Article Per Year (5 Year)
p-Index From 2021 - 2026
4.913
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Komputer dan Informasi Buletin Udayana Mengabdi Jurnal Harpodon Borneo Jurnal Buana Informatika MUSTEK ANIM HA Jurnas Nasional Teknologi dan Sistem Informasi Jurnal Informatika Upgris Elementary: Jurnal Ilmiah Pendidikan Dasar Jurnal Teknik Komputer AMIK BSI JIKO (Jurnal Informatika dan Komputer) INOVTEK POLBENG JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Jurnal Inotera Jurnal Technopreneur (JTech) MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Jurnal Inovasi Hasil Pengabdian Masyarakat (JIPEMAS) Jurnal Sistem Cerdas JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) INFOMATEK: Jurnal Informatika, Manajemen dan Teknologi JISKa (Jurnal Informatika Sunan Kalijaga) Mobile and Forensics Indonesian Journal of Electrical Engineering and Computer Science International Journal of Electrical, Energy and Power System Engineering (IJEEPSE) Elektrika Borneo JURPIKAT (Jurnal Pengabdian Kepada Masyarakat) Jurnal Borneo Informatika dan Teknik Komputer (JBIT) JUSIFOR : Jurnal Sistem Informasi dan Informatika Jurnal Informatika Polinema (JIP) TANJAK : Jurnal Pengabdian Kepada Masyarakat
Arif Fadllullah
Jurusan Teknik Komputer, Fakultas Teknik Universitas Borneo Tarakan
Agriculture, Biological Sciences & Forestry Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Neuroscience Public Health Social Sciences Other

Published : 35 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 35 Documents
Search

 1   2   3   4 
Perhitungan Indeks Massa Tubuh Less Contact Berbasis Computer Vision dan Regresi Linear Aji Bijaksana Abadi; Arif Fadllullah; Sumardi Sumardi; Sultan Mahdi; Audrey Nauffal Juniar
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol. 21 No. 3 (2022)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/matrik.v21i3.1512

Abstract

Indeks massa tubuh dapat dilakukan dengan membandingkan tinggi badan dan berat badan seseorang. Pengukurantinggi dan berat badan manusia umumnya menggunakan cara manual dan kurang efisien terutama jika terdapat banyak manusia yang akan diukur dan pada saat masa pandemi yang mengharuskan untuk dapat saling menjaga jarak. Oleh sebab itu, pada penelitian ini dirancang suatu bangun sistem perhitungan Indeks Massa Tubuh (IMT) dengan Computer Vision dan regresi linier yang dapat menjadi alternatif dalam pengembangan sistem perhitungan IMT secara otomatis berbasis sensor kamera yang efektif, efisien, dan mampu mengurangi kontak langsung (less contact). Tahapan awal berupa pengambilan citra depan dan samping tubuh manusia menggunakan kamera yang kemudian masuk ke tahapan pengolahan citra berupa grayscale, blur, deteksi tepi, dan bounding box untuk memperoleh tinggi dan lebar badan sampel dalam piksel yang dilanjutkan dengan operasi regresi linier untuk menkonversi nilai piksel tersebut menjadi centimeter (cm) sehingga diperoleh data tinggi badan dan lebar badan sistem, sedangkan untuk berat badan digunakan metode Body Surface Area (BSA) yaitu perhitungan luas area tubuh manusia dengan memodelkan tubuh manusia sebagai tabung elips dan ditambahkan faktor pengali untuk meningkatkan perhitungan sistem. Hasil penelitian menunjukan bahwa sistem dapat memperkirakan tinggi serta berat badan. Diperoleh akurasi sebesar 98,96% pada perhitungan tinggi badan, 88,54% pada perhitungan berat badan, 88,24% untuk skor Indeks Masa Tubuh (IMT), serta nilai akurasi kategori IMT sebesar 60%.
Pengembangan Sistem Deteksi dan Klasifikasi Jenis Kelamin Bunga pada Kelapa Sawit Azman, Muhammad; Arif Fadllullah
Jurnal Informatika Polinema Vol. 12 No. 2 (2026): Vol. 12 No. 2 (2026)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v12i2.8867

