Article Per Year (5 Year)
p-Index From 2020 - 2025
1.984
P-Index
This Author published in this journals
All Journal Teknosains: Media Informasi Sains dan Teknologi Jurnal Informatika dan Teknik Elektro Terapan JIKO (Jurnal Informatika dan Komputer) Jurnal Mnemonic JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Jurnal Pengabdian Masyarakat - Teknologi Digital Indonesia MDP Student Conference JITEEHA: Journal of Information Technology Applications in Education, Economy, Health and Agriculture
Firman Nurdiyansyah, Firman
Unknown Affiliation
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 Engineering Environmental Science Industrial & Manufacturing Engineering Physics Social Sciences Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
Klasifikasi Daun Durian Pada Citra Dalam Menentukan Jenis Menggunakan Convolutional Neural Network Elroy, Sebastian Jody; Nurdiyansyah, Firman; Priyandoko, Gigih
MDP Student Conference Vol 3 No 1 (2024): The 3rd MDP Student Conference 2024
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/mdp-sc.v3i1.7199

Abstract

Durian is a tropical plant native to Southeast Asia known as the famous fruit. The leaves that have their respective characteristics are different from the others. In previous studies, the percepton method (MLP) was used to identify the type of durian leaf. The study used the Convolutional Neural Network (CNN) method to classify durian leaf varieties. The research phases include preparation, library study, planning, data collection, implementation, and testing. The data collection involved images of durian leaves from the garden, and has four types of dorian leaves. The training, accuracy, and confusion matrix graphs showed a good model performance, especially in the 10th epoch. The model evaluation results showed an 80%, with adequate precision, recall, and F1 scores. The prediction table displays the prediction results for data samples, especially in the Old Monthong class, with a high degree of confidence (91.55%).
PENERAPAN CONVOLUTIONAL NEURAL NETWORK UNTUK DETEKSI KUALITAS TELUR AYAM RAS BERDASARKAN WARNA CANGKANG Nurdiyansyah, Firman; Fatriana Kadir, Shaifany; Akbar, Ismail; Ursaputra, Lionardi
Jurnal Mnemonic Vol 7 No 1 (2024): Mnemonic Vol. 7 No. 1
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v7i1.8767

Abstract

Sebelum dijual atau dikonsumsi, telur ayam harus dievaluasi untuk kualitasnya, terutama dari segi warna dan kondisi cangkangnya. Dalam penelitian ini, digunakan metode Convolutional Neural Network (CNN) untuk mengklasifikasikan warna cangkang telur ayam. Dengan penggunaan CNN diharapkan dapat mengembangkan model Convolutional Neural Network (CNN) yang dapat mengklasifikasikan kualitas telur ayam secara akurat dengan memberikan rekomendasi parameter yang optimal untuk mencapai performa terbaik. Dataset terdiri dari 120 butir telur yang dibagi menjadi tiga kategori: coklat, krem, dan putih. Pengolahan data melibatkan preprocessing image dengan teknik enhancement data untuk memperluas variasi data tanpa kehilangan informasi penting. Selama pengujian, tiga parameter utama dievaluasi: optimizer (Adam, SGD, RMSprop), learning rate (0.01, 0.001, 0.0001), dan epoch (20, 50, 100). Hasil penelitian menunjukkan bahwa kombinasi terbaik untuk performa optimal adalah dengan menggunakan Adam optimizer, learning rate 0,01, dan 100 epoch. Rasio data 80:20 memberikan hasil terbaik, menekankan pentingnya proporsi data yang baik dalam pembentukan model yang akurat. Analisis parameter learning rate menunjukkan bahwa nilai 0.01 memberikan performa terbaik untuk semua proporsi data, sementara hasil terbaik pada nilai epoch diperoleh dengan 100 epoch untuk semua proporsi data. Dengan demikian, penelitian ini menegaskan bahwa CNN efektif dalam mengklasifikasikan kualitas telur berdasarkan warna cangkang, yang dapat memberikan kemudahan bagi pedagang dan peternak telur dalam memilih telur berkualitas.
Analisis sentimen perpindahan ibu kota negara pada aplikasi Tiktok menggunakan metode LSTM Nurdiyansyah, Firman; Pratama, Lionardi Ursaputra
Teknosains Vol 17 No 3 (2023): September-Desember
Publisher : Fakultas Sains dan Teknologi Universitas Islam Negeri Alauddin Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/teknosains.v17i3.41102

