Article Per Year (5 Year)
p-Index From 2021 - 2026
4.118
P-Index
This Author published in this journals
All Journal Jurnal Masyarakat Informatika Jurnal Sains dan Teknologi Jurnal Simetris Jurnal Buana Informatika CommIT (Communication & Information Technology) Scientific Journal of Informatics Proceeding SENDI_U Jurnal Terapan Abdimas Sistemasi: Jurnal Sistem Informasi JOURNAL OF APPLIED INFORMATICS AND COMPUTING EDUMATIC: Jurnal Pendidikan Informatika Building of Informatics, Technology and Science Infotekmesin Indonesian Journal of Electrical Engineering and Computer Science Abdimasku : Jurnal Pengabdian Masyarakat Buletin Poltanesa Advance Sustainable Science, Engineering and Technology (ASSET) Jurnal Riset dan Aplikasi Mahasiswa Informatika (JRAMI) Jurnal Algoritma Community: Jurnal Pengabdian Pada Masyarakat Jurnal Informatika: Jurnal Pengembangan IT LogicLink: Journal of Artificial Intelligence and Multimedia in Informatics
Egia Rosi Subhiyakto, Egia Rosi
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Materials Science & Nanotechnology Mechanical Engineering Social Sciences Other

Published : 44 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 44 Documents
Search

 1   2   3   4   5 
Implementasi Firebase Realtime Pada Aplikasi Self-Order Restoran Berbasis iOS Triginandri, Rifqi; Septiani, Karlina Dwi; Subhiyakto, Egia Rosi; Rakasiwi, Sindhu; Astuti, Yani Parti
Jurnal Riset dan Aplikasi Mahasiswa Informatika (JRAMI) Vol 5, No 04 (2024): Jurnal Riset dan Aplikasi Mahasiswa Informatika (JRAMI)
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/jrami.v5i4.10680

Abstract

Perkembangan teknologi aplikasi memberikan dampak signifikan pada gaya hidup masyarakat modern, terutama dengan hadirnya aplikasi inovatif seperti Pick 'n Serve yang mengatasi antrian di restoran melalui platform mobile iOS. Dikembangkan dengan Firebase Realtime Database, aplikasi ini memastikan akses real-time terhadap informasi menu, pesanan, dan ketersediaan. Integrasi model bisnis, perhatian terhadap kebutuhan pelanggan, dan penerapan metode pengembangan Waterfall membuat Pick 'n Serve berhasil meningkatkan efisiensi dan pengalaman pemesanan. Metode Waterfall memberikan struktur pengembangan terorganisir dengan langkah-langkah jelas dari perencanaan hingga implementasi. Hasil pengujian mencerminkan kinerja baik, memudahkan pengguna dalam pemesanan, dan efektif mengurangi antrian di restoran. Skor tinggi dari uji penerimaan pengguna (UAT) mencerminkan penerimaan positif terhadap aplikasi ini. Dengan memanfaatkan teknologi Firebase dan pendekatan pengembangan yang terstruktur, Pick 'n Serve diharapkan memberikan kontribusi positif terhadap efisiensi operasional, kepuasan pelanggan, dan pertumbuhan bisnis restoran dalam era digital, menjadikannya solusi holistik untuk adaptasi terhadap perubahan kebutuhan konsumen dan tuntutan pasar yang terus berkembang.
Implementation of MobileNet Architecture for Skin Cancer Disease Classification Faudyta, Haniifa Aliila; Sinaga, Jesica Trivena; Subhiyakto, Egia Rosi
Journal of Applied Informatics and Computing Vol. 8 No. 2 (2024): December 2024
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v8i2.8771

