Article Per Year (5 Year)
p-Index From 2020 - 2025
1.235
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan International conference on Information Technology and Business (ICITB) JURNAL INSTEK (Informatika Sains dan Teknologi) Jifosi Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Emerging Statistics and Data Science Journal
Wahyu Syaifullah Jauharis Saputra
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Mathematics

Published : 8 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 8 Documents
Search

 1 
Smearing Algorithm and MSER To Detect Indonesian Private Lisence Plate Detection In Image Jauharis Saputra, Wahyu Saifullah; Via, Yisti Vita
Prosiding International conference on Information Technology and Business (ICITB) 2017: INTERNATIONAL CONFERENCE ON INFORMATION TECHNOLOGY AND BUSINESS (ICITB) 3
Publisher : Prosiding International conference on Information Technology and Business (ICITB)

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

Abstract

Motor vehicles are a modern transportation that is still in use today. Each motor vehicle has a unique code bone code and machine code, and this code combined with the area code where the vehicle is registered and save in vehicle number letter (STNK). Each vehicle registration number is unique for each vehicle. This paper propose a method to detect the license plate of vehicles by using smearing and Maximally Stable Extremal Regions (MSER) detection. This paper uses private vehicle number plate as test data because on private vehicle number plate in Indonesia has high-level contrast between background and foreground. By using the smearing algorithm, the level of contrast colour that can be in a licence plate region can detected. An image area that has a high contrast level is then re-analysed using MSER. Areas with detection results that have characters of more than two will selected as the number plate area. The data used in this paper is randomly drawn car image data using a digital camera. Based on the available test results of 80% made on the area identified as the number plate. The test results show the method that is classified as the number plate area on the car image that has the license plate. Keywords : Smearing Algorthm, MSER, and Lisence Plate Detection.
Sistem Smart Vending Machine Berbasis IoT Dengan Kontroler PID Taruna Ardianto; Eva Yulia Puspaningrum; Wahyu Syaifullah Jauharis Saputra
Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 2 No. 3 (2021): JIFoSI Volume 2, No 3: November 2021
Publisher : Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.2234/jifosi.v2i3.367

Abstract

Vending machine yang tersedia saat ini rata-rata masih menggunakan metode transaksi tunai atau menggunakan uang cash. Pandemi Covid-19 membuat masyarakat harus merubah kebiasaan dan perilaku dalam bertransaksi dari pembayaran tunai menjadi non tunai (cashless). Metode transaksi cashless di pandemi saat ini sangat berfungsi guna meminimalisir penyebaran Covid-19 dari transaksi secara tunai. Berdasarkan permasalahan tersebut maka akan dikembangkan sistem smart vending machine berbasis IoT. Sistem smart vending machine ini menggunakan Kontroler PID sebagai pengendali suhu minuman. Lalu untuk dapat terintegrasi dengan aplikasi vending machine maka komunikasi dapat dilakukan dengan protokol MQTT. Berdasarkan hasil penelitian dan pengujian Kontroler PID pada sistem smart vending machine sebanyak 11 kali yang membandingkan hasil suhu dengan PWM menggunakan Arduino IDE. Hasil menunjukkan bahwa penggunaan sistem tersebut telah berhasil mengontrol suhu menggunakan kontroler PID sehingga dapat dikatakan bahwa sistem ini memiliki hasil yang sangat baik.
Sistem Pendeteksi Objek Beras Dan Benda Asing Berbasis Keras Dan Google Colab Alfath Daryl Alhajir; Yisti Vita Via; Wahyu Syaifullah Jauharis Saputra
Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 2 No. 3 (2021): JIFoSI Volume 2, No 3: November 2021
Publisher : Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.2234/jifosi.v2i3.369

Abstract

Standar SNI 6128:2020 menjelaskan kualitas beras menjadi 3 kelas berdasarkan komposisi dari komponen-komponen mutu beras, yaitu komponen mutu beras kepala, butir patah, butir menir, butir merah/hitam, butir rusak, butir kapur, benda asing, dan butir gabah, dimana beras kepala merupakan komponen mutu yang paling diinginkan dan sisanya tidak diinginkan. Oleh karena itu, dapat dilihat urgensi untuk membangun sistem yang dapat melakukan proses pemisahan beras tersebut dari komponen yang tidak diinginkan. Dikembangkan sebuah sistem berbasis deep learning yang dapat mendeteksi beras dan benda asing yang diimplementasikan menggunakan framework deep learning keras melalui platform google colaboratory, yang menggunakan bahasa pemrograman python. Sistem ini diharapkan dapat mempunyai performa terbaik yang kemudian dapat digunakan pada sistem pemisahan beras sebagai subsistem rekognisi yang menerima input subsistem sensor kamera dan menghasilkan informasi yang bermanfaat yang kemudian akan diproses oleh subsistem aktuator. Hasil dari penelitian ini adalah sebuah sistem yang dapat mendeteksi himpunan objek yang ada pada citra dengan kategori beras dan benda asing.
ANALYSIS AND PREDICTION OF MOTOR VEHICLE CARBON DIOXIDE EMISSIONS USING A HYBRID LSTM AND ARIMA ALGORITHM Muhammad Hakam Fardana; Wahyu Syaifullah Jauharis Saputra; Made Hanindia Prami Swari
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 3 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i3.6782

Abstract

CO2 emissions from motor vehicles contribute substantially to climate change. Accurate prediction of emission trends is thus crucial for mitigation strategies. This research evaluates the performance of a Hybrid Long Short-Term Memory (LSTM) and Autoregressive Integrated Moving Average (ARIMA) model for predicting Motor Vehicle CO2 Emissions. This hybrid model integrates ARIMA's capability in handling linear patterns and LSTM's in capturing long-term non-linear dependencies. Using 1000 historical data entries from the Eco-Route Application, the hybrid model was tested and compared with single models. Results show the hybrid model achieved good prediction accuracy with MAE 0.0941, MAPE 10.20%, and RMSE 0.1081 in its best scenario. However, on this specific dataset, the single ARIMA model demonstrated the best overall performance (MAE 0.0835, MAPE 9.33%, RMSE 0.0975). Dataset limitations were identified as affecting the hybrid's capability. The Hybrid LSTM-ARIMA model is determined to be a promising option for CO2 emission prediction, especially when larger datasets are available.
Segmentasi Wilayah Berdasarkan Indikator Kesehatan Lingkungan dan Akses Pelayanan Dasar di Provinsi Jawa Timur: Segmentasi Wilayah Berdasarkan Indikator Kesehatan Lingkungan dan Akses Pelayanan Dasar di Provinsi Jawa Timur Abdillah, Indah Rahma; Diana Novitasari; Amellia Harmaimun Hidayah; Shindi Shella May Wara; Wahyu Syaifullah Jauharis Saputra
Emerging Statistics and Data Science Journal Vol. 3 No. 3 (2025): Emerging Statistics and Data Science Journal
Publisher : Statistics Department, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/esds.vol3.iss.3.art24

Abstract

Upaya peningkatan kesehatan lingkungan dan pelayanan dasar memerlukan pemahaman yang mendalam terhadap karakteristik wilayah. Provinsi Jawa Timur, dengan keragaman kondisi antar Kabupaten/Kota, menjadi contoh penting dalam analisis ini. Pengelompokan wilayah dilakukan berdasarkan tujuh indikator, yaitu akses air minum layak, akses sanitasi layak, kepemilikan jamban, kasus diare, keluhan kesehatan, kepadatan penduduk, dan jumlah puskesmas. Metode Hierarchical Agglomerative Clustering (HAC) dan K-Means Clustering diterapkan untuk membentuk klaster wilayah yang homogen. Evaluasi performa klasterisasi menggunakan Silhouette Score, Calinski-Harabasz Index, dan Dunn Index menunjukkan bahwa HAC menghasilkan segmentasi yang lebih optimal. Analisis menghasilkan lima klaster wilayah dengan karakteristik berbeda: (1) kabupaten dengan kepadatan sedang, sanitasi terbaik, namun kasus diare dan keluhan kesehatan tinggi; (2) kabupaten dengan sanitasi rendah namun kasus diare dan keluhan kesehatan rendah; (3) kota dengan kepadatan sangat tinggi, sanitasi baik, namun fasilitas kesehatan terbatas; (4) kawasan metropolitan dengan kasus diare sangat tinggi akibat sanitasi buruk; (5) kabupaten dengan kepadatan rendah, akses air minum rendah, dan sanitasi cukup baik. Temuan ini memberikan dasar bagi pengembangan strategi intervensi kesehatan lingkungan yang lebih tepat sasaran.
Analisis Sentimen Kepuasan Pengguna OYO DiPlaystore Dengan Multinoial Naive Bayes dan Chi-square Aziz, Rizky; Tresna Maulana Fahrudin; Wahyu Syaifullah Jauharis Saputra
JURNAL FASILKOM Vol. 14 No. 1 (2024): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v14i1.6943

Abstract

ABSTRACKOpinions play a crucial role in everyday life, significantly influencing human behavior and decisions. Especially in the context of business and organizations, consumer opinions about products and services are highly valuable. This study focuses on analyzing the sentiment of OYO application reviews on the Google Play Store, with the goal of classifying reviews as either positive or negative. OYO Hotels & Homes, a startup company in the accommodation sector originating from India, has achieved remarkable success with revenues reaching US$951 million in fiscal year 2019. The primary classification method used is Multinomial Naïve Bayes, which is an approach in supervised learning, along with Chi-Square feature selection to explore correlations between factors influencing user satisfaction. The research process includes data collection of reviews, preprocessing, labeling, and data splitting. Subsequently, TF-IDF weighting and Chi-Square feature selection are performed. The results of sentiment analysis indicate a dominance of positive reviews, reflecting user satisfaction with OYO services. The classification process uses the Multinomial Naïve Bayes algorithm, with an accuracy rate of 85.5% without feature selection, increasing to 87.00% with Chi-Square feature selection. These results demonstrate the effectiveness of the Multinomial Naïve Bayes algorithm and the importance of feature selection in sentiment analysis. Through a deeper understanding of user sentiment, companies can enhance service quality and respond to feedback more effectively, ensuring optimal customer satisfaction. This research has broad implications for sentiment analysis and the use of statistical methods to address complex issues in the technology industry. Keywords: Sentiment Analysis, OYO Application, Google Playstore, Multinomial Naïve Bayes, Chi-Square Feature Selection. Abstrak Opini memainkan peran krusial dalam kehidupan sehari-hari, memengaruhi perilaku dan keputusan manusia secara signifikan. Terutama dalam konteks bisnis dan organisasi, pendapat konsumen tentang produk dan layanan sangatlah berharga. Penelitian ini berfokus pada analisis sentimen ulasan aplikasi OYO di Google Playstore, dengan tujuan mengklasifikasikan ulasan menjadi positif atau negatif. OYO Hotels & Homes, sebuah perusahaan startup di sektor akomodasi yang berasal dari India, telah mencapai kesuksesan luar biasa dengan pendapatan mencapai US$951 juta pada tahun fiskal 2019. Metode klasifikasi utama yang digunakan adalah Multinomial Naïve Bayes, yang merupakan pendekatan dalam pembelajaran terawasi dan seleksi fitur Chi-Square untuk mengeksplorasi korelasi antara faktor-faktor yang memengaruhi kepuasan pengguna. Proses penelitian meliputi pengumpulan data ulasan, preprocessing, labeling, dan pembagian data. Selajutnya dilakukan pembobotan TF-IDF dan seleksi fitur Chi-Square. Hasil analisis sentimen memperlihatkan dominasi ulasan positif, menunjukkan kepuasan pengguna terhadap layanan OYO. Proses klasifikasi menggunakan algoritma Multinomial Naïve Bayes, dengan hasil akurasi model tanpa seleksi fitur sebesar 85.5%, meningkat menjadi 87.00% dengan seleksi fitur Chi-Square. Hasil ini menunjukkan efektivitas algoritma Multinomial Naïve Bayes dan pentingnya seleksi fitur dalam analisis sentimen. Melalui pemahaman yang lebih dalam terhadap sentimen pengguna, perusahaan dapat meningkatkan kualitas layanan dan merespons umpan balik dengan lebih baik, memastikan kepuasan pelanggan yang optimal. Penelitian ini memiliki implikasi luas dalam analisis sentimen dan penggunaan metode statistik untuk mengatasi masalah kompleks dalam industri teknologi.
PEMETAAN KARAKTERISTIK WILAYAH MISKIN DI JAWA TIMUR MENGGUNAKAN SPECTRAL CLUSTERING UNTUK PENENTUAN TARGET KEBIJAKAN Herdianti, Rahmalia Anindya; Wahyu Syaifullah Jauharis Saputra; Dwi Arman Prasetya
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 10 No 2 (2025): OCTOBER
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v10i2.56845

Abstract

Tingkat kemiskinan yang masih tinggi di Jawa Timur merupakan permasalahan serius yang memerlukan perhatian dan penanganan berbasis data yang komprehensif. Ketimpangan sosial ekonomi antarwilayah menyebabkan sebagian daerah tertinggal dalam pembangunan, sehingga pengelompokan wilayah miskin menjadi langkah strategis untuk membantu pemerintah dalam menentukan prioritas serta arah kebijakan pengentasan kemiskinan yang lebih efektif. Penelitian ini bertujuan untuk memetakan karakteristik wilayah miskin di Jawa Timur menggunakan algoritma Spectral Clustering dengan 11 indikator sosial ekonomi sebagai variabel analisis. Berdasarkan hasil pembobotan kontribusi variabel terhadap pembentukan klaster, indikator yang paling berpengaruh adalah garis kemiskinan (0,259418), rata-rata lama sekolah (0,259067), harapan lama sekolah (0,147613), dan indeks pembangunan manusia (0,133441). Hasil pengelompokan menunjukkan adanya dua klaster utama, yaitu wilayah dengan tingkat kemiskinan tinggi (26 kabupaten/kota) dan wilayah dengan tingkat kemiskinan rendah (12 kabupaten/kota). Evaluasi kualitas model menghasilkan nilai Davies-Bouldin Index (0,4401) dan Silhouette Score (0,6655), yang menunjukkan bahwa metode ini mampu membentuk kelompok dengan pemisahan yang cukup baik. Temuan ini diharapkan dapat menjadi dasar dalam perumusan kebijakan intervensi yang lebih terarah, berkelanjutan, dan berkeadilan sosial di Jawa Timur.
ARIMAX DENGAN VARIASI KALENDER IDUL ADHA DAN NATAL UNTUK PREDIKSI HARGA KOMODITAS CABAI KERITING DI JAWA TIMUR Salsabila, Nada; Aviolla Terza Damaliana; Wahyu Syaifullah Jauharis Saputra
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 10 No 2 (2025): OCTOBER
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v10i2.59520

Abstract

Tingginya konsumsi cabai di Jawa Timur menjadikan komoditas ini sebagai salah satu kebutuhan yang sangat diperhatikan oleh masyarakat. Dari fenomena tersebut timbul permasalahan adanya data yang menunjukkan kondisi fluktuasi harga dari tanaman itu sendiri, salah satunya cabai keriting. Ketidakstabilan harga tersebut dapat menimbulkan dampak terhadap daya beli masyarakat, serta menyulitkan pemerintah dalam merumuskan strategi distribusi dan pengendalian pasokan komoditas secara tepat waktu. Oleh karena itu, untuk mengurangi pola fluktuasi harga yang semakin tidak stabil di masa mendatang, penting untuk dilakukan prediksi harga komoditas cabai keriting di Jawa Timur. Pendekatan yang digunakan pada penelitian ini adalah metode Autoregressive Integrated Moving Average with Exogenous Variables (ARIMAX) untuk memprediksi harga harian cabai keriting periode 1 Januari 2022 hingga 31 Desember 2024, dengan menambahkan variasi kalender Idul Adha dan Natal sebagai variabel eksogen. Data yang digunakan merupakan data sekunder harian harga cabai keriting di Provinsi Jawa Timur yang diperoleh dari situs resmi SISKAPERBAPO. Hasil pemodelan menunjukkan bahwa model terbaik adalah ARIMAX(3,1,2) dengan nilai AIC sebesar 17794,185 dan MAPE sebesar 12,04%, yang lebih baik dibandingkan model ARIMA tanpa variabel eksogen dengan MAPE sebesar 17,50%. Hasil ini menunjukkan bahwa penambahan faktor variasi kalender keagamaan mampu meningkatkan akurasi prediksi dan memberikan kontribusi penting dalam upaya stabilisasi harga komoditas pangan di Jawa Timur.
Co-Authors Abdillah, Indah Rahma Agus Arifin, Agus Alfath Daryl Alhajir Amellia Harmaimun Hidayah Anny Yuniarti Aviolla Terza Damaliana Aziz, Rizky Diana Novitasari Dwi Arman Prasetya Eva Yulia Puspaningrum Herdianti, Rahmalia Anindya Made Hanindia Prami Swari Muhammad Hakam Fardana Salsabila, Nada Shindi Shella May Wara Taruna Ardianto Tresna Maulana Fahrudin Yisti Vita Via