Claim Missing Document
Check
Articles

Found 36 Documents
Search

Klasifikasi Penyakit Kronis Melalui Mata Menggunakan Algoritma Convolutional Neural Network Dengan Model MobileNet-V3 Mohammad Haydir Awaludin Waskito; Andreas Nugroho Sihananto; Achmad Junaidi
Uranus : Jurnal Ilmiah Teknik Elektro, Sains dan Informatika Vol. 2 No. 2 (2024): Juni: Jurnal Ilmiah Teknik Elektro, Sains dan Informatika
Publisher : Asosiasi Riset Teknik Elektro dan Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61132/uranus.v2i2.120

Abstract

Chronic diseases in humans are very difficult to detect visually, for example glaucoma, hypertension, diabetes, and others. So it takes a lot of time for further medical examination by visiting a health center or hospital. Therefore, this research aims to find a solution combining medical and computer science to classify quickly and precisely. Classifying eye images requires good features and characteristics so that disease images can be classified. This research uses the Deep Learning method, namely Convolutional Neural Network with MobileNet-V3 architecture which can extract features from large resolution images very well. This research resulted in accurate classification of images of chronic diseases Normal, Diabetes, Glucoma, Cataract, Age related macular degeneration, Hypertension, Pathalogical Myopia. uses the MobileNet-V3 architecture, with transfer learning reaching 81%, and loss only 0.4913.
Wayang’s Images Recognition using Vision Transformer Sihananto, Andreas Nugroho; Al Haromainy , Muhammad Muharrom; Fauzi, Zaky Ahmad; Reza, Reno Alfa; Putra, Gredy Christian Hendrawan; Christianty, Theressa Marry
IJDASEA (International Journal of Data Science, Engineering, and Analytics) Vol. 4 No. 2 (2024): International Journal of Data Science, Engineering, and Analytics Vol 4, No 2,
Publisher : Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/ijdasea.v4i2.24

Abstract

Due to its complex nature and outdated perception, Wayang is a traditional Indonesian art form influenced by Hindu-Buddhism. However, it is difficult for the younger generation to recognize the various types of Wayang. In an effort to preserve Wayang culture, this study evaluates the performance of four deep learning models in recognizing types of Wayang namely, Vision Transformer (ViT), ResNet34, YOLOv5-cls, and YOLOv8-cls. These models were trained and assessed using a dataset of 232 images representing six Wayang types and using matrix such as accuracy, recall, precision, and F1 score. ViT demonstrated efficiency and adaptability despite high computational requirements, achieving the best accuracy (91.3%), showing high adaptability despite substantial computational requirements. Meanwhile, YOLOv5-cls and YOLOv8-cls offered a good balance betwwen accuracy and efficiency. This study suggest that deep learning models can play an essentialrole in Wayang by enhancing recognition accessibility, thus helping younger generations appreciate this tradisional art form.
ANALISIS PENGUJIAN KEAMANAN FIREWALL PADA SISTEM X DI UNIVERSITAS Z Lesmana, Benedictus Rafael; Junaidi, Achmad; Sihananto, Andreas Nugroho
Journal of Information System, Applied, Management, Accounting and Research Vol 8 No 3 (2024): JISAMAR (June-August 2024)
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/jisamar.v8i3.1563