Abstract

As the number of occurrences of skin cancer increases year, it becomes more and more crucial to identify the disease accurately and effectively. This study aims to implement and evaluate the MobileNet architecture for classifying nine types of skin lesions using the ISIC 2020 dataset and to compare MobileNet's performance with other CNN architectures, such as VGG-16 and LeNet, in terms of accuracy and computational efficiency. The study also investigates the impact of image preprocessing on model accuracy. The methodology comprises data collection, preprocessing, and model development, leveraging transfer learning from MobileNet pre-trained on ImageNet. Data preprocessing involves resizing images to 224 x 224 pixels and normalizing pixel values. To augment the dataset, techniques such as rotation, zooming, horizontal flipping, and brightness and contrast adjustment are applied. To address class imbalance, oversampling is used to obtain 500 images per class. The model architecture includes Global Average Pooling, a Dense layer with 1024 units and ReLU activation, and a Dropout layer with a 0.2 probability. Various training scenarios with batch sizes (8, 16, 32, 64) and learning rates (0.001, 0.0001) are evaluated, incorporating dropout and ReLU activations. The optimal performance was achieved with oversampling, dropout, and a learning rate of 0.0001, yielding a training accuracy of 99.64% and a validation accuracy of 86.89% after oversampling, resulting in 3,600 training and 900 validation images with an 80:20 data split. The results suggest overfitting due to dataset limitations. Future work should focus on fine-tuning and ensemble methods to improve validation performance.
Pendampingan bagi Siswa SMP Negeri 7 Semarang dalam Penggunaan Software Aplikasi Hidup Bersih dan Sehat Astuti, Yani Parti; Luthfiarta, Ardytha; Hidayat, Erwin Yudi; Nugraha, Adhitya; Subhiyakto, Egia Rosi; Octaviani, Dhita Aulia
ABDIMASKU : JURNAL PENGABDIAN MASYARAKAT Vol 8, No 1 (2025): JANUARI 2025
Publisher : LPPM UNIVERSITAS DIAN NUSWANTORO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/ja.v8i1.2698

Abstract

Sekolah adalah tempat menuntut ilmu dan juga tempat sosialisasi dan interaksi antar sesamA. Selain itu sekolah juga harus beradaptasi dengan lingkungan sekitar. Seperti halnya di Sekolah Menengah Pertama (SMP) Negeri 7 Semarang yang berada di Tengah kota yang dikenal oleh banyak orang khususnya warga Semarang. Di sekolah tersebut terdapat banyak fasilitas yang sesuai dengan standart di setiap sekolah. Salah satunya adalah adanya kantin sekolah yang berada dalam lingkungan sekolah. Namun demikian banyak juga yang berjualan di luar lingkungan sekolah yang setiap hari baik sebelum jam dimulai dan jam sekolah berakhir, jajanan di luar sekolah itu banyak dikunjungi siswa. Dengan kondisi seperti itu, maka perlu diwaspadai tentang Kesehatan siswa yang guru tidak mungkin mengawasi secara terus menerus. Untuk itu perlu adanya penyuluhan dan pengarahan bagi siswa agar tidak jajan sembarangan. Jajanan yang harus dibeli harus memperhatikan dari sisi gizi yang dikandungnya. Sekarang banyak jajanan yang super pedas, mengandung pengawet dan masih banyak lagi jajanan yang hanya mengejar murah dan rasa menendang. Dalam pengarahan ini, selain menghimbau untuk memperhatikan nilai gizinya, juga diperlihatkan akibat dari jajanan yang kurang sehat. Hal ini akan ditunjukkan dengan software aplikasi digital yang memberikan pengetahuan tentang akibat dari usus yang tidak sehat. Dengan begitu, siswa akan memperhatikan jajanan setiap hari. Selain jajanan, yang perlu diperhatikan lagi adalah tentang lingkungan sekitar yaitu bagaimana siswa membuang sampah, cuci tangan sebelum makan dan lain sebagainya. Karena selain Kesehatan usus, banyak juga penyakit yang disebabkan oleh kurang bersihnya lingkungan sekitar. Sehingga dengan adanya penyuluhan ini, siswa akan terdorong melakukan pola hidup bersih dan sehat yang merupakan slogan dari pemerintah khususnya pada bidang Kesehatan
Comparison of ResNet-50, EfficientNet-B1, and VGG-16 Algorithms for Cataract Eye Image Classification Santoso, Ilham; Manurung, Ayub Michaelangelo; Subhiyakto, Egia Rosi
Journal of Applied Informatics and Computing Vol. 9 No. 2 (2025): April 2025
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v9i2.8968

Abstract

Cataract is a leading cause of blindness worldwide, emphasizing the need for an effective early detection approach. This study evaluates the capabilities of three widely-used deep learning models—ResNet-50, EfficientNet-B1, and VGG-16—in classifying visual data. The analysis was conducted on a dataset of 2,112 images, comprising 1,074 normal cases and 1,038 cataract cases. The findings reveal that ResNet-50 achieved the best accuracy at 98.61%, followed by EfficientNet-B1 at 96.64% and VGG-16 at 93.82%. In comparison, previous research using Convolutional Neural Network (CNN) techniques reported an accuracy of 92.93%. These results highlight ResNet-50's superior potential for image classification tasks in this domain. This study contributes significantly to the selection of robust models for building an automated cataract detection framework.
The Application of Deep Learning for Skin Disease Classification Using the EfficientNet-B1 Model Manurung, Ayub Michaelangelo; Santoso, Ilham; Subhiyakto, Egia Rosi
Journal of Applied Informatics and Computing Vol. 9 No. 2 (2025): April 2025
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v9i2.9100

