Article Per Year (5 Year)
p-Index From 2021 - 2026
3.495
P-Index
This Author published in this journals
All Journal Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JURNAL MEDIA INFORMATIKA BUDIDARMA Indonesian Journal of Artificial Intelligence and Data Mining Communication in Biomathematical Sciences JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Building of Informatics, Technology and Science JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Journal of Computer System and Informatics (JoSYC) Charity : Jurnal Pengabdian Masyarakat eProceedings of Engineering Jurnal INFOTEL Cahaya Pengabdian LOGIC: Jurnal Penelitian Informatika
Aditya Firman Ihsan
Telkom University
Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Social Sciences Other

Published : 21 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 21 Documents
Search

 1   2   3 
Comparison of KNN and LSTM on the Prediction of the Operational Conditions of Natural Gas Pipeline Transmission Networks Yusuf, Afrizal Syahruluddin; Hasmawati, Hasmawati; Ihsan, Aditya Firman
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 2 (2024)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v9i2.4528

Abstract

During the gas distribution process, a sequence of compressors creates a pressure difference, causing gas to move from regions of high pressure to areas with comparatively lower pressure. The Natural Gas transmission process experiences variations in pressure and temperature, primarily caused by frictional losses, differences in altitude, gas velocity, and the Joule-Thompson effect. Additionally, effective heat transfer to or from the environment contributes to temperature changes throughout the pipeline. The presence of liquid and density changes (hydrate) within the channel also has an impact on the pressure, influencing both pressure and temperature conditions.. This study implements the KNN and LSTM models to predict pressure conditions in natural gas transmission pipelines to analyze the performance comparison of the best model performance using several appropriate parameters to support maximum method performance results. The results show that the LSTM model is better at predicting pressure conditions in natural gas pipeline transmission networks, with an R2 score of 99.45, compared to the KNN model, with an R2 score of 92.82. This study also obtained prediction results from the KNN and LSTM models; the KNN model tends to produce the same pressure value for eight months, while the LSTM model produces pressure values that tend to vary.
Analysis Content Type and Emotion of the Presidential Election Users Tweets using Agglomerative Hierarchical Clustering Sujadi, Cika Carissa; Sibaroni, Yuliant; Ihsan, Aditya Firman
Sinkron : jurnal dan penelitian teknik informatika Vol. 7 No. 3 (2023): Article Research Volume 7 Issue 3, July 2023
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/sinkron.v8i3.12616

Abstract

Over the past few years, social media has become essential for getting up-to-date information and interacting online. During presidential elections in Indonesia, Twitter has grown as a crucial platform for expressing opinions and sharing information. This study focuses on analyzing the content types and emotions of tweets related to Anies Baswedan, one of the presidential candidates. The results show a variety of discussions, including support, criticism, and discussion of policies for the 2024 presidential candidate. Clustering enables meaningful information extraction from vast Twitter data. Data were clustered using Agglomerative Hierarchical Clustering, which resulted in the identification of 10 clusters. With 4 clusters containing opinion content and 6 clusters containing information content. In addition, 6 clusters reflect excitement, 3 reflect expectations, and 1 reflect doubt. This research provides insights into the Twitter conversation around the 2024 presidential election, providing an understanding of content and emotions expressed by users.
ANALYZING TEMPEARTURE ANOMALIES IN MONITORING DATA USING CONVOLUTIONAL NEURAL NETWORK Puteri, Nurhidayah; Astuti, Widi; Ihsan, Aditya Firman
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 1 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i1.5616

Abstract

Temperature is a tool that shows the degree or measure of how hot or cold an object is. Incorrect temperature measurement can be fatal and cause various problems. Abnormal temperatures can prevent the temperature detection system from running optimally. Therefore, it is necessary to classify temperatures into normal and anomalous. Machine learning can be used as an alternative for temperature classification. By utilizing machine learning methods, one of which is Convolutional Neural Network. 3688569 temperature data were tested, dividing the results into 80% training data and 20% testing data. Accuracy, Precision, Recall, and F1 Score get a score of 100% and the CNN model graph is very good.
Facial Expression Recognition Dengan Pemodelan Berbasis CNN Pada Wajah Bermasker Indidharmanto, Ahmad Maulana; Ihsan, Aditya Firman; Sulistyo, Mahmud Dwi
eProceedings of Engineering Vol. 12 No. 3 (2025): Juni 2025
Publisher : eProceedings of Engineering

