Article Per Year (5 Year)
p-Index From 2021 - 2026
4.905
P-Index
This Author published in this journals
All Journal Foristek Semantik International Journal of Advances in Intelligent Informatics Jurnal Sistem dan Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JURNAL ILMIAH MATEMATIKA DAN TERAPAN JOURNAL OF APPLIED INFORMATICS AND COMPUTING Technomedia Journal Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Indonesian Journal of Electrical Engineering and Computer Science IAIC Transactions on Sustainable Digital Innovation (ITSDI) Advance Sustainable Science, Engineering and Technology (ASSET) Jurnal Abmas Negeri (JAGRI) Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) Jurnal Algoritma The Indonesian Journal of Computer Science Riau Jurnal Teknik Informatika Jurnal Informatika dan Kesehatan Bomba: Jurnal Pembangunan Daerah
Mohammad Yazdi Pusadan
Program Studi Teknik Informatika, Universitas Tadulako, Palu, Indonesia
Agriculture, Biological Sciences & Forestry 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 Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Medicine & Pharmacology Public Health Social Sciences Transportation Veterinary Other

Published : 44 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 44 Documents
Search

 1   2   3   4   5 
Pengenalan Pola pada Batik Lontara berbasis Kecerdasan Buatan Mohammad Yazdi Pusadan; Fuad Mahfud; Anisa Yulandari; Sabarudin Saputra
Prosiding SISFOTEK Vol 9 No 1 (2025): SISFOTEK IX 2025
Publisher : Ikatan Ahli Informatika Indonesia

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

Abstract

Batik is an Indonesian cultural heritage in which almost every region has its own distinctive batik with diverse motifs. UNESCO designated batik as a world cultural heritage created by the Indonesian people in 2009. In South Sulawesi, there is also batik called Batik Lontara. Batik Lontara itself is a type of Bugis-Makassar batik unique to South Sulawesi that features motifs of the Lontara script. The purpose of this research is to implement the extraction of woven Batik Lontara and stamped Batik Lontara using the GLCM (Gray Level Co-occurrence Matrix) method and the KNN (K-Nearest Neighbor) algorithm to recognize the types of Batik Lontara. The Gray Level Co-occurrence Matrix (GLCM) is a feature extraction method that uses second-order texture calculations, considering pairs of two pixels from the original image. This research employs the K-Nearest Neighbor (KNN) algorithm, which is a method for classifying objects based on training data with the closest distance to the test data. The research material used is images of Batik Lontara with various motifs, namely woven Batik Lontara and non-woven Batik Lontara. Based on the Batik Lontara images, a process of converting the images from RGB to Grayscale will be carried out. The expected output of this research is a reputable international journal publication.
Optimasi YOLO12n untuk Deteksi Kendaraan pada Perangkat Edge melalui Ablasi Batch size dan Resolusi Input Yusuf Anshori; Muhammad Yazdi; Yuri Yudhaswana Joefrie
Riau Jurnal Teknik Informatika Vol. 5 No. 1 (2026): Maret 2026
Publisher : Prodi Teknik Informatika Universitas Pasir Pengaraian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30606/rjti.v5i1.4461

Abstract

Deteksi kendaraan real-time pada perangkat edge merupakan komponen penting dalam Sistem Transportasi Cerdas (ITS). Performa deteksi di perangkat edge sangat dipengaruhi oleh konfigurasi pelatihan seperti batch size dan resolusi input, namun pengaruh keduanya terhadap YOLO12n untuk klasifikasi kendaraan berbasis PKJI belum banyak dikaji secara sistematis. Penelitian ini mengevaluasi 16 konfigurasi pelatihan yang berasal dari kombinasi empat batch size (8, 16, 32, dan 64) dan empat resolusi input (320, 480, 640, dan 720 piksel) untuk deteksi kendaraan pada NVIDIA Jetson Orin Nano. Model yang dihasilkan kemudian diuji menggunakan dataset 9.381 citra pada tiga format inferensi, yaitu PyTorch, TensorRT FP32, dan TensorRT FP16. Hasil menunjukkan bahwa interaksi batch size dan resolusi input bersifat non-linier. Tiga konfigurasi mengalami ketidakstabilan selama pelatihan, sedangkan resolusi tinggi tidak menjamin performa real-time yang lebih baik pada perangkat edge. Konfigurasi terbaik dalam eksperimen ini adalah TensorRT FP16 pada resolusi 480 piksel (FPS = 35,01, mAP@50 = 0,9109) dengan konsumsi memori GPU setengah dari konsumsi format FP32. Temuan ini menunjukkan bahwa konfigurasi pelatihan dan strategi optimasi inferensi berperan penting dalam menentukan kelayakan deployment deteksi kendaraan pada perangkat edge.
Perbandingan Algoritma Naïve bayes Dan Support Vektor Machine Untuk Klasifikasi Status Stunting Pada Balita Muh. Faried Muchtar; Rahma Laila; Dwi Shinta; H. M. Yazdi Pusadan
The Indonesian Journal of Computer Science Vol. 13 No. 4 (2024): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v13i4.4055

