Article Per Year (5 Year)
p-Index From 2021 - 2026
1.066
P-Index
This Author published in this journals
All Journal BAREKENG: Jurnal Ilmu Matematika dan Terapan Jurnal Mnemonic The Journal of Enhanced Studies in Informatics and Computer Applications International Journal of Computer Science and Information Technology
Thesa Adi Saputra Yusri
Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Negeri Yogyakarta
Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Energy Engineering Mathematics Mechanical Engineering Physics Transportation

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Mnemonic

 1 
ENKRIPSI CITRA DIGITAL BERBASIS KOMBINASI ARNOLD CAT MAP TERMODIFIKASI DAN DNA ENCODING Yusri, Thesa Adi Saputra; Rudhistiar, Deddy
Jurnal Mnemonic Vol 5 No 2 (2022): Mnemonic Vol. 5 No. 2
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v5i2.4901

Abstract

This research was developed with the aim of improving the digital image encryption method based on the modified Arnold Cat Map with DNA encoding diffusion. The focus of this research is to analyze the performance of image randomization using a modified Arnold Cat Map that is diffused by DNA encoding. The encryption results were tested with 4 numerical parameters, namely entropy, Mean-squared error (MSE), peak signal-tonoise ratio (PSNR) and correlation coefficient. The test image is devoted to square images with size variations from 128 x 128 to 512 x 512. The results show the significance of changes in the encryption results when viewed from the histogram conditions that are evenly distributed. The average correlation value is 0.017, the average entropy is 7.9964 and the PSNR is 5.487 dB.
KLASIFIKASI VARIETAS KACANG MENGGUNAKAN XGBOOST DENGAN PENYESUAIAN CLASS WEIGHTING Yusri, Thesa Adi Saputra; Rudhistiar, Deddy; Ratnasari, Andika Putri
Jurnal Mnemonic Vol 8 No 1 (2025): Mnemonic Vol. 8 No. 1
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v8i1.12788

Abstract

Kondisi data tidak imbang (imbalance) merupakan salah satu tantangan utama dalam masalah klasifikasi terkait kualitas atau penyakit pada bidang agrikultur. Penelitian ini bertujuan untuk mengimplementasikan algoritma XGBoost dalam klasifikasi varietas kacang kering dengan fokus pada penanganan ketidakseimbangan kelas melalui pembobotan kelas. Dataset yang digunakan terdiri dari tujuh jenis kacang kering dengan berbagai karakteristik fisik yang diukur dalam piksel, yang meliputi fitur dimensi dan bentuk. Proses normalisasi dilakukan menggunakan teknik min-max normalization untuk memastikan skala data konsisten. Untuk menangani ketidakseimbangan kelas, teknik pembobotan kelas diterapkan dalam XGBoost, yang memberikan bobot lebih pada kelas minoritas. Grid Search dengan 5-fold cross-validation digunakan untuk menemukan kombinasi hyperparameter terbaik, yang menghasilkan akurasi cross-validation sebesar 92.5% dan skor terbaik pada 92.8%. Evaluasi model pada data uji menunjukkan akurasi 93%, dengan hasil precision, recall, dan f1-score yang seimbang pada setiap kelas. Hasil ini menunjukkan bahwa XGBoost dengan pembobotan kelas dapat mengatasi ketidakseimbangan kelas dan memberikan akurasi yang tinggi pada klasifikasi kacang kering
Co-Authors Amar Rizqi Afdholy Bambang Sumarno Hadi Marwoto Cornelia Luba Tara Boro Deddy Rudhistiar Hadi Surya Wibawanto Sunarwadi Muhammad Hasan Wahyudi Ratnasari, Andika Putri Retnani, Namita Siti Mutiara Sri Andayani Widhy Wahyani