Article Per Year (5 Year)
p-Index From 2020 - 2025
2.475
P-Index
This Author published in this journals
All Journal MATICS : Jurnal Ilmu Komputer dan Teknologi Informasi (Journal of Computer Science and Information Technology) JUTI: Jurnal Ilmiah Teknologi Informasi Jurnal Informatika dan Teknik Elektro Terapan Scientific Journal of Informatics JOIV : International Journal on Informatics Visualization Journal of Information Technology and Computer Science INTEGER: Journal of Information Technology JPP IPTEK (Jurnal Pengabdian dan Penerapan IPTEK) Jusikom: Jurnal Sistem Informasi Ilmu Komputer JATI (Jurnal Mahasiswa Teknik Informatika) Journal Cerita: Creative Education of Research in Information Technology and Artificial Informatics Nusantara Science and Technology Proceedings Journal of Computer, Electronic, and Telecommunication (COMPLETE) KERNEL: Jurnal Riset Inovasi Bidang Informatika dan Pendidikan Informatika
Agung Mustika Rizki, Agung Mustika
Brawijaya University
Agriculture, Biological Sciences & Forestry Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Medicine & Pharmacology Other

Published : 23 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 23 Documents
Search

 1   2   3 
Klasifikasi Jenis Wayang menggunakan Convolutional Neural Network (CNN) dan Optimasi Adaptive Moment Estimation (ADAM) Imandayanti, Nur Eza; Wahanani, Henni Endah; Rizki, Agung Mustika
KERNEL: Jurnal Riset Inovasi Bidang Informatika dan Pendidikan Informatika Vol 5, No 2 (2024)
Publisher : Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.kernel.2024.v5i2.6862

Abstract

Perkembangan teknologi memiliki peran penting dalam upaya pelestarian budaya, terutama dalam melestarikan seni tradisional seperti wayang. Wayang merupakan salah satu warisan budaya Indonesia yang telah mengalami penurunan minat sebesar 23,06% dalam kurun waktu 2018 hingga 2021. Sehingga, diperlukan pendekatan baru yang lebih modern untuk dapat menarik perhatian generasi muda. Penelitian ini bertujuan untuk mengembangkan sebuah sistem klasifikasi jening wayang menggunakan convolutional neural network (CNN) dengan optimasi Adaptive Moment Estimation (ADAM) agar memberikan informasi yang lebih akurat mengenai jenis wayang dan meningkatkan akses pendidikan budaya melalui teknologi. Metode CNN dengan optimasi ADAM disinyalir dapat meingkatkan kemampuannya dalam analisis citran dan optimasi akurasi. Hasill penelitian menunjukkan bahwa optimasi ADAM mengikatkan hasil akurasi prediksi hingga 0,84 dalaam 30 iterasi pelatihan dibandingan tanpa memiliki optimasi. Sistem ini dapat digunakan sebagai media pembelajaran interaktif untuk mengenal jenis wayang, termasuk wayang kulit, golek dan beber dengan performa yang baik.
Analisis Performa Choke Dalam Prediksi Well Testing Menggunakan Algoritma Long-Short Term Memory Saputra, Rendi Cahya; Anggraeny, Fetty Tri; Rizki, Agung Mustika
Journal Cerita: Creative Education of Research in Information Technology and Artificial Informatics Vol 11 No 2 (2025): Journal CERITA : Creative Education of Research in Information Technology and Ar
Publisher : UNIVERSITAS RAHARJA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33050/cerita.v11i2.3575

Abstract

Well testing adalah proses yang penting dalam industri perminyakan hal ini karena well testing berfungsi untuk memprediksi produksi minyak dan gas, yang memungkinkan perusahaan membuat keputusan strategis mengenai optimasi produksi dan alokasi sumber daya. Metode konvensional untuk well testing membutuhkan waktu dan biaya yang besar. LSTM, jenis Recurrent Neural Network (RNN) dengan penambahan memory cell agar dapat menyimpan informasi jangka panjang, diharapkan dapat mengatasi kelemahan ini. penelitian ini menggunakan data time series, yang digunakan untuk mempelajari pola produksi. Hasil penelitian menunjukkan bahwa model LSTM dengan skenario terbaik pada choke 38 didapatkan pada pada pembagian data 90%, hidden size 150 dan 250, dengan nilai MSE 0.001 dan nilai RMSE 0.044, untuk choke 40 didapatkan pada pembagian data 90%, hidden size 150, dengan nilai MSE 0.006 dan nilai RMSE 0.078, dan untuk choke 42 didapatkan pada pembagian data 90%, hidden size 150, dengan nilai MSE 0.007 dan nilai RMSE 0.086, hasil penelitian juga menunjukan bahwa hasil produksi menggunakan choke 42 menunjukan performa terbaik dibandingkan dengan kedua choke lainnya. Penelitian ini menunjukkan bahwa LSTM adalah metode yang efektif untuk prediksi well testing dan dapat menjadi alternatif bagi perusahaan minyak dalam mengoptimalkan produksi dan pengambilan keputusan dalam melakukan produksi sumur.
Application of IoT-based Intelligent Control Devices Empowered with Fuzzy Inference System in the Garment Industry Rizki, Agung Mustika; Ashari, Faisal; Yuliastuti, Gusti Eka; Haromainy, Muhammad Muharrom Al; Aditiawan, Firza Prima; Amnur, Hidra
JOIV : International Journal on Informatics Visualization Vol 9, No 5 (2025)
Publisher : Society of Visual Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62527/joiv.9.5.3344

Abstract

The garment industry in Indonesia has experienced significant development in recent years. A critical aspect of this development is the increasing role of Micro, Small, and Medium Enterprises (MSMEs). Swari Garment Industries (SGI) is an example of an MSME that focuses on the garment sector. In practice, various problems and negligence can affect the course of the production process. One potential issue is using the machine inappropriately or excessively, which can lead to a short electrical circuit. Short electrical circuits are one of the problems that must be faced because they can cause various severe impacts, including equipment damage and even fire. Based on this risk analysis, a possible solution to be applied to SGI, one of the MSMEs in the garment sector, is the implementation of an intelligent control device. The implementation of intelligent control tools based on the Internet of Things (IoT) can enhance the efficiency of the production process and mitigate significant risks to workers and the environment. The Fuzzy Inference System, in which the equity, temperature, and humidity are the input values of the Intelligent Control Device. A hardware device for temperature and humidity control, accessible through an Android phone application, was implemented in SGI. Experiments have verified that we can achieve excellent results. The average percentage of temperature measurement error was 0.2% and for humidity, 0.26%. The average percentage of measurement error from the comparison between the system and MATLAB is 0.49%.
Co-Authors Adillion, Ilham Gurat Adityawan, Firza Prima Alzamzami, Moch. Nafkhan Andreas Nugroho Sihananto Anggraini Puspita Sari Ardi, Bagaskoro Kuncoro Arishandy, Zalfa Ibtisamah Ary Mazharuddin Shiddiqi ASHARI, FAISAL Bilqis Amaliah Citra Nurina Prabiantissa Dimara, Denis Lizard Sambawo Eka Prakarsa Mandyartha EKO WAHYUDI Eva Yulia Puspaningrum Fetty Tri Anggraeny Firza Prima Aditiawan Gusti Eka Yuliastuti Hafizh, Muhammad Abdullah Henni Endah Wahanani Hermadiputri, Firdausa Yasmin Hidra Amnur I Komang Ari Mogi, I Komang Ari IMANDAYANTI, NUR EZA indrawanti, annisaa sri Ishardita Pambudi Tama Libriawan, Raditya Dimas Lutfia, Qonita Mandyarth, Eka Prakarsa Maulana, Naufal Duta Mina, Nora Mohammad, Farrel Adel Muhammad Muharrom Al Haromainy Muhammad Rivai Nuralamsyah, Bintang Nurlaili , Afina Lina Pratama, Muhammad Lutfi Putri, Shintyadhita Wirawan Rizky Amelia Saputra, Rendi Cahya Setianto, Christian Wahyu Subairi Subairi Taufiqqurrahman, Husain Titin Sumarni Wardhani, Adil Sandy Wayan Firdaus Mahmudy