Abstract

The skin, being the largest organ in the human body, plays a vital role in protecting against various external threats. However, cases of skin diseases are steadily rising across countries, making it a significant global health concern. Diagnosis often faces challenges due to symptom variations and low public awareness, highlighting the need for automated technology in skin disease detection. This study developed an automated classification system for skin diseases using EfficientNet-B1, capable of categorizing five skin conditions: Acne and Rosacea, Eczema, Melanoma Skin Cancer Nevi and Moles, Normal, Vitiligo, Psoriasis pictures Lichen Planus and related diseases, Seborrheic Keratoses and other Benign Tumors, Tinea Ringworm Candidiasis and other Fungal Infections. The system utilized 1.571 plus 1641 JPG digital images resized to 224 x 224 pixels, with 80% of the data allocated for training and 20% for testing. The trained model achieved a high accuracy of 99%, demonstrating the system's potential to support faster and more accurate diagnostic processes.
Perbandingan Kinerja Algoritma K-Nearest Neighbors dan Decision Tree untuk Klasifikasi Diabetes Yunianto, Amar Haris; Subhiyakto, Egia Rosi
Building of Informatics, Technology and Science (BITS) Vol 6 No 4 (2025): March 2025
Publisher : Forum Kerjasama Pendidikan Tinggi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bits.v6i4.6550

Abstract

Diabetes is a chronic metabolic disease that is a major concern in global health due to its increasing prevalence, including in Indonesia, with significant impacts on individual health and health systems. This study aims to compare the performance of K-Nearest Neighbors (KNN) and Decision Tree (DT) algorithms in diabetes classification using the Pima Indians Diabetes Database (PIDD) dataset. Research methods include data collection, pre-processing, missing value handling, outlier detection and handling, and data balancing techniques using Synthetic Minority Oversampling Technique (SMOTE) to overcome class imbalance in the dataset. Model implementation is done by optimizing parameters using GridSearchCV, while performance evaluation is done based on accuracy, precision, recall, and F1 score matrices. The results show that the DT algorithm has superior performance compared to KNN, both without SMOTE and with SMOTE. In the model without SMOTE, DT achieved 85.71% accuracy, while KNN only reached 83.12%. After applying SMOTE, the performance of both algorithms improved significantly, with DT achieving 92% accuracy, 94% precision, 90.38% recall, and 92.16% F1 score, while KNN achieved 91% accuracy, 96.59% recall, and 90.43% F1 score. This study revealed that the use of SMOTE effectively improved the model's performance in handling data imbalance, while the DT algorithm showed better performance stability. These findings are expected to make a significant contribution to the development of more accurate prediction models for diabetes diagnosis, while enriching insights into the application of machine learning in the healthcare field.
Pendampingan Pola Hidup Bersih dan Sehat (PHBS) pada Siswa MI Miftahul Hidayah dengan Sosialisasi Aplikasi Digital Rakasiwi, Sindhu; Salam, Abu; Subhiyakto, Egia Rosi; Dewi, Ika Novita; Octaviani, Dhita Aulia; Zeniarja, Junta
Community : Jurnal Pengabdian Pada Masyarakat Vol. 4 No. 1 (2024): Maret : Jurnal Pengabdian Pada Masyarakat
Publisher : LPPM Sekolah Tinggi Ilmu Ekonomi - Studi Ekonomi Modern