Abstract

Penggunaan sistem X di ruang lingkup kampus Z semakin sering digunakan baik oleh mahasiswa maupun tenaga pendidik di sekitar kampus. Dengan terkoneksinya sistem ke jaringan komputer dan internet, maka peluang berubah atau rusaknya data akan semakin terbuka lebar, karena user dari sistem X yang berpotensi berbahaya (malicious user) akan mudah masuk ke sistem melalui jaringan komputer atau internet. Firewall adalah alat keamanan jaringan yang mengawasi lalu lintas (traffic) yang masuk dan keluar dari jaringan dan menentukan apakah paket data boleh diterima atau diblokir menggunakan aturan khusus. Pengujian keamanan firewall perlu dilakukan untuk melihat seberapa rentan firewall yang dimiliki oleh sistem X. Dengan menggunakan Kali Linux untuk melakukan penetration testing dan nessus sebagai alat untuk memindai kerentanan, maka didapatkan seberapa kompleks proses penetration testing suatu firewall pada sistem X serta hasil kerentanan yang rinci dari pemindaian nessus. Hasil yang didapatkan setelah melakukan pemindaian kerentanan adalah didapatkan beberapa kerentanan yang dimiliki dari sistem X serta beberapa informasi yang perlu diperhatikan untuk menjaga keamanan jaringan. Sistem X memiliki tiga kerentanan tingkat sedang satu kerentanan tingkat rendah serta tiga puluh lima informasi keamanan yang perlu diperhatikan serta solusi yang ditawarkan untuk mengatasi kerentanan yang dimiliki sistem X. Dari pengujian yang dilakukan, dapat disimpulkan sistem X memiliki keamanan yang cukup baik dengan beberapa kerentanan yang perlu diperhatikan.
PERAMALAN TINGKAT INFLASI DI INDONESIA MENGGUNAKAN ARTIFICIAL BEE COLONY DAN XGBOOST Mohammad, Farrel Adel; Rizki, Agung Mustika; Sihananto, Andreas Nugroho
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4827

Abstract

Pertumbuhan ekonomi dan stabilitas harga merupakan fokus utama bagi negara-negara, termasuk Indonesia. Inflasi, sebagai indikator fluktuasi harga barang dan jasa, memainkan peran penting dalam stabilitas ekonomi. Peramalan inflasi menjadi kunci bagi pemerintah dan pemangku kepentingan ekonomi untuk merancang kebijakan yang responsif. Model pembelajaran mesin, seperti XGBoost, telah digunakan untuk tujuan ini, namun penyetelan hiperparameter yang optimal menjadi kunci keberhasilannya. Algoritma optimisasi seperti Artificial bee colony (ABC) dapat mengotomasi proses penyetelan hiperparameter XGBoost, meningkatkan efisiensi dan kinerja model. Penelitian ini membuktikan bahwa kombinasi Artificial bee colony dan XGBoost berhasil meramalkan tingkat inflasi bulanan di Indonesia dengan hasil yang akurat. Implementasi metode ini memberikan rata-rata skor RMSE 0.155066, skor MAE 0.115655, dan skor MAPE 0.795767.
IMPLEMENTASI METODE RAPID APPLICATION DEVELOPMENT (RAD) DALAM PENGEMBANGAN SISTEM ENTERPRISE INDUSTRI TEKSTIL BERBASIS WEBSITE Ramadhan, Dimas Dharu; Mumpuni, Retno; Sihananto, Andreas Nugroho
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3S1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3S1.5222

Abstract

Penelitian ini berfokus pada perancangan dan pengembangan aplikasi enterprise berbasis web yang khusus untuk industri konveksi tekstil di Bojonegoro, yang masih banyak menggunakan pencatatan manual atau aplikasi terpisah sehingga kurang efisien. Aplikasi ini dirancang untuk mengintegrasikan berbagai aspek operasional perusahaan, mulai dari manajemen, transaksi, hingga pengambilan keputusan, dengan tujuan meningkatkan efisiensi, produktivitas, dan koordinasi antar role dalam perusahaan. Pengembangan menggunakan metode Rapid Application Development (RAD), yang memungkinkan siklus pengembangan cepat dengan melibatkan klien secara intensif. Melalui prototyping yang berulang, klien dapat memberikan masukan langsung sehingga perangkat lunak dapat disesuaikan dengan kebutuhan hingga tercapai hasil yang optimal sesuai standar klien.
DETEKSI ANOMALI MENGGUNAKAN ENSEMBLE LEARNING DAN RANDOM OVERSAMPLING PADA PENIPUAN TRANSAKSI KEUANGAN Saputra, Dewa Raka Krisna; Via, Yisti Vita; Sihananto, Andreas Nugroho
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4910