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

Abstract

Pandemi Covid-19 yang telah menyebabkanpenggunaan masker wajah menjadi hal yang umum dimasyarakat sebagai upaya untuk mencegah penyebaran virus.Namun, hal ini menimbulkan tantangan baru dalampengenalan ekspresi wajah atau Facial Expression Recognition(FER). Facial Expression Recognition digunakan untukmemahami bagaimana manusia berperilaku, sehinggamembantu dalam strategi pencegahan penyebaran virus danmenghilangkan halangan manusia untuk saling bersosialisasiwalau dalam keterbatasan. Dalam hal keamanan, dapatdimanfaatkan untuk membedakan orang yang memiliki intensiburuk dibalik ekspresi yang tertutup masker. Kekurangan yangada pada Facial Expression Recognition saat ini yaituterbatasnya pendeteksian berbagai macam jenis ekspresidikarenakan hilangnya informasi penting dari area mulut danhidung yang tertutup masker. Penelitian ini bertujuan untukmenemukan model arsitektur Convolutional Neural Network(CNN) dengan akurasi dalam beberapa ekspresi sepertibahagia, marah, sedih, netral, dan terkejut. Penelitian inimengevaluasi performa tiga model, yaitu ResNet50, EmotionEnsemble Model, dan VGG19. ResNet50 menunjukkanperforma dengan akurasi 89.51%, Emotion Ensemble Modeldengan akurasi 82.49%. Sementara itu VGG19 mencapaiakurasi 72.44%. Kontribusi utama penelitian ini adalahpengembangan ensemble yang cukup akurat pada datasetdengan variasi tinggi, serta analisis terhadap keunggulan dankelemahan setiap model. Membantu mengenal pemilihanarsitektur model yang tepat untuk pengenalan ekspresi berbasiscitra pada kondisi terbatas. Kata kunci— facial expression recognition, convolutionalneural network, ResNet50, masker wajah, deep learning,Masked-Fer2013
Penguatan Partisipasi Masyarakat melalui Sosialisasi Lanjutan Reaktor Sampah di Kelurahan Cangkuang Kulon Ihsan, Aditya Firman; Muzakky, Faqih Ahmad; Dzakiy, Uruqul Nadhif
Cahaya Pengabdian Vol. 2 No. 1 (2025): Juni 2025
Publisher : Apik Cahaya Ilmu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61971/cp.v2i1.231

Abstract

Sampah organik masih menjadi permasalahan utama di kawasan perkotaan maupun semi-urban. Salah satu pendekatan teknis yang dapat digunakan adalah pemanfaatan reaktor sampah untuk mengolah limbah organik menjadi produk bernilai guna, seperti pakan ternak dan pupuk. Namun, keberhasilan implementasi teknologi tersebut sangat ditentukan oleh keterlibatan aktif masyarakat dalam sistem pengelolaan sampah. Kegiatan pengabdian masyarakat ini bertujuan untuk melakukan sosialisasi lanjutan mengenai reaktor sampah kepada warga Kelurahan Cangkuang Kulon, sekaligus meluncurkan website reaktorsampah.com sebagai sarana informasi, branding, dan edukasi digital. Metode kegiatan mencakup penyuluhan, demonstrasi penggunaan reaktor, penjelasan website, serta diskusi kelompok terarah (FGD) untuk menggali ide sistem setoran sampah organik dari warga. Hasil kegiatan menunjukkan adanya antusiasme tinggi dari masyarakat dan dukungan dari tokoh lokal, yang ditandai dengan munculnya inisiatif pembentukan mekanisme setoran sampah berbasis komunitas. Keberadaan website juga mendapat respon positif karena memperluas akses informasi dan meningkatkan kredibilitas program. Dengan demikian, sosialisasi lanjutan ini tidak hanya meningkatkan pemahaman warga mengenai manfaat reaktor sampah, tetapi juga membuka peluang pembentukan ekosistem partisipatif dalam pengelolaan sampah organik yang berkelanjutan.
Klasifikasi Citra Jenis Pesawat Menggunakan Algoritma CNN Dengan Arsitektur ResNet Putra, Rachmat Dwi; Ihsan, Aditya Firman
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Abstract