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/community.v4i1.496

Abstract

Program Perilaku Hidup Bersih dan Sehat (PHBS) sangat penting untuk mendorong penerapan gaya hidup sehat untuk menjaga, memelihara, dan meningkatkan kesehatan. Banyak penyakit dapat dihindari apabila masyarakat menerapkan gaya hidup yang sehat. PHBS sangat ideal untuk diterapkan pada anak-anak pada usia sekolah, karena mereka termasuk ke dalam kelompok yang berisiko terhadap masalah kesehatan dikarenakan oleh beberapa faktor. Teknologi dalam pendidikan telah terbukti dapat mengubah cara interaksi dan pembelajaran dalam kelas secara signifikan, lebih efisien, lebih mudah diakses, dan dapat membangun keterampilan yang dibutuhkan pada era yang serba digital saat ini dan di masa yang akan datang. Penggunaan aplikasi digital sebagai salah satu produk dari teknologi telah banyak digunakan baik di bidang kesehatan maupun pendidikan, dan saling terkait satu sama lain dimana saling melengkapi. Penginformasian masalah kesehatan pasti membutuhkan bidang pendidikan untuk menyampaikannya, demikian pula sebaliknya pendidikan tidak dapat berjalan lancar bila lingkungannya tidak sehat. Dengan demikian peran teknologi pada kedua bidang tersebut menjadi sangat penting. Berdasarkan hal-hal yang telah tersebut di atas, maka perlu adanya suatu pengetahuan kepada siswa-siswa sekolah terutama di sekolah dasar dan yang sederajat tentang Perilaku Hidup Bersih dan Sehat (PHBS). Siswa-siswa selain diberi pengetahuan juga perlu diberikan pendampingan pada saat mempraktikkan materi PHBS tersebut serta memasukkan peran teknologi dalam bentuk aplikasi digital agar pembelajaran dapat lebih menyenangkan dan efektif, dimana sebelumnya perlu diadakan sosialisasi dan pelatihan terlebih dahulu mengenai penggunaan aplikasi tersebut kepada para guru. Berdasar atas alasan-alasan yang dikemukakan tersebut, maka kali ini tim berinisiatif untuk mengadakan kegiatan berupa Pengabdian Kepada Masyarakat dengan tema Pendampingan Pola Hidup Bersih dan Sehat (PHBS) pada Siswa dengan Sosialisasi Aplikasi Digital, dengan lokasi yang telah ditentukan yaitu di MI Miftahul Hidayah, sehingga PHBS dapat menjadi kebiasaan siswa di kesehariannya dan dapat menularkan kebiasaan baik tersebut ke lingkungannya.
Analisis Komparatif Akurasi Prediksi Kanker Payudara Menggunakan Algoritma Random Forest dan Logistic Regression Hulaifah Al Abrori, Zahra Zul; Subhiyakto, Egia Rosi
Jurnal Algoritma Vol 22 No 1 (2025): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.22-1.2164

Abstract

This study analyzes the performance of Random Forest and Logistic Regression algorithms in detecting breast cancer using datasets from Kaggle. Evaluation was done based on metrics such as accuracy, precision, recall, and F1-score to classify benign and malignant cancers. Logistic Regression recorded 98% accuracy, with 99% precision for benign class and 98% for malignant class, and 99% recall for both classes. Meanwhile, Random Forest showed an accuracy of 96%, a precision of 96% for benign class and 98% for malignant class, and a recall of 99% for benign class and 93% for malignant class. This study contributes by highlighting the superiority of Logistic Regression in producing more accurate and consistent results on simple datasets, while Random Forest shows greater potential in handling data with more complex patterns. Different from previous studies, this research emphasizes the importance of matching dataset characteristics with the selected algorithm to improve the accuracy of early breast cancer detection. These results are expected to support evidence-based decision-making in the clinical field, especially in choosing the algorithm that best suits the needs and resource constraints.
Klasifikasi Penyakit Gagal Jantung Menggunakan Algoritma Naive Bayes Faradeya, Muhammad Az-Zauqy; Subhiyakto, Egia Rosi
Jurnal Algoritma Vol 22 No 1 (2025): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.22-1.2178

Abstract

Heart failure disease shows an alarming increase in global prevalence with significant clinical impact complexity. This study implements the Naive Bayes algorithm to predict heart failure risk, presenting a solution that is more computationally and interpretationally efficient than the high computationally time-consuming Random Forest or SVM with 92% accuracy. The methodological approach includes structured data preprocessing, including missing value handling, feature development, scale normalization, and dataset balancing. The application of K-Fold Cross Validation with K variations (2, 4, 5, 10) achieved optimal performance at K=4 with an accuracy of 85.1%, which enabled a reduction in the misdiagnosis rate to 14.9%. Achieving a precision of 81.1%, recall of 86.1%, and AUC-ROC of 0.914 contributed to savings in treatment costs through early identification accuracy. The system can be integrated in automated screening for efficient allocation of medical resources, resulting in significant operational savings through prioritization of high-risk patients and timely preventive interventions. Performance stability with consistent AUC-ROC (0.91-0.92) makes it a reliable foundation for clinical decision support systems that improve overall patient outcomes.
Edukasi dan Sosialisasi Aplikasi Berbasis Mobile untuk Deteksi Dini Penyakit Kulit di STIKES Telogorejo Semarang Supriyanto, Catur; Paramita, Cinantya; Subhiyakto, Egia Rosi; Astuti, Yani Parti; Setiawan, Andreas Wilson; Rahadian, Arief; Shidik, Guruh Fajar; Widyaatmadja, Swanny Trikajanti
ABDIMASKU : JURNAL PENGABDIAN MASYARAKAT Vol 8, No 2 (2025): MEI 2025
Publisher : LPPM UNIVERSITAS DIAN NUSWANTORO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/ja.v8i2.3005

