Article Per Year (5 Year)
p-Index From 2021 - 2026
5.067
P-Index
This Author published in this journals
All Journal Jurnal Simetris Jurnal Pekommas JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Jurnal Sisfokom (Sistem Informasi dan Komputer) JUTIM (Jurnal Teknik Informatika Musirawas) Kurawal - Jurnal Teknologi, Informasi dan Industri JUSIM (Jurnal Sistem Informasi Musirawas) Teknomatika (Jurnal Teknologi dan Informatika) Economics and Digital Business Review Brilliance: Research of Artificial Intelligence Algoritme Jurnal Mahasiswa Teknik Informatika Informatics and Enginering Dedication Jurnal Teknologi Sistem Informasi Digital Transformation Technology (Digitech) DEVICE : JOURNAL OF INFORMATION SYSTEM, COMPUTER SCIENCE AND INFORMATION TECHNOLOGY MDP Student Conference Nusantara Journal of Multidisciplinary Science Journal Information & Computer (JICOM) Jurnal Software Engineering and Computational Intelligence Jurnal Ilmiah Sistem Informasi
Novan Wijaya
Unknown Affiliation
Religion Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Other

Published : 45 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 45 Documents
Search

 1   2   3   4   5 
Sistem Pengambilan Keputusan dalam Memilih Bioskop di Palembang untuk Pelanggan Menggunakan Simple Additive Weighting (SAW) Atika, Rindi; Wijaya, Novan
Digital Transformation Technology Vol. 4 No. 1 (2024): Periode Maret 2024
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v4i1.3680

Abstract

Bioskop adalah salah satu hiburan yang bisa dinikmati. Di Palembang, ada banyak bioskop yang bisa dipilih orang untuk menghabiskan waktu. Akan tetapi, seseorang hanya dapat menikmati salah satunya satu per satu. Dalam memilih bioskop sendiri, banyak kriteria yang bisa dipertimbangkan seperti harga, fasilitas, pelayanan, atau jarak. Dalam memilih bioskop terbaik untuk menonton film, kriteria tersebut dapat membantu. Untuk bisa mendapatkan hasil terbaik dalam memilih bioskop, seseorang dapat menggunakan pengambilan keputusan. Studi ini menggunakan metode Simple Additive Weighting (SAW) untuk membantu memutuskan bioskop mana yang layak untuk dipilih. Proses dalam membuat keputusan menggunakan SAW adalah menentukan kriteria yang terdiri dari keuntungan (benefit) dan biaya (cost), memutuskan alternatif, membuat matrix keputusan, melakukan normalisasi, dan mengurutkan alternatif untuk mengetahui nilai yang tertinggi. Setelah proses yang ada dilakukan, hasil akhir dari penggunaan metode SAW dalam pengambilan keputusan untuk memilih bioskop adalah Cinepolis berada di urutan teratas.
Sistem Pendukung Keputusan Pemilihan Laptop pada IT Store dengan Menggunakan Metode Simple Additive Weighting (SAW) Wijaya, Novan; Wulandari, Selvi Putri
Digital Transformation Technology Vol. 4 No. 2 (2024): Periode September 2024
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v4i2.4459

Abstract

Laptop merupakan salah satu alat yang banyak digunakan di era modern saat ini. Laptop hadir dengan berbagai spesifikasi serta dengan harga yang bervariasi. Hal ini tentunya menyebabkan sulitnya dalam melakukan pemilihan laptop yang sesuai dengan kebutuhan pembeli. Untuk memudahkan dalam pemilihan laptop yang nyaman dan sesuai dengan kebutuhan pembeli, maka dibutuhkan sebuah sistem pendukung keputusan yang dapat membantu pembeli dalam memilih laptop yang tepat. Sistem pendukung keputusan ini menggunakan Metode Simple Additive Weighting (SAW), dimana metode ini merupakan metode penjumlahan terbobot dari seluruh data yang ada. Hasil dari penelitian ini berupa saran atau rujukan dalam memilih dan menentukan laptop yang ingin dibeli sesuai dengan kebutuhan berdasarkan kriteria laptop yang telah ditentukan dari berbagai varian laptop yang ada di IT Store.
Classification of Cassava Leaf Diseases Using ResNet50 CNN Architecture Based on Digital Images Malik, Maulana; Wijaya, Novan
Brilliance: Research of Artificial Intelligence Vol. 6 No. 1 (2026): Brilliance: Research of Artificial Intelligence, Article Research May 2026
Publisher : Yayasan Cita Cendekiawan Al Khwarizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/brilliance.v6i1.7686

Abstract

Cassava (Manihot esculenta) is an important agricultural commodity in Indonesia, but its productivity can decline due to leaf diseases such as Cassava Mosaic Disease (CMD), Cassava Green Mottle (CGM), Cassava Bacterial Blight (CBB), and Cassava Brown Streak Disease (CBSD). These four diseases exhibit overlapping visual symptoms such as chlorosis, spots, and leaf discoloration, making them difficult to distinguish manually. This study aims to create a digital- based cassava leaf image classification system using the Convolutional Neural Network (CNN) algorithm and ResNet50 architecture. The dataset used consists of 9,436 cassava leaf images taken from the TensorFlow platform and processed through resizing, normalization, selective augmentation, and the application of transfer learning. The experiment compared various optimizer configurations, learning rates, batch sizes, and balanced and unbalanced dataset scenarios. The evaluation was conducted using accuracy, precision, recall, and F1-score. The results show that the best performance was obtained on an unbalanced dataset using the Adam optimizer (learning rate 0.001; batch size 64) with an accuracy of 80.69% and an F1-score of 79.76%. Meanwhile, balancing the dataset actually reduced performance to an accuracy of 77.14% and an F1-score of 76.48%. Analysis of the loss curve and confusion matrix confirmed that the natural data distribution provided more stable generalization, although misclassification still occurred in classes with similar visual symptoms. These findings indicate that ResNet50 is effective for classifying cassava leaf diseases and has the potential to support early detection in digital agriculture practices.
IMPLEMENTASI DUA ARAH MACHINE TRANSLATION MENGGUNAKAN MODEL MBART6 PADA APLIKASI POLYCHAT UNTUK KOMUNIKASI LINTAS BAHASA Ansky, Bryant; Wijaya, Novan
JUTIM (Jurnal Teknik Informatika Musirawas) Vol 11 No 1 (2026): JUTIM (Jurnal Teknik Informatika Musirawas) Maret
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jutim.v11i1.2891

Abstract

Komunikasi lintas bahasa merupakan tantangan dalam era globalisasi, di mana perbedaan bahasa menjadi hambatan utama dalam penyampaian pesan dan interaksi antar individu dari berbagai negara. Dengan lebih dari 7000 bahasa yang ada di dunia, kebutuhan akan solusi penerjemahan yang efektif dan terintegrasi sangat dibutuhkan. Untuk mengatasi permasalahan tersebut, penelitian ini bertujuan mengimplementasikan sistem machine translation dua arah pada aplikasi PolyChat sebagai media komunikasi lintas bahasa secara real-time. Aplikasi ini menggabungkan fungsi chat dengan penerjemahan otomatis dalam satu platform, sehingga pengguna dapat berinteraksi menggunakan bahasa ibu mereka masing-masing tanpa perlu membuka aplikasi penerjemahan terlebih dahulu. Tujuan penelitian ini adalah merancang dan membangun sistem penerjemahan berbasis Neural Machine Translation (NMT) dengan menggunakan model mBART dengan dataset OPUS kategori OpenSubtitles, serta melakukan evaluasi hasil penerjemahan menggunakan metrik BLEU (Bilingual Evaluation Understudy) untuk mengukur seberapa akurat hasil penerjemahan. Sistem dirancang dengan mekanisme caching berlapis yang mencakup pencarian di dataset, corpus cache hasil terjemahan sebelumnya, dan eksekusi model mBART untuk mengoptimalkan kecepatan dan efisiensi penerjemahan. Metodologi penelitian meliputi beberapa tahap, yaitu studi literatur, pengumpulan dataset dari enam bahasa resmi PBB (Inggris, Mandarin, Spanyol, Prancis, Russia, dan Arab) yang menghasilkan 30 arah penerjemahan, perancangan arsitektur sistem dengan proses normalisasi teks dan tokenisasi, implementasi model penerjemahan dengan attention mechanism dan beam search, serta pengujian kinerja sistem berdasarkan nilai BLEU.
IDENTIFIKASI PENYAKIT MULTIPLE SCLEROSIS PADA CITRA MRI MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK Ghassani, Jihan; Wijaya, Novan
JUTIM (Jurnal Teknik Informatika Musirawas) Vol 11 No 1 (2026): JUTIM (Jurnal Teknik Informatika Musirawas) Maret
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jutim.v11i1.2893

Abstract

Multiple Sclerosis (MS) merupakan penyakit neurologis yang menyerang sistem saraf pusat yaitu otak dan sumsum tulang belakang. Penyakit ini merusak lapisan mielin sehingga mengganggu penghantaran impuls saraf dan menimbulkan gejala seperti gangguan penglihatan, koordinasi, dan fungsi kognitif. Diagnosis dini MS penting karena belum terdapat terapi yang dapat menyembuhkan penyakit ini. Magnetic Resonance Imaging (MRI) terbukti efektif dalam mendeteksi kerusakan jaringan otak, namun interpretasi citra masih bergantung pada keahlian radiolog. Penelitian ini bertujuan untuk mengembangkan sistem identifikasi otomatis MS pada citra MRI menggunakan Convolutional Neural Network (CNN) berbasis arsitektur ResNet50V2. Dataset yang digunakan berupa citra MRI axial dengan label MS dan non-MS dari platform Kaggle. Citra dilakukan preprocessing dan augmentasi, kemudian dibagi menjadi dua kombinasi pembagian data, yaitu 80% data training, 10% validation, dan 10% testing serta 90% data training, 5% validation, dan 5% testing. Model CNN dilatih menggunakan optimizer Adam dengan evaluasi performa menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model mampu mengidentifikasi citra MS dan non-MS dengan akurasi pengujian sebesar 89% pada skenario pembagian data 90% data latih, 5% data validasi, dan 5% data uji, serta akurasi pengujian sebesar 90% pada skenario 80% data latih, 10% data validasi, dan 10% data uji. Akurasi validasi tertinggi yang diperoleh mencapai 96,34% pada skenario 90% data latih dan 96,36% pada skenario 80% data latih. Selain itu, hasil evaluasi menunjukkan bahwa model memiliki performa yang lebih stabil dalam mengidentifikasi citra non-MS dibandingkan citra MS, meskipun masih ditemukan beberapa kesalahan klasifikasi pada kelas MS.
Co-Authors Adit Jansa Akhsani Taqwiym Aljabbar, Jodi Putra Alyssa Hasyim Amirah, Syabina Najla Andrean Tjen andreyas Anisa Rahmawati Ansky, Bryant Atika, Rindi Dafid . Daniel Lim Daniel Udjulawa Darmawan, Dean Dedi Ferdinan Manalu Derry Alamsyah Devella, Siska Dicky Ryanto Fernandes Effendy, Qrizky Putra Felix Felix Georgerius Alesandro Christianto Ghassani, Jihan Hafiz Irsyad Hariyadi, Dyon Fillipo Agma Hasibuan, Citra Fadilah Heriyanto Heriyanto Jefry Kamaruddin Sanjaya, Herry Karolina, umi Kelvin Stepanus Kevin Susanto Lie, Kenny M Ezar Al Rivan M. Gilang, Seftian Maulana Malik, Maulana Mawarni, Marselyna Fitri Meiriyama, Meiriyama Molavi Arman Mughny, Tria Nanda Muhammad Akbar Muhammad Wildan Nabil Syawaludin Prima Nicolas Jacky Pratama Hasan Olivia Patricia, Grace Rahmad Firdaus Rajaguguk, M. Rifaldi Febriansyah Riadi, Safina Rizaldy, Alya Putri RR. Ella Evrita Hestiandari Steven Tan, Steven Suwanto, Fredy Syeira, Khaerani Tandoballa, Lucky Taqwiym, Akhsani Taqwiym, Akhsani Taqwiym, Akhsani Tinaliah, Tinaliah Tri Buana Ayu Tri Wahyu Cahyo Septa Triana Elizabeth, Triana Wulandari, Selvi Putri Yohannes, Yohannes