Article Per Year (5 Year)
p-Index From 2021 - 2026
6.179
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Transformatika Journal of Information System E-Dimas: Jurnal Pengabdian kepada Masyarakat JOURNAL OF APPLIED INFORMATICS AND COMPUTING Jurnal Pengembangan Rekayasa dan Teknologi Jurnal Surya Masyarakat JSiI (Jurnal Sistem Informasi) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) ScientiCO : Computer Science and Informatics Journal Journal of Information Systems and Informatics Aiti: Jurnal Teknologi Informasi Jurnal Surya Masyarakat Djtechno: Jurnal Teknologi Informasi Jurnal Akuntansi Dan Bisnis Indonesia (JABISI) Jurnal Informatika Teknologi dan Sains (Jinteks) Jurnal Riptek SEMINAR NASIONAL PENELITIAN DAN PENGABDIAN KEPADA MASYARAKAT Jurnal INFOTEL Tematik Jurnal Informatika: Jurnal Pengembangan IT KETIK : Jurnal Informatika Jurnal Ilmiah Informatika dan Komputer Signal and Image Processing Letters International Journal of Artificial Intelligence and Science Jurnal DIMASTIK
Aria Hendrawan, Aria
Universitas Semarang
Religion Humanities 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 Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mechanical Engineering Nursing Public Health Social Sciences Transportation Other

Published : 51 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 51 Documents
Search

 2   3   4   5   6 
Deteksi Gangguan Tidur Menggunakan Support Vector Machine pada Aplikasi Web Streamlit Satria Dava Riansa; Aria Hendrawan
JOINS (Journal of Information System) Vol 11 No 1 (2026): Edisi Mei 2026
Publisher : Fakultas Ilmu Komputer, Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/joins.v11i1.16125

Abstract

Sleep disorders are health problems that may affect an individual’s physical condition, mental well-being, and daily productivity. These conditions can be influenced by lifestyle and physiological factors, such as sleep duration, sleep quality, stress level, physical activity, heart rate, and blood pressure. This study aims to apply the Support Vector Machine (SVM) method to classify sleep disorders into three categories, namely normal, insomnia, and sleep apnea, as well as to develop a Streamlit-based web application to support interactive prediction. The dataset used in this study is the Sleep Health and Lifestyle dataset obtained from Kaggle. The research stages include data preprocessing, normalization using StandardScaler, model training using SVM and five comparison algorithms, and hyperparameter tuning to obtain the best performance. The evaluation results show that the SVM model with a poly kernel achieves an accuracy of 97.33% and a macro F1-score of 0.9569. The best model is then implemented into a web application that displays classification results along with the probability of each class, making it useful as an accessible early screening tool for sleep disorders.
PEMODELAN URUTAN JANGKA PENDEK VS JANGKA PANJANG: LSTM VS TSFORMER DALAM PREDIKSI LALU LINTAS PERKOTAAN Jovita Wayan Ramadhani; Aria Hendrawan
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 1 (2026): EDISI 27
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i1.6996

