Article Per Year (5 Year)
p-Index From 2021 - 2026
5.119
P-Index
This Author published in this journals
All Journal International Journal of Advances in Applied Sciences Scientific Journal of Informatics Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai-Nilai Islami) JOIV : International Journal on Informatics Visualization Creative Information Technology Journal Techno Nusa Mandiri : Journal of Computing and Information Technology JURNAL ILMIAH INFORMATIKA JurTI (JURNAL TEKNOLOGI INFORMASI) Informatik : Jurnal Ilmu Komputer CSRID (Computer Science Research and Its Development Journal) Jurnal Teknologi Informasi dan Terapan (J-TIT) Informatika Indonesian Journal of Business Intelligence (IJUBI) IJIIS: International Journal of Informatics and Information Systems BERNAS: Jurnal Pengabdian Kepada Masyarakat Journal of Applied Data Sciences International Journal of Computer and Information System (IJCIS) Jurnal Teknologi Sistem Informasi dan Sistem Komputer TGD International Journal of Robotics and Control Systems Jurnal Pengabdian Masyarakat IPTEK Jurnal Ilmiah Edutic : Pendidikan dan Informatika SAGA: Journal of Technology and Information Systems Bangun Desa : Jurnal Pengabdian Masyarakat Jurnal Medika: Medika Journal of Intelligent Systems and Information Technology Jurnal Sistem Informasi dan Teknologi Informasi Inovate : Jurnal Ilmiah Inovasi Teknologi Informasi Jurnal Esensi Infokom : Jurnal Esensi Sistem Komputer dan Informasi
Pujo Hari Saputro
Sam Ratulangi University
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Immunology & microbiology Languange, Linguistic, Communication & Media Library & Information Science Materials Science & Nanotechnology Mathematics Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Veterinary Other

Published : 45 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 45 Documents
Search

 1   2   3   4   5 
Sosialisasi Pencegahan dan Penanganan Stunting Sebagai Upaya Mewujudkan Generasi Unggul di Dusun Iroyudan Kelurahan Guwosari Lisa Wardiyana; Kana Safrina Rouzi; Riza Shinta Qurrota A'yun; Saimarrasoki Batubara; Pujo Hari Saputro; Ahmad Sulaiman; Anisa Lia Viantina; Luqmanul Hakim; M.R Mutawakkil Amsy; Narulita Wulandari; Nita Silvianah; Susi Nopita Sari; Umti Fatonah
Bangun Desa: Jurnal Pengabdian Masyarakat Vol. 1 No. 1 (2022)
Publisher : Universitas Alma Ata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21927/jbd.2022.1(1).25-28

Abstract

Stunting merupakan keadaan gagal tumbuh pada balita yang disebabkan karena kekurangan gizi secara kronis atau berkepanjangan dalam waktu yang lama sehingga anak terlalu pendek untuk usianya. Salah satu penyebab stunting yaitu kurangnya pengetahuan ibu dan pola asuh yang kurang tepat. Oleh karena itu, diperlukan adanya sosialisasi mengenai cara pencegahan dan penanganan stunting. Metode pengabdian dengan penyuluhan dan ceramah disetai tanya jawab tentang pencegahan dan penanganan stunting melalui media power point. Peserta yang mengikuti soasialisasi terdiri dari 12 remaja putri, 3 ibu hamil dan 9 ibu dari balita yang mengalami stunting di Dusun Iroyudan Kelurahan Guwosari. Dalam kegiatan ini menghasilkan bahwa semua peserta sudah tersosialisasi mengenai stunting, dampak dari stunting, serta cara pencegahan dan penanganannya.
Model Deep Learning YOLOv5 untuk Identifikasi Cuaca: Cloudy, Rain, Shine, dan Sunrise Audia Endondaya Kalambia; Geraldy Kevin; Pujo Hari Saputro
Informatik : Jurnal Ilmu Komputer Vol 20 No 3 (2024): Desember 2024
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v20i3.11089

