Article Per Year (5 Year)
p-Index From 2021 - 2026
2.407
P-Index
This Author published in this journals
All Journal Infotech Journal Jurnal Teknik Komputer AMIK BSI DE'RECHTSSTAAT KOMPUTEK Jurnal Informatika Kaputama (JIK) Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Jurnal Komputer Antartika Journal of Innovative and Creativity
RIZA FAHLAPI
Bina Sarana Informatika University
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Social Sciences Other

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 Documents
Search

 1   2 
Implementasi Logika Fuzzy C-Means untuk Segmentasi Sampah Ambigu dalam Sistem Sortir Otomatis Berbasis Computer Azizah; Fardan Rifaldi Ilmi; Bernadus Boli Geroda; Hendra Supendar; Riza Fahlapi
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 1 (2026): Juni 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i1.1067

Abstract

Sistem sortir sampah otomatis berbasis computer vision umumnya menghadapi kendala saat mengidentifikasi sampah ambigu objek yang mengalami deformasi wujud, kotor, atau saling tumpang tindih sehingga sulit dikategorikan secara tegas oleh metode thresholding konvensional. Penelitian ini menerapkan algoritma Fuzzy C-Means (FCM) untuk segmentasi citra sampah ambigu berdasarkan ekstraksi fitur ruang warna HSV. Berbeda dengan pengklasteran tegas (hard clustering), FCM memberikan nilai keanggotaan fuzzy pada setiap piksel untuk memisahkan latar belakang konveyor dan objek sampah secara lebih halus. Guna mendukung manajemen data operasional, sistem ini diintegrasikan dengan database relasional sebagai media penyimpanan log segmentasi dan koordinat fisik objek. Hasil pengujian menunjukkan bahwa algoritma FCM berhasil melakukan segmentasi objek ambigu dengan rata-rata nilai Intersection over Union (IoU) sebesar 87,5%, serta mampu menyuplai data koordinat spasial secara real-time ke sistem basis data untuk interaksi lengan robot pemilah. Target utama penelitian ini adalah meningkatkan akurasi deteksi pada objek yang samar agar efisiensi pemilahan meningkat. Berdasarkan data pengujian, sistem ini terbukti meminimalkan galat koordinat spasial pada lengan robot pemilah secara signifikan.
Pemetaan Tema Keluhan Pengguna Aplikasi Cek Bansos Menggunakan K-Means dan TF-IDF Berbasis Ulasan Google Play Store Krisna Mahendra; Zidan Syauqi Rahman; Taqwini; Hendra Supendar; Riza Fahlapi
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 1 (2026): Juni 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i1.1093

Abstract

Transformasi layanan sosial digital menuntut aplikasi publik mudah digunakan masyarakat luas Indonesia. Aplikasi Cek Bansos menjadi kanal penting untuk memeriksa bantuan sosial daring. Namun, ulasan pengguna menunjukkan berbagai keluhan teknis dan administratif yang berulang. Penelitian ini bertujuan mengelompokkan ulasan pengguna berdasarkan kemiripan isi teks untuk menemukan tema keluhan dominan. Data diperoleh melalui scraping ulasan Google Play Store pada 23 Mei 2026. Dari 4.588 ulasan mentah, digunakan 3.623 ulasan keluhan dengan rating 1 sampai 3. Tahapan penelitian meliputi preprocessing teks, pembobotan TF-IDF, pemilihan jumlah klaster, dan penerapan algoritma K-Means. Hasil pengujian menunjukkan jumlah klaster terbaik adalah 6 dengan Silhouette Score sebesar 0,0246 dan Davies-Bouldin Index sebesar 6,0238. Tema keluhan yang ditemukan meliputi kendala akun dan masuk akun, fungsi aplikasi, gangguan teknis, serta status data bantuan. Hasil penelitian ini dapat menjadi masukan awal bagi pengelola aplikasi untuk menentukan prioritas perbaikan layanan digital bantuan sosial.
Ekstraksi Topik dan Deteksi Keberpihakan Portal Berita: Pendekatan Inverted Pyramid Prompting Menggunakan DeepSeek: Pendekatan Inverted Pyramid Prompting Menggunakan DeepSeek Hullio Kaisar Leisina; Faisal Farobi Ahmad; Suprianto; Hendra Supendar; Riza Fahlapi
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 1 (2026): Juni 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i1.1218

Abstract

Media daring turut membentuk persepsi publik melalui pilihan isu dan cara pembingkaian pemberitaan, sehingga pemetaan kecenderungan keberpihakannya menjadi penting namun sulit dilakukan secara manual pada volume berita yang besar. Metode pembelajaran mesin klasik terkendala dalam menemukan topik yang belum diketahui dan mendeteksi sikap tersirat tanpa pelabelan manual yang masif. Penelitian ini bertujuan menemukan isu dominan dan mengklasifikasikan keberpihakan dua portal berita, yaitu Detik.com dan Kompas.com, terhadap pemerintah menggunakan model bahasa besar DeepSeek. Berita dikumpulkan melalui scraping tanpa kata kunci pada periode 1–31 Mei 2026, menghasilkan 27.789 artikel (2.200 dari Detik.com dan 25.589 dari Kompas.com). Untuk mengatasi batas token dan biaya, diterapkan ekstraksi teras berita berbasis prinsip piramida terbalik (inverted pyramid) dan two-pass prompting yang didukung context caching, sementara penemuan topik dan deteksi sikap dijalankan melalui prompting bertahap. Pemrosesan seluruh korpus menggunakan model deepseek-v4-flash hanya menelan biaya sebesar USD 1,56 atau diperkirakan sekitar 82% lebih hemat dibanding pemrosesan teks utuh. Pada evaluasi terhadap gold standard hasil anotasi manual (n = 12), klasifikasi sikap memperoleh akurasi 91,67% dan F1-Score makro 0,930. Pemetaan keberpihakan mengungkap bahwa mayoritas pemberitaan bersifat netral, dengan proporsi Pro-Pemerintah lebih tinggi pada Detik.com (32,9%) sementara proporsi Non-Pro-Pemerintah lebih tinggi pada Kompas.com (8,4%). Penelitian ini menunjukkan bahwa kombinasi DeepSeek, inverted pyramid, dan two-pass prompting merupakan pendekatan yang efektif dan efisien untuk analisis wacana media berskala besar tanpa pelabelan manual.
Clustering Data Kejadian Kebakaran di Jakarta Menggunakan Algoritma K-Means untuk Identifikasi Daerah Rawan Yudistira Pratama; Firmansyah; Dicky Risdyanto; Hendra Supendar; Riza Fahlapi
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 1 (2026): Juni 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i1.1237

Abstract

Kebakaran merupakan salah satu bencana yang sering terjadi di wilayah perkotaan dan berpotensi menimbulkan kerugian material, korban jiwa, serta gangguan terhadap aktivitas masyarakat. Tingginya kepadatan penduduk dan kompleksitas lingkungan perkotaan di Provinsi DKI Jakarta menyebabkan tingkat kerawanan kebakaran berbeda pada setiap wilayah, sehingga diperlukan identifikasi daerah rawan sebagai dasar penyusunan strategi mitigasi yang lebih tepat sasaran. Penelitian ini bertujuan untuk mengelompokkan 44 kecamatan di Provinsi DKI Jakarta berdasarkan karakteristik kejadian kebakaran menggunakan algoritma K-Means Clustering. Variabel yang digunakan meliputi total frekuensi kejadian kebakaran, rata-rata kepadatan penduduk, total jumlah penduduk, dan rata-rata jumlah sosialisasi pencegahan kebakaran. Data diproses melalui tahapan Knowledge Discovery in Database (KDD), yang meliputi seleksi data, preprocessing, normalisasi menggunakan metode Z-Score, proses clustering menggunakan algoritma K-Means, serta evaluasi hasil menggunakan Silhouette Coefficient. Hasil penelitian menunjukkan bahwa jumlah klaster optimal diperoleh pada k=5 dengan nilai silhouette sebesar 0,347. Pengelompokan menghasilkan lima klaster dengan karakteristik yang berbeda secara signifikan berdasarkan hasil uji ANOVA dan chi-square. Klaster C3 yang terdiri dari Kecamatan Cengkareng, Kalideres, dan Cakung teridentifikasi sebagai wilayah dengan tingkat kerawanan kebakaran tertinggi karena memiliki frekuensi kejadian kebakaran dan jumlah penduduk terbesar dibandingkan klaster lainnya. Hasil penelitian menunjukkan bahwa algoritma K-Means mampu mengidentifikasi pola kerawanan kebakaran secara objektif dan dapat dimanfaatkan sebagai dasar pengambilan keputusan dalam penyusunan program mitigasi dan pencegahan kebakaran berbasis wilayah di Provinsi DKI Jakarta.
Co-Authors Abu Yappie Hilmawan Achmad Fauzi Adhi Lingga Harymurti Antonius Yadi Kuntoro Ario Fahmi Muhamad Azizah Baskara Agung Wibawa Bernadus Boli Geroda Bintangguh Sutan Basmallah Dicky Risdyanto Fadhil Marzuqi Faisal Farobi Ahmad Fardan Rifaldi Ilmi Ferry Syukmana Firmansyah Hermanto Hermanto Hildan Zafa Riyadi Hullio Kaisar Leisina Ika Kurniawati Ince Olviana Inya Mete Jeprianus Rina Toda Jessica Tedja Krisna Mahendra Lasman Effendi Lukman Hakim Marcella Salsa Syafa Miko Rizky Satrio Irawan Muhammad Bayu Faqih Najwa Putri Andini Putra Muamar Kadafi Rahma Diva Cahaya Raka Satria Gumilang Raya Reza Arfind Ridatu Oca Nitra Ridatu Ocanitra Suprianto Taqwini Taufik Asra Tegar Putra Perdana Thalut Syaputra Vannes Vinje April Waruwu Waeisul Bismi Yerico Purba Yudhistira Yudhistira Yudistira Pratama Zahwa Ayori Kirawa Zidan Syauqi Rahman