Article Per Year (5 Year)
p-Index From 2021 - 2026
6.709
P-Index
This Author published in this journals
All Journal MATICS : Jurnal Ilmu Komputer dan Teknologi Informasi (Journal of Computer Science and Information Technology) Journal of Innovation and Applied Technology Jurnal Teknologi Informasi dan Ilmu Komputer Habitat JPSriwijaya Journal of Information Technology and Computer Science Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Journal of Applied Engineering and Technological Science (JAETS) Jurnal Pengabdian Masyarakat Teknologi Informasi dan Informatika
Rekyan Regasari Mardi Putri, Rekyan Regasari Mardi
Fakultas Ilmu Komputer Universitas Brawijaya
Agriculture, Biological Sciences & Forestry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Neuroscience Public Health Other

Published : 89 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 89 Documents
Search

 5   6   7   8   9 
Vision Transformer for Active Compound Function Classification Based on 2D Molecular Structures Dian Eka Ratnawati; Diva Kurnianingtyas; Agus Wahyu Widodo; Rekyan Regasari Mardi Putri
Journal of Applied Engineering and Technological Science (JAETS) Vol. 7 No. 2 (2026): Journal of Applied Engineering and Technological Science (JAETS)
Publisher : Yayasan Riset dan Pengembangan Intelektual (YRPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37385/jaets.v7i2.9418

Abstract

Accurate classification of active compounds based on molecular structure is crucial for accelerating drug discovery while reducing laboratory costs and time. However, existing structure-based classification methods, particularly convolutional neural networks and graph-based models, often struggle to capture long-range dependencies or require large-scale datasets and extensive feature engineering. This study investigates the use of the Vision Transformer (ViT) model to classify 2D molecular structure images of compounds into cancer and cardiovascular therapy categories. A dataset containing 500 images, consisting of 250 per class, was obtained from the PubChem database, processed for consistency, and divided into 72% training, 20% testing, and 8% validation. To address the limited dataset size, careful preprocessing, regularization through weight decay, and systematic hyperparameter tuning were applied to reduce overfitting risks. The ViT model was trained with the Adam optimizer and a linear learning rate scheduler. Hyperparameters were systematically tuned to identify the optimal configuration. Results show that the best settings, with batch size 60, weight decay 0.1, learning rate 3.0×10⁻⁶, and 15 epochs, achieve an accuracy, F1 score, and loss of 80.0%, 79.9%, and 0.597, sequentially. These findings highlight the potential of ViT for small-scale cheminformatics tasks, offering an alternative to conventional methods while maintaining competitive performance.
Penilaian Kinerja Karyawan Menggunakan Key Performance Indikator (KPI) Pada Ar Rohmah Islamic Boarding School Group Ratnawati, Dian Eka; Marji; Mardi Putri, Rekyan Regasari
DIMASLOKA: Jurnal Pengabdian Masyarakat Teknologi Informasi dan Informatika Vol 2 No 2 (2023): Juli
Publisher : Fakultas Ilmu Komputer Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/dimasloka.v2i2.23

Abstract

Performansi suatu perusahaan ataupun organisasi sangat ditentukan oleh performansi dari karyawan, tidak terkecuali dengan Lembaga Pendidikan Ar Rohmah. Salah satu cara untuk meningkatkan kinerja karyawan adalah melakukan penilaian karyawan menggunakan Key Performance Indicator (KPI).  KPI sangat penting untuk menilai seberapa baik kinerja seseorang. Implementasi KPI di Ar Rohmah belum menggunakan suatu sistem, tetapi masih secara manual. Penilaian secara manual ini menimbulkan beberapa permasalahan, yaitu terjadinya duplikasi, rawan terjadi kesalahan dan perlunya waktu lama untuk dilakukan rekap. Hal ini menjadi sangat tidak efisien dan tidak pula efektif. Untuk itu perlu dibuatkan suatu sistem untuk penilaian kinerja tersebut. Kegiatan pengabdian ini bertujuan untuk membuat sistem penilaian kinerja guru berbasis website. Desain yang digunakan untuk mengembangkan sistem ini adalah prototype.  