Abstract

Penelitian ini bertujuan untuk mengembangkan model klasifikasi citra cuaca secara otomatis menggunakan arsitektur YOLOv5, khususnya varian ringan YOLOv5n (nano), untuk mengenali empat kelas cuaca: Cloudy, Rain, Shine, dan Sunrise. Dataset yang digunakan terdiri dari kurang lebih 800 gambar yang dikumpulkan secara manual dari sumber daring dan telah dianotasi serta diklasifikasikan ke dalam format YOLO (YOLOv5). Gambar diproses ke resolusi seragam 640×640 piksel sebelum pelatihan model selama 200 epoch dengan batch size 128 menggunakan PyTorch di lingkungan berbasis GPU. Evaluasi model menunjukkan performa tinggi dengan precision rata-rata sebesar 97,2%, recall sebesar 97,5%, serta mAP@0.5 mencapai 99,3%, yang mencerminkan akurasi sangat baik dalam mendeteksi objek dan klasifikasi cuaca. Hasil ini menunjukkan bahwa YOLOv5 efektif untuk tugas klasifikasi multi-kelas pada citra cuaca dan dapat diimplementasikan untuk sistem berbasis visi komputer real-time seperti kendaraan otonom atau sistem pemantauan lalu lintas. Temuan ini juga memperkuat efektivitas transfer learning dari model pralatih YOLOv5 dalam mempercepat konvergensi dan meningkatkan performa model dengan dataset yang relatif kecil.
Komparasi Algoritma Support Vector Machine (SVM) dan Convolutional Neural Network (CNN) untuk Klasifikasi Ekspresi Wajah Arbiati Faizah; Syaiful Imron; Afny Rewur; Juan Natanel Makasunggal; pujo Hari Saputro
Informatik : Jurnal Ilmu Komputer Vol 21 No 1 (2025): April 2025
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v21i1.11091

Abstract

Ekspresi wajah merupakan komponen penting dalam komunikasi nonverbal, karena mampu menyampaikan emosi tanpa perlu berkata-kata. Berbagai studi menyebutkan bahwa lebih dari 55% informasi emosional dalam komunikasi manusia disampaikan melalui ekspresi wajah. Dalam bidang pengolahan citra digital, klasifikasi ekspresi wajah menjadi salah satu tantangan yang banyak dikaji. Penelitian ini bertujuan untuk membandingkan performa algoritma Support Vector Machine (SVM) dan Convolutional Neural Network (CNN) dalam mengklasifikasikan empat ekspresi wajah: happy, sad, neutral, suprise. Data yang digunakan berasal dari dataset FER-2013 dengan 4000 gambar per kelas. Setiap citra melalui tahap preprocessing berupa konversi grayscale, normalisasi piksel, dan augmentasi data. Model Support Vector Machine (SVM) menghasilkan akurasi pelatihan sebesar 99,70%, namun akurasi validasinya hanya 41,47%, menandakan terjadinya overfitting. Sebaliknya, Convolutional Neural Network (CNN) memberikan hasil yang lebih stabil dengan akurasi pelatihan sebesar 85,08% dan akurasi validasi tertinggi mencapai 55,03%. Convolutional Neural Network (CNN) juga menunjukkan performa tertinggi dalam mengenali ekspresi suprise dengan akurasi 69%. Hasil penelitian ini menunjukkan bahwa Convolutional Neural Network (CNN) lebih unggul dalam mengenali pola visual kompleks dibandingkan Support Vector Machine (SVM). Dengan demikian, penelitian ini memberikan kontribusi dalam pemilihan metode klasifikasi citra wajah yang optimal dan relevan untuk implementasi sistem pengenalan ekspresi secara otomatis.
Penerapan Convolutional Neural Network (CNN) untuk Klasifikasi Penyakit Daun Tomat Wahyuni Fithratul Zalmi; Pujo Hari Saputro; Jonathan Sitanggang; Kevin Leatemia
Informatik : Jurnal Ilmu Komputer Vol 21 No 2 (2025): Agustus 2025
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v21i2.11094