Abstract

Di era digital, transaksi keuangan semakin beralih ke metode nontunai, karena sifatnya yang nyaman dan efisien. Namun, peningkatan penggunaan kartu kredit dan transaksi online juga meningkatkan risiko kejahatan finansial. Penelitian ini mengkaji metode ensemble learning dan random oversampling dalam mendeteksi anomali pada transaksi keuangan, khususnya penipuan kartu kredit. Algoritma klasifikasi yang digunakan meliputi Decision Tree (DT), Random Forest (RF), Logistic Regression (LR), dan Naive Bayes (NB), dengan pendekatan ensemble learning seperti Bagging, Boosting, dan Stacking. Hasil penelitian menunjukkan bahwa metode ensemble learning secara signifikan meningkatkan performa deteksi penipuan dibandingkan model dasar (base model). Khususnya teknik stacking menunjukkan peningkatan AUC yang signifikan, dengan beberapa algoritma mencapai AUC sempurna (1.00). Random Forest (RF) dengan metode ensemble learning menunjukkan performa yang sangat konsisten dan optimal dalam mendeteksi anomali penipuan. Penelitian ini menegaskan bahwa metode ensemble learning, terutama stacking, efektif dalam membedakan antara transaksi sah dan mencurigakan, sehingga dapat diandalkan untuk deteksi penipuan keuangan.
PENERAPAN HYBRID CRYPTOGRAPHY MENGGUNAKAN CAMELLIA DAN DUAL MODULUS RSA PADA PERTUKARAN FILE Ar Romandhon, Mitzaqon Gholizhan; Junaidi, Achmad; Sihananto, Andreas Nugroho
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3S1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3S1.5218

Abstract

Kebutuhan akan keamanan atas data merupakan hal yang sangat penting dalam era digital saat ini, terutama pada proses pertukaran data yang bersifat sensitif terhadap serangan siber. Selain keamanan data, ukuran data yang semakin besar juga menjadi permasalahan dalam proses pertukaran file karena waktu yang dibutuhkan dalam pemrosesan juga semakin lama. Penelitian ini melakukan implementasi skema hybrid cryptography menggunakan algoritma Camellia dan Dual Modulus RSA yang bertujuan untuk mengatasi permasalahan-permasalah tersebut. Pemilihan skema hybrid cryptography adalah untuk mendapatkan kekuatan dari masing-masing algoritma, sehingga keamanan dan kecepatan dari tiap algoritma dapat didapatkan. Tahapan yang dilakukan dalam penelitian ini adalah studi literatur, perancangan, implementasi dan pengujian. Hasil dari pengujian yang telah dilakukan, diperoleh bahwa untuk proses pembangkitan kunci skema hybrid memiliki waktu tempuh yang mirip dengan algoritma DM-RSA dengan perbedaan 9.3% lebih cepat dan pada proses enkripsi dan dekripsi memiliki waktu tempuh yang mirip dengan algoritma Camellia dengan perbedaan 2.3% lebih cepat. Untuk keseluruhan proses algoritma hybrid memiliki waktu tempuh yang mirip dengan algoritma Camellia untuk skenario ukuran data 600MB dan 1200MB dengan perbedaan 25.2% lebih lambat.
GWO-SVM: AN APPROACH TO IMPROVING SVM PERFORMANCE USING GREY WOLF OPTIMIZER IN INTELLECTUAL DISABILITY CLASSIFICATION Afifudin, Muhammad; Junaidi, Achmad; Sihananto, Andreas Nugroho; Fithriyah, Izzatul
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3S1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3S1.5359

Abstract

 Intellectual disability (ID) is a neurodevelopmental disorder that requires early and accurate diagnosis. This study aims to improve the efficiency of ID diagnosis using a machine learning approach. A Support Vector Machine (SVM) model optimized with Grey Wolf Optimizer (GWO) was developed and trained using data from questionnaires completed by 101 families/guardians of ID patients at RSUD Dr. Soetomo Surabaya. The features used include family history, cognitive abilities, and adaptive behaviors. The results showed that the GWO-SVM model achieved an accuracy of 95% in classifying ID patients, an improvement of 5% compared to the conventional SVM. The GWO algorithm successfully optimized the parameters in SVM, resulting in a model with the best performance. These findings indicate the potential of GWO-SVM as an effective and efficient tool for assisting in the diagnosis of ID.
KLASIFIKASI CITRA PLANKTON DENGAN ALGORITMA HIBRIDA CONVOLUTIONAL NEURAL NETWORK DAN EXTREME LEARNING MACHINE Shahab, Muhammad Syaugi; Junaidi, Achmad; Sihananto, Andreas Nugroho
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3S1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3S1.5219

