Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

1.607

P-Index

This Author published in this journals

All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Journal of Information Technology and Computer Science Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Jurnal Inovasi Hasil Pengabdian Masyarakat (JIPEMAS) Tri Dharma Mandiri: Diseminasi dan Hilirisasi Riset Kepada Masyarakat (Jurnal Pengabdian Kepada Masyarakat) Babali Emergency and Disaster Research Signal and Image Processing Letters

Agus Wahyu Widodo, Agus Wahyu

Unknown Affiliation

Author-ID : 504034

Biochemistry, Genetics & Molecular Biology Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Health Professions Industrial & Manufacturing Engineering Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 14 Documents Claim Missing Document

Claim Missing Document

Articles

1 2

Sistem Verifikasi Tanda Tangan Off-Line Berdasar Ciri Histogram Of Oriented Gradient (HOG) Dan Histogram Of Curvature (HoC) Widodo, Agus Wahyu; Harjoko, Agus
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 2 No 1: April 2015
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Abstrak Tanda tangan dengan sifat uniknya merupakan salah satu dari sekian banyak atribut personal yang diterima secara luas untuk verifikasi indentitas seseorang, alat pembuktian kepemilikan berbagai transaksi atau dokumen di dalam masyarakat. Keberhasilan penggunaan ciri gradien dan curvature dalam bidang-bidang penelitian pengenalan pola dan bahwa tanda tangan dapat dikatakan merupakan hasil tulisan tangan yang tersusun atas beragam garis dan lengkungan (curve) yang memiliki arah atau orientasi merupakan alasan bahwa kedua ciri tersebut digunakan sebagai metoda verifikasi tanda tangan offline di penelitian ini. Berbagai implementasi dari pre-processing, ekstraksi dan representasi ciri, dan pembelajaran SVM serta usaha perbaikan yang telah dilakukan dalam penelitian ini menunjukkan hasil bahwa ciri HOG dan HoC mampu dimanfaatkan dalam proses verifikasi tanda tangan secara offline. Pada basis data GPDS960Signature, HOG dan HoC yang dihitung pada ukuran sel 30 x 30 piksel memberikan dengan nilai %FRR terbaik 26,90 dan %FAR 37,56. Sedangkan pada basis data FUM-PHSDB, HOG dn HoC yang dihitung pada ukuran 60 x 60 piksel memberikan nilai %FRR terbaik 4 dan %FAR 57. Kata kunci: verifikasi tanda tangan, curvature, orientation, gradient, histogram of curvature (HoC), histogram of oriented gradient (HOG) Abstract Signature with unique properties is one of the many personal attributes that are widely accepted to verify a person's identity, proof of ownership transactions instrument or document in the community. The successful use of gradient and curvature feature in the research fields of pattern recognition is the reason that both of these features are used as an offline signature verification method in this study. Various implementations of preprocessing, feature extraction and representation, and SVM learning has been done in the study showed results that HOG and HoC feature can be utilized in the process of offline signature verification. HOG and HOC calculated on a combination of two different cell sizes at a time. Improvement effort has been made and showed the expected results, although of little value. HOG and HOC calculated on a such cell sizes at a time. In database GPDS960Signature, best cell size is in 30 with the value 26.90% FRR and FAR 37.56%. While the database FUM-PHSDB, the best cell size is 60 with a value of 4% FRR and FAR 57%. Keywords: signature verification, curvature, orientation, gradient, a histogram of curvature (HOC), a histogram of oriented gradient (HOG)

