Article Per Year (5 Year)
p-Index From 2020 - 2025
1.376
P-Index
This Author published in this journals
All Journal BERKALA SAINSTEK JUTI: Jurnal Ilmiah Teknologi Informasi INFORMAL: Informatics Journal Register: Jurnal Ilmiah Teknologi Sistem Informasi Jurnal Komputer Terapan IT JOURNAL RESEARCH AND DEVELOPMENT Jurnal Ilmiah Inovasi TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika Brilliance: Research of Artificial Intelligence Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK)
Gama Wisnu Fajarianto
Universitas Jember
Agriculture, Biological Sciences & Forestry Biochemistry, Genetics & Molecular Biology Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Education Electrical & Electronics Engineering Engineering Library & Information Science Mathematics Physics Other

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
DENSE VISUAL WORD SPATIAL ARRANGEMENT DAN PENERAPANNYA PADA PENGENALAN GAMBAR SECARA OTOMATIS Fajarianto, Gama Wisnu; Tjandrasa, Handayani
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 13, No 2, Juli 2015
Publisher : Department of Informatics, Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j24068535.v13i2.a480

Abstract

Bag of visual word (BoVW) merupakan metode yang menjelaskan isi dari gambar. Metode ini hanya menghitung banyaknya word dan tidak memberikan informasi spatial. Terdapat metode Visual word spatial arrangement (WSA) dimana metode ini memberikan informasi spatial tentang word tertentu pada gambar dengan menggunakan interest point sebagai detektor. WSA kurang dapat memberikan informasi yang penting pada gambar dikarenakan interest point yang dihasilkan oleh detektor dapat memberikan titik-titik yang berpotensi tidak merupakan representasi yang penting dari gambar tersebut. Pada paper ini diusulkan metode dense visual word spatial arrangement (DVSA) yang merupakan modifikasi metode dari WSA. Metode ini tidak menggunakan detektor interest point untuk menghitung deskriptor lokal melainkan dengan menghitung deskriptor lokal pada bagian komponen piksel-piksel yang saling berdekatan. Hasil pengujian pada 4485 gambar dengan 15 jenis kelas menggunakan 10-fold cross validation untuk 2 word metode yang diusulkan memberikan peningkatan performa sebesar 12.68 % dari akurasi BoVW sedangkan akurasi WSA lebih baik 15.62 % dari BoVW. Untuk 4 word metode yang diusulkan memberikan peningkatan performa akurasi sebesar 30.99 % dari akurasi BoVW dan peningkatan performa 18.16 % dari WSA. Sedangkan untuk 6 word metode yang diusulkan memberikan peningkatan performa sebesar 29.98 % dari akurasi BoVW dan peningkatan performa 18.75 % dari WSA. Peningkatan performa akurasi sebesar 36.2 % didapatkan oleh metode yang diusulkan dengan 6 word terhadap BoVW dengan 2 word. Peningkatan performa sampai 18.75 % yang dihasilkan DVSA dibandingkan WSA dan peningkatan performa sampai 30.99 % dibandingkan BoVW dengan jumlah word yang sama menunjukkan metode yang diusulkan kompetitif untuk mengenali jenis gambar.
Adaptif Range-Constrained Otsu Untuk Pemilihan Threshold Secara Otomatis Pada Histogram Citra Dengan Variansi Kelas Yang Tidak Seimbang Fajarianto, Gama Wisnu; Abror, Ahmad Hifdhul; Hayatin, Nur
Register: Jurnal Ilmiah Teknologi Sistem Informasi Vol 2, No 1 (2016): Januari-Juni
Publisher : Prodi Sistem Informasi - Universitas Pesantren Tinggi Darul Ulum

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (575.116 KB) | DOI: 10.26594/register.v2i1.439