Abstract

Topik pemindahan ibu kota menjadi perbincangan dan semakin menyita perhatian masyarakat luas, akibat pemindahan ibu kota negara dari DKI Jakarta ke Pulau Kalimantan, Tiktok semakin populer sebagai platform media sosial untuk berbagi pemikiran dan ambisi. Oleh karena itu, tujuan penelitian ini adalah menggunakan metode analisis sentimen untuk mengkaji opini masyarakat seputar pemindahan ibu kota melalui komentar pada sosial media Tiktok. Dalam penelitian ini, sentimen komentar masyarakat dikaji dengan menggunakan pendekatan Deep Learning khususnya Long Short Term Memory (LSTM). Penelitian ini bertujuan untuk mengetahui opini masyarakat mengenai pemindahan ibu kota akan menguntungkan atau tidak bagi keberlangsungan bernegara. Penelitian ini menghasilkan akurasi sebesar 100% dan validation accuration sebesar 74%. Hasil akurasi yang tinggi menunjukkan potensi pendekatan menggunakan metode LSTM dalam memahami opini publik mengenai pemindahan ibu kota dan persepsi publik terhadap pemindahan tersebut.
ANALISIS SENTIMEN APLIKASI SHOPEE, TOKOPEDIA, LAZADA DAN BLIBLI MENGGUNAKAN LEKSIKON DAN RANDOM FOREST Syah, Adryan; Nurdiyansyah, Firman; Rahman, Aviv Yuniar
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.v12i3S1.5155

Abstract

Abstrak. Dalam era digital, aplikasi e-commerce telah menjadi sarana utama bagi masyarakat untuk berbelanja. Keberhasilan aplikasi e-commerce tidak hanya bergantung pada fungsionalitasnya tetapi juga pada pengalaman pengguna. Ulasan pengguna di Play Store menjadi indikator penting dalam mengevaluasi kepuasan dan sentimen pengguna terhadap aplikasi tertentu. Penelitian ini bertujuan untuk menganalisis sentimen pada ulasan aplikasi Shopee, Tokopedia, Lazada, dan Blibli di Play Store menggunakan pendekatan Lexicon-based dan algoritma Random Forest. Metode ini dipilih untuk memberikan interpretasi yang jelas terhadap sentimen teks dan meningkatkan akurasi analisis sentimen. Hasil penelitian menunjukkan bahwa aplikasi Lazada memiliki kinerja terbaik dengan akurasi 88,33%, presisi 88,88%, recall 88,33%, dan F1 score 88,34%. Aplikasi Blibli berada di posisi kedua dengan akurasi 85,66%, presisi 85,82%, recall 85,66%, dan F1 score 85,60%. Shopee memiliki akurasi 85,16%, presisi 85,62%, recall 85,16%, dan F1 score 85,26%. Tokopedia menunjukkan performa terendah dengan akurasi 80,33%, presisi 80,96%, recall 80,33%, dan F1 score 80,12%. Penelitian ini menunjukkan bahwa rasio pembagian data latih dan data uji mempengaruhi kinerja model, dengan model bekerja lebih efektif ketika jumlah data latih lebih besar dari data uji.
PERBANDINGAN ALGORITMA NAIVE BAYES DAN KNN DALAM ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI CAPCUT Muslim, Shinta Nilam Sari; Nurdiyansyah, Firman; Rahman, Aviv Yuniar
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.v12i3S1.5156

