Article Per Year (5 Year)
p-Index From 2021 - 2026
3.058
P-Index
This Author published in this journals
All Journal Jurnal Media Infotama Jurnal Informatika dan Teknik Elektro Terapan JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Jurnal Kridatama Sains dan Teknologi JATI (Jurnal Mahasiswa Teknik Informatika) E-Link: Jurnal Teknik Elektro dan Informatika Jurnal Informa: Jurnal Penelitian dan Pengabdian Masyarakat Jurnal Teknik Informatika (JUTIF) Entrepreneurship Bisnis Manajemen Akuntansi (E-BISMA) Jurnal Informatika Teknologi dan Sains (Jinteks) Jurnal Indonesia Sosial Sains SmartComp Jurnal Informatika: Jurnal Pengembangan IT VISA: Journal of Vision and Ideas
Supatman Supatman, Supatman
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Humanities Astronomy Biochemistry, Genetics & Molecular Biology Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Environmental Science Immunology & microbiology Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Neuroscience Physics Public Health Social Sciences

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 22 Documents
Search

 1   2   3 
Aplikasi Diagnosa Sindrom Nomophobia Pada Remaja Dengan Sistem Pakar Berbasis Android Muryanto, Herdin; Supatman, Supatman
Jurnal Informa : Jurnal Penelitian dan Pengabdian Masyarakat Vol 7 No 2 (2021): Desember
Publisher : Politeknik Indonusa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46808/informa.v7i2.198

Abstract

Seiring berkembangnya teknologi dan alat komunikasi modern, handphone salah satunya sebagai alat komunikasi dan mesin pencari informasi di era teknologi di kalangan remaja yang berdampak negatif pada kesehatan mental dan emosional remaja jika tidak dapat mengontrol diri dalam penggunaannya. Fenomena ini disebut nomophobia (no-mobile phone phobia) yang merupakan jenis fobia baru yang ditandai dengan ketakutan dan ketakutan yang berlebihan jika seseorang tdak dapat terhubung ke ponselnya. Untuk mengetahui apakah memiliki fobia ponsel adalah langsung dengan psikologi. Namun terdapat beberapa orang yang tidak dapat meluangkan waktu dan mengeluarkan uang untuk kegiatan psikologi. Dengan adanya permasalahan tersebut, pada penelitian ini bertujuan untuk merancang sebuah aplikasi diagnosa nomophobia untuk remaja berbasis android. Penelitian ini didasarkan pada pengetahuan ahli psikologi yang diperoleh melalui metode wawancara. Aplikasi diagnosa ini berjalan pada perangkat mobile Android dengan bahasa pemrograman Java dan menggunakan metode sistem pakar. Berdasakan hasil pengujian dari diagnosa pakar dan diagnosa sistem diperoleh tingkat akurasi sebesar 100% dari 17 data uji dan tingkat penerimaan pengguna untuk aplikasi cukup baik pada uji UAT yang dilakukan ke 11 remaja sebesar 84,21%. Sehingga diharapkan dapat membantu remaja dalam mendiagnosa fobia nomophobia ini sejak dini dan memberikan solusi pencegahannya.
Klasifikasi Mutu Kapas Kecantikan Berdasarkan Tekstur Citra Menggunakan GLCM dan K-Nearest Neighbors Asyifa, Yuni; Supatman, Supatman
JATISI Vol 12 No 3 (2025): JATISI (Jurnal Teknik Informatika dan Sistem Informasi)
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jatisi.v12i3.11639

Abstract

Abstract Beauty cotton products come in different quality levels, and subsequently is important to categorize, especially in the area of cosmetics, and face care. Manual assessments of cotton quality are often subjective and not always accurate, this is why an automatic classification system is needed. The purpose of this study is to classify beauty cotton based on their images based on texture using Gray Level Co-occurrence matrix (GLCM) and K-Nearest Neighbors (K-NN). The dataset comprises of 600 cotton images of three different brands, Sariayu, Watson, and Selection. Each image was transformed to grayscale, resized to 100 ´ 100 pixels, and then the texture features were derived which consist of contrast, correlation, energy, and homogeneity. The classification results show that the maximum performance was achieved at K = 5 with 81% accuracy, these results show that the image-based texture approach can classify cotton quality automatically and objectively and has possibilities in future systems for cosmetic products quality evaluation systems.
FACIAL PHOTO AUTHENTICITY DETECTION USING FACE RECOGNITION AND LIVENESS DETECTION Achmad, Bimo Vallentino; Supatman, Supatman
Jurnal Teknik Informatika (Jutif) Vol. 5 No. 5 (2024): JUTIF Volume 5, Number 5, Oktober 2024
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2024.5.5.2328

