Article Per Year (5 Year)
p-Index From 2021 - 2026
4.465
P-Index
This Author published in this journals
All Journal International Journal of Reconfigurable and Embedded Systems (IJRES) TEKNIK INFORMATIKA Jurnal TIMES Jurnal Teknologi Informasi dan Ilmu Komputer Scientific Journal of Informatics Sinkron : Jurnal dan Penelitian Teknik Informatika JURNAL MEDIA INFORMATIKA BUDIDARMA Indonesian Journal of Artificial Intelligence and Data Mining Jurnal Teknologi Informasi MURA Jurnal Telematika JOURNAL OF SCIENCE AND SOCIAL RESEARCH Journal of Applied Science, Engineering, Technology, and Education U-NET Jurnal Teknik Informatika Syntax: Journal of Software Engineering, Computer Science and Information Technology Jurnal Teknologi Sistem Informasi dan Sistem Komputer TGD Jurnal Minfo Polgan (JMP) Jurnal Pengabdian Pada Masyarakat METHABDI Majalah Ilmiah METHODA Jurnal Abdimastek (Pengabdian Masyarakat Berbasis Teknologi) PUBLIDIMAS CSRID SISFOTENIKA
Rika Rosnelly, Rika
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Medicine & Pharmacology Physics Public Health Social Sciences Other

Published : 34 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 34 Documents
Search

 1   2   3   4 
Deteksi Ketidakkonsistenan Font Sebagai Indikator Pemalsuan dan Penyuntingan Dokumen Digital Menggunakan Convolutional Neural Network (CNN) Krismona, Lumi; Ashari, Annisa; Habib, Nurhayati; Setiawan, Adil; Rosnelly, Rika
Jurnal Teknologi Sistem Informasi dan Sistem Komputer TGD Vol. 8 No. 2 (2025): J-SISKO TECH EDISI JULI
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jsk.v8i2.11741

Abstract

Pemalsuan dan penyuntingan dokumen digital merupakan ancaman serius dalam konteks keamanan informasi dan validitas dokumen resmi. Salah satu contoh aktual adalah kasus pemalsuan dokumen kependudukan untuk Penerimaan Peserta Didik Baru (PPDB) 2024 oleh Ato et al.(Kompas, 2024), telah ditemukan penyalahgunaan data dan perubahan pada dokumen seperti Kartu Keluarga (KK) untuk memanipulasi zonasi pendidikan. Kasus ini menunjukkan bahwa dokumen digital sangat rentan dimanipulasi salah satunya melalui ketidakkonsistenan jenis font pada struktur dokumen digital. Penelitian ini bertujuan untuk mendeteksi secara otomatis terhadap ketidakkonsistenan font dalam dokumen digital menggunakan arsitektur Convolutional Neural Network (CNN). Model dilatih menggunakan 100.000 sampel dari Document Font Recognition Dataset (DTFR), dengan pra-pemrosesan berupa konversi grayscale, normalisasi dan resize citra menjadi 32×32 piksel. CNN dirancang dengan dua lapisan konvolusional, max pooling, dropout dan dense layer. Hasil evaluasi menunjukkan akurasi sebesar 96,85% dengan nilai precision, recall dan F1-score rata-rata sebesar 0,97. Pendekatan ini terbukti lebih akurat dibandingkan metode SVM yang sebelumnya dilaporkan hanya mencapai 94,6%. Penelitian ini menunjukkan bahwa pendekatan CNN efektif untuk mendeteksi ketidakkonsistenan font sebagai indikator awal kemungkinan manipulasi dokumen digital. Meskipun model menunjukkan kinerja tinggi, ruang lingkup penelitian ini masih terbatas pada atribut font bold sebagai indikator utama. Pengembangan selanjutnya dapat mencakup eksplorasi atribut font lain serta validasi pada dokumen dari dunia nyata.
ANALISIS PERBANDINGAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK DAN ALGORITMA MULTI-LAYER PERCEPTRON NEURAL DALAM KLASIFIKASI CITRA SAMPAH Kohsasih, Kelvin Leonardi; Agung Rizky, Muhammad Dipo; Fahriyani, Tasya; Wijaya, Veronica; Rosnelly, Rika
Jurnal TIMES Vol 10 No 2 (2021): Jurnal TIMES
Publisher : STMIK TIME

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (496.449 KB) | DOI: 10.51351/jtm.10.2.2021655

Abstract

Menurut laporan bank dunia sampah merupakan salah satu permasalahan yang dihadapi dunia. Image clasification adalah salah satu bidang machine learning yang mampu melakukan klasikasi sampah berdasarkan jenisnya. Salah satu algoritma klasifikasi yang populer dan banyak digunakan adalah algoritma CNN yang merupakan algoritma deep learning. Pada penelitian ini kami akan melakukan analisis perbandingan kinerja algoritma CNN dengan algoritma MLP dalam melakukan klasifikasi jenis sampah. Dari penelitian yang kami lakukan, CNN mendapatkan performa yang lebih baik dimana hasil precision, recall, f1-score, dan accuracy sebesar 0,98 dan model CNN lebih efektif dalam melakukan klasifikasi sampah berdasarkan kelasnya.
PENGENALAN POLA KEMAMPUAN PELANGGAN DALAM MEMBAYAR AIR PDAM MENGGUNAKAN ALGORITMA NAÏVE BAYES Ilmi R.H. Zer, P.P.P.A.N.W. Fikrul; Batubara, Ela Roza; Alkhairi, Putrama; Tambunan, Fazli Nugraha; Rosnelly, Rika
Jurnal TIMES Vol 10 No 2 (2021): Jurnal TIMES
Publisher : STMIK TIME

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (828.686 KB) | DOI: 10.51351/jtm.10.2.2021656

Abstract

Dengan meningkatnya jumlah MBR (Masyarakat Berpenghasilan Rendah) yang masuk setiap tahunnya dimasing-masing wilayah di Pematansgsiantar, pihak PDAM Tirta Lihou berencana mencari alternatif solusi dalam menangani permasalahan kemampuan pelanggan dalam membayar tagihan air sehingga biaya opersional tetap bisa berjalan baik dan produksi dapat memenuhi kebutuhan masyarakat. Dalam menentukan alternatif untuk menentukan kemampauan masyarakat dalam membayar tagiahan air digunakan metode datamining. Dengan menggunakan teknik datamining khususnya klasifikasi menggunakan algoritma Naive Bayes dapat dilakukan prediksi terhadap kemampauan pelanggan dalam membayar tagihan air bersih berdasarkan data yang ada. Naive bayes adalah teknik prediksi probabilistik sederhana yang berdasarkan pada teorema Bayes dengan asumsi independensi (ketidak tergantungan) yang kuat. Berdasarkan hasil dari perhitungan menggunakan algoritma Naive Bayes, diperoleh hasil klasifikasi dari 30 alternatif yang digunakan, dimana terdapat 11 kelas mampu membayar tagihan dan 19 Tidak Mampu dengan total Accuracy yang diperoleh sebesar 70%. Dari hasil yang diperoleh,diharapkan penelitian ini dapat membantu pihak PDAM Tirta Lihou dalam menentukan lokasi yang layak dilakukan penaybungan sumber air untuk pelanggan yang memiliki prosfek baik dengan kemampuan untuk membayar tagihan air, sehingga dapat meminimalisir kerugian PDAM dan dapat memenuhi kebutuhan masyarakat. Penelitian ini juga diharapkan dapat menjadi referensi bagi peneliti selanjutnya yang berkaitan dengan pengguna algoritma yang digunakan.
EVALUASI DENSENET-201 UNTUK IDENTIFIKASI BIJI KOPI MENGGUNAKAN HYPERPARAMETER GRIDSEARCH Manza, Yuke; Rambe, Lima Hartimar; Siregar, Kiki Putri Ani; Rosnelly, Rika; Setiawan, Adil
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 8, No 3 (2025): August 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i3.3898

Abstract

Abstract: Coffee is one of the most important commodities in the global agricultural sector. However, the manual sorting process of coffee beans, which is still widely applied in the Small and Medium Industry (IKM) sector, tends to be time-consuming and often results in inconsistent quality assessments. This study aims to classify coffee bean quality using the DenseNet-201 deep learning architecture, optimized with the GridSearch method to obtain the best combination of hyperparameters. The dataset used consists of 450 images of coffee beans divided into two classes: good-quality and defective beans. The model was trained for 20 epochs using a transfer learning approach and evaluated using performance metrics such as accuracy, precision, recall, and F1-score. The test results show that the model before optimization achieved an accuracy of only 78.67%, while the model optimized with GridSearch reached a high accuracy of 99.47% with a low loss value. These findings indicate that the application of DenseNet-201 with hyperparameter tuning is capable of producing accurate and stable classification results, and can be relied upon as an automated solution for sorting coffee beans based on their quality. Keywords: Deep Learning, DenseNet201, Hyperparameter, GridSearch, Coffee Bean Classification Abstrak: Kopi merupakan salah satu komoditas penting dalam sektor pertanian global. Namun, proses pemilahan biji kopi secara manual yang masih banyak diterapkan pada sektor Industri Kecil dan Menengah (IKM) cenderung memakan waktu dan menghasilkan penilaian kualitas yang tidak konsisten. Penelitian ini bertujuan untuk mengklasifikasikan kualitas biji kopi menggunakan arsitektur Deep Learning DenseNet-201 yang dioptimalkan dengan metode GridSearch untuk memperoleh kombinasi hyperparameter terbaik. Dataset yang digunakan terdiri dari 450 gambar biji kopi dengan dua kelas: biji kopi bagus dan biji kopi rusak. Model dilatih selama 20 epoch dengan pendekatan transfer learning dan dilakukan evaluasi terhadap performa model menggunakan metrik akurasi, precision, recall, dan f1-score. Hasil pengujian menunjukkan bahwa model sebelum optimasi hanya mencapai akurasi sebesar 78,67%, sedangkan model dengan optimasi GridSearch mampu mencapai akurasi tinggi sebesar 99,47% dan nilai loss yang rendah. Hal ini menunjukkan bahwa penerapan DenseNet-201 dengan tuning hyperparameter mampu menghasilkan klasifikasi yang akurat dan stabil, serta dapat diandalkan sebagai solusi otomatis dalam proses sortasi biji kopi berdasarkan kualitasnya. Kata kunci: Deep Learning, DenseNet201, Hyperparameter, GridSearch, Klasifikasi Biji Kopi
Implementasi Teknologi Informasi untuk Meningkatkan Strategi Penjualan pada UKM Driply Coffee Berbasis Online Wahyuni, Linda; Hardianto, Hardianto; Rosnelly, Rika; Syahrian, Achmad; Rahmadi, Diky
Jurnal Pengabdian Pada Masyarakat METHABDI Vol 5 No 1 (2025): Jurnal Pengabdian Pada Masyarakat METHABDI
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/methabdi.Vol5No1.pp7-12

Abstract

Small and medium enterprises (SMEs) are similar to the category of Small and medium enterprises (SMEs), but are usually used to refer to small and medium enterprises only, without including micro businesses. Community service carried out at UKM Driply Coffee, which provides types of drinks in the form of coffee and several other types of drinks besides, also providing food that can accompany customers when they come and sit down to relax either alone, with friends, colleagues, or with family. The research conducted looked at the process of its marketing system, which uses social media such as Facebook, Instagram, and also WhatsApp. The system is indeed seen by many customers, only the process for ordering and selecting menus and the payment process cannot all be seen in the display due to the limitations of the image display, from the presentation of these conditions this research was conducted for approximately 3 months, and will be designed and implemented an online-based application that uses a web program and a MySQL database. Customers can access remotely and can also make payments online, and delivery of drinks or food will be carried out according to the intended location. The convenience felt is not only for customers, but partners will also get convenience and be able to compete in the world of small and medium enterprises (UKM).
Pengenalan Pola Aksara Batak menggunakan Backpropagation Sumantri, Ekoliyono Wahyu; Nasution, Ammar Yasir; Suyono, Suyono; Rosnelly, Rika
SISFOTENIKA Vol. 14 No. 1 (2024): SISFOTENIKA
Publisher : STMIK PONTIANAK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30700/sisfotenika.v14i1.419

