Article Per Year (5 Year)
p-Index From 2020 - 2025
1.168
P-Index
This Author published in this journals
All Journal JIKSI (Jurnal Ilmu Komputer dan Sistem Informasi)
Agus Budi Dharmawan Agus Budi Dharmawan
Unknown Affiliation
Computer Science & IT Mathematics Other

Published : 27 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 27 Documents
Search

 1   2   3 
PENERAPAN CONVOLUTIONAL NEURAL NETWORK DAN CAPSULE NETWORKS DALAM MENDETEKSI DEEPFAKE Donni Suharyanto; Chairisni Lubis; Agus Budi Dharmawan
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 12 No. 1 (2024): JURNAL ILMU KOMPUTER DAN SISTEM INFORMASI
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/jiksi.v12i1.28190

Abstract

Pada tulisan ini mendemonstrasikan bagaimana perbandingan dalam pendeteksi deepfake antara tiga arsitektur convolutional neural network yaitu Resnet 50, VGG 19 dan Xception. Dalam percobaan ini, arsitektur-arsitektur tersebut akan dikombinasikan dengan model capsule networks, yang terdiri dari 2 lapisan konvolusi pada kapsul primer dan 2 kapsul keluaran yang akan diisi dengan label asli dan deepfake. Dibuat sebuah basis data yang terdiri dari 6000 data asli dan 4000 data deepfake dan dilatih melalui 100 epochs dan 10 batch size. Setelah itu, 20 gambar acak akan digunakan dalam proses pengujian pendeteksi deepfake berdasarkan label yang ada pada basis data. Hasilnya menunjukkan bahwa ketiga arsitektur tersebut mampu mendeteksi gambar deepfake dengan berbagai tingkat akurasi yaitu Resnet 50 dengan tingkat akurasi 64,133%, VGG 19 dengan tingkat akurasi 61,067% dan Xception dengan tingkat akurasi 64,067%.
Integrasi Metode Convolutional Neural Networks dengan Arsitektur Model PoseNet untuk Pengembangan Sistem Klasifikasi Gerakan serta Monitoring Repetisi pada Olahraga Bulu Tangkis Benny Karnadi; Chairisni Lubis; Agus Budi Dharmawan
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 12 No. 1 (2024): JURNAL ILMU KOMPUTER DAN SISTEM INFORMASI
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/jiksi.v12i1.28191

Abstract

This application or a recognition of movement classification system and monitoring repetitions in badminton system is designed for students and coaches to practice movement and stroke techniques in badminton as well as a joint evaluation medium for users who practice using this application, also with the hope that it can help children who want to practice Badminton can be more flexible in terms of time and also efficient for coaches to be able to reach a wider range of students and produce more talented athletes. One of the branches of science used in designing this application is Deep Learning with the Convolutional Neural Network (CNN) method with the MobileNetv2 architecture used in designing this badminton movement classification application, as well as using PoseNet model integration. The training results that can be achieved using the Convolutional Neural Network method with the MobileNetv2 architecture obtain an accuracy score in the range of 90%, and test results can be achieved with an accuracy score of 93%.
PENGGUNAAN AUTOENCODER DAN GENERATIVE ADVERSARIAL NETWORKS DALAM MENDETEKSI DEEPFAKE Kelvin Samuel; Chairisni Lubis; Agus Budi Dharmawan
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 12 No. 1 (2024): JURNAL ILMU KOMPUTER DAN SISTEM INFORMASI
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/jiksi.v12i1.28212

Abstract

Artikel ini dimaksudkan untuk membandingkan hasil deteksi Deepfake antara 2 metode neural network dan menemukan tingkat akurasi terbaik. Pada artikel ini arsitektur neural network yang akan digunakan adalah Encoder, Decoder, Generator dan Diskriminator yang masing – masing merupakan arsitektur dari masing – masing metode untuk melakukan deteksi.. Hasil perbandingan 2 metode neural network yang masing – masing berisi label real dan deepfake menunjukkan bahwa metode Autoencoder memiliki akurasi training tertinggi yaitu 99.74% dan akurasi validation tertinggi yaitu 73%, sedangkan untuk dan Generative Adversarial Network memiliki akurasi training tertinggi yaitu 96.82% dan akurasi validation tertinggi yaitu 84% dengan spesifikasi pelatihan menggunakan 50 epoch, 128 batch size, dengan 32.000 data. Berisi 16.000 data real dan 16.000 data deepfake namun dibagi lagi menjadi 5.120 untuk data validation dan 6.400 untuk data testing, namun dalam proses pengujiannya hanya menggunakan 10 data gambar acak yang menghasilkan proses yang dapat diprediksi oleh metode Autoencoder hingga 8 gambar diprediksi dengan benar sedangkan Generative Adversarial Network hanya dapat memprediksi hingga 7 gambar dengan benar.
PENDETEKSIAN CITRA DEEPFAKE WAJAH DI SMARTPHONE MENGGUNAKAN MOBILENETV3-SMALL DAN LBP Matthew Patrick; Chairisni Lubis; Agus Budi Dharmawan
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 12 No. 1 (2024): JURNAL ILMU KOMPUTER DAN SISTEM INFORMASI
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/jiksi.v12i1.28214

