Article Per Year (5 Year)
p-Index From 2021 - 2026
1.126
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Komputer Journal of Information Technology and Computer Science Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Agus Wahyu Widodo
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Library & Information Science

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

Found 8 Documents
Search

 1 
PENERAPAN ALGORITMA GENETIKA UNTUK KOMPRESI CITRA FRAKTAL Putu Indah Ciptayani; Wayan Firdaus Mahmudy; Agus Wahyu Widodo
Jurnal Ilmu Komputer Vol. 2, No. 1 April 2009
Publisher : Informatics Department, Faculty of Mathematics and Natural Sciences, Udayana University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (116.392 KB)

Abstract

Fractal image compression is one of compression techniques which produce a high compression ratio with good quality of result image. But this method has weakness is the time to compress image is too long because checking domain and range block is done by brute force method. Because of it, necessary to get approach with genetic algorithm which genetic algorithm is an appropriate approach for complex combinatorial problem. Genetic algorithm play role in searching the matching domain and range block. Experiment is done by use three crossover and mutation method, the size of range block is 4, mutation probability is 0.1, crossover probability is 0.5, 0.6, 0.7, 0.8, 0.9 and 1.0. Maximal size of generations are 500. The best result of compression image has ratio 75.01% with compression time is 10.7 second and MSE is 0.158839.
COVID-19 Detection on Chest X-Ray Images Using Modified VGG-19 Muhammad Irfan Yusuf; Agus Wahyu Widodo; Viera Wardhani
Journal of Information Technology and Computer Science Vol. 8 No. 3: December 2023
Publisher : Faculty of Computer Science (FILKOM) Brawijaya University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jitecs.202383503

Abstract

A global pandemic infecting human respiratory system identified as COVID-19 emerged in 2019 has been a critical issue concerning worldwide, including Indonesia. The massive and relatively easy spread of the virus requires COVID-19 patients to be separated from other patients to avoid hospitals being the major source of the virus spread. The gold standard in COVID-19 testing known as rRt-PCR was established to help detecting the virus. This method, however, is found to be less time-efficient due to the sample examination taking 5-7 hours to conduct. Another COVID-19 testing method called Rapid Antigen Test is claimed to be more practical since the sample examination only takes 5-30 minutes to complete. One disadvantage of this testing method is its sensitivity, which is believed to be relatively low. Further supporting examinations are needed in diagnosing COVID-19 when using the Rapid Antigen Test, one of which is chest imaging. Most hospitals in Indonesia are type C hospitals, which means radiology specialists’ availability is limited and sometimes not available. Therefore, it is necessary to develop an automation system for detecting COVID-19 disease on chest X-ray images using the Convolutional Neural Network method to help doctors interpreting chest X-rays of patients effectively faster in determining whether the patient is potentially infected with COVID-19 or not. The algorithm proposed in this study was modified VGG-19, with ADAM optimization method and categorical cross-entropy loss function. This algorithm resulted in a model accuracy rate of 81%, a precision/recall model of 62%, and a specificity model of 87%. The area under the curve in the Receiver Operatic Characteristic Curve indicates that the accuracy level of the test is below the Excellent curve, suggesting that the model created successfully serves as a screening test tool.
Klasifikasi Tingkat Obesitas Berdasarkan Pola Hidup dan Kebiasaan Konsumsi Makanan menggunakan meotde K-Nearest Neighbor Firman Yasin, Satferisnan Qoris; Agus Wahyu Widodo; Indriati
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 3 (2025): Maret 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Obesitas merupakan salah satu tantangan kesehatan global yang paling mendesak saat ini. Menurut data dari Organisasi Kesehatan Dunia (WHO), prevalensi obesitas telah meningkat secara signifikan dalam beberapa dekade terakhir. Dibutuhkan sebuah fasilitas yang penting untuk mengetahui tingkatan obesitas pada seseorang berdasarkan pola hidup dan kebiasaannya. Penelitian ini menggunakan metode klasifikasi  K-Nearest Neighbor untuk mengklasifikasikan tingkat obesitas berdasarkan dari data pola hidup dan kebiasaan konsumsi makanan dan juga akan memanfaatkan pendekatan perhitungan jarak Euclidean yang menentukan kedekatan antara data sampel baru dengan data yang sudah ada. Proses klasifikasi melibatkan beberapa tahapan yaitu, pengumpulan data , preprocessing, penentuan nilai k , dan klasifikasi tingkat obesitas. Total data yang digunakan pada penelitian ini sejumlah 1610 data, dengan pembagian 80% untuk data latih dan 20% untuk data uji. Hasil dari penelitian yang dilakukan, menunjukkan bahwa metode KNN dapat mengklasifikasikan tingkat obesitas secara akurat berdasarkan dari pola hidup dan kebiasaan konsumsi makanan. Penilitian ini membuktikan bahwa tingkat akurasi yang ditemukan memiliki nilai sebesar 79% dengan menggunakan nilai K=5. Hasil penelitian ini diharapkan dapat menjadi referensi bagi pengembangan klasifikasi tingkat obesitas serta mendukung upaya pencegahan penyakit kronis yang terkait
Eksplorasi Skema Reproduksi Algoritma Genetika untuk Vehicle Routing Problem dengan Time Windows (Studi Kasus: Anekapay) Hanif, Haidar; Kurnianingtyas, Diva; Wahyu Widodo, Agus
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 13 (2025): Publikasi Khusus Tahun 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Naskah ini akan diterbitkan di Engineering Optimization Journal
Klasifikasi Cyberbullying Pada Twitter Menggunakan Metode Long Short-Term Memory (LSTM) Wahyu Ardiansyah, Mohammad; Fitra Abdurrachman Bachtiar; Agus Wahyu Widodo
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 13 (2025): Publikasi Khusus Tahun 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Naskah ini akan diterbitkan di JTIIK
Perbandingan Kinerja Algoritma YOLOv5 dan DETECTRON2 dalam Mendeteksi dan Mengklasifikasi Warna Jeep di Kawasan Wisata Gunung Bromo Indonesia Ricco Hermawan, Dennis; Tibyani; Wahyu Widodo, Agus
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 13 (2025): Publikasi Khusus Tahun 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Naskah artikel akan diterbitkan di IJECE
Analisis Prediksi Kualitas Urin Menggunakan Metode K-Nearest Neighbors (KNN) Dhiya'uddin, Muhammad Faishal; Wahyu Widodo, Agus; Indriati
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 8 (2025): Agustus 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Kualitas urin merupakan indikator penting dalam memantau kondisi kesehatan seseorang. Faktor-faktor seperti pola makan, gaya hidup, dan kondisi kesehatan secara umum dapat tercermin melalui hasil analisis urin. Oleh karena itu, penelitian yang mendalam mengenai prediksi kualitas urin memiliki nilai penting dalam mendukung upaya pencegahan penyakit dan pemeliharaan kesehatan. Metode klasifikasi machine learning, termasuk K-Nearest Neighbors (KNN)Penelitian ini bertujuan untuk menganalisis kemampuan algoritma K-Nearest Neighbors (KNN) dalam memprediksi kualitas urin berdasarkan data hasil pemeriksaan urinalisis. Dataset yang digunakan terdiri dari berbagai parameter fisik, kimia, dan mikroskopik urin, seperti warna, transparansi, glukosa, protein, pH, berat jenis, dan keberadaan sel. Data telah melalui tahapan pra-pemrosesan meliputi pengisian nilai kosong, pengkodean label kategorikal, dan normalisasi numerik. Model KNN diimplementasikan dengan nilai k = 5 dan evaluasi dilakukan menggunakan metode 5-Fold Cross Validation. Hasil evaluasi menunjukkan bahwa model KNN memiliki rata-rata akurasi sebesar 94,22%, precision 92,49%, recall 94,22%, dan F1 score 92,64%. Berdasarkan hasil tersebut, dapat disimpulkan bahwa metode KNN cukup efektif untuk memprediksi kualitas urin sebagai bagian dari sistem pendukung keputusan dalam bidang kesehatan.
Penerapan Model Vision Transformer dalam Klasifikasi Hama pada Pertanian Wahyu Taufiqurrahman, Rayhan; Novanto Yudistira; Agus Wahyu Widodo
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 10 (2025): Oktober 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Identifikasi hama secara manual pada sektor pertanian seringkali tidak efisien dan dapat menyebabkan kerugian panen yang signifikan. Penelitian ini bertujuan untuk menerapkan dan mengevaluasi arsitektur modern Vision Transformer (ViT) dan Swin Transformer untuk klasifikasi hama yang efisien, dengan fokus pada optimasi model melalui pruning. Menggunakan dataset IP102, kedua model dioptimalkan melalui alur kerja sparse training, diikuti pruning (0-30%), dan diakhiri dengan fine-tuning. Hasil menunjukkan ViT mencapai akurasi puncak (72,95%), namun dengan biaya komputasi tinggi pada kondisi awal. Sebaliknya, Swin Transformer menunjukkan keseimbangan terbaik; proses pruning tidak hanya mengurangi parameter hingga ~30% dan waktu pelatihan hingga 80,5%, tetapi juga meningkatkan akurasinya menjadi 70,52%. Swin Transformer juga secara inheren memiliki kecepatan inferensi yang jauh lebih unggul (~45 detik). Swin Transformer yang dioptimalkan dengan pruning 25-30% direkomendasikan sebagai solusi paling praktis untuk aplikasi di dunia nyata, karena menawarkan keseimbangan superior antara akurasi, kecepatan inferensi, dan efisiensi sumber daya.
Co-Authors Dhiya'uddin, Muhammad Faishal Firman Yasin, Satferisnan Qoris Fitra Abdurrachman Bachtiar Hanif, Haidar Indriati Kurnianingtyas, Diva Muhammad Irfan Yusuf Novanto Yudistira Putu Indah Ciptayani Ricco Hermawan, Dennis Tibyani Viera Wardhani Wahyu Ardiansyah, Mohammad Wahyu Taufiqurrahman, Rayhan Wayan Firdaus Mahmudy