Abstract

Abstrak. Penelitian ini berfokus pada analisis sentimen ulasan pengguna aplikasi CapCut yang tersedia di Google Play Store dengan menerapkan model Naïve Bayes dan K-Nearest Neighbors (KNN). Tujuan utama penelitian ini adalah untuk mengevaluasi bagaimana pengruh variasi rasio pembagian data latih dan uji terhadap kinerja kedua metode dalam analisis sentimen, serta membandingkan keduanya berdasarkan akurasi, presisi, recall dan f1 score. Menggunakan sembilan rasio pembagian data, ditemukan bahwa rasio 80:20 memberikan kinerja terbaik untuk kedua metode. Naïve Bayes mengungguli KNN dengan akurasi 79.41% dibanding 75.63%. Rasio 50:50 memberikan presisi terbaik untuk kedua metode. Secara keseluruhan, Naïve Bayes menunjukkan performa lebih baik, terutama pada rasio 80:20, menjadikannya pilihan yang lebih tepat untuk analisis sentimen aplikasi CapCut.
PREDIKSI DAERAH RAWAN BANJIR DI KABUPATEN MALAKA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE Tae, Yovita; Nurdiyansyah, Firman; Marisa, Fitria
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 6 (2024): JATI Vol. 8 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i6.11454

Abstract

Banjir menjadi salah satu bencana alam yang sering terjadi, dengan nilai persentasenya sebanyak 40% dibandingkan dengan bencana alam lainnya. Bencana banjir diakibatkan oleh beberapa faktor diantaranya curah hujan yang tinggi, kemiringan lereng, ketinggian lahan, jenis tanah, pengguna lahan,kerapan sungai serta perbuatan manusia yang tidak peduli akan lingkungan seperti, membuang sampah secara sembarangan. Untuk mengurangi tingkat kerugian pasca banjir dibutuhkan sebuah prediksi agar daerah rawan banjir dapat siap sedia saat terjadi atau akan terjadi banjir. Metode Support Vector Machine merupakan metode penyelesaian masalah pengklasifikasian data linear dan non-linear dengan mencari pemisah hyperplane yang optimal antar kelas, sehingga mempunyai tingkat akurasi yang tinggi untuk melakukan prediksi. Variabel yang digunakan dalam penelitian ini adalah curah hujan, jenis tanah, dan kemiringan lereng. Data didapatkan dari BPS dan BMKG untuk daerah Kabupaten Malaka. Berdasarkan hasil pengujian dan pembahasan, penggunaan model SVM untuk prediksi banjir memiliki akurasi yang tinggi dengan nilai akurasi tertinggi sebesar 95% pada model SVM dengan kernel linear pada penggunaan data training dan data testing 60:40. Curah hujan mempunyai pengaruh yang lebih tinggi terhadap kemungkinan banjir suatu daerah, jenis tanah aluvial dan tingkat kemiringan lereng sebesar 0-8% juga mempengaruhi terjadinya banjir jika terjadi hujan yang lebat atau tingkat curah hujan yang tinggi.
KLASIFIKASI KUALITAS GURU PAUD/TK MENGGUNAKAN METODE DECISION TREE Ulfah Rahamawati, Ulya; Marisa, Fitri; Nurdiyansyah, Firman
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 6 (2024): JATI Vol. 8 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i6.11524

Abstract

Penelitian ini bertujuan untuk mengklasifikasi kualitas guru PAUD di Kecamatan Hanau menggunakan metode Decision Tree dengan algoritma C4.5. Kualitas guru PAUD merupakan faktor penting yang memengaruhi perkembangan anak usia dini, sehingga perlu dilakukan evaluasi dan peningkatan kualitas pengajar. Data yang digunakan dalam penelitian ini diperoleh melalui kuesioner yang diisi oleh para guru PAUD di wilayah penelitian. Setelah dilakukan proses preprocessing data, model Decision Tree dibangun untuk mengklasifikasi kualitas guru berdasarkan variabel pendidikan terakhir dan lama pengalaman mengajar. Hasil penelitian menunjukkan bahwa algoritma C4.5 memberikan performa yang baik, dengan akurasi sebesar 83%. Analisis pohon keputusan mengungkapkan bahwa faktor pendidikan terakhir dan lama mengajar merupakan determinan utama yang memengaruhi kualitas kinerja guru PAUD di Kecamatan Hanau. Penelitian ini memberikan wawasan yang dapat digunakan oleh para pengambil kebijakan dalam menyusun program peningkatan kualitas pengajaran di tingkat PAUD, khususnya di wilayah pedesaan seperti Kecamatan Hanau. Selain itu, rekomendasi untuk penelitian selanjutnya adalah menggunakan variasi data yang lebih luas serta mempertimbangkan algoritma lain untuk mencapai akurasi model yang lebih tinggi.
Klasifikasi Jenis Burung Cucak Berdasarkan Suara Menggunakan MFCC Dan Naive Bayes Muhammad Romadloni Putra; Nurdiyansyah, Firman; Yuniar Rahman, Aviv
JURNAL FASILKOM Vol 14 No 2 (2024): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v14i2.7558

Abstract

Indonesia memiliki ekosistem yang kaya dan beragam dengan tingkat keanekaragaman hayati yang tinggi, termasuk keanekaragaman burung. Penelitian ini berfokus pada pengembangan sistem klasifikasi suara burung yang menggunakan Mel-Frequency Cepstral Coefficient dan algoritma Naive Bayes. Sistem ini bertujuan untuk mengidentifikasi spesies burung dari famili Pycnonotidae di Indonesia: brinji gunung, cucak kutilang, merbah belukar, merbah cerukcuk, dan merbah mata merah. Dataset suara burung dikumpulkan dari website xeno-canto.org, kemudian data diproses dan diekstraksi menggunakan fitur mel frequency cepstral coefficient. Model naive bayes kemudian dilatih dan diuji pada dataset yang telah diberi label. Penelitian ini menunjukkan bahwa model naïve bayes adalah metode yang efektif untuk mengklasifikasikan suara burung. Model naive bayes memiliki kinerja yang cukup bagus dalam mengklasifikasian suara burung, mencapai akurasi prediksi mulai dari yang terendah 52% hingga yang tertinggi 90%. Hal ini menunjukkan bahwa model ini cocok untuk membedakan antara suara burung cucak yang berbeda. Hasil pengujian yang diperoleh menunjukkan bahwa model naiva bayes memiliki potensi besar dalam mengklasifikasikan suara cucak. Akurasi yang dicapai oleh model ini, bahkan dengan 20% data latih, membuktikan kemampuannya untuk mengidentifikasi dan membedakan suara cucak dengan tingkat akurasi yang cukup tinggi. Efektivitas model naive bayes dalam mengklasifikasikan suara cucak cukup bagus, terutama mengingat kemampuannya untuk mencapai efisiensi yang tinggi meskipun dengan data pelatihan yang terbatas.
Segmentasi Berbasis Warna Untuk Pengelompokan Kualitas Cacing Anc Menggunakan Yolov8 Nurdiyansyah, Firman; Akbar, Ismail; Ursaputra, Lionardi
JURNAL INFORMATIKA DAN KOMPUTER Vol 9, No 1 (2025): Februari 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v9i1.1779