Jenis pesawat terbang beragam berdasarkan bentuk, ukuran, dan tujuan penggunaannya, sehingga sulit untuk diklasifikasikan dan menjadikannya sebuah tantangan terutama dalam pengembangan teknologi citra. Dalam penelitian ini, algoritma CNN dengan arsitektur ResNet digunakan untuk mengembangkan sistem klasifikasi citra jenis pesawat. Model dibangun dan diuji pada dataset pribadi yang terdiri dari 4.520 citra dari delapan kelas jenis pesawat. Model dilatih dalam dua skenario (dengan dan tanpa augmentasi) dan dua ukuran batch (16, 32), tiga varian layer ResNet (50, 101, 152) menghasilkan dua belas model. Hasil evaluasi menunjukkan bahwa model terbaik dari ResNet-152 dengan augmentasi mampu mencapai f1-score hingga 0.954, membuktikan bahwa model CNN-ResNet yang dikembangkan dapat mengklasifikasikan citra pesawat secara efektif. Meski begitu, kesalahan masih terjadi pada kelas-kelas yang memiliki kemiripan visual, sehingga dibutuhkan eksperimen lanjutan dengan menguji kombinasi arsitektur dan parameter pelatihan yang lebih optimal untuk meningkatkan akurasi dan kemampuan generalisasi model yang lebih baik. Kata kunci: Klasifikasi, Citra, Pesawat, CNN, ResNet, Augmentasi
Kebutuhan Harmonisasi pada Proses Pelaporan Data Posyandu: Evidence dari Posyandu Mawar Cipamokolan saepudin, deni; adytia, didit; ihsan, aditya firman
Charity : Jurnal Pengabdian Masyarakat Vol. 7 No. 2 (2024): Charity-Jurnal Pengabdian Masyarakat
Publisher : PPM Universitas Telkom

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

Abstract

Salah satu kegiatan rutin yang dilakukan oleh posyandu setiap bulannya adalah pemeriksaan kesehatan dan pengukuran, yaitu penimbangan berat dan pengukuran tinggi badan. Data tersebut merupakan indikator utama untuk mengetahui status gizi anak, apakah baik atau buruk berdasarkan usia. Data ini dilaporkan ke Kementrian Kesehatan melalui Puskesmas. Selain itu rekap data juga dilaporkan kepada Pemerintah Daerah melalui Kelurahan untuk mengetahui status kesehatan anak di sebuah wilayahnya. Untuk posyandu yang menangani balita cukup banyak (lebih dari seratus balita), proses perekapan ini cukup menyulitkan kader, terutama bila dilakukan secara manual. Hal ini dikarenakan banyaknya kriteria/kategori yang harus diperhatikan dan harus memperhatikan data hasil pengukuran pada waktu sebelumnya. Hal ini secara khusus dialami oleh para kader Posyandu Mawar Cipamokolan. Kegiatan abdimas ini bertujuan memberikan solusi yang mempermudah pekerjaan para kader posyandu sehingga pengolahan data dan penyiapan laporan dapat dilakukan dalam hitungan menit. Pada saat pelaksanaan kegiatan diperoleh informasi baru. Kader posyandu di Kota Bandung saat ini harus melaporkan data ini melalui aplikasi e-penting. Namun, penerapan aplikasi ini masih memerlukan harmonisasi agar kader tidak bekerja dua kali, dan adanya keterbatasan perangkat dan traffic data saat mengunggah hasil pengukuran.
Pengenalan Tulisan Tangan Aksara Bali Menggunakan Faster R-CNN Pratama, Alif Adwitiya; Sulistiyo, Mahmud Dwi; Ihsan, Aditya Firman
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 7 No 6 (2023): December 2023
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v7i6.5176