Abstract

Penelitian ini bertujuan untuk meningkatkan akurasi dalam klasifikasi plankton secara otomatis dengan pendekatan hibrida CNN-ELM. Menggunakan Convolutional Neural Network (CNN) untuk ekstraksi fitur dan Extreme Learning Machine (ELM) sebagai pengklasifikasi, model ini dirancang untuk mengatasi tantangan citra plankton yang buram, dataset kecil, dan ketidakseimbangan kelas. SMOTE digunakan untuk menangani ketidakseimbangan data. Dari implementasi SMOTE dengan metode interpolasi, permasalahan ketidakseimbangan kelas berhasil diatasi dengan menjadikan jumlah data latih sama rata untuk setiap kelas. Dari hasil pengujian, konfigurasi dengan 32 filter dan 2000 hidden node serta 64 filter dan 2000 hidden node memberikan performa terbaik dengan akurasi 97,78%. Sebaliknya, model dengan 64 filter dan 4000 hidden node menunjukkan performa terendah dengan akurasi 82,78% yang diakibatkan overfitting. Analisis confusion matrix mengungkapkan kinerja tinggi pada beberapa kelas plankton, namun masih kesalahan klasifikasi sering terjadi pada kelas seperti Alexandrium, Noctiluca, dan Nitzschia. Temuan ini menunjukkan bahwa konfigurasi dengan filter dan node yang lebih kompleks tidak selalu menghasilkan kinerja lebih baik. Penelitian ini diharapkan dapat mendukung pengambilan keputusan di bidang kelautan.
ANALISIS SENTIMEN PADA MEDIA SOSIAL X TERHADAP IMPLEMENTASI KURIKULUM MERDEKA MENGGUNAKAN METODE FASTTEXT DAN LONG SHORT-TERM MEMORY (LSTM) Pangestu, Arif Fajar; Rahmat, Basuki; Sihananto, Andreas Nugroho
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 4 (2024)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v9i4.5665

Abstract

Perubahan kurikulum adalah keharusan untuk mengikuti perkembangan zaman dan memastikan standar pendidikan terpenuhi. Namun, perubahan ini sering kali menyebabkan kebingungan di kalangan pendidik dan orang tua, yang mengganggu proses pendidikan. Kurikulum Merdeka, yang diperkenalkan sebagai inovasi penting dalam pendidikan Indonesia, menawarkan kerangka kerja yang lebih baik dan sesuai dengan kebutuhan. Meskipun demikian, dengan meningkatnya jumlah peserta didik, tantangan yang dihadapi oleh sistem pendidikan Indonesia juga bertambah. Penelitian ini bertujuan untuk menganalisis opini yang muncul di media sosial X tentang implementasi Kurikulum Merdeka, menggunakan metode word embedding FastText dan model klasifikasi Long Short-Term Memory. Dua dataset uji coba digunakan dalam penelitian ini, yang pertama berisi 7.500 entri dan yang kedua 3.000 entri. Penelitian ini juga menguji delapan skenario yang berbeda, dengan kombinasi metode ekstraksi fitur Continuous Bag of Words dan Skip-Gram, serta variasi pemisahan data 80:20 dan 85:15. Hasilnya menunjukkan tingkat akurasi yang tinggi di semua skenario, di atas 85%. Temuan ini mengungkap dominasi sentimen negatif dalam setiap kategori yang diamati selama implementasi Kurikulum Merdeka, menunjukkan adanya beberapa tantangan atau hambatan dalam penerimaan dan penerapan kurikulum tersebut di berbagai lingkungan pendidikan