Abstract

Pengenalan pola adalah proses pengidentifikasian, pemodelan, dan pengklasifikasian pola dalam data. Tujuannya adalah untuk menemukan hubungan atau struktur dalam data yang dapat digunakan untuk memahami, mengklasifikasikan, atau membuat prediksi tentang data yang baru atau tidak terlabel. Ada berbagai jenis teknik dan pendekatan yang digunakan dalam pengenalan pola, termasuk metode statistik, metode pembelajaran mesin, dan jaringan saraf tiruan. Beberapa pendekatan umum dalam pengenalan pola: Jaringan saraf tiruan (artificial neural network) adalah model matematika yang terinspirasi oleh cara kerja otak manusia. Jaringan ini terdiri dari banyak neuron yang terhubung dalam lapisan-lapisan dan dapat belajar melalui proses pelatihan dengan algoritma backpropagation. Jaringan saraf tiruan dapat digunakan untuk mengenali pola dalam data yang kompleks dan menemukan hubungan non-linear antara fitur dan keluaran. Penting untuk dicatat bahwa setiap tugas pengenalan pola memiliki karakteristik dan kebutuhan yang berbeda, dan pendekatan yang tepat dapat bervariasi. Jaringan saraf tiruan memiliki keunggulan dalam kemampuan mereka untuk menangani pola-pola kompleks dan non-linear dalam data. Dalam prakteknya, arsitektur jaringan, fungsi aktivasi, algoritma pembelajaran, dan parameter lainnya harus disesuaikan dengan tugas pengenalan pola yang spesifik. Jaringan saraf tiruan dapat digunakan untuk mengenali pola dalam data. Pengenalan pola adalah tugas yang umum dipecahkan menggunakan jaringan saraf tiruan. Sehingga pada pembahasan ini data – data yang di extrak dari gambar aksara batak akan diubah menjadi pola, sehingga memberikan pendekatan kepada pengolahan data secara kwantitatif dimana, gambar gambar yang telah di tentukan akan di ubah menjadi gambar bentuk bipolar atau bilangan 1 dan -1, karena data bipolar yang telah disesuaikan pada data masukan dan data keluaran yang di sesuaikan dengan target yang telah ditentukan. Dan setelah di lakukan pengujian dengan menggunakan metode Bacpropagation, pola yang ada pada gambar aksara batak di kenali dengan baik dimana hasil pengenalan sampai 97 % dari data gambar yang telah di tentukan.
Model Machine Learning untuk Klasifikasi Warna Fashion Menggunakan Metode K-Nearest Neighbor Manza, Yuke; Suhada WD, Muhammad; Ndruru, Agus F.S.; Rosnelly, Rika
Jurnal Minfo Polgan Vol. 13 No. 2 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i2.14551

Abstract

Penelitian ini bertujuan untuk mengembangkan model klasifikasi warna fashion menggunakan metode K-Nearest Neighbor (KNN). Dengan mengumpulkan data dari 25.000 sampel yang mencakup variabel tinggi badan, berat badan, jenis kelamin, indeks massa tubuh, dan warna kulit, penelitian ini menerapkan tahapan metodologi yang sistematis, termasuk pengumpulan data, pra-pemrosesan, pemodelan, dan evaluasi. Hasil analisis menunjukkan bahwa model KNN mencapai akurasi sebesar 78.22%, dengan kemampuan yang baik dalam membedakan kelas positif dan negatif. Meskipun hasil ini memuaskan, terdapat peluang untuk meningkatkan akurasi model melalui optimasi parameter atau penggabungan dengan algoritma lain. Temuan ini memberikan kontribusi signifikan terhadap pengembangan teknologi machine learning dalam industri fashion, serta menawarkan solusi praktis bagi desainer dan produsen dalam memilih kombinasi warna yang menarik, sehingga dapat meningkatkan daya tarik produk di pasar.
Unity Engine Sebagai Media Pengembangan Game Musik Cross Platform Ramadhan, Muhammad Yakub; Rosnelly, Rika
U-NET Jurnal Teknik Informatika Vol. 7 No. 2 (2023): U-NET Jurnal Teknik Informatika | Agustus
Publisher : LPPM Universitas Al Washliyah Labuhanbatu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52332/u-net.v7i2.560

Abstract

Majority of game developers only release their games for mainstream and well known platforms like Windows because of their huge user base which makes any other platforms like Linux can’t enjoy some new games only Windows users have. But with vast improvements in game development scene now a game developer can release a cross platform game with Unity Game Engine that supports many platforms including Linux. This research is conducted to develop an Unity cross platform game with rhythm game as the game genre which can be played with less demanding hardware and also taking part in improving players cognitive function.
Pengenalan Jenis Hama Pada Daun Kelapa Untuk Penentuan Pertumbuhan Kelapa Berdasarkan Citra Digital Sukriatna; Rosnelly, Rika
U-NET Jurnal Teknik Informatika Vol. 8 No. 1 (2024): U-NET Jurnal Teknik Informatika | Februari
Publisher : LPPM Universitas Al Washliyah Labuhanbatu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52332/u-net.v8i1.1073

