Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Jurnal Ilmiah KOMPUTASI
Koko Bachrudin
Universitas Gunadarma
Computer Science & IT Engineering

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

Found 2 Documents
Search

 1 
Arsitektur Infrastruktur Single Sign-on dengan Akses Pengguna yang Masif Koko Bachrudin; I Made Wiryana; Elyna Fazriyati
Jurnal Ilmiah Komputasi Vol. 21 No. 2 (2022): Jurnal Ilmiah Komputasi Volume: 21 No. 2, Juni 2022
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.21.2.3059

Abstract

erdapat suatu instansi pemerintahan yang memiliki pengguna lebih dari 4 juta ingin mengembangkan sebuah sistem autentikasi yang terpadu dan saling terintegrasi. Instansi ini telah mengembangkan lebih dari sepuluh sistem elektronik untuk menunjang pelayanan. Sepu- luh sistem elektronik ini dikembangkan dengan menggunakan metode semi microservice dan dibagi menjadi dua bagian yaitu Frontend dengan Client base programing dan backend , komu- nikasi antar FE dan BE ini juga diperlukan sebuah mekanisme untuk mengetahui wewenang dari pengguna yang telah melakukan autentikasi di sisi Frontend . Untuk mengembangkan sistem yang dapat memenuhi kebutuhan ini perlu dibangun sebuah arsitektur Single Sign- On (SSO) yang tepat. Penelitian ini berfokus pada pengembangan arsitektur SSO dengan berbasis pada analisis kebutuhan yang telah dilakukan sebelumnya. Penggunaan teori graf menjadikan desain arsitektur menjadi jelas dan tidak terjadi ambiguitas. Penggunaan teori graf juga dapat mengidentifikasi komponen mana yang sifatnya kritis dan menentukan solusi untuk menangani masalah yang ditemukan. Dari hasil pengujian yang dilakukan penggunaan teori graf berhasil dalam mengidentifikasi komponen kritis dari arsitektur yang dikembangkan dan dapat memberikan solusi. Dengan pengembangan arsitektur menggunakan teori graf ar- sitektur ini telah berhasil diterapkan pada implementasi produksi dengan melayani 4 juta pengguna dengan pengguna konkuren lebih dari 200.000 dan melakukan validasi token lebih dari 28.000 setiap detik
Classification of meat using the convolutional neural network Detty Purnamasari; Koko Bachrudin; Dede Herman Suryana; Robert Robert
IAES International Journal of Artificial Intelligence (IJ-AI) Vol 12, No 4: December 2023
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijai.v12.i4.pp1845-1853

Abstract

Every animal meat has different color and texture, for example, beef has a dark red color with a chewy texture, while pork has a pale red color and smooth fiber. A previous study has classified types of meat using gray level co-ocurrence matrix (GLCM), hue saturation value (HSV), and color intensity. In this research, we created meat classification between beef, pork, and horse meat using a convolutional neural network (CNN) develop in jupyter notebook, using the MobileNetV2 model, and 315 meat images as a dataset divided into 3 groups, 70% image for the training dataset, 20% image for the testing dataset, and 10% image for validation dataset. Before dividing the image into 3 groups, the image is resized to 224×224, and convert the color to grayscale. The model is trained with a training dataset, the epoch of 50, and Adam optimizer, the results show an accuracy of 93.15%.
Co-Authors Dede Herman Suryana Detty Purnamasari Elyna Fazriyati I Made Wiryana I Made Wiryana Robert Robert