Optimasi Derajat Keanggotaan Fuzzy Tsukamoto Menggunakan Algoritma Genetika Untuk Diagnosis Penyakit Sapi Potong Kurnianingtyas, Diva; Mahmudy, Wayan Firdaus; Widodo, Agus Wahyu
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 4 No 1: Maret 2017
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Sistem inferensi fuzzy bisa digunakan untuk diagnosis penyakit pada sapi potong. Untuk mendapatkan akurasi yang tinggi maka batasan fungsi keanggotaan fuzzy perlu ditentukan secara tepat. Penggunaan metode logika fuzzy untuk memperoleh hasil diagnosis penyakit pada sapi potong sesuai pakar berdasarkan batasan gejala penyakit dan aturan-aturan yang diperoleh dari pakar. Batasan tersebut bisa diperbaiki menggunakan Algoritma Genetika untuk mendapatkan akurasi yang lebih baik. Pengujian yang dilakukan pada 51 data dari beberapa gejala penyakit menghasilkan akurasi sebesar 98,04% dengan menggunakan parameter genetika terbaik antara lain ukuran populasi sebesar 80, ukuran generasi sebesar 15, nilai Crossover rate (Cr) sebesar 0,9, dan nilai Mutation rate (Mr) sebesar 0,06. Akurasi tersebut mengalami peningkatan sebesar 3,54% sesudah dilakukannya optimasi pada metode logika fuzzy.Kata kunci: diagnosis penyakit sapi potong, logika fuzzy, Algoritma GenetikaAbstract Fuzzy inference systems can be used to diagnose cattle disease. Prior to obtaining the most accurate of limitation, fuzzy membership functions must be defined precisely. Thus, the limits will be optimized along with Genetic Algorithm to get more accurate results. The function of fuzzy logic methods in the diagnosis of disease is relied upon the parametres set by experts. Tests that were performed on 51 data from some of the symptoms of the disease resulted in an accuracy of 98.04% using the best genetic parameters with the population size of 80, the size of the generation of 15, crossover rate value of 0.9, and the value of mutation rate of 0.06. The accuracy has increased by 3.54% compare to results before optimization. Keywords: cattle disease diagnosis, fuzzy logic, genetic algorithms

Deteksi Covid-19 pada Citra Sinar-X Dada Menggunakan Deep Learning yang Efisien Yudistira, Novanto; Widodo, Agus Wahyu; Rahayudi, Bayu
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 6: Desember 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2020763651

Deteksi Covid-19 merupakan tahapan penting untuk mengenali secara dini pasien terduga Covid-19 sehingga dapat dilakukan langkah lanjutan. Salah satu cara pendeteksian adalah melalui citra sinar-x paru. Namun demikian, selain dibutuhkan suatu model algoritma yang dapat menghasilkan akurasi tinggi, komputasi yang ringan merupakan hal yang dibutuhkan sehingga dapat diaplikasikan dalam alat pendeteksi. Model deep CNN dapat melakukan deteksi dengan akurat namun cenderung memerlukan penggunaan memori yang besar. CNN dengan parameter yang lebih sedikit dapat menghemat storage maupun penggunaan memori sehingga dapat berproses secara real time baik berupa alat pendeteksi maupun sistem pengambilan keputusan via cloud. Selain itu, CNN dengan parameter yang lebih kecil juga dapat untuk diaplikasikan pada FPGA dan perangkat keras lainnya yang mempunyai kapasitas memori terbatas. Untuk menghasilkan deteksi COVID-19 pada citra sinar-x paru yang akurat namun komputasinya juga ringan, kami mengusulkan arsitektur CNN kecil namun handal dengan menggunakan teknik pertukaran channel yang disebut ShuffleNet. Dalam penelitian ini, kami menguji dan membandingkan kemampuan ShuffleNet, EfficientNet, dan ResNet50 karena mempunyai jumlah parameter yang lebih kecil dibanding CNN pada umumnya seperti VGGNet atau FullConv yang menggunakan lapisan konvolusi secara penuh namun mempunyai kemampuan deteksi yang mumpuni. Kami menggunakan 1125 citra sinar-x dan mencapai akurasi 86.93 % dengan jumlah parameter model yang 18.55 kali lebih sedikit dari EfficientNet dan 22.36 kali lebih sedikit dari ResNet50 untuk mendeteksi 3 kategori yaitu Covid-19, Pneumonia, dan normal melalui uji 5-fold crossvalidation. Memori yang diperlukan oleh masing-masing arsitektur CNN tersebut untuk melakukan sekali deteksi berhubungan secara linier dengan jumlah parameternya dimana ShuffleNet hanya memerlukan memori GPU sebesar 0.646 GB atau 0.43 kali dari ResNet50, 0.2 kali dari EfficientNet, dan 0.53 kali dari FullConv. Lebih lanjut, ShuffleNet melakukan deteksi paling cepat yaitu sebesar 0.0027 detik.AbstractCovid-19 detection is an important step in identifying early patients with suspected Covid-19 so that further steps can be taken. One way of detection is through pulmonary x-ray images. However, besides requiring an algorithm model that can produce high accuracy, lightweight computation is needed so that it can be applied in a detector. The deep CNN model can detect accurately but tends to require large memory usage. CNN with fewer parameters can save storage and memory usage so that it can process in real time both in the form of detection devices and decision-making systems via the cloud. In addition, CNN with smaller parameters can also be applied to FPGA and other hardware that have limited memory capacity. To produce accurate COVID-19 detection on x-ray images with lightweight computation, we propose a small but reliable CNN architecture using a channel shuffle technique called ShuffleNet. In this study, we tested and compared the capabilities of ShuffleNet, EfficientNet, and ResNet because they have a smaller number of parameters than usual deep CNN, such as VGGNet or FullConv which uses a full convolution layers with a robust detection capability. We used 1125 x-ray images and achieved an accuracy of 86.93% with a number of model parameters of 18.55 times less than EfficientNet and 22.36 times less than ResNet50 to detect 3 categories namely Covid-19, Pneumonia, and normal through the 5-fold cross validation. The memory required by each CNN architecture to perform one detection is linearly related to the number of parameters where ShuffleNet only requires GPU memory of 0.646 GB or 0.43 times that of ResNet50, 0.2 times of EfficientNet, and 0.53 times of FullConv. Furthermore, ShuffleNet performs the fastest detection at 0.0027 seconds.