Abstract

Pulau Sebatik di Kabupaten Nunukan, Kalimantan Utara, memiliki potensi besar dalam budidaya kelapa sawit. Namun, proses identifikasi jenis kelamin bunga kelapa sawit yang masih dilakukan secara manual sering kali menimbulkan kesalahan dan ketidakefisienan. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi otomatis berbasis citra guna mengidentifikasi jenis kelamin bunga kelapa sawit menggunakan arsitektur Convolutional Neural Network (CNN) VGG19. Dataset yang digunakan terdiri dari 800 citra primer yang terbagi secara merata antara bunga jantan dan betina. Melalui proses prapemrosesan dan augmentasi, jumlah dataset meningkat menjadi 1.164 citra, dengan pembagian 80:10:10 untuk data latih, validasi, dan uji. Model berhasil mencapai nilai presisi, recall, dan F1-score sebesar 100% pada data validasi dan pengujian. Namun, saat diuji pada 18 citra baru di luar dataset, terjadi beberapa kesalahan klasifikasi, khususnya dalam mengenali bunga betina sebagai bunga jantan. Hal ini menghasilkan nilai presisi dan recall rata-rata sebesar 95%, serta F1-score sebesar 94%. Temuan ini menunjukkan bahwa model memiliki kemampuan tinggi dalam mengklasifikasi jenis kelamin bunga kelapa sawit. Meskipun demikian, kesalahan pada implementasi nyata menunjukkan perlunya data latih yang lebih bervariasi. Sistem ini diharapkan dapat memberikan kontribusi nyata dalam sektor pertanian, khususnya dalam meningkatkan efisiensi dan akurasi identifikasi bunga kelapa sawit guna mendukung produktivitas perkebunan.
THE APPLICATION OF THE MULTI-OBJECTIVE OPTIMIZATION ON THE BASIS OF SIMPLE RATIO ANALYSIS METHOD IN A DECISION SUPPORT SYSTEM FOR PROSPECTIVE UBT STUDENT ASSOCIATION CHAIR CANDIDATES Pradana, Awang; Fadllullah, Arif; Prasetya, Agung; Fadliansyah, Fadliansyah
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 2 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i2.8227

Abstract

Decision Support Systems (DSS) have become essential tools in the de-cision-making process across various fields. In the context of selecting the chairman of the Computer Engineering Student Association at Uni-versitas Borneo Tarakan, the use of DSS is also highly relevant and beneficial. The MOOSRA (Multi-Objective Optimization on the basis of Ratio Analysis) method has been chosen as the approach to implement this decision support system. This study aims to apply the MOOSRA method in the implementation of a web-based decision support system for the selection of prospective chairpersons of the Computer Engineer-ing Student Association at Universitas Borneo Tarakan. The MOOSRA method is utilized to consider several criteria, such as leadership skills, communication abilities, dedication, and organizational experience. In this research, the use of MOOSRA is combined with web technology to enhance the efficiency and quality of the candidate selection process. The MOOSRA method offers a structured and objective approach to evaluating candidates for the chairmanship. This approach involves ratio analysis and multi-objective optimization to produce better out-comes. The results of this study are expected to facilitate a fairer and more objective selection process, as well as to improve student satisfac-tion within the Computer Engineering Student Association at Universi-tas Borneo Tarakan.
Sistem Deteksi Otomatis Penggunaan Senjata Tajam Menggunakan YOLOv8n Deep Learning Nadziah Fitriani; Arif Fadllullah
Jurnal Borneo Informatika dan Teknik Komputer Vol 6, No 1 (2026): Edisi April - September
Publisher : Jurusan Teknik Komputer, Fakultas Teknik, Universitas Borneo Tarakan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35334/jbit.v6i1.7316

Abstract

Penelitian ini bertujuan untuk merancang dan mengembangkan sistem deteksi objek senjata tajam berbasis deep learning menggunakan algoritma YOLOv8n. Sistem yang dikembangkan khusus pada pendeteksian tiga jenis senjata tajam, yaitu pisau, sabit, dan parang. Sebanyak 1.200 citra dikumpulkan, terdiri dari 600 citra primer dan 600 citra sekunder. Pada tahap konstruksi dataset, seluruh citra melalui proses anotasi dan augmentasi data yang meliputi penyesuaian saturasi, kecerahan, dan resize, sehingga diperoleh total 2.640 dataset. Dataset tersebut kemudian dibagi menjadi 2.160 data latih, 240 data validasi, dan 240 data uji. Model YOLOv8n dibor selama 100 epoch menggunakan 2.160 data training dan menghasilkan nilai box Precision sebesar 0,865, recall 0,815, mAP50 0,895, serta mAP50-95 sebesar 0,649. Hasil evaluasi pada pengujian data menunjukkan nilai precision 0,837, recall 0,819, dan F1-score 0,827. Kelas sabit memperoleh performa terbaik dengan precision 0,937, recall 0,913, dan F1-score 0,924. Pengujian sistem secara real-time pada jarak 1–4 meter menunjukkan deteksi yang responsif dengan rata-rata precision 0,824, recall 0,760, dan F1-score 0,790. Hasil penelitian menunjukkan bahwa sistem mampu mendeteksi senjata tajam secara efektif dan menampilkan hasil deteksi secara langsung sebagai referensi pengembangan sistem di berbagai lingkungan.
Sistem Klasifikasi Citra Daun Obat Tradisional Dayak Kenyah Menggunakan Metode Convolutional Neural Network Dengan Arsitektur MobileNetV2 Fadllullah, Arif; Natalia, Tia
INFOMATEK Vol 28 No 1 (2026): Juni 2026 (In Progress)
Publisher : Fakultas Teknik, Universitas Pasundan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23969/infomatek.v28i1.36796

Abstract

Masyarakat Suku Dayak Kenyah mewarisi pengetahuan tradisional dalam pemanfaatan tumbuhan sebagai obat. Namun, kemiripan morfologi antarspesies, terutama pada bagian daun, sering menjadi hambatan dalam proses identifikasi yang akurat. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi citra daun obat tradisional Suku Dayak Kenyah menggunakan Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2. Tiga jenis daun yang menjadi fokus penelitian adalah daun senggani (Melastoma malabathricum L.), daun jarak (Jatropha curcas), dan daun sengkubak (Pycnarrhena cauliflora). Dataset penelitian terdiri dari 900 citra utama yang telah melalui tahap preprocessing dan augmentation, menghasilkan total 2.340 citra yang dibagi menjadi 80% data latih, 10% data validasi, dan 10% data uji. Pelatihan model dilakukan hingga 50 epoch, menghasilkan akurasi pelatihan dan validasi sebesar 100%, serta validation loss sebesar 0,0565. Evaluasi menggunakan data uji menunjukkan nilai precision, recall, dan F1-score rata-rata sebesar 100%. Namun, pengujian dengan 90 data uji eksternal (di luar dataset) menunjukkan penurunan performa dengan nilai precision 88%, recall 84%, dan F1-score 83% yang mengindikasikan adanya keterbatasan dalam generalisasi model terhadap data di luar distribusi pelatihan. Meskipun begitu, model MobileNetV2 mampu memberikan performa tinggi dalam klasifikasi citra daun pada dataset terkontrol serta mengidentifikasi tantangan generalisasi pada data eksternal. Oleh karena itu, model ini berpotensi dikembangkan lebih lanjut sebagai dasar sistem identifikasi tanaman obat berbasis citra daun yang adaptif dan aplikatif di lapangan.
Co-Authors A. Pradana Adiasti, Nindya Agung Prasetya Agus Zainal Arifin Agus Zainal Arifin Aji Bijaksana Abadi AK, Muh Surtaji Akbar, Muhammad Adhiya Yudhistira Allenidekania Allenidekania Amelia Manda Sari Amelia Manda Sari Ani Kurniawati Ani Kurniawati Antonius Rajagukguk, Antonius Ariessanto, Prayudi Aris Triwiyatno Audrey Nauffal Juniar Awang Pradana, Awang Azman, Muhammad cahyadi, jimmy D. Harto Dasrit Debora Kamudi Dedy Harto Devi Sarmilah Chomariah Devi Sarmilah Chomariah Diana Purwitasari Dini Adni Navastara Dini Adni Navastara, Dini Adni Edy Utomo Erdina, Sri Fadliansyah, Fadliansyah Farhan Muhammad Nabil Farhan Muhammad Nabil Gazali Salim Hanif, Kharis Hudaiby Hasriana Hasriana Irgi Ahmad Fahrezi Kambu, Megawati Langi, Nelson Mandela Rande Mado, Ismit Maulana, Ikhsan Meilindy, Laura Nur Muhamad Nasir Muhammad Irfan muhammad irfan Mulyadi , Mulyadi Mulyadi Muntiari, Novita Ranti Nadziah Fitriani Natalia, Tia Noer, Roby Zulkarnain Nur Ainun Perangin Angin, Nur Hasanah R. W. Arsianti Rahman, Mukti Dika Refanti Rochaniati Rochaniati Rudy Rudy . Rudy Rudy Sri Widodo Sudirman Sugeng Riyanto Sultan Mahdi Sultan Mahdi Sumardi Sumardi Tegar Palyus Fiqar Wahdana Wahdana Widya Ambarwati Widya Ambarwati Yudhistira Akbar, Muhammad Adhiya Zulfia, Rahmatuz