Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Sistem Komputer & Kecerdasan Buatan Sisfo: Jurnal Ilmiah Sistem Informasi
Budi Juarto
Universitas Bina Nusantara
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Library & Information Science Mechanical Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Klasifikasi HIV AIDS dengan Aplikasi Rapid Miner Aden Wahyu P.; Rizky A. Susanto; Alfian R Putra; Felix Indra Kurniadi; Budi Juarto
Jurnal SISKOM-KB (Sistem Komputer dan Kecerdasan Buatan) Vol. 6 No. 1 (2022): Volume VI - Nomor 1 - September 2022
Publisher : Teknik Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47970/siskom-kb.v6i1.320

Abstract

Abstract— HIV adalah virus yang menyerang sistem kekebalan tubuh yang selanjutnya meningkatkan kemampuan tubuh untuk melawan infeksi dan penyakit. Sejarah AIDS Virus HIV dikatakan berasal dari Kinshasa, Republik Demokratik Kongo. Pada saat itu, para ahli percaya bahwa HIV berasal dari spesies simpanse yang ditularkan ke manusia. Pada simpanse, virus tersebut diberi nama Simian Immunodeficiency Virus atau SIV. Sebelum kemudian menyebabkan penularan HIV pada manusia, penularan virus simpanse ini mungkin berasal dari perburuan simpanse untuk diambil dagingnya, kemudian para pemburu tersebut terkena darah hewan yang terinfeksi. Studi oleh Pusat Pencegahan dan Pengendalian Penyakit (CDC) menunjukkan bahwa HIV mungkin telah ditularkan dari simpanse ke manusia sejak akhir 1800-an. Kinshasa adalah kota terbesar di Kongo, kota dengan pertumbuhan tercepat dengan jaringan transportasi yang menjangkau seluruh negeri. Sebuah laporan menyebutkan sejarah di balik penularan HIV AIDS dari Kongo ke seluruh dunia. Maraknya perdagangan seks, pertumbuhan penduduk, dan jarum suntik yang tidak steril di klinik-klinik diduga menjadi penyebab penyebaran virus HIV yang cukup pesat saat itu. Sejarah juga mencatat AIDS kemudian merajalela di Amerika, Eropa, lalu ke seluruh dunia. Untuk memeriksa data yang ada kami menggunakan aplikasi Data Miner untuk memudahkan kami dalam memeriksa data tersebut. masih banyak pasien yang terpapar virus HIV yang artinya masih banyak masyarakat yang tidak sadar akan bahaya virus yang jika tidak segera ditangani virus ini akan memasuki fase akhir yang sangat berbahaya atau yang kita ketahui sebagai AIDS. Keywords—HIV, machine learning, rapid miner
Mobile Deep Learning-Based Coffee Bean Quality Classification and Smartphone Integration Using Transfer Learning Budi Juarto; Yulianto Yulianto
Sisfo: Jurnal Ilmiah Sistem Informasi Vol. 10 No. 1 (2026): Sisfo: Jurnal Ilmiah Sistem Informasi, Mei 2026
Publisher : Universitas Malikussaleh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29103/sisfo.v10i1.27030

Abstract

Manually classifying good quality coffee beans is subjective, can take a considerable amount of time and is hard to standardize among various operators. For this research, computer vision was used to create a classifying system, dividing coffee bean pictures into defect and Good Quality. Based on mobile execution performance, we evaluated five existing computer vision transfer learning models. Image datasets include those used to create it, public online collections of coffee bean images, a primary set collected for use during research and the full combined 1,102-image collection broken down into a training (858 pictures), validation (114 pictures) and test (130 pictures) set. We made images of the same 224x224 resolution, then used an augmentation pipeline that rotated, flipped randomly horizontally and added color changes to increase robustness. Normalized the pixel intensities using statistics gathered for ImageNet. Models were trained identically and used Adam for optimizer and a learning rate, batch size and epoch quantity. Densely Connected Convolutional Neural Network (DenseNet121), EfficientNetB0, MobileNetV2, Residual Network (ResNet50) and Xception all performed at equal settings during experimentation. The top accuracy level came from EfficientNetB0 and Xception, both reaching 96.92% on the testing data. We selected EfficientNetB0 as our core model for its performance, small size and steady use on a smartphone (as seen in the application prototype we made), but it was still a solid performing alternative to Xception. The Android prototype that came from our study supported photo input using either a camera or file upload to provide instant quality status. Transfer learning's ability to enable the use of models capable of automated and consistent assessment for coffee bean quality control would be an improvement in small coffee operations.
Co-Authors Aden Wahyu P. Alfian R Putra Felix Indra Kurniadi Rizky A. Susanto Yulianto Yulianto