Abstract

Petani merupakan seseorang yang memelihara tanaman seperti kelapa. Setiap petani berhak menerima hasil terbaik dari yang di tanam. Lahan yang bagus mampu menghasilkan tanaman yang baik, kualitas tanaman terbaik di hasilkan ketika pertumbuhan tanaman stabil. Pertumbuhan tanaman stabil dilakukan dengan cara mengontrol pertumbuhan pada tanaman. Pada umumnya petani mengontrol pertumbuhan tanaman dengan cara tradisional, hal tersebut membuat kekeliruan petani untuk pertumbuhan tanaman. Namun seiring dengan perkembangan teknologi pengawasan pertumbuhan pada tanaman dapat dilakukan secara terkomputerisasi. Dengan adanya permasalahan tersebut maka diperlukan sebuah sistem untuk mengenali jenis hama pada daun kelapa. Pengenalan jenis hama tersebut dapat diterapkan dan diaplikasikan dengan menggunakan metode K-Means Clustering dan SVM (Support Vector Machine). K-Means Clustering adalah metode yang digunakan untuk segmentasi citra sedangkan SVM adalah metode yang digunakan untuk pengakelasan data jenis hama.
Challenges and Strategies in Forensic Investigation: Leveraging Technology for Digital Security Using Log/Event Analysis Method Nasution, Ammar Yasir; Hartono, Hartono; Rosnelly, Rika
JURNAL TEKNIK INFORMATIKA Vol. 18 No. 1: JURNAL TEKNIK INFORMATIKA
Publisher : Department of Informatics, Universitas Islam Negeri Syarif Hidayatullah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15408/jti.v18i1.42815

Abstract

Cybersecurity threats continue to evolve, necessitating advanced techniques for network anomaly detection. This study developed a comprehensive methodology for detecting network anomalies by leveraging sophisticated log and event analysis using machine learning algorithms. By employing a Naive Bayes classification approach on a synthetic cybersecurity dataset comprising 40,000 entries with 25 unique features, the research aimed to enhance anomaly detection precision. The methodology involved meticulous data preprocessing, feature selection, and strategic model validation techniques, including cross-validation and external benchmarking. Comparative analysis with K-Nearest Neighbors and Support Vector Machine algorithms demonstrated the Naive Bayes method's superior performance, achieving a classification accuracy of 94.8%, an Area Under the Curve (AUC) of 0.949, and a Matthews Correlation Coefficient of 0.896. The study identified critical parameters influencing anomaly detection, such as source port characteristics and attack signatures. These findings contribute significant insights into machine learning-based network security strategies, offering a robust framework for early threat identification and mitigation.
Co-Authors -, Mubarak Agung Rizky, Muhammad Dipo Agus Fahmi Limas Ptr Aji, Eko Setyo Budi Putra Akbar, Muhammad Barkah Alkhairi, Putrama Amrullah Amrullah Ashari, Annisa Bambang Suhardi Batubara, Ela Roza Bob Subhan Riza, Bob Subhan Daifiria Dian Maya Sari ElisaBeth S, Noprita ElisaBeth S Fahriyani, Tasya Finis Hermanto Laia Gea, Muhammad Nasri Habib Satria Habib, Nurhayati Harahap, Charles Bronson Harahap, Gilang Harahap, Sarwedi HARDIANTO - Hartono Hartono Haryanto S., Edy Victor Heru Satria Tambunan, Heru Satria Ilmi R.H. Zer, P.P.P.A.N.W. Fikrul Indra Kelana Jaya Junaidi Junaidi Kelvin Leonardi Kohsasih Khairi, Ibni Krismona, Lumi Limas, Agus Fahmi Manza, Yuke Margolang, Khairul Fadhli MARIA BINTANG Mega Christin Morys Lase Mochammad Imron Awalludin Muhammad Sadikin Mulkan Azhari Nasution, Ammar Yasir Nasution, M. Irfan Aldy Naswar, Alvinur Ndruru, Agus F.S. Nur Hayati Nursie, Aly Paramitha, Cindy Putra, Reza Ananda Rahma, Intan Dwi Rahmadi, Diky Ramadhan, Muhammad Yakub Rambe, Lima Hartima Rambe, Lima Hartimar Rofiqoh Dewi Roslina Roslina, Roslina Sagala, Tamado Simon Sari, Rita Novita Setiawan, Adil Simanullang, Maradona Jonas Siregar, Kiki Putri Ani Situmorang, Zakaria sri lestari rahayu Subhan, Zhafira Nur Sugeng Riyadi Suhada WD, Muhammad Sukriatna Sumantri, Ekoliyono Wahyu Suyono Suyono Syahrian, Achmad Tambunan, Fazli Nugraha Tarigan, Dede Ardian Teddy Gunawan, Teddy Teddy Surya Gunawan Tri Nowo, Suryandika Veronica Wijaya, Veronica Wahyudi, Diky Wahyuni, Linda Wanayaumini, W Wanayumini Zai, Andreas Zakarias Situmorang Zer, P.P.P.A.N.W. Fikrul Ilmi R.H.