Abstract

Prediksi lalu lintas jangka pendek berperan penting dalam pengembangan Intelligent Transportation Systems (ITS), khususnya di wilayah metropolitan yang dinamis. Penelitian ini membandingkan kinerja dua model deep learning, yaitu Long Short-Term Memory (LSTM) dan Time Series Transformer (TSFormer), menggunakan lima sensor dengan tingkat kelengkapan data tertinggi dari dataset METR-LA yang merekam kecepatan kendaraan setiap lima menit. Tahapan eksperimen mencakup penghapusan nilai nol yang diperlakukan sebagai data hilang, pengisian data menggunakan interpolasi spline, normalisasi Min–Max, serta pembentukan data terawasi melalui pendekatan sliding window sepanjang 72 langkah waktu. Kedua model dilatih dengan pengaturan yang sama, meliputi penggunaan optimizer Adam, learning rate yang seragam, dan penerapan early stopping. Evaluasi kinerja dilakukan menggunakan MAE, MSE, RMSE, dan MAPE. Hasil pengujian memperlihatkan bahwa LSTM menunjukkan kinerja yang lebih stabil dan secara konsisten lebih baik dibandingkan TSFormer pada seluruh sensor. LSTM mencapai MAE 0,0026, RMSE 0,0057, dan MAPE 0,58%, sedangkan TSFormer mencatat MAE 0,0075, RMSE 0,0135, dan MAPE 0,96%. Waktu pelatihan LSTM tercatat lebih singkat, yakni sekitar 174 detik, dibandingkan TSFormer yang membutuhkan sekitar 397 detik. Kondisi ini memperlihatkan bahwa LSTM tetap menawarkan keseimbangan yang baik antara stabilitas dan efisiensi untuk prediksi lalu lintas jangka pendek pada lingkungan ITS dengan sumber daya terbatas.
ANALISIS SENTIMEN TERHADAP KOMENTAR YOUTUBE TERKAIT JUDI ONLINE MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) Abhinaya Putra; Aria Hendrawan
Djtechno: Jurnal Teknologi Informasi Vol 6, No 3 (2025): Desember
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v6i3.8085

Abstract

Perkembangan teknologi informasi dan komunikasi telah mendorong meningkatnya penggunaan media sosial, termasuk YouTube, yang kini menjadi salah satu platform paling populer untuk berbagi informasi, hiburan, serta opini publik. Banyaknya komentar yang diunggah oleh pengguna mencerminkan berbagai ekspresi sentimen terhadap suatu konten, namun volume data yang besar membuat analisis manual menjadi tidak efisien. Oleh karena itu, penelitian ini bertujuan untuk menganalisis sentimen pada komentar YouTube dengan menggunakan pendekatan deep learning berbasis Convolutional Neural Network (CNN). Proses penelitian diawali dengan pengumpulan data melalui metode web scraping untuk memperoleh komentar pengguna, kemudian dilakukan tahap preprocessing meliputi pembersihan teks, penghapusan tanda baca, tokenisasi, dan normalisasi. Setelah itu, data diberi label berdasarkan kategori sentimen positif, negatif, dan netral. Model CNN diterapkan untuk mengekstraksi fitur penting dari teks melalui lapisan konvolusi dan pooling sehingga mampu mengenali pola kata dan konteks kalimat secara efektif. Evaluasi kinerja dilakukan menggunakan metrik accuracy, precision, recall, dan F1-score untuk mengukur tingkat keberhasilan model dalam klasifikasi sentimen. Hasil penelitian menunjukkan bahwa CNN terbukti efisien dan akurat dalam menganalisis sentimen pada komentar YouTube berbahasa Indonesia serta berpotensi dikembangkan lebih lanjut untuk analisis opini publik di berbagai platform media sosial.
Analisis Sentimen Komentar Youtube Terhadap Kasus Bjorka Dengan Membadingkan Navie Bayes dan SVM Rizky Haryanto Putro; Aria Hendrawan
KETIK : Jurnal Informatika Vol. 3 No. 03 (2026): Januari
Publisher : Faatuatua Media Karya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70404/ketik.v3i03.626

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen komentar pengguna YouTube terkait kasus kebocoran data yang melibatkan Bjorka dengan membandingkan kinerja algoritma Naive Bayes dan Support Vector Machine (SVM). YouTube, sebagai salah satu platform media sosial terbesar, telah menjadi forum bagi masyarakat untuk mengekspresikan opini dan persepsi mereka mengenai isu keamanan data dan privasi digital. Data penelitian terdiri dari komentar YouTube yang dikumpulkan dari beberapa video terkait kasus Bjorka selama periode 2023–2025. Data diproses melalui pra-pemrosesan teks, pelabelan sentimen menggunakan metode VADER Indonesia, penyeimbangan data untuk mengatasi ketidakseimbangan kelas, dan ekstraksi fitur menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF). Selanjutnya, proses klasifikasi dilakukan menggunakan algoritma Naive Bayes dan Support Vector Machine. Hasil menunjukkan bahwa algoritma Support Vector Machine memiliki kinerja yang lebih baik dengan nilai akurasi 95,18% dan skor F1 95%, sedangkan algoritma Naive Bayes memperoleh nilai akurasi 73,81% dan skor F1 74%. Berdasarkan hasil tersebut, dapat disimpulkan bahwa algoritma SVM lebih efektif dalam mengklasifikasikan sentimen komentar pengguna YouTube berbahasa Indonesia terkait kasus Bjorka.
Analisis Sentimen Komentar YouTube Terhadap Program Makan Bergizi Gratis (MBG) Menggunakan Long Short-Term Memory (LSTM) Maulifa Sekar Arum; Aria Hendrawan
KETIK : Jurnal Informatika Vol. 3 No. 03 (2026): Januari
Publisher : Faatuatua Media Karya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70404/ketik.v3i03.627