Enhancing Islamic Boarding School Management in Jombang through Artificial Intelligence Kurnianingtyas, Diva; Daud, Nathan; Widodo, Agus Wahyu; Muflikhah, Lailil; Yudistira, Novanto
TRI DHARMA MANDIRI: Dissemination and Downstreaming of Research to the Community (Journal of Community Engagement) Vol 5 No 2 (2025)
Publisher : SMONAGENES Research Center, Univeritas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21776/ub.jtridharma.2025.005.02.143

The drive for digital transformation and the need to enhance governance efficiency in religious educational institutions provided the backdrop for this community service program, which implemented artificial intelligence (AI) technology at an Islamic boarding school in Jombang. This program aimed to enhance the management competencies of Islamic boarding schools in Jombang by applying AI technology. The activities included socialization and training sessions on AI-based applications such as facial recognition, attendance systems, and student nutrition management tools. A one-group pretest–posttest design was employed to evaluate management competence before and after the training. The analysis showed a significant increase in participants’ scores from the pretest (23.86 ± 3.34) to the posttest (45.06 ± 1.56), with Z = –6.166 and p < 0.001. This improvement contributed to more efficient student attendance tracking, optimized data-based nutrition management, and motivated participants to integrate technology into pesantren administration. The practical implication of this program is the need for continuous training to expand further the adoption of artificial intelligence in other Islamic boarding schools.

Co-Authors Agus Harjoko Alayasi, Mutia Albyn, Devanda Faiqh Alqorni, Faiz Ardiansyah, Fredi Arief Andy Soebroto Bakhtiyar, Rizkhy Bayu Rahayudi Daud, Nathan Dzikrullah, Muhammad Aulia Fachruz Hak, Denny Achsanul Hakim, Gibran Harianto, Dwi Cahyo Hasdar Hernando, Deo Indriati Kurnianingtyas, Diva Lailil Muflikhah Mahendra, Andika Raka Muh. Arif Rahman Novanto Yudistira Nurdiansyah, Yuli Pangondian, Yosia Pradana Rifanto, Eko Adi Tirana Noor Fatyanosa, Tirana Noor Wayan Firdaus Mahmudy Wibowo, Tri Suryo Yuita Arum Sari

Title

Found 14 Documents
Search

Abstract

Abstract

Abstract

Abstract

Title Search

Found 14 Documents Search

Abstract

Abstract

Abstract

Abstract

Title

Found 14 Documents
Search