Abstract

Aplikasi berbasis mobile untuk deteksi dini penyakit kulit memiliki potensi besar dalam meningkatkan kesadaran dan pemahaman masyarakat terhadap kesehatan kulit. Program pengabdian ini bertujuan untuk memberikan edukasi dan sosialisasi terkait pemanfaatan teknologi kecerdasan buatan dalam deteksi dini penyakit kulit kepada mahasiswa dan tenaga kesehatan di STIKES Telogorejo Semarang. Kegiatan ini meliputi pelatihan penggunaan aplikasi, pemahaman dasar tentang teknologi kecerdasan buatan dalam analisis citra medis, serta diskusi interaktif mengenai pentingnya deteksi dini dalam pencegahan penyakit kulit. Metode yang digunakan mencakup presentasi, demonstrasi langsung, serta sesi praktik dengan studi kasus nyata. Hasil dari kegiatan ini menunjukkan peningkatan pemahaman peserta mengenai teknologi deteksi penyakit kulit berbasis AI, serta meningkatnya minat dalam mengadopsi teknologi digital dalam bidang kesehatan. Selain itu, peserta juga memberikan umpan balik positif terkait kemudahan penggunaan dan manfaat aplikasi dalam mendukung diagnosis awal. Kesimpulannya, edukasi dan sosialisasi ini berhasil meningkatkan literasi digital di bidang kesehatan serta mendorong pemanfaatan teknologi dalam layanan medis. Ke depan, pengembangan aplikasi lebih lanjut dan implementasi di fasilitas kesehatan diharapkan dapat semakin meningkatkan kualitas layanan kesehatan berbasis teknologi
Co-Authors Abiyyi, Ryandhika Bintang Abu Salam Adhitya Nugraha Andreas Wilson Setiawan Ardytha Luthfiarta Astuti, Yani Parti Astuti, Yani Parti Astuti, Yani Parti Bahres, Salim Bin Sulaiman Cahyati, Ade Puput Catur Supriyanto Dzaky, Azmi Abiyyu Erlin Dolphina Erwin Yudi Hidayat Etika Kartikadarma Fahmi Amiq Faradeya, Muhammad Az-Zauqy Faudyta, Haniifa Aliila Fauzi Adi Rafrastara Guruh Fajar Shidik Hafidhoh, Nisa'ul Hapsari, Swita Amalia Hulaifah Al Abrori, Zahra Zul Ika Novita Dewi Iskandar, Marcelino Junta Zeniarja Kurniawan, Defri Kusumasari, Dinita Liya Umaroh, Liya Manurung, Ayub Michaelangelo Miyanthi, Sheryn Aulia Mutia Rahmi Pratiwi Ningrum, Novita Kurnia Ningrum, Novita Kurnia Octaviani, Dhita Aulia Pamungkas, Azriel Sebastian Paramita, Cinantya Prajanto Wahyu Adi, Prajanto Wahyu Prihatmoko, Radig Gedhe Pulung Nurtantio Andono Puspitaningrum, Hapsari Retno Rahadian, Arief Rohman, Muhammad Syaifur Sabilillah, Ferris Tita Safina, Nabila Safina, Nabila Santoso, Ilham Savicevic, Anamarija Jurcev Septiani, Karlina Dwi Simbolon, Calvin Samuel Sinaga, Jesica Trivena Sindhu Rakasiwi Sudibyo, Usman Swanny Trikajanti Widyaatmadja T. Sutojo Triginandri, Rifqi Triono, Justin Matthew Utomo, Danang Wahyu Wardatunizza, Indah Wibowo, Alrico Rizki Widi Utomo, Emanuel Pinesthi Winarsih, Nurul Anisa Sri Yunianto, Amar Haris