Pertimbangan penggunaan prototype ini adalah karena mitra bisa melakukan koreksi terhadap rangcangan aplikasi sebelum aplikasi diimplementasikan. Adanya koreksi di awal tersebut meminimalisir adanya ketidaksesuaian sistem dengan kebutuhan mitra. Sebelum sistem penilaian kinerja ini diimplementasikan, Tim sudah menunjukkan prototype tersebut kepada mitra. Sosialisasi sistem penilaian kinerja ini dilakukan dengan cara melakukan pelatihan di lokasi mitra. Peserta pelatihan adalah kepala sekolah SMA dan MQ Ar Rohmah Tahfiz serta semua guru SMA dan Tahfiz. Peserta menjalankan sistem yang dibuat dipandu Tim. Pelatihan disertai modul yang dibuat oleh Tim. Hasil evaluasi menunjukan bahwa sistem yang dikembangkan 100%  mudah dipahami, bermanfaat (78,6% sangat bermanfaat, 21,4% bermanfaat), sesuai dengan kebutuhan Lembaga,  serta dapat meningkatkan kinerja lembaga.   Abstract The performance of an institution's employees primarily determines the performance of a company or organization, and the Ar Rohmah Educational is no exception. Improve performance can effectively use Key Performance Indicators (KPIs) as assessment criteria. This manual assessment raises several problems, namely the occurrence of duplication, prone to errors, and a long time to do a summary. These problems become very inefficient and ineffective too. Therefore, a system is necessary to cover the limitation. A team from the Faculty of Computer Science Universitas Brawijaya (Filkom-UB) held a university social responsibility with Ar Rahmah Boarding School Group as a partner to create a website-based teacher performance assessment system. The development design applied is a prototype, as partners can make corrections to the application design before it is implemented. A correction at the beginning minimizes the system's incompatibility with the partner's requirements. This performance evaluation system is socialized by conducting training for the partner. The training participants were the principals and teachers of the senior high school grade. In the training, participants learned the modules and ran the system with Filkom-UB's team guidance. The evaluation results show that the system developed is 100% easy to understand, functional according to the institution's needs (78.6% very useful, 21.4% useful), and can improve the performance of the institution.  
Sistem Wearable Berbasis ESP32-C3 untuk Monitoring dan Klasifikasi Aktivitas Harian Kucing Menggunakan Algoritma 1D-CNN Shaula, Zenitha; Rekyan Regasari Mardi Putri
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 6 (2026): Juni 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kucing merupakan hewan peliharaan populer, namun pemantauan aktivitas hariannya secara konsisten sering kali sulit dilakukan oleh pemilik yang memiliki kesibukan. Perubahan perilaku kucing dapat menjadi indikator awal terhadap masalah kesehatan atau kesejahteraan. Oleh karena itu, penelitian ini mengembangkan sistem wearable berbasis mikrokontroler ESP32-C3 dan sensor inersia (MPU6050) yang dipasang pada harness punggung kucing untuk memantau lima aktivitas harian (Tidur, Makan, Grooming, Bergerak, dan Bermain). Klasifikasi aktivitas dilakukan secara lokal (edge computing) menggunakan algoritma One-Dimensional Convolutional Neural Network (1D-CNN). Hasil klasifikasi kemudian dikirimkan melalui protokol komunikasi MQTT ke broker EMQX dan divisualisasikan pada dashboard Node-RED secara real-time. Hasil pengujian menunjukkan bahwa sistem mampu mengklasifikasikan aktivitas dengan akurasi keseluruhan sebesar 83,3%, di mana kelas Tidur mencapai akurasi sempurna (100%). Penelitian ini juga membuktikan bahwa tahap kalibrasi offset giroskop sangatlah penting. Tanpa kalibrasi, sistem keliru mengklasifikasikan kondisi diam sebagai bergerak akibat bias bawaan sensor. Dengan kalibrasi yang tepat dan penanganan ketidakseimbangan data menggunakan class weight, sistem berhasil membedakan kondisi diam dan bergerak secara konsisten.
Integrasi Moondream pada Jetson Orin Nano untuk Deteksi dan Deskripsi Objek Visual pada Tongkat Pembantu Tunanetra dengan Output Suara Nugroho, M. Arif; Mardi Putri, Rekyan Regasari
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 13 (2026): Publikasi Khusus Tahun 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Naskah ini akan diterbitkan di JITECS
Rancang Bangun Sistem Deteksi dan Pemilahan Sampah Menggunakan YOLOv8 Berbasis Raspberry Pi Zhafran, Ghaniyy; Rekyan Regasari Mardi Putri
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 13 (2026): Publikasi Khusus Tahun 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Naskah ini akan diterbitkan di JTIIK
Deskripsi Performa Model YOLOv5n dan YOLOv10n untuk Deteksi Limbah Medis Otomatis pada Perangkat Embedded Nurfadhel, Lutfi Fajar; Putri, Rekyan Regasari Mardi; Setyawan, Gembong Edhi
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 7 (2026): Juli 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pengelolaan limbah medis yang kurang tepat dapat meningkatkan risiko pencemaran lingkungan dan penyebaran penyakit. Perkembangan computer vision dan deep learning membuka peluang untuk mengembangkan sistem deteksi limbah medis secara otomatis menggunakan metode object detection. Penelitian ini bertujuan membandingkan performa model YOLOv5n dan YOLOv10n dalam mendeteksi limbah medis serta menganalisis kompatibilitas kedua model pada platform embedded. Penelitian menggunakan dataset Roboflow yang terdiri atas 1.388 citra dengan tujuh kelas limbah medis. Proses pelatihan dilakukan di Google Colab menggunakan parameter yang sama pada kedua model, yaitu image size 640 × 640 piksel, batch size 8, dan maksimum 100 epoch. Model terbaik diperoleh pada epoch ke-82 untuk YOLOv5n dan epoch ke-73 untuk YOLOv10n. Evaluasi dilakukan menggunakan metrik precision, recall, mAP@0.5, dan mAP@0.5:0.95. Hasil penelitian menunjukkan bahwa YOLOv10n memiliki performa yang lebih baik berdasarkan nilai precision sebesar 80,20%, mAP@0.5 sebesar 86,45%, dan mAP@0.5:0.95 sebesar 60,15%, sedangkan YOLOv5n memperoleh nilai precision sebesar 71,32%, mAP@0.5 sebesar 78,31%, dan mAP@0.5:0.95 sebesar 48,66%. Sementara itu, YOLOv5n memiliki nilai recall yang lebih tinggi, yaitu 80,61%, dibandingkan YOLOv10n sebesar 76,98%. Analisis kompatibilitas menunjukkan bahwa kedua model lebih sesuai dijalankan pada perangkat embedded yang memiliki GPU atau akselerator AI.
Sistem Multinode Monitoring Kondisi Kandang Ayam Petelur Menggunakan Sensor Gas Amonia dan Suhu-Kelembaban dengan Algoritma Support Vector Machine (SVM) Setiawan, Ilham Bondan; Putri, Rekyan Regasari Mardi; Setiawan, Eko
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 08 (2026): Agustus 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kondisi lingkungan kandang, khususnya kadar gas amonia (NH3), suhu, dan kelembaban, sangat memengaruhi kesehatan dan produktivitas ayam petelur. Kondisi tersebut dapat bervariasi antar titik kandang, sehingga pemantauan dengan satu titik sensor saja belum cukup representatif. Penelitian ini mengembangkan sistem monitoring multinode menggunakan dua unit ESP32 (node sender dan node receiver) yang masing-masing dilengkapi sensor gas amonia MQ135 dan sensor suhu-kelembaban DHT22, dengan komunikasi antar node melalui protokol ESP-NOW. Data dari kedua node digabungkan melalui perhitungan rata-rata menjadi tiga fitur (gas amonia, suhu, kelembaban), yang kemudian diklasifikasikan menggunakan algoritma Support Vector Machine (SVM) berkernel linear untuk menentukan kondisi kandang baik atau tidak baik. Hasil klasifikasi ditampilkan pada LCD I2C 20x4 disertai alarm buzzer. Model SVM mencapai akurasi, precision, recall, dan F1-score sebesar 100% pada data pengujian (16 dari 80 sampel dataset). Pengujian keseluruhan sistem pada tiga lokasi kandang (60 kasus uji) juga menunjukkan akurasi 100%. Pengujian komunikasi ESP-NOW pada rentang jarak 15–18 meter menunjukkan tingkat keberhasilan penerimaan data yang tinggi (estimasi packet loss 0–5%) tanpa indikasi degradasi yang jelas seiring bertambahnya jarak, sehingga jarak 15 meter ditetapkan sebagai jarak operasional pengujian sistem dengan margin aman terhadap dimensi kandang terbesar yang diuji.