Abstract

Mengembangkan metode otomatisasi dalam pengelompokan kualitas cacing African Night Crawler (ANC) menggunakan model YOLOv8 yang didukung oleh segmentasi berbasis warna. Metode manual yang selama ini digunakan dalam menilai kualitas cacing sering kali memakan waktu dan cenderung tidak konsisten, sehingga pendekatan berbasis teknologi diperlukan untuk meningkatkan efisiensi dan akurasi. Penelitian ini dimulai dengan pengumpulan dataset gambar cacing ANC, yang kemudian dianotasi berdasarkan tiga kelas utama, yaitu merah, putih, dan putih-biru. Dataset ini diproses melalui langkah-langkah preprocessing untuk memastikan kualitas data yang konsisten, kemudian dibagi menjadi training set (80%), validation set (15%), dan test set (5%). Model YOLOv8 diterapkan untuk mendeteksi dan mengklasifikasikan objek, dengan arsitektur yang terdiri dari Backbone, Neck, dan Head yang dirancang untuk mengoptimalkan deteksi multi-skala. Hasil penelitian menunjukkan bahwa model YOLOv8 memiliki performa yang sangat baik, dengan mean Average Precision (mAP) rata-rata sebesar 93.8% pada training set, 94.0% pada validation set, dan 95.0% pada test set. Nilai precision mencapai 95.6% pada training set, sementara recall mencatat 85.4%, menghasilkan F1-Score sebesar 90.3%. Hasil ini menunjukkan bahwa model tidak hanya akurat dalam mendeteksi objek yang relevan tetapi juga memiliki sensitivitas yang baik terhadap variasi data. Kesimpulannya, penggunaan YOLOv8 untuk segmentasi berbasis warna pada cacing ANC memberikan solusi yang efisien dan akurat dalam mengklasifikasikan kualitas cacing. Selain mendukung otomatisasi dalam industri peternakan, penelitian ini juga membuka peluang penerapan lebih lanjut dalam sektor agrikultur lainnya, dengan rekomendasi untuk meningkatkan generalisasi model pada variasi data yang lebih kompleks di kondisi dunia nyata.
PEMBERDAYAAN BUDIDAYA CACING ANC MELALUI WEBSITE SISTEM INFORMASI DAN DIGITAL MARKETING Nurdiyansyah, Firman; Suksmawati, Affi Nizar; Ursaputra, Lionardi
Jurnal Pengabdian Masyarakat - Teknologi Digital Indonesia. Vol 4, No 1 (2025): Maret 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jpm.v4i1.1782

Abstract

Mendigitalisasi manajemen operasional dan meningkatkan kapasitas pemasaran digital di CV. Messi Putra Jaya, sebuah UMKM di Kecamatan Wagir, Kabupaten Malang yang bergerak dalam budidaya cacing African Nightcrawler (ANC), menjadi fokus utama program ini. Mitra menghadapi tantangan berupa pengelolaan data secara manual yang rentan terhadap kesalahan serta strategi pemasaran konvensional yang kurang efektif. Untuk mengatasi tantangan tersebut, program ini dirancang untuk meningkatkan efisiensi manajemen, memperluas jangkauan pemasaran, dan mendukung pengambilan keputusan berbasis data. Metode pelaksanaan dilakukan dalam empat tahapan, yaitu analisis kebutuhan, pengembangan sistem informasi berbasis web, pelatihan pemasaran digital, serta monitoring dan evaluasi. Hasil kegiatan menunjukkan dampak positif yang signifikan. Sistem informasi berbasis web yang dikembangkan memungkinkan pencatatan produksi dan transaksi keuangan dengan lebih efisien dan akurat. Selain itu, pelatihan pemasaran digital mendorong mitra untuk memanfaatkan media sosial dan e-commerce sebagai sarana pemasaran yang efektif, meningkatkan jangkauan pasar secara signifikan. Dalam waktu tiga bulan, program ini berhasil meningkatkan penjualan hingga 25% dan menciptakan budaya kerja yang lebih modern dan berbasis teknologi. Kendala utama yang ditemukan berupa keterbatasan waktu pendampingan dan adaptasi terhadap teknologi menjadi pembelajaran penting untuk perbaikan di masa mendatang. Dengan keberhasilan ini, program pengabdian memiliki potensi besar untuk direplikasi di wilayah lain dengan dukungan dari platform teknologi, pemerintah daerah, serta pelatihan lanjutan dalam pemasaran berbasis data dan sistem pembayaran digital.
Co-Authors Akbar, Ismail Aviv Yuniar Rahman Bagas Imadani Putra, Alif Elroy, Sebastian Jody Fatriana Kadir, Shaifany MARIFANI FITRI ARISA Marisa, Fitria Muhammad Idris Muhammad Romadloni Putra Muslim, Shinta Nilam Sari Pratama, Lionardi Ursaputra Priyandoko Gigih Sofyan Rachma Danni, Muhammad Sujito Sujito Suksmawati, Affi Nizar Syah, Adryan Tae, Yovita Ulfah Rahamawati, Ulya Ursaputra, Lionardi