Abstract

Penyakit pada daun tomat merupakan salah satu masalah utama dalam pertanian yang dapat menyebabkan penurunan hasil panen dan kualitas tanaman. Deteksi dini dan akurat terhadap penyakit ini sangat penting untuk menghindari kerugian yang lebih besar. Dalam penelitian ini, kami mengembangkan sistem klasifikasi penyakit daun tomat menggunakan teknik deep learning dengan arsitektur Convolutional Neural Network (CNN). Dataset yang digunakan terdiri dari gambar daun tomat dalam beberapa kategori penyakit, yang kemudian diproses menggunakan data augmentation untuk meningkatkan jumlah dan variasi data pelatihan. Model CNN yang dibangun terdiri dari beberapa lapis konvolusi dan max-pooling, diikuti oleh lapis dens (dense layer) untuk mengklasifikasikan gambar ke dalam 10 kategori penyakit. Hasil penelitian menunjukkan bahwa model yang dikembangkan mencapai akurasi sekitar 95.84% pada dataset validasi, dengan kemampuan yang baik dalam membedakan berbagai jenis penyakit. Analisis matriks kekacauan (confusion matrix) menunjukkan bahwa model memiliki performa yang konsisten dalam mengklasifikasikan penyakit, meskipun ada beberapa kesalahan klasifikasi pada kategori tertentu. Sistem ini dapat menjadi alat bantu yang efektif bagi petani dan peneliti untuk mendeteksi penyakit daun tomat secara akurat dan efisien.
Integrasi Convolutional Block Attention Module ke dalam CNN untuk Meningkatkan Deteksi Malaria pada Citra Sel Darah Mikroskopis Pujo Hari Saputro; Norris Elden Salassa; Fajar Salinding Buntu Payuk
Informatik : Jurnal Ilmu Komputer Vol 21 No 3 (2025): December 2025
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v21i3.11106

Abstract

Malaria is a life-threatening disease caused by Plasmodium parasites and transmitted through the bite of infected mosquitoes. Accurate and early detection is essential for effective treatment and control. In this study, we propose an enhanced deep learning approach using a Convolutional Neural Network (CNN) optimized with a Convolutional Block Attention Module (CBAM) to classify red blood cell images as malaria-infected or uninfected. The CBAM mechanism enables the model to focus more effectively on the most informative spatial and channel features, thereby improving its ability to detect subtle patterns in microscopic blood smear images. We compare the performance of the CBAM-optimized CNN against a baseline CNN using accuracy, precision, recall, and F1-score metrics. Experimental results show that integrating CBAM significantly improves classification performance, achieving higher detection accuracy and greater robustness against visual noise and variations. This study highlights the effectiveness of attention-based optimization in medical image classification tasks, particularly in resource-limited settings where reliable and automated diagnosis is highly needed.
Co-Authors A'yun, Riza Shinta Qurrota Aditiarno Manik Afny Rewur Ahmad Sulaiman Ahmad Sulaiman, Ahmad Airlangga, Gregorius Alamsyah - Allo, Yusi Meilany Kendek Amsy, M.R Mutawakkil Anas, Syukron Anisa Lia Viantina Arbiati Faizah Arbiati Faizah Arbiati Faizah Ardhyansyah Mualo Asep Rahman Audia Endondaya Kalambia Augusta Jannatul Firdaus Batubara, Saimarrasoki Dhina Puspasari Wijaya, Dhina Puspasari Djoko Budiyanto, Djoko Dyah Listianing Tyas, Dyah Listianing Dyah ListianingTyas Fajar Salinding Buntu Payuk Fatonah, Umti Fithratul Zalmi, Wahyuni Fransisca Joanet Pontoh Geraldy Kevin Gutama, Deden Hardan Henki Bayu Seta Herlino Nanang Izzatul Umami Jonathan Sitanggang Juan Natanel Makasunggal Julius Bata Kevin Leatemia Lazulfa, Indana Lintang Patria Lisa Wardiyana Luqmanul Hakim M Fadhel Nurmidin M.R Mutawakkil Amsy Makin, See Jong Michael Aristian Musthofa Galih Pradana Narulita Wulandari Nindy Irzavika Nita Silvianah Norris Elden Salassa Nugroho, Oskar Ika Adi Nur Arifin Nur Rachman Dzakiyullah Nurcahyo, Azriel Christian Olivia Maria Tumurang, Olivia Maria Paendong, Indah Prisilia Pamekas, Bondan Wahyu Pontoh, Fransisca Joanet Reinhard Komansilan Rendy Syahputra Reza Augusta J.F Riza Shinta Qurrota A'yun Rizal Sengkey Rizal Sengkey Rouzi, Kana Safrina Roy, Andi Rumui, Nelson Rusiyono, Ruwet Saimarrasoki Batubara Sari, Susi Nopita Silvianah, Nita Siti Zubaidah Sitompul, Bernard Jumadi Dehotman Sri Seprianto Maddusa Sugianto, Lai Ferry Susi Nopita Sari Syaiful Imron Tumurang, Olivia Maria Tumurang Umti Fatonah Viantina, Anisa Lia Victor Tarigan Wahyuni Fithratul Zalmi Wahyuni Fithratul Zalmi Wardiyana, Lisa Widoyoningrum, Sri Wulandari, Narulita