Abstract

In Balinese culture, the ability to read Balinese script is one of the challenges young generations face. Advances in machine learning have proposed handwriting detection systems using both traditional and deep learning models. However, the traditional approach is usually impractical and is prone to inaccurate identification results. Convolutional neural network (CNN)-based models integrate feature extraction and classification into an end-to-end pipeline to increase performance. This research proposes that recognizing characters through an object detection approach makes an end-to-end process of localizing and classifying several characters simultaneously using the Faster R-CNN. Four CNN models, including ResNet-50, ResNet-101, ResNet-152, and Inception ResNet V2, were tested to detect 28 Balinese characters in a single form that covers 18 consonants and 10 digits using Intersection over Union (IoU) thresholds: 0.5 and 0.75. ResNet-50 and Inception ResNet V2 achieve 0.991 mAP at IoU of 0.5, while Inception ResNet V2 excels at IoU of 0.75. Further analysis showed that the class ‘nol’ had the lowest Recall due to many undetected ground truths. Meanwhile, class ‘ba’ had the lowest Precision due to its similarity to classes “ga” and “nga”. This research contributes to the experiment with Faster R-CNN in detecting handwritten Balinese scripts.
Combatting Misinformation: Leveraging Deep Learning for Hoax Detection in Indonesian Political Social Media Sibaroni, Yuliant; Mahadzir, Shuhaimi; Prasetiyowati, Sri Suryani; Ihsan, Aditya Firman
JURNAL INFOTEL Vol 16 No 2 (2024): May 2024
Publisher : LPPM INSTITUT TEKNOLOGI TELKOM PURWOKERTO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20895/infotel.v16i2.1139

Abstract

The rampant spread of hoax news in social media, especially in the political domain, poses a significant challenge that requires immediate attention. To address this issue, automatic hoax news detection using machine learning-based artificial intelligence has emerged as a promising approach. With the approaching presidential election in Indonesia in 2024, the need for effective detection methods becomes even more pressing.This research focuses on proposing an efficient deep learning model for detecting political hoax news on Indonesian social media. Word2vec feature representation and three deep learning models – LSTM, CNN, and Hybrid CNN-LSTM – are evaluated to determine the most effective approach. Experimental results reveal that the CNN-LSTM hybrid model outperforms the others, achieving an accuracy of 96% in detecting hoax news on Indonesian social media in the political domain. By leveraging state-of-the-art deep learning techniques, particularly the CNN-LSTM hybrid model, this study contributes to the advancement of hoax news detection in Indonesia's political landscape. The findings underscore the importance of utilizing sophisticated machine learning methods to combat the spread of misinformation, particularly during crucial political events such as elections.
Deteksi Anomali Data Time Series pada Operasional Industri Pipa Gas Alam menggunakan Metode Bidirectional Long Short-Term Memory (Bi-LSTM) M. Taufik Anugrah; Astuti, Widi; Aditya Firman Ihsan
LOGIC: Jurnal Penelitian Informatika Vol. 3 No. 2 (2025): Desember 2025
Publisher : Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/logic.v3i2.9630

Abstract

Gas alam merupakan salah satu sumber energi paling penting yang digunakan saat ini, baik oleh rumah tangga, industri, maupun pembangkitan tenaga listrik. Maka menjadi penting untuk menjaga keandalan dari sistem operasional gas alam tersebut. Salah satunya dengan memperhatikan anomali-anomali yang terjadi pada proses distribusi. Penelitian ini bertujuan untuk membuat sebuah sistem deteksi anomali yang terjadi pada operasional pipa gas alam secara programatic dengan memanfaatkan teknologi pembelajaran mesin. Metode yang digunakan adalah Long Short-Term Memory (LSTM) dan Bidirectional Long ShortTerm Memory (Bi-LSTM). Teknik ekstraksi fitur yang digunakan adalah peak-to-peak anomaly detection. Penelitian ini mendapatkan nilai akurasi sebesar 99% pada LSTM dan 99% pada Bi-LSTM dengan nilai loss sebesar 0,0220.
Co-Authors Aji Gautama Putrada Andi Fadil Adiyaksa Anugrah, M. Taufik Conny Tria Shafira Deni Saepudin Didit Adytia Djatnika Widia Nugraha Donni Richasdy Donny Richasdy Hery Widijanto Indidharmanto, Ahmad Maulana M. Taufik Anugrah Made Mita Wikantari Mahadzir, Shuhaimi Mahmud Dwi Sulistiyo Muhammad Daffa Regenta Sutrisno Muhammad Helmy Faishal Muzakky, Faqih Ahmad Prasti Eko Yunanto Pratama, Alif Adwitiya Puteri, Nurhidayah Putra, Rachmat Dwi Putu Harry Gunawan Raisa Benaya Rheza Ramadhan Putra Richasdy, Donny Sabrina Adinda Sari Sailellah, Hassan Rizky Putra Sri Suryani Prasetiyowati Sujadi, Cika Carissa Sulistyo, Mahmud Dwi Uruqul Nadhif Dzakiy Widi Astuti Yuliant Sibaroni Yusuf, Afrizal Syahruluddin