Abstract

Abstrak Image Thresholding merupakan proses segmentasi untuk pemisahkan foreground dan background pada citra dengan cara membagi histogram citra menjadi dua kelas. Beberapa metode thresholding seperti Otsu dan Range-constrained Otsu menggunakan nilai variansi dari histogram untuk mendapatkan titik threshold, namun ketika menangani citra yang memiliki nilai variansi kelas foreground dan background tidak seimbang titik threshold yang dihasilkan kurang tepat. Paper ini mengusulkan metode Adaptif Range-constrained Otsu untuk mengatasi permasalahan variansi kelas yang tidak seimbang dengan cara mencari kelas yang memiliki nilai variansi lebih besar, untuk mendapatkan titik threshold yang lebih tepat. Pengujian menggunakan 22 NDT image dengan evaluasi misclassification error rate dan metode perankingan menunjukkan metode ini menghasilkan rerata ME 0.1153. Sedangkan Otsu sebesar 0.1746. Nilai rerata ranking 3.55, selisih 0.05 dibanding Kittler III. Hasil ini menunjukkan metode yang diusulkan kompetitif, terutama untuk segmentasi citra yang memiliki variansi kelas tidak sama. Kata kunci: segmentasi, thresholding, histogram, Otsu, Range-constrained. Abstract Image thresholding is segmentation process for separating foreground and background of an image by dividing image histogram into two classes. Several thresholding methods like Otsu and Rangeconstrained Otsu using the variance value of the histogram to get the threshold point, but when handling images that have unbalance class variance of the foreground and background produce less accurate threshold point. This paper proposes a method Adaptive Range-constrained Otsu to solve unbalance class variance problem by finding a class that has greater variance value to obtain more accurate threshold point. NDT testing using 22 images with misclassification error rate evaluation and ranking methods shows that this method results ME average of 0.1153, while Otsu method results 0.1746. The rankings mean value is 3.55, which has the difference of 0.05 when compared with Kittler III. These results show that the proposed method is competitive, especially for image segmentation with different class variance. Key word: segmentasi, thresholding, histogram, Otsu, Range-constrained.
Adaptif Range-Constrained Otsu Untuk Pemilihan Threshold Secara Otomatis Pada Histogram Citra Dengan Variansi Kelas Yang Tidak Seimbang Fajarianto, Gama Wisnu; Abror, Ahmad Hifdhul; Hayatin, Nur
Register: Jurnal Ilmiah Teknologi Sistem Informasi Vol 2, No 1 (2016): January
Publisher : Information Systems - Universitas Pesantren Tinggi Darul Ulum

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/register.v2i1.439

Abstract

PENGENALAN JENIS SERAGAM LORENG TNI MENGGUNAKAN KOMBINASI ECCENTRICITY DAN METRIC Hertiana Bethaningtyas; Hasbi Naufal; Gama Wisnu Fajarianto
TEKTRIKA Vol 2 No 2 (2017): TEKTRIKA Vol.2 No.2 2017
Publisher : Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/tektrika.v2i2.1667

Abstract

Seragam militer sebagai identitas sebuah negara memiliki ciri khusus warna atau corak tertentu. Identifikasi ciri tersebut dapat dilakukan dengan analisa pengolahan citra digital. Salah satu metode pengenalan seragam militer yang banyak digunakan adalah menggunakan Hue Color Histogram. Namun, metode ini kurang tepat digunakan ketika ada intensitas cahaya terhadap objek yang akan mempengaruhi distribusi nilai warna. Sehingga objek yang berbeda akan terdeskripsi sama akibat memiliki komposisi warna yang sama. Paper ini mengusulkan metode kombinasi eccentricity dan metric dimana kelebihan dari metode ini adalah nilai eccentricity dan metric dari suatu objek tidak akan berubah walaupun posisi objek dilakukan perputaran sudut. Objek citra yang digunakan adalah Jenis Loreng Seragam TNI. Hasil pengujian dari 80 data citra loreng didapat akurasi 87.5% dan akurasi dengