Article Per Year (5 Year)
p-Index From 2021 - 2026
4.633
P-Index
This Author published in this journals
All Journal IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Jurnal Sarjana Teknik Informatika Jurnal Simantec Jurnal Informatika dan Teknik Elektro Terapan International conference on Information Technology and Business (ICITB) JURNAL INSTEK (Informatika Sains dan Teknologi) Jiko (Jurnal Informatika dan komputer) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Jurnal Teknologi Terpadu JASIEK (Jurnal Aplikasi Sains, Informasi, Elektronika dan Komputer) bit-Tech JATI (Jurnal Mahasiswa Teknik Informatika) International Journal of Advances in Data and Information Systems Jifosi Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Jurnal Diferensial Jurnal Informatika Teknologi dan Sains (Jinteks) Makara Journal of Technology Malcom: Indonesian Journal of Machine Learning and Computer Science J-Icon : Jurnal Komputer dan Informatika Jurnal Sistem Informasi dan Informatika Indonesian Journal on Data Science Emerging Statistics and Data Science Journal Signal and Image Processing Letters
Wahyu Syaifullah Jauharis Saputra
Universitas Pembangunan Nasional Veteran Jawa Timur
Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mathematics Mechanical Engineering Public Health

Published : 37 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 37 Documents
Search

 1   2   3   4 
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.
Segmentasi Faktor Perceraian berdasarkan Provinsi di Indonesia Tahun 2024 dengan K-Means dan DBSCAN Rizkiyah, Selly; Indira; Putri, Milla Akbarany Bakhtiar; Wara, Shindi Shella May; Saputra, Wahyu Syaifullah Jauharis
INDONESIAN JOURNAL ON DATA SCIENCE Vol. 3 No. 2 (2025): Indonesian Journal On Data Science
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat Universitas Achmad Yani Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30989/ijds.v3i2.1654

Abstract

Divorce is a complex social phenomenon that continues to increase in Indonesia. Based on data from 34 provinces, divorce is influenced by various factors, both internal and external to the household. This research aims to describe the main factors causing divorce based on national data and review relevant literature using machine learning methods, especially unsupervised learning techniques in the form of clustering. The dominant factors found include constant disputes and arguments, economic problems, domestic violence, abandonment of one of the parties, and infidelity. This research uses K-Means and DBSCAN algorithms to compare the results. It is known that the best modeling with Silhoutte Score comparison is DBSCAN of 0.331. DBSCAN with optimal clusters was obtained from a combination of epsilon parameter 2.9 and minimum sample 2. The clustering results were then further analyzed to evaluate the data distribution and identify the dominant characteristics in each cluster. These findings indicate the need for a multidisciplinary approach in understanding and addressing divorce issues in Indonesia in order to reduce the divorce rate and improve the quality of family life.
Prediksi Volatilitas Saham KINO dan MRAT menggunakan Model BEKK-MGARCH Renaldy Al Ikhsan; Wahyu Syaifullah Jauharis Saputra; Kartika Maulida Hindrayani
JASIEK (Jurnal Aplikasi Sains, Informasi, Elektronika dan Komputer) Vol. 7 No. 1 (2025): Juni 2025
Publisher : Universitas Merdeka Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26905/jasiek.v7i1.15639

Abstract

This study analyzes the volatility prediction of KINO and MRAT stocks using the BEKK-MGARCH model during January 2019 to December 2024. Both stocks exhibit high price fluctuations, with volatility significantly influenced. Persistence effects are more dominant, with asymmetric spillover where KINO's influence on MRAT is stronger. Conditional correlation shows a shift from positive to negative in the 30-day forecast. Model evaluation demonstrates low RMSE values of 2.05×10⁻⁵ (KINO), 3.38×10⁻⁵ (MRAT), and 4.42×10⁻⁵ (covariance), indicating excellent predictive performance and confirming the reliability of the BEKK-MGARCH model with exponential smoothing in forecasting the volatility dynamics and relationship between these two stocks with high precision. However, the Jarque-Bera test rejects residual normality (p < 2.2×10⁻¹⁶), and the Ljung-Box test detects autocorrelation, suggesting the need for more complex models such as Student-t distribution or asymmetric models. These findings provide important insights for investors in managing risk and portfolio diversification strategies in the cosmetics sector.
Multimodal Detection of Covert Online Gambling Advertisements Using Faster R-CNN and Tr-OCR Andry Syva Maldini; Wahyu Syaifullah Jauharis Saputra; Dwi Arman Prasetya
bit-Tech Vol. 8 No. 1 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v8i1.2769

Abstract

The increasing prevalence of online gambling advertisements on social media has led to the use of covert strategies, such as embedding visual watermarks and employing euphemistic language, to bypass traditional detection methods, rendering manual moderation ineffective. This study proposes an AI-based automated detection system designed to identify both explicit and obfuscated gambling content. The system operates in three stages: (1) Object detection: Faster R-CNN, using a ResNet-50 backbone and Feature Pyramid Network (FPN), detects gambling-related visual elements, such as watermarks and logos; (2) Text extraction: A Transformer-based Optical Character Recognition (TrOCR) model is employed to extract textual content from images and video frames, even in the presence of visual distortions; and (3) Text classification: A BERT-based Natural Language Processing (NLP) model is used to identify gambling-related language within the extracted text. The dataset, manually collected and annotated, was augmented with Roboflow to improve model robustness and generalization. Experimental results show that the Faster R-CNN model achieved an average precision of 98.1%, TrOCR demonstrated a Character Error Rate (CER) of 4.6% and a Word Error Rate (WER) of 29%, while the BERT classifier reached an impressive 99% accuracy with high precision and recall. The system was integrated into a Flask-based web application that allows real-time analysis of both image and video inputs. This system presents strong potential to support automated content moderation and curb the spread of online gambling advertisements on digital platforms, contributing to safer online spaces.
OPTIMASI PUSAT CLUSTER K-PROTOTYPES PADA PENGELOMPOKAN PENERIMAAN BANTUAN REHABILITASI RUTILAHU DI KOTA SURABAYA Ningrum, Lisya Septyo; Hindrayani, Kartika Maulida; Jauharis Saputra, Wahyu Syaifullah
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 11, No 1 (2026)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v11i1.7656

Abstract

Clustering merupakan teknik penting dalam data mining yang digunakan untuk mengelompokkan data berdasarkan kesamaan karak-teristik. Algoritma K-Prototypes sering digunakan pada data bertipe campuran karena mengombinasikan K-Means untuk atribut numerik dan K-Modes untuk atribut kategorikal. Namun, kinerjanya sangat ber-gantung pada inisialisasi pusat klaster awal. Penelitian ini men-gusulkan penerapan tiga algoritma optimasi yaitu Particle Swarm Op-timization (PSO), Genetic Algorithm (GA), dan Flower Pollination Algorithm (FPA) untuk meningkatkan performa K-Prototypes dalam pengelompokan calon penerima program rehabilitasi Rumah Tidak Layak Huni (Rutilahu) di Kota Surabaya. Evaluasi dilakukan menggunakan Davies-Bouldin Index (DBI), Silhouette Score, dan wak-tu komputasi. Berdasarkan hasil penelitian menunjukkan bahwa PSO memberikan hasil terbaik dengan DBI terendah sebesar 0,6467, Silhou-ette Score tertinggi sebesar 0,5498, dan waktu komputasi tercepat yaitu 23,5168 detik. GA menghasilkan DBI tertinggi sebesar 0,7134, Silhou-ette Score sebesar 0,5143, serta waktu komputasi terlama yaitu 7220,6384 detik. FPA memiliki DBI 0,6467 dan Silhouette Score yang sama dengan PSO, tetapi dengan waktu komputasi sebesar 3415,9175 detik. Dengan demikian, PSO terbukti paling efektif dalam meningkat-kan akurasi dan efisiensi clustering K-Prototypes, serta mendukung distribusi bantuan yang lebih adil dan tepat sasaran.
CLASSIFICATION OF HUMAN AND AI-GENERATED INDONESIAN POP SONGS BASED ON SPECTROGRAM USING CONVOLUTIONAL NEURAL NETWORK Faris Nur Tsani; Wahyu Syaifullah Jauharis Saputra; Alfan Rizaldy Pratama
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 11 No 1 (2026): APRIL
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.v11i1.65432

Abstract

Pesatnya perkembangan teknologi kecerdasan buatan (AI) memicu lonjakan produksi lagu generatif yang menyerupai karya manusia, sehingga menghadirkan tantangan signifikan terhadap orisinalitas dan hak cipta musik. Penelitian ini bertujuan mengklasifikasikan lagu Pop Indonesia kategori human-generated dan AI-generated menggunakan pendekatan Convolutional Neural Network (CNN) berbasis arsitektur ResNet-18. Dataset terdiri dari 100 lagu berformat MP3 yang terbagi seimbang antara karya manusia dan karya AI dari platform Suno dan Udio. Data audio diproses melalui teknik segmentasi overlapping window berdurasi 10 detik dengan overlap 5 detik, kemudian diekstraksi menjadi citra spektrogram Short-Time Fourier Transform (STFT). Total data yang dihasilkan mencapai 4.282 segmen audio. Hasil pelatihan selama 100 epoch menunjukkan bahwa model mencapai konvergensi dengan train accuracy 100% dan validation accuracy 95,09%. Pada tahap pengujian menggunakan data yang belum pernah dilihat sebelumnya, model menunjukkan performa unggul dengan tingkat akurasi 93,01%. Temuan ini mengonfirmasi bahwa penggunaan representasi spektogram dalam arsitektur CNN mampu menangkap perbedaan fitur frekuensi dan temporal secara efektif untuk mengidentifikasi musik berbasis AI pada genre Pop Indonesia.
VERIFIKASI OTOMATIS SERTIFIKAT MENGGUNAKAN IMPROVED SIFT DAN RANSAC BERBASIS ANALISIS VISUAL LOGO DAN STEMPEL Maulidya Prastita Syah; Wahyu Syaifullah Jauharis Saputra; Alfan Rizaldy Pratama
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 11 No 1 (2026): APRIL
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.v11i1.66776

Abstract

Proses verifikasi sertifikat prestasi pada jalur Seleksi Nasional Berdasarkan Prestasi (SNBP) masih dilakukan secara manual dan menghadapi tantangan akibat tingginya jumlah dokumen serta variasi kualitas citra. Kondisi ini meningkatkan risiko kesalahan dalam menilai kredibilitas sertifikat, khususnya pada elemen visual seperti logo dan stempel yang tidak valid. Penelitian ini bertujuan mengembangkan metode otomatis dalam mengidentifikasi kredibilitas sertifikat berbasis analisis fitur visual. Metode yang digunakan adalah Improved Scale Invariant Feature Transform (Improved SIFT) untuk mengekstraksi fitur lokal yang stabil, serta Random Sample Consensus (RANSAC) untuk menyaring kecocokan fitur berdasarkan konsistensi geometris. Pencocokan dilakukan antara citra sertifikat dan citra parameter berupa logo dan stempel yang telah diidentifikasi sebagai tidak valid. Pengujian dilakukan pada 200 citra sertifikat yang terdiri dari dua kelas, yaitu kredibel dan tidak kredibel yang menunjukkan Improved SIFT mampu meningkatkan kualitas representasi fitur dengan akurasi sebesar 0.47 dibandingkan SIFT standar sebesar 0.16. Selanjutnya, RANSAC mampu menyaring false match dengan peningkatan akurasi dari 0.47 menjadi 0.91 setelah RANSAC. Kontribusi penelitian ini adalah mengintegrasikan Improved SIFT dan RANSAC untuk meningkatkan validitas pencocokan fitur visual dalam mendeteksi indikasi ketidak-kredibelan sertifikat pada citra dengan variasi kualitas tinggi. Dengan demikian, metode yang diusulkan mampu meningkatkan keandalan sistem dalam proses verifikasi otomatis berbasis analisis visual.
FORECASTING SALES USING SARIMA MODELS AT THE SINAR PAGI BUILDING MATERIALS STORE Ahmad Adiib Aminullah; Mohammad Idhom; Wahyu Syaifullah Jauharis Saputra
JIKO (Jurnal Informatika dan Komputer) Vol 7 No 2 (2024)
Publisher : Program Studi Teknik Informatika Universitas Khairun

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33387/jiko.v7i2.8266

Abstract

Sinar Pagi Building Materials Store faces the challenge of maintaining optimal stock levels of goods to avoid excess and understock, which affects customer satisfaction and operational efficiency. This study applies the Seasonal Autoregressive Integrated Moving Average (SARIMA) method to forecast sales in the store. Leveraging its ability to model seasonal patterns on historical sales data, various SARIMA models were analyzed and compared using the Akaike Information Criterion (AIC) and Root Mean Square Error (RMSE). The dataset is divided by a 95:5 ratio into training and testing sets for robust evaluation. The results show that the SARIMA model with SARIMA notation (p,d,q)(P,D,Q  has the best model value of (1,0,0) . This model is the most suitable model based on the lowest AIC value of 1245 and the lowest RMSE of 7,95 compared to other SARIMA models after model identification using the model looping test. For other models such as model (1,0,1)  and (0,0,1) , the AIC and RMSE values are greater, namely model (1,0,1)  with AIC 1246 and RMSE of 8,05, while model (0,0,1)  gets an AIC of 1252 and an AIC of 8,15 .The lower the AIC value, the better the model and the lower the RMSE value, the better the model. This shows a superior balance between model complexity and prediction accuracy. The model manages to capture seasonal patterns in sales data, providing a pretty good prediction framework. This study shows that the SARIMA (1,0,0)  model is effective in the accuracy of the sales forecasting process so that Sinar Pagi Building Materials Store can make more reliable sales predictions, which can help in inventory planning and marketing strategies
Analisis Segmentasi Kedisiplinan Karyawan Berdasarkan Data Absensi Menggunakan Algoritma K-Means Clustering Steffany Marcellia Witanto; Wahyu Syaifullah Jauharis Saputra
Jurnal Sistem Informasi Dan Informatika Vol 4 No 1 (2026): Januari 2026
Publisher : Prodi Sistem Informasi Universitas Dharma Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47233/jiska.v4i1.2712

Abstract

Data absensi karyawan merupakan sumber informasi penting untuk menilai tingkat kedisiplinan dan pola kehadiran karyawan dalam suatu perusahaan. Namun, data absensi yang tersimpan dalam jumlah besar sering kali belum dimanfaatkan secara optimal untuk mendukung pengambilan keputusan bagi perusahaan. Penelitian ini bertujuan untuk mengelompokkan karyawan berdasarkan pola absensi menggunakan metode K-Means Clustering. Variabel yang digunakan meliputi total menit keterlambatan, total melakukan absensi, serta status kehadiran seperti duty, leave, sick, dan WFO. Tahapan penelitian terdiri dari pengumpulan data, preprocessing data, analisis korelasi, transformasi data, penentuan jumlah cluster, proses clustering, serta evaluasi model. Hasil penelitian ini menunjukkan bahwa K-Means menghasilkan 3 cluster dengan nilai Silhouette Score sebesar 0,414. Nilai tersebut menunjukkan bahwa struktur cluster cukup lemah namun layak, serta mampu menggambarkan perbedaan karakteristik kedisiplinan serta pola kehadiran karyawan. Hasil clustering ini dapat digunakan sebagai dasar evaluasi sumber daya manusia secara lebih objektif.
Co-Authors Abdillah, Indah Rahma Agus Arifin, Agus Agus Zainal Arifin Ahmad Adiib Aminullah Alfan Rizaldy Pratama Alfath Daryl Alhajir Alyssa Amorita Azzah Amelia, Meisya Vira Amellia Harmaimun Hidayah Aminullah, Ahmad Adiib Amri Muhaimin Andry Syva Maldini Anniswa, Iqbal Ramadhan Anny Yuniarti Aurora Prameswaty, Almira Aviolla Terza Damaliana Aviolla Terza Damaliana Aziz, Rizky Dandi Nur Faizi Diana Novitasari Diyasa, I Gede Susrama Mas Dwi Arman Prasetya Dwi Arman Prasetya Eva Yulia Puspaningrum Faris Nur Tsani Firza Prima Aditiawan Gunawan, Ellexia Leonie Hanif Assalmi, Fityan Herdianti, Rahmalia Anindya I Gede Susrama Mas Diyasa I Gede Susrama Mas Diyasa idhom, Mohammad Indira Iqbal Ramadhan Anniswa Kartika Maulida Hindrayani Kemal Fahreza Jibran Jibran Made Hanindia Prami Swari Mahardhika, Rivaldi Dwi Maulana, Hendra Maulidya Prastita Syah Maurisa Arimbi Putri Meisya Vira Amelia Mohammad Idhom Mohammad Idhom Muhaimin, Amri Muhammad Hakam Fardana Naomi Dwi Anggraini Nashrullah, Ahmad Firqi Ningrum, Lisya Septyo Parlika, Rizky Prismahardi Aji Riyantoko Putra, Chrystia Aji Putri, Milla Akbarany Bakhtiar Renaldy Al Ikhsan Reza Putri Angga Riswanda, Mohammad Nizar Rizkiyah, Selly Rusdiyanto, Nur Rahmat Safira Kusmindasari, Anggun Salsabila, Nada Shindi Shella May Wara Sinthya Putri, Diana Steffany Marcellia Witanto Suprapto, Claudia Millennia Susrama Mas Diyasa, I Gede Taruna Ardianto Tresna Maulana Fahrudin Trimono Trimono Trimono, Trimono Yisti Vita Via Zahrah, Fathima