Analisis Dampak Post-Training Quantization Terhadap Efisiensi dan Performa Model Lightweight CNN Pada Klasifikasi Sampah Berbasis Raspberry Pi 4 Ramadhan, Ghiyas Akhtar Razi; Putri, Rekyan Regasari Mardi
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 08 (2026): Agustus 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penerapan model lightweight Convolutional Neural Network (CNN) pada Raspberry Pi 4 masih menghadapi keterbatasan sumber daya, sehingga diperlukan optimasi yang tetap menjaga performa klasifikasi. Penelitian ini menganalisis dampak post-training quantization (PTQ) dengan skema static full-integer dari FP32 ke INT8 pada MobileNetV2, ShuffleNetV2, dan EfficientNet-Lite0 untuk klasifikasi empat kelas sampah. Ketiga model dikonversi ke TensorFlow Lite FP32 dan INT8, kemudian diuji menggunakan 540 citra pada Raspberry Pi 4. Setiap citra dievaluasi melalui 30 pengulangan dengan lima warm-up runs, empat thread, dan laju input 10 FPS. Ukuran model dianalisis secara deskriptif, sedangkan perubahan latency, penggunaan CPU, dan memori diuji menggunakan Wilcoxon signed-rank berdasarkan 540 pasangan rata-rata per citra. Perubahan correctness diuji menggunakan McNemar eksak. PTQ menurunkan ukuran model sebesar 69,42–70,59%, sedangkan penurunan latency, penggunaan CPU, dan memori signifikan pada seluruh arsitektur. F1-macro menurun sebesar 0,7325 poin persentase pada MobileNetV2, 1,7094 pada ShuffleNetV2, dan 0,9237 pada EfficientNet-Lite0. McNemar menunjukkan perubahan correctness signifikan hanya pada ShuffleNetV2 (p=0,0352). Ketiga arsitektur berada pada Pareto frontier, sehingga pemilihan model bergantung pada prioritas deployment, yaitu MobileNetV2 untuk stabilitas performa, ShuffleNetV2 untuk efisiensi maksimum, dan EfficientNet-Lite0 untuk keseimbangan.
Sistem Peringatan Dini Kebocoran Gas LPG Berbasis Jaringan Nirkabel nRF24L01+ (Radio Frekuensi 2.4 GHz) Saputra, Ariyo; Putri, Rekyan Regasari Mardi
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 08 (2026): Agustus 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kebocoran Liquefied Petroleum Gas (LPG) berpotensi menimbulkan kebakaran dan ledakan sehingga diperlukan sistem peringatan dini yang tetap berfungsi tanpa koneksi internet. Penelitian ini merancang prototipe deteksi kebocoran LPG menggunakan sensor MQ-6 dan ESP32 dengan komunikasi lokal nRF24L01+ pada frekuensi 2,4 GHz, serta mengevaluasi keandalan pengiriman data pada variasi jarak. Sistem terdiri atas node pengirim yang membaca nilai analog sensor, menentukan status berdasarkan ambang 50, dan mengirimkan pesan SAFE atau GAS; serta node penerima yang mengaktifkan LED hijau pada kondisi aman dan LED merah beserta buzzer pada kondisi bahaya. Pengujian mencakup 20 data klasifikasi sensor, 10 pengiriman status jarak dekat, sembilan variasi jarak dengan 10 pengiriman pada setiap jarak, dan enam skenario indikator. Nilai ADC 5-45 seluruhnya diklasifikasikan SAFE, sedangkan nilai 50-180 diklasifikasikan GAS, sehingga ketepatan klasifikasi pada kumpulan uji mencapai 100%. Persentase keberhasilan komunikasi adalah 100% hingga 20 m, kemudian 90%, 80%, 60%, dan 30% pada 30, 40, 50, dan 60 m, serta 0% pada 65 m. Seluruh indikator bekerja sesuai status. Prototipe mampu memberikan peringatan lokal dengan komunikasi tanpa kehilangan paket hingga 20 m pada lingkungan pengujian.
