menurun. Salah satu faktor penyebab rendahnya produksi tanaman cabai adalah adanya gangguan penyakit yang menyerang. Identifikasi penyakit tanaman menjadi langkah penting dalam pemeliharaan dan perawatan, termasuk pada cabai rawit.metode yang digunakan dalam penelitian ini adalah Metode CNN (Convolutional Neural Network) dengan LeNet-5 sebagai arsitekturnya.Penelitian ini berhasil mengembangkan sistem berbasis Convolutional Neural Network (CNN) menggunakan arsitektur LeNet-5 untuk mengidentifikasi dan mengklasifikasi enam kelas penyakit pada tanaman cabai rawit di Desa Bintang, Kecamatan Sidikalang, dengan kinerja yang cukup baik ditunjukkan oleh akurasi 86%, presisi 87%, recall 86%, dan f1-score 86%.Untuk meningkatkan performa sistem, disarankan untuk melakukan eksperimen lebih lanjut dengan mengoptimalkan hyperparameter seperti learning rate dan jumlah epoch, memperluas dataset dengan variasi citra, mengeksplorasi arsitektur model yang lebih modern seperti AlexNet atau ResNet, serta menggunakan perangkat keras dengan spesifikasi yang lebih tinggi untuk efisiensi dan kecepatan pemrosesan yang lebih baik.
Co-Authors Ade Amelia, Tasya Adhi Guna, Ekin Ahmad Andi Solahuddin Amelia Br Siregar, Ririn Amelia Vega S. Meliala, Ruth Andika Maulana, Sandy Angel Tumanggor, Asri Asrin Lubis Budi Akbar, Muhammad Daulay, Leni Karmila Davina, Sherly Dedy Husrizal Syah, Dedy Husrizal Dedy Kiswanto Defiyanti, Aqilah Delvin Ibo, Martince Deo Demonta Panggabean DIdi Febrian Drilanang, Mhd Ilyasyah Dwi Zahra Putri, Raisya E. Elvis Napitupulu, E. Elvis Elisabet Butarbutar, Lastri Farmawaty Tambunan, Vivielda Fauzi, KMS. Amin Fransiska Sihombing, Esra Hafiz, Alvin Hidayatul Arifin, Muhammad Husna Batubara, Shabrina Ida Ayu Putu Sri Widnyani Imelda, Yusmita Impana Manik, Kristin Indriani.S, Dechy Deswita Insan Taufik Irmaya, Nia Irya Shakila Syukron, Ananda Izwita Dewi Josafat Simanjutak, Todo Kana Saputra S Kartika, Dinda Lazuardi Harahap, Muhammad Luge, Miclyael Luthfiah, Dina Aulia Mahyuni Mahyuni Maulana, Raihan Maya Oktora Mukti Hamjah Harahap, Mukti Hamjah Nasution, Dinda Indriani Nico Pasaribu, Michael Niska, Debi Yandra Nurul Maulida Surbakti Oktavia, Grace Palendeo Sitepu, Kalpin Pane, M Iqbal Anata Pane, Yeremia Yosefan Panggabean, Suvriadi Panjaitan, Clara Kresensia Panjaitan, Nova Yanti Permata Putri Pasaribu, Yohanna Prana Walidin, Adamsyach Purba, Boy Hendrawan Purba, Desni Paramitha Ramadhan Manik, Albert Ramadhani, Fanny Rangkuti, Muhammad Aswin Riana, Ami Richi, Alfina Said . Iskandar Sembiring, Rinawati Sinaga, Elya Juni Arta Siregar, Putri Mayang Sari Solahudin, Ahmad Andi Sri Dewi Sriadhi Sriadhi, Sriadhi Sukma, Ayman Human Suleho, Febrina Veryawan, Veryawan Warjaya, Angga Wibowo, Aldiva winsyahputra Ritonga Yazid Noor, Muhammad Zulfahmi Indra, Zulfahmi Zulfahrizan, Atta