Abstract

Citra DeepFake, yang dihasilkan menggunakan algoritma kecerdasan buatan seperti GAN, menjadi ancaman besar di dalam dunia digital saat ini karena mudah disebar dan dapat menyebabkan misinformasi. Studi ini berfokus pada desain dan penerapan sistem yang menggunakan model-model MobileNetV3-Small. Dilakukan perbandingan atas dua varian model, satu dengan input citra RGB dan yang lain dengan input citra grayscale hasil dari proses Local Binary Pattern. Hasilnya menunjukkan bahwa model MobileNetV3-Small dengan input RGB mempunyai tingkat akurasi yang lebih tinggi sebesar 88.23%, melebihi model yang menggunakan input citra grayscale hasil dari proses Local Binary Pattern, yang mencapai tingkat akurasi sebesar 72.63%. Model MobileNetV3-Small dengan input RGB yang menunjukkan kinerja superior, diintegrasikan ke dalam aplikasi smartphone untuk pendeteksian citra wajah DeepFake yang efisien.
Pengenalan Citra Bahasa Isyarat Berdasarkan Sistem Isyarat Bahasa Indonesia Menggunakan Metode Vision Transformer Agus Budi Dharmawan; Renaldy
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 12 No. 2 (2024): Jurnal Ilmu Komputer dan Sistem Informasi
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/jiksi.v12i2.31559

Abstract

Sign language is a form of communication between deaf people. In Indonesia, the formal sign language is Sistem Isyarat Bahasa Indonesia or SIBI for short which is a formal sign language based on American Sign Language. However, automatic sign language recognition still faces various challenges including the complexity of hand gestures, individual variations in sign performance, and the need for real-time interpretation. These challenges make the accuracy and efficiency of sign recognition very important. To address these issues, the Vision Transformer (ViT) method can be implemented, given its advantage in capturing important features of images and its ability in processing complex computer vision tasks. ViT or Vision Transformer is an artificial neural network architecture designed for image processing or computer vision tasks. From the training results with the Vision Transformer model, the training accuracy is 100% and the validation accuracy is 92.30%.
MANAJEMEN PROYEK PERANCANGAN SISTEM INFORMASI UNTUK PENJUALAN ALAT KESEHATAN Asep Darmawan; Dedi Trisnawarman; Agus Budi Dharmawan
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 13 No. 1 (2025): Jurnal Ilmu Komputer dan Sistem Informasi
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/jiksi.v13i1.32858

Abstract

This research aims to ensure the successful completion of an information system design project for the sale of medical devices by CV Star Ayres Indonesia, a company involved in medical device distribution. Utilizing project management theories such as Work Breakdown Structure, Gantt Chart, Network Diagram, Critical Path Method, PERT Diagram, Risk Management, and Cost Management, the study focuses on identifying, planning, organizing, controlling, and evaluating the project. The analysis reveals that the project will take approximately 211 days, as determined by network diagram calculations using the Critical Path Method and PERT Diagram, considering potential risks. Additionally, the estimated cost for the project is Rp. 69,884,000, covering labor, transportation, hosting, printing, consumption, and other administrative expenses.
Sistem Reservasi Perawatan Gigi Berbasis Website Pada Klinik Marvel Dental Chavia Rossyerin Prabowo Sutjiadi; Agus Budi Dharmawan; Novario Jaya Perdana
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 13 No. 1 (2025): Jurnal Ilmu Komputer dan Sistem Informasi
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/jiksi.v13i1.32867

Abstract

In the midst of rapid global business development, information technology plays an important role in the health sector, especially in improving the quality of services to the community. The computerized system supports business success by speeding up and making various types of work more efficient, however Marvel Dental Clinic still has not implemented information technology to improve the quality of its services so there are several problems that arise, namely the reservation process is currently still done manually. Where this is a manual process, when patients make a reservation, they need to contact them via WhatsApp. The manual reservation process results in uncertainty in knowing the waiting time and uncertainty in getting an admin response. Another problem is that if you make a reservation for dental care using Whatsapp, if many patients make reservations, reservation applications can be piled up, so that the clinic does not know that there are reservations from these patients. This research aims to design and build a website-based dental care reservation system using the PHP programming language by utilizing the Laravel framework and the SDLC Prototype development method. This system makes it easier for patients to order services online and manage schedules more efficiently.
Co-Authors Adrian Primanta S Alvin Christo Tjiptiadi Asep Darmawan Benny Karnadi Bryce Clement Sutedja Chairisni Lubis Chavia Rossyerin Prabowo Sutjiadi Christ Bastian Waruwu Daniel Antineus Debora Melinda Dedi Trisnawarman Donni Suharyanto Fanjie Hidayat Filipus Hanung Nugroho Immanuel Chandra Jun Can Kelvin Samuel Lina Lina Matthew Patrick Mulyadi Mulyadi Nikolas Patrick Fernando Novario Jaya Perdana Olivia Prima Putri Randy Oetoroputra Renaldy Ronald Ronald Satria Ramadhan Sifra M.B. Pattiasina Susany Soplanit Tony Tony Veronica Santoso Khalim Willy Wijaya Yusten Wuntoro