Co-Authors Achmad Arwan Agung Setia Budi, Agung Setia Agus Wahyu Widodo Ahmad Izzuddin Ainun Najib Eka Christianto Akbar, Muhammad Faithur Adel Patria Albert, Muhammad Zaidan Aldo, Muhammad Alhasyimi, Dana Mustofa Alqadri, Aikal Ichsan amiruddin, muhammad dzaky Angelica, Sherina Yosephine Annuranda, Ramansyah Eka Aulady, Fadhli Barlian Henryranu Prasetio Budi Darma Setiawan Candra Dewi Candra Dewi Chusnah Puteri Damayanti Dahnial Syauqy Dharmawan, Fakhriz Thoriqo Dian Eka Ratnawati Diva Kurnianingtyas Edy Santoso Eko Setiawan Eko Setiawan Elsa Nuramilus Shofia Endah Utik Wahyuningtyas Faizatul Amalia Fajar, Sanhnai Fathirul Fanani, Aulia Putri Firdaus, Muhammad Alifiansyah Firza Zamzani, Muhammad Fitra Abdurrachman Bachtiar Fitriyah, Hurriyatul Fran's Dwi Saputra Atmanagara Frans Agum Gumelar Gembong Edhi Setyawan Haqiqi, Farih Akmal Herlambang, Romario Yudo Hisdianton, Oktavian Hurriyatul Fitriyah, Hurriyatul Ichsan , Mochammad Hannats Hanafi Imam Cholissodin Indriati Indriati INTAN NIRMALASARI Irfan Muzakky Nurrizqy Iunike Kartika Dewi Karuniawan Susanto Khoirin Nisa Fitrianur Kurniawan, Rafi Athallah Kusuma, Aji Ranca Lailil Muflikhah Lilik Wahyuni Luthfi Anshori M. Ali Fauzi Mahar Beta Adi Sucipto, Ekmaldzaki Royhan Malik, Hifdzul Manoeroe, Gregorio Marji Maryamah Maryamah Merry Gricelya Nababan Merry Gricelya Nababan, Merry Gricelya Meryandha, Afra Naima Mimin Putri Raharyani Moch. Maulana Alrizzaqi Muhammad Abduh Muhammad Adiputra Muhammad Najmi Ridhani Muzayyin, Asep Nata Dirana, Pratama Putra Niken Hendrakusma Wardani Ningsih Puji Rahayu Nugroho, M. Arif Nurfadhel, Lutfi Fajar Nurkhoyri, Ageng Nurrizqy, Irfan Muzakky Nurul Auliyah Pamungkas, Gilang Alif Pangestu Ari Wijaya Pardamean, Yohanes Pinandita, Eggi Pur Praminsya, Agam Pratama, Muhammad Naufal Rafi Pratomo Adinegoro Pricillia, Lidya Ruth Rakhmadhany Primananda, Rakhmadhany Rakhmadina Noviyanti Ramadhan, Ghiyas Akhtar Razi Ramadhan, Wafdannur Ramadhani, Aryo Sheva Ramadhani, Roihaan Randi Pratama Nugraha Randy Cahya Wihandika Randy Cahya Wihandika Ridho Adi Febrian Rima Diah Wardhani Rizal Maulana, Rizal Rizqi Muh. Muqoffi Ashshidiqi Rosyidah, Dinda Inayatur Saputra, Ariyo Satria Dwi Nugraha Satrio Agung Wicaksono Setiawan, Ilham Bondan Sevtyan Eko Pambudi Shaula, Zenitha Siswanti Sukmawan, Sony - Supraptoa Supraptoa Sutopo Sutopo Sutrisno Sutrisno Syahwanto, Virandy Bagaskara Tegar Assyidiqi Nugroho Tibyani Tibyani Utaminingrum, Fitri Vienticentia Imanuwelita Widodo, Moudy Lestari Tulus Widyana, Kurnita Ruci Wijaya Kurniawan Yusi Tyroni Mursityo Yusuf Priyo Anggodo, Yusuf Priyo Zahra Swastika Putri Zarkasyi, Muhammad Rifky Irfan Zhafran, Ghaniyy Zultoni Febriansyah