Abstract

Program Makan Bergizi Gratis (MBG) merupakan inisiatif pemerintah Indonesia di bawah Presiden Prabowo Subianto untuk mengurangi stunting dan malnutrisi pada anak sekolah, balita, ibu hamil, dan ibu menyusui dalam rangka mewujudkan Indonesia Emas 2045. Penelitian ini menganalisis sentimen publik terhadap Program MBG berdasarkan 4.983 komentar YouTube yang berasal dari video yang membahas kualitas makanan menggunakan model Long Short-Term Memory (LSTM). Data diproses melalui tahapan web scraping menggunakan YouTube Comment Downloader, praproses teks yang meliputi tokenisasi, stemming Sastrawi, dan stopword removal, serta pelabelan sentimen otomatis berbasis TextBlob dengan kata kunci spesifik MBG. Model Bi-LSTM dilatih menggunakan skema pembagian data 80:20. Hasil evaluasi menunjukkan bahwa sentimen publik didominasi oleh sentimen positif dan netral, yang mengindikasikan adanya dukungan masyarakat terhadap Program MBG. Meskipun demikian, masih ditemukan sentimen negatif dalam jumlah terbatas yang mencerminkan kritik terhadap aspek pelaksanaan program. Penelitian ini merekomendasikan penguatan pengendalian mutu pangan guna meningkatkan efektivitas pelaksanaan Program MBG.
Queue-Based Batch Processing Architecture for Scalable Educational Assessment Systems Using MERN Stack April Firman Daru; Aria Hendrawan; Toti Kresna Wardana
Jurnal Ilmiah Informatika dan Komputer Vol. 3 No. 1 (2026): June 2026
Publisher : CV.RIZANIA MEDIA PRATAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69533/informatech.volume3number1.492

Abstract

The increasing volume of student assessment data requires educational information systems that remain responsive during concurrent access and large-scale data import. This study proposes and evaluates a queue-based batch processing architecture for a web-based educational assessment system developed using the MERN stack. The main contribution is the integration of a RESTful API layer, FIFO-oriented asynchronous job queue, and batch segmentation strategy to decouple bulk Excel import from foreground user requests. The system was developed using Extreme Programming to support iterative requirement refinement and continuous testing. Evaluation was designed through functional testing using Cypress, API testing using HTTPie/Thunder Client, load testing using Apache JMeter, and frontend quality assessment using Google PageSpeed Insights. The scalability benchmark compares direct synchronous insertion as a baseline against the proposed asynchronous queue-based batch architecture under multiple concurrency levels, dataset sizes, and batch configurations. The verified PageSpeed results indicate excellent web quality scores, namely Performance 93, Accessibility 96, Best Practices 96, and SEO 100. The JMeter-based metrics, including average response time, 95th percentile response time, throughput, error rate, CPU usage, memory usage, queue waiting time, and job completion time, should be inserted from the exported test logs before final submission. The proposed architecture is expected to improve responsiveness, prevent server overload during bulk import, and provide a more reliable foundation for scalable educational assessment management.
PENGEMBANGAN EARLY WARNING SYSTEM HARGA PANGAN STRATEGIS BERBASIS INTEGRASI FITUR METEOROLOGI MENGGUNAKAN PERBANDINGAN SVR DAN XGBOOST Jihan Kusumawardhani; Aria Hendrawan
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 11, No 2 (2026)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v11i2.10168

Abstract

Fluktuasi harga pangan di Kota Semarang seringkali dipengaruhi faktor cuaca ekstrem yang mengganggu stabilitas pasokan. Penelitian ini bertujuan membangun sistem peringatan dini (Early Warning System) harga pangan dengan mengintegrasikan variabel meteorologi menggunakan algoritma Machine Learning. Metode yang digunakan adalah komparasi antara Support Vector Regression (SVR) dan XGBoost terhadap komoditas bawang merah dan cabai rawit. Hasil penelitian menunjukkan bahwa algoritma XGBoost secara konsisten mengungguli SVR pada seluruh pengujian. Akurasi tertinggi dicapai pada komoditas bawang merah dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 1,63%, yang termasuk kategori sangat akurat. Penelitian ini juga memvalidasi pengaruh signifikan variabel meteorologi melalui efek tunda cuaca (weather lag effect) terhadap pergerakan harga. Implementasi sistem EWS yang dikembangkan berhasil mengklasifikasikan status peringatan secara otomatis, sehingga dapat menjadi instrumen pendukung keputusan yang aplikatif bagi pemangku kepentingan dalam memitigasi anomali harga pangan di Kota Semarang.
STRATEGI DIGITAL MARKETING UNTUK UMKM : MEMBANGUN BRANDING ONLINE DAN KONTEN MENARIK UMKM RW. 15 TANJUNG MAS SEMARANG UTARA Vensy Vydia; Aria Hendrawan; Lenny Margaretta Huizen; Saifur Rohman Cholil
Jurnal DIMASTIK Vol. 3 No. 2 (2025): Juli
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/dimastik.v3i2.12640

Abstract

Digital marketing merupakan strategi pemasaran yang memanfaatkan platform digital untuk membangun branding dan meningkatkan jangkauan pasar. Bagi pelaku UMKM, strategi ini menjadi solusi efektif dalam meningkatkan daya saing, khususnya melalui media sosial dan iklan digital. Namun, UMKM di RW 15 Tanjungmas, Semarang, masih menghadapi kendala dalam memanfaatkan strategi ini akibat kurangnya pemahaman dan keterbatasan dalam pembuatan konten yang menarik. Untuk menjawab permasalahan tersebut, dilaksanakan program sosialisasi strategi digital marketing yang mencakup pemanfaatan media sosial, dasar-dasar iklan digital, serta pelatihan pembuatan konten promosi menggunakan aplikasi Canva. Kegiatan ini diikuti oleh 12 peserta dari komunitas UMKM Srikandi Cantik Bahari dan dilaksanakan pada 17 Juni 2025 di Balai RW 15 Tanjungmas. Hasil kegiatan menunjukkan adanya peningkatan signifikan pemahaman peserta. Rata-rata skor pre-test yang berkisar antara 2 hingga 3 meningkat menjadi rata-rata 4 hingga 5 pada post-test. Peningkatan tertinggi terjadi pada aspek kemampuan menggunakan Canva dan pemasaran melalui media sosial. Kegiatan ini berhasil meningkatkan kesadaran dan keterampilan peserta dalam membangun branding produk secara online, serta membekali mereka dengan kemampuan praktis untuk memanfaatkan digital marketing dalam pemasaran produk UMKM.
A Hybrid Image Processing Approach for Real-Time Face Recognition in Attendance Monitoring Davit Cany Agho; Aria Hendrawan
International Journal of Artificial Intelligence and Science Vol. 2 No. 1 (2025): March
Publisher : Asosiasi Doktor Sistem Informasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63158/IJAIS.v2.i1.17

Abstract

In the era of digital transformation, institutions are increasingly adopting automation to enhance administrative efficiency, particularly in human resource management. At Tanggirejo Village Hall, a critically low employee attendance rate of 46.45% in January 2024 exposed the limitations of manual attendance systems, which are prone to errors and manipulation. This study proposes a face recognition-based attendance system utilizing OpenCV’s Haar Cascade Classifier for face detection and the Local Binary Pattern Histogram (LBPH) for face recognition. A total of 500 grayscale facial images from 10 employees were collected and processed to train and test the system. Evaluation using a Confusion Matrix revealed an accuracy of 72%, precision of 93%, and recall of 75%. While a 27% error rate was observed—primarily due to lighting inconsistencies and limited training data—the system performed reliably in real-time scenarios. The integration of these lightweight algorithms allows for fast and accurate identification, suitable for resource-constrained environments. This solution not only addresses the local attendance challenges but also presents a scalable, automated model that can be adopted by similar institutions seeking to improve productivity and operational transparency through real-time employee monitoring.
Speech-Driven Visitor Notification System Using Telegram Bot and Voice Activity Detection for Real-Time Retail Applications Aria Setiaji; Aria Hendrawan; Bernadus Very Christioko; Lenny Margaretta Huizen
International Journal of Artificial Intelligence and Science Vol. 2 No. 2 (2025): September
Publisher : Asosiasi Doktor Sistem Informasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63158/IJAIS.v2i2.44

Abstract

In the retail industry, fast and responsive service is essential for maintaining customer satisfaction and loyalty. A key challenge faced by store owners is delayed responses to customer arrivals, leading to dissatisfaction and potential lost sales. This project develops an automatic notification system using Speech-to-Text technology and a Telegram bot to detect voice keywords and send real-time notifications to store owners. The system was developed using the prototype methodology, allowing for iterative testing and refinement to ensure it met user needs and functional requirements. It integrates the Deepgram API for accurate speech transcription, the Telegram Bot API for notifications, and a web interface for managing keywords and monitoring system status. To enhance efficiency, a Voice Activity Detection (VAD) module was added, ensuring that only human speech is processed, thereby reducing unnecessary processing. Experimental results showed that the system achieved 100% accuracy in quiet environments and 80% in noisy conditions. The system's response time was also impressive, with an average time of 3.72 seconds in quiet conditions and 3.8 seconds in noisy environments. Word Error Rate (WER) and Character Error Rate (CER) evaluations indicated perfect accuracy in quiet conditions (WER 0%, CER 0%) and slight errors in noisy conditions (WER 13.33%, CER 12.5%). Overall, the system effectively improved service speed and responsiveness, offering store owners a valuable tool for enhancing customer experience in retail environments.
Co-Authors Abhinaya Putra Adiuntoro, Alwan Agho, Davit Cany Agusta Praba Ristadi Pinem Agusta Praba Ristadi Pinem Agusta Praba Ristadi Pinem Aprih Santoso April Firman Daru Ardiani Ika Sulistyawati Aria Setiaji Aristo Kevin Ardyaneira Pratama Asmiatun, Siti Astrid Novita Putri, Astrid Atmoko Nugroho Awaliyah, Rafika Farkhul Basworo Ardi Pramono Charis Maulana Cholil, Saifur Rohman Christine Dewi Christioko, B.Very Davit Cany Agho Dimas Dwi Budiarjo Febrian Wahyu Christanto Hasna Rizqia Khairunnisa Henny Indriyawati Jihan Kusumawardhani Jovita Wayan Ramadhani Khoiriyah, Rofiatul Khoirudin Khoirudin Lenny Margaretta Huizen Luqman Hakim Maulida, Innayah Maulifa Sekar Arum Nabilah Putri Nur Wakhidah Oky Dwi Nurhayati Pradana, Muhamamd Surya Jati Prind Triajeng Pungkasanti, Prind Triajeng Pulung Nurtantio Andono Purwanto Purwanto Putri, Maulina Rahmat Gernowo Rizky Haryanto Putro Saputri, Anita Nur Widdia Satria Dava Riansa Sekar Sari, Mega Setiaji, Aria Soiful Hadi Supari Supari, Supari Susanto, Susanto Toti Kresna Wardana Vensy Vydia Whisnumurti Adhiwibowo Wicaksana, Dinar Anggit Winarti, Titin