Abstract

Facial recognition has been widely adopted by many systems as authentication. However, relying on facial photos for authentication is insufficient, as these can be manipulated using printed or digital photos. One method that can be used to prevent this is to integrate face recognition with liveness detection. In this research, face recognition and liveness detection are implemented using a Convolutional Neural Network (CNN) because CNN has the ability to process and extract features from photos effectively. There are two types of datasets used, namely CelebA-Spoof for liveness detection and lfw-deepfunneled for face recognition. The face recognition model achieved good accuracy and loss results of 0.9153 and 0.0514, very promising. Meanwhile, the liveness detection accuracy and loss were 0.8633 and 0.7166.
Klasifikasi Citra Produk Font Menggunakan Convolution Neural Network Nasihin, Muhammad; Supatman, Supatman
Jurnal Kridatama Sains dan Teknologi Vol 7 No 02 (2025): Jurnal Kridatama Sains dan Teknologi
Publisher : Universitas Ma'arif Nahdlatul Ulama Kebumen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53863/kst.v7i02.1293

Abstract

Pada dunia desain grafis, jenis font merupakan satu kesatuan yang sangat penting dalam menciptakan karya yang tidak hanya menarik secara visual, tetapi juga mampu meningkatkan nilai estetika dan komunikasi pesan. Banyak sekali jenis font yang tersedia di berbagai website atau platform digital yang dapat diunduh dengan mudah, baik secara gratis maupun dengan cara berbayar. Di era digital saat ini, perkembangan dan kemajuan teknologi semakin mendukung serta mempermudah para desainer grafis atau komunikasi visual dalam menciptakan desain font sebagai bagian dari karya mereka. Selain itu, desain grafis juga memegang peranan penting dalam pembuatan logo, yang memerlukan proses eksplorasi dan pemilihan yang cermat agar sesuai dengan identitas visual suatu merk. Namun, dengan banyaknya jenis dan gaya font yang tersedia, seringkali perencana visual dan teknisi frontend menghadapi tantangan yang menimbulkan masalah dalam mengenali dan memilih gaya teks yang tepat untuk setiap proyek desain. Oleh karena itu, dibutuhkan sebuah sistem yang mampu membantu dalam proses identifikasi dan klasifikasi font secara otomatis dan efisien. Tujuan dari penelitian ini adalah untuk mengembangkan sebuah model Convolutional Neural Network (CNN) yang dapat digunakan untuk klasifikasi gambar produk font secara otomatis. Penelitian ini menggunakan data kuantitatif yang dikumpulkan melalui proses eksperimen awal. Setelah dilakukan pengujian, hasil menunjukkan bahwa penggunaan optimizer Adam menghasilkan akurasi klasifikasi yang tinggi, mencapai 96.77%. Dengan demikian, implementasi CNN terbukti efektif dalam mengklasifikasikan produk font, yang dapat membantu para desainer grafis dalam membuat keputusan yang lebih cepat dan tepat terkait pemilihan font. Hal ini diharapkan dapat meningkatkan produktivitas serta kualitas hasil desain grafis secara keseluruhan, sekaligus meminimalkan kesalahan pemilihan jenis font.Kata kunci: Produk Font; Convolutional Neural Network; KlasifikasiAbstractIn the world of graphic design, font types are a very important unit in creating works that are not only visually appealing, but also able to increase the aesthetic value and communication of messages. There are many types of fonts available on various websites or digital platforms that can be easily downloaded, either for free or for a fee. In today's digital era, the development and advancement of technology increasingly support and facilitate graphic designers or visual communication in creating font designs as part of their work. In addition, graphic design also plays an important role in creating logos, which require a careful exploration and selection process to match the visual identity of a brand. However, with the many types and styles of fonts available, visual planners and frontend technicians often face challenges that cause problems in recognizing and choosing the right text style for each design project. Therefore, a system is needed that can assist in the process of identifying and classifying fonts automatically and efficiently. The purpose of this study is to develop a Convolutional Neural Network (CNN) model that can be used for automatic classification of font product images. This study uses quantitative data collected through an initial experimental process. After testing, the results showed that the use of the Adam optimizer produced high classification accuracy, reaching 96.77%. Thus, the implementation of CNN has proven effective in classifying font products, which can help graphic designers make faster and more accurate decisions regarding font selection. This is expected to increase productivity and the overall quality of graphic design results, while minimizing errors in selecting font types.
Penerapan Metode Weighted Product pada Sistem Rekomendasi Pemilihan Laptop Candra, Vanasius Willy; Supatman, Supatman
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 13, No 1 (2024): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v13i1.6376

Abstract

Salah satu kebutuhan yang dapat menunjang dalam pemenuhan data dan informasi serta pengelolaannya adalah laptop. Selain karena portabel, saat ini laptop juga dinilai memiliki kinerja lebih baik, namun saat ini ada banyak jenis laptop dengan spesifikasinya masing-masing yang tersebar di pasaran, ini membuat konsumen cukup sulit untuk menentukan laptop yang sesuai dengan kebutuhannya, kebutuhan akan informasi yang cepat menjadikan diperlukannya sistem rekomendasi pemilihan laptop yang dapat menjawab kebutuhan konsumen laptop secara cepat dan akurat. Tujuan dari penelitian ini adalah mengembangkan sistem rekomendasi pemilihan laptop dengan menggunakan metode weighted product. Penelitian ini menghasilkan sistem yang cepat dan tepat dalam memberikan rekomendasi laptop yang sesuai dengan kebutuhan pengguna.
Identifikasi Citra Wajah Glowing Menggunakan Metode Convolutional Neural Network (CNN) Dees, Himan Ansori; Supatman, Supatman
VISA: Journal of Vision and Ideas Vol. 4 No. 2 (2024): VISA: Journal of Vision and Ideas (In Press)
Publisher : IAI Nasional Laa Roiba Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47467/visa.v4i2.1910

Abstract

Skin care has become a top priority for women in the beauty business because of the advancement in technical progress. Some people choose different treatments hoping to see immediate results, and one of the increasingly popular techniques is the Glowing Treatment. However, without unbiased assessment criteria, the success of the method is often determined by individual subjective views. The aim of this research is to determine objective metrics that can be applied to evaluate the effectiveness of glowing treatment in a specific context. By using a specially made application, you collect data from participants receiving the Glowing Treatment. This application records information about skin hydration, elasticity, and redness intensity. In addition, images obtained before and after therapy are used for visual analysis. The analysis findings show that this application offers a better understanding of skin changes after the Glowing Treatment. Significant improvements are seen in objective criteria such as a 20% increase in skin hydration, a 15% increase in skin elasticity, and a 25% decrease in redness. These results provide a strong basis for evaluating the effectiveness of the Glowing Treatment in an unbiased manner. The use of application technology helps in accurate assessment and offers a deeper understanding of the micro-level effects of the procedure. The effectiveness of glowing treatment and how accurately it diagnoses skin problems before and after treatment.
IMPLEMENTASI METODE PROMETHEE UNTUK REKOMENDASI SAHAM LAYAK INVESTASI BERBASIS APLIKASI PENUNJANG KEPUTUSAN Prabowo, Rohman; Supatman, Supatman
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5572

Abstract

Abstrak. Sistem informasi berbasis web untuk penunjang keputusan rekomendasi saham yang layak untuk investasi merupakan upaya membantu para investor saham di Indonesia. Data sekunder diakses dari website https://stockbit.com/ dan mengambil sampel emiten dari sektor energi, yaitu ADRO, PTBA, PGAS, ITMG, dan HRUM. Sistem mengimplementasikan metode Promethee untuk menentukan peringkat saham berdasarkan kriteria rasio keuangan, yang meliputi PER, PBV, ROE, DER, dan DY. Hasil dari sistem ini diharapkan mampu memberikan rekomendasi yang objektif dan membantu investor membuat keputusan investasi yang lebih tepat serta memberikan gambaran komprehensif tentang valuasi, profitabilitas, struktur modal, dan potensi imbal hasil.Abstract. A web-based information system for supporting stock recommendation decisions worthy of investment is an effort to help stock investors in Indonesia. Secondary data is accessed from the website https://stockbit.com/ and takes a sample of issuers from the energy sector, namely ADRO, PTBA, PGAS, ITMG, and HRUM. The system implements the Promethee method to rank stocks based on financial ratio criteria, which include PER, PBV, ROE, DER, and DY. The results of this system are expected to provide objective recommendations and help investors make more informed investment decisions as well as provide a comprehensive overview of valuation, profitability, capital structure, and potential returns.
PENERAPAN METODE WEIGHTED PRODUCT DALAM SELEKSI PENERIMAAN KARYAWAN BARU Alriza, Avid; Supatman, Supatman
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5889

Abstract

Sumber daya manusia (SDM) adalah kunci kemajuan industri, terutama melalui karyawan yang bekerja sesuai keahlian, dibalik semua itu ada HRD yang bertugas mencari, merekrut, dan menyeleksi kandidat yang memenuhi syarat melalui proses seperti tes tertulis, psikotes, wawancara, dan evaluasi kesehatan. semua itu bertujuan untuk memastikan perusahaan mendapatkan karyawan terbaik untuk posisi yang dibutuhkan. dibalik panjangnya proses tersebut banyak celah yang dapat terjadi saat proses penyeleksian, oleh karena itu dengan berbagai macam kriteria yang ada dibuatkan sebuah sistem yang dapat membantu HRD dalam menyeleksi para rekrutan baru dengan sistem penunjang keputusan penelitian menggunaka metode weighted product berhasil membuat sembuah sistem yang mampu membantu HRD dalam mengambil keputusan, dengan 30 data pegawai yang mendaftar dan dijadikan sebagai data penelitian dan dengan kriteria yang telah diputuskan sistem ini mendapatkan hasil bahwa Pelamar 1 merupakan pelamar dengan kesempatan diterima paling tinggi, dengan nilai weighted product sebesar 0,08274 yaitu pelamar1.
DETEKSI ANOMALI HARGA BITCOIN MENGGUNAKAN VARIATIONAL AUTOENCODER DAN EXTREME VALUE THEORY Arif, Nur; Supatman, Supatman
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6306

Abstract

Deteksi anomali pada harga Bitcoin menjadi tantangan penting dalam menganalisis volatilitas pasar cryptocurrency. Fluktuasi yang tajam dan tak terduga memerlukan metode yang sensitif dalam mendeteksi peristiwa ekstrim. Penelitian ini mengusulkan Kombinasi Variational Autoencoder(VAE) dan Extreme Value Theory(EVT) untuk mendeteksi anomali. Data yang digunakan diambil dari situs web investing.com, yang mencakup 1461 data pelatihan, 151 data validasi dan 500 data uji. VAE digunakan untuk menghitung rekonstruksi error, kemudian data dianalisis menggunakan EVT untuk memodelkan distribusi tail error menggunakan Generalized Pareto Distribution (GPD). Anomali didefinisikan berdasarkan threshold yang dihitung dari persentil distribusi error, dengan deteksi lebih sensitif terhadap data ekstrem. Metode ini diuji dengan menghitung metrik precision, recall, F1-score, dan accuracy. Hasil menunjukkan bahwa kombinasi VAE dan EVT efektif dalam mendeteksi anomali ekstrem, dengan hasil evaluasi yang baik dan akurat. Penelitian ini berkontribusi pada pengembangan model deteksi anomali yang lebih tangguh, terutama untuk pasar cryptocurrency yang sangat volatil. Hasil ini penting untuk mengidentifikasi potensi risiko atau peluang dalam pasar yang sangat volatil.
Klasifikasi Citra Virus SARS-COV Menggunakan Deep Learning Susilawati, Indah; supatman, supatman; Witanti, Arita
Jurnal Informatika: Jurnal Pengembangan IT Vol 8, No 2 (2023)
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/jpit.v8i2.4587

Abstract

Various variants of the SARS-COV virus emerged from 2003 to early 2022. This resulted in a heavy burden on the health sector in carrying out its duties and public services. It would be very helpful if a computer-assisted application was available that could distinguish between the variants of the SARS-CoV virus. From a scientific point of view, this is an opportunity for information technology to play its role to classify SARS-COV variants using supporting algorithms, including the use of artificial intelligence. Artificial intelligence-based and computer-assisted processes are certainly more immune to negative effects due to repetitive works and fatigue. In this study, Classification of the SARS-COV Virus Image Using Deep Learning (CNN) was carried out based on microscopic data called Transmission Electron Microscopy (TEM) images. The aim of the research is to produce a neural network (CNN/Deep Learning) that has been trained to classify two types of variants of the SARS virus, namely SARS-COV and SARS-COV2. The research phase includes data collection, data pre-processing (consists of the image format conversion and enhancing process), and the classification stage. The classification is carried out using both of the original and enhanced image data. The highest classification accuracy was obtained when the original image data was used, namely 77.66%. It was also found that the classification accuracy increased with an increase in the input image size, but the image data enhancing process used was not able to increase the classification accuracy beyond the classification accuracy achieved when using the original image.
Co-Authors Achmad, Bimo Vallentino Alriza, Avid Apriani, Nana Arita Witanti Aswadi, Khaidil Asyifa, Yuni Bambang Seran, Yulius Candra, Vanasius Willy Dees, Himan Ansori Dyah Ari Susanti Fadillah, Cindy Ichsanudin Ichsanudin, Ichsanudin Indah Susilawati Irdianto, Agoes Lada, Suddin Lumban Tobing, Heribertus Christian Agusto Manwombreidy Kafiar, Agustinus Muhammad Nasihin Muryanto, Herdin Nur Arif, Nur Prabowo, Rohman Sri Ayem Umi Wahidah Yosef Kolo, Severianus Yovita, Nila Sinta