Abstract

Penelitian ini bertujuan untuk membandingkan efektivitas algoritma Naïve Bayes dan Support Vector Machine (SVM) dalam klasifikasi status stunting pada balita. Stunting merupakan kondisi pertumbuhan terhambat pada balita akibat kekurangan gizi yang memiliki dampak serius terhadap kesehatan dan perkembangan anak. Dengan menggunakan data dari Puskesmas Tawaeli Kecamatan Tawaeli, penelitian ini mengimplementasikan kedua algoritma untuk mengidentifikasi balita yang mengalami stunting. Metode penelitian meliputi pengumpulan data, preprocessing, dan pengujian menggunakan metrik evaluasi yang sesuai. Hasil penelitian diharapkan dapat memberikan kontribusi dalam pengembangan metode klasifikasi stunting pada balita serta memberikan wawasan baru dalam penanganan masalah stunting pada tingkat populasi. Diharapkan penelitian ini dapat menjadi referensi bagi peneliti selanjutnya dalam pengembangan sistem informasi serupa.
PENERAPAN CONVOLUTION NEURAL NETWORK (CNN) UNTUK DETEKSI MEGALITIKUM DI SULAWESI TENGAH BERBASIS MOBILE Fahmi, Moh.; Laila, Rahma; Pusadan, Mohammad Yazdi; Syahrullah, Syahrullah; Azhar, Ryfial; Sani, Ilham Abdillah; Magfirah, Magfirah
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 3 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i3.6458

Abstract

Taman Nasional Lore Lindu di Sulawesi Tengah, Indonesia, memiliki berbagai objek megalitikum, termasuk arca, kalamba, lumpang, dan batu dulang. Kawasan ini memiliki potensi untuk secara resmi diakui sebagai Situs Warisan Dunia, namun pengguna masih menghadapi tantangan dalam mengidentifikasi dan memahami artefak megalitikum ini. Sebagai tanggapan atas masalah ini, penelitian ini telah menciptakan sistem atau aplikasi yang menggunakan algoritma CNN (Convolutional Neural Network) dengan platform Teachable Machine untuk meningkatkan kemampuan pengguna dalam mengidentifikasi objek megalitikum. Program ini akan menawarkan informasi yang lebih luas untuk setiap objek megalitikum, termasuk penggunaan yang dimaksudkan dan konteks sejarahnya. Temuan uji menunjukkan bahwa program ini memiliki kemampuan untuk mengidentifikasi objek megalitikum dengan tingkat akurasi hingga 98%. Selain itu, pengguna dapat dengan mudah mengakses informasi yang lebih komprehensif tentang artefak-artefak ini. Program ini memungkinkan pengguna untuk dengan mudah mengidentifikasi dan memahami objek megalitikum, sambil juga memberikan mereka informasi yang lebih mendalam tentang artefak-artefak tersebut.
PENGEMBANGAN SISTEM KEAMANAN KAMERA PENGAWAS BERBASIS INTERNET OF THINGS (IOT) DENGAN TEKNOLOGI DETEKSI OBJEK MENGGUNAKAN RASPBERRY PI DAN NOTIFIKASI TELEGRAM Pratama, Moh. Rezki; Lamasitudju, Chairunnisa; Pusadan, Mohammad Yazdi; Laila, Rahmah; Pratama, Septiano Anggun
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 4 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i4.6562

Abstract

Internet of Things (IoT) merupakan konsep yang memperluas manfaat konektivitas internet yang terhubung secara terus-menerus. Pada penelitian ini, IoT dimanfaatkan untuk mengendalikan kamera pengawas yang dapat dioperasikan dari jarak jauh melalui jaringan komputer. Dengan kemajuan teknologi ini, pengguna dapat memantau dan mengendalikan kamera pengawas kapan saja dan di mana saja selama lokasi tersebut memiliki koneksi internet yang memadai. Sistem ini dirancang untuk mempermudah pengawasan, terutama di gedung yang jaraknya jauh dari pengguna. Dalam penelitian ini, sistem pengawasan berbasis IoT dikembangkan dengan memanfaatkan Raspberry Pi sebagai pusat pengolahan data dan aplikasi Telegram sebagai media notifikasi real-time. Teknologi pengenalan wajah diterapkan untuk mendeteksi dan mengidentifikasi individu yang muncul di depan kamera, serta memberikan peringatan ketika wajah yang tidak dikenal terdeteksi. Integrasi ini memungkinkan sistem untuk tidak hanya memberikan pengawasan visual tetapi juga menyediakan interaksi yang lebih cerdas dan responsif melalui notifikasi langsung kepada pengguna. Hasil uji coba menunjukkan bahwa sistem ini tidak hanya meningkatkan efisiensi dan fleksibilitas pengawasan, tetapi juga menawarkan solusi keamanan yang lebih proaktif dan adaptif terhadap berbagai situasi. Dengan demikian, penelitian ini memberikan kontribusi yang signifikan terhadap pengembangan teknologi pengawasan berbasis IoT yang dapat diterapkan dalam berbagai skala dan konteks, dari rumah tangga hingga fasilitas publik.
DESIGN AND BUILD AN ONLINE RESERVASTION SYSTEM FOR HEALTH SERVICES AT PET CLINICS USING THE PRIORITY SCHEDULING ALGORITHM Rumampuk, Viola Gracella; Ardiansyah, Rizka; Joefrie, Yuri Yudhaswana; Laila, Rahmah; Pusadan, Mohammad Yazdi
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 2 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i2.6305

Abstract

The limited number of veterinarians and the absence of an online reservation service at Louis Pet Shop Palu, which requires prospective patients or customers to come in person to take a queue number and wait to receive medical services. The long queues that often occur cause inconvenience and waste of time for customers. In addition, the mismatch of schedules with customer preferences adds to the inconvenience, which can result in customer dissatisfaction and potential losses for the clinic as customers seek services elsewhere that are more convenient. This research uses the Black Box testing method to ensure the smooth running of the created program. In conclusion, this problem can be overcome by building an online reservation information system that integrates a priority-based queue management mechanism. The implementation of this feature uses Priority Scheduling Algorithm combined with WhatsApp Gateway as a reminder.
Identifikasi Telur Ayam Fertil dan Infertil Melalui Citra Candling Menggunakan Algoritma Vision Transformer Paloloang, Muhammad Fadhil Akmal B.; Lapatta, Nouval Trezandy Trezandy; Yazdi, Mohammad; Anshori, Yusuf
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 3 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i3.6298

Abstract

Telur ayam merupakan salah satu komoditas utama dalam industri peternakan unggas. Pengelolaan telur menjadi masalah yang perlu mendapat perhatian khusus agar terhindar dari kerugian, salah satunya yaitu dengan melakukan pengecekan kesuburan telur. Candling merupakan metode konvensional yang kerap digunakan untuk melakukan pengecekan, akan tetapi rawan akan terjadinya kesalahan dalam mengidentifikasi karena menggunakan cara manual dan tentunya akan menghabiskan waktu. Oleh karena itu diperlukan sebuah sistem untuk dapat membantu peternak dalam melakukan identifikasi secara otomatis guna meningkatkan kualitas produksi telur. Dataset pada penelitian ini menerapkan teknik Contrast Limited Adaptive Histogram Equalization (CLAHE) untuk meningkatkan kontras dan mempertegas pola embrio pada citra telur. Sistem identifikasi dibangun menggunakan  algoritma Vision Transformer (ViT), yang merupakan arsitektur berbasis Transformer yang dapat memahami hubungan atau relasi diantara berbagai bagian gambar. Dataset terbagi atas dua kelas dengan total keseluruhan dataset berjumlah 228 citra, dengan hasil akurasi pelatihan yang didapatkan sebesar 99,77% dan akurasi validasi sebesar 98,03%. Pengujian confusion matrix dan ROC AUC dilakukan menggunakan data baru diluar dari data pelatihan, model mampu menentukan kelas telur fertil dan infertil dengan baik, dengan nilai akurasi dan recall sebesar 95%, dan nilai ROC AUC sebesar 99,68%. Hasil dari penelitian ini dapat membantu dan mempermudah peternak dalam mengidentifikasi telur fertil dan infertil agar kualitas produksi telur senantiasa terjaga dan dapat memastikan bahwa kondisi telur tetap berkembang.
PERANCANGAN ARCHITECTURE ENTERPRISE DENGAN ARTIFICIAL INTELLIGENCE DALAM PELAYANAN PENERBITAN TANDA TANGAN ELEKTRONIK DISKOMINFO KOTA PALU MENGGUNAKAN TOGAF ADM Rifki, Moh; Pratama, Septiano Anggun; Pusadan, Mohammad Yazdi; Syahrullah, Syahrullah; Lamasitudju, Chairunnisa Ar
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 2 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i2.6097

Abstract

Seiring perkembangan teknologi di era industri 5.0 telah mempengaruhi berbagai aspek terutama pada pelayanan tanda tangan elektronik, dimana pada era teknologi saat ini tidak hanya menjadi atau untuk memfasilitasi kehidupan sehari-hari tetapi juga mendorong inovasi di berbagai bidang untuk memecahkan masalah global dan meningkatkan kualitas hidup secara keseluruhan. Namun penerapan teknologi informasi pada diskominfo masih menghadapi beberapa tantangan, seperti proses bisnis dan prosedur standar operasional yang tidak terstruktur dan terorganisir serta masih kurangnya efisiensi dalam penggunaan teknologi. Oleh karena itu, untuk meningkatkan kualitas pada pelayanan pada tanda tangan maka solusi yang dibutuhkan yaitu membangun perancangan arsitektur perusahaan dengan kecerdasan buatan dengan menggunakan TOGAF ADM dalam meningkatkan pelayanan organisasi dalam mendukung pengembangan kota pintar di Kota Palu. Sedangkan tahapan yang dikerjakan pada perancangan menggunakan TOGAF ADM dimulai dari Tahap Pendahuluan, visi arsitektur, arsitektur bisnis, sistem informasi, arsitektur, dan arsitektur teknologi selaras dengan standar yang diperlukan proses bisnis dan prosedur operasional standar. Hasil perancangan akan menghasilkan rencana strategi yang akan menyatukan arsitektur bisnis, data, aplikasi dan teknologi dalam hubungan untuk mendekati satu sama lain.
Texture Analysis and Classification of Lontara Batik Using GLCM and k-Nearest Neighbor Mohammad Yazdi Pusadan; Fuad Mahfud; Chairunnisa AR. Lamasitudju; Anisa Yulandari; Sabarudin Saputra
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 10 No 3 (2026): June 2026
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v10i3.7497

Abstract

Batik is an Indonesian cultural heritage recognized by UNESCO as a Masterpiece of the Oral and Intangible Heritage of Humanity. One distinctive regional variation is Batik Lontara from South Sulawesi, which features motifs derived from the traditional Bugis–Makassar Lontara script. However, the visual similarity between woven and non-woven (stamped) Batik Lontara makes manual identification difficult for the general public. This study proposes an image-based classification approach to distinguish woven and non-woven Batik Lontara using texture analysis and machine learning techniques. Texture features were extracted from batik images using the Gray Level Co-occurrence Matrix (GLCM), including contrast, homogeneity, energy, and entropy. The extracted features were then classified using the k-Nearest Neighbor (k-NN) algorithm with varying values of k (5, 7, and 9). The dataset consisted of Batik Lontara images captured using a smartphone camera and divided into training and testing sets using both hold-out and k-fold cross-validation schemes. Experimental results show that the highest classification accuracy of 86% was achieved using the k-NN algorithm with k = 9 under 5-fold cross-validation, while the hold-out method produced the best accuracy of 87% at k = 5. These results demonstrate that the proposed GLCM and k-NN-based approach is effective for classifying Batik Lontara types and has strong potential for supporting cultural heritage preservation through digital image processing.
KLASIFIKASI JENIS BATIK BOMBA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR EFFICIENT-NET B2 (BATIK BOMBA SULAWESI TENGAH ) Julian Witjaksono; Mohammad Yazdi Pusadan; Yusuf Anshori; Rizka Ardiansyah; Ryfial Azhar
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 3 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i3.6191

Abstract

Batik adalah salah satu warisan budaya Indonesia yang diakui oleh UNESCO sebagai warisan dunia. Keanekaragaman motif batik mencerminkan kekayaan budaya dan seni yang perlu dilestarikan. Salah satu motif batik yang unik adalah batik Bomba dari Kabupaten Donggala, Sulawesi Tengah. Untuk membantu mengklasifikasikan motif batik yang beragam, penelitian ini menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur EfficientNet-B2. Penelitian ini melibatkan pengumpulan 21 citra batik Bomba dari berbagai sumber di Kota Palu, Sulawesi Tengah. Proses data preprocessing dilakukan melalui teknik augmentasi data, sementara model dikembangkan dengan menggunakan transfer learning dan beberapa teknik optimisasi seperti batch normalization, regulasi, dropout layer, dan fungsi aktivasi ReLU serta softmax. Model dilatih dengan optimizer Adamax dan early stopping untuk mencegah overfitting. Hasil pelatihan menunjukkan akurasi tinggi sebesar 100% pada data pelatihan dan 99.59% pada data validasi. Pengujian menggunakan confusion matrix menunjukkan akurasi total model sebesar 96%, dengan kesalahan klasifikasi minimal pada gambar "maleo". Model ini berhasil mengklasifikasikan motif batik Bomba dengan tingkat akurasi yang tinggi, menunjukkan potensi besar penggunaan teknologi kecerdasan buatan dalam pelestarian dan pengembangan warisan budaya batik.
Co-Authors Ahmad Imam Abdullah Amriana Andi Hendra Andriar Makahrun Anisa Yulandari Anisa Yulandari Anita Ahmad Kasim AR. Lamasitudju, Charunnisa Buliali, Joko Lianto Chairunnisa Lamasitudju Dandy Pramana Hostiadi Dessy Santi Dwi Shinta Dwi Shinta Angreni Dwi Shinta Angreni Dwiwijaya, Kadek Agus Eva Hariyanti Fahmi, Moh. Fatonah, Nenden Siti Fuad Mahfud Fuad Mahfud Ghifari, Ari Ginardi, Raden Venantius Hari Gunawan Feri Handono Hajra Rasmita Ngemba Handono, Gunawan Feri Harlin Feby Karnita Sumbaluwu Indah Safitri Irene Realyta Halldy Trosi Tangkawarow Julian Witjaksono Junus Widjaja Laila, Rahma Lamadjido, Moh. Raihan Dirga Putra Lamasitudju, Chairunnisa Magfirah, Magfirah Merry Miftah Miftah, Miftah Moh.Fajrin Sigit Aldy Muh Alif Alghifari Muh. Faried Muchtar Muh. Ilham Reonaldi Mutia Nanda, Rifqi Nouval Trezandy Lapatta Nursalim, Moh. Agung Nursiana Zasqia, Andi Nirina Ono, Jumaita Paloloang, Muhammad Fadhil Akmal B. Pramadinda, Alda Nur Pratama, Moh. Rezki Putra, Ryan Adi Rahma Laila Rahmah Laila Rahmah Laila Rifki, Moh Rizka Ardiansyah Rizka Ardiansyah Rumampuk, Viola Gracella Ryfial Azhar Ryfial Azhar Sabarudin Saputra Sahrullah Sahrullah Saleh, Muhammad Taufik Sani, Ilham Abdillah Sari Handayani Pusadan Sasuwuk, James Rio Septiano Anggun Pratama Siddiq Assegaf, Djafar Sondakh, Clivent Gerhard Suriyanti Syahrullah Syahrullah Syahrullah Syaiful Hendra Tafania Natalia Kasaedja Therry, Alvin Christian Davidson Wirdayanti Wirdayanti Wirdayanti Yulianti, Indira Yuri Yudhaswana Joefrie Yusuf Anshori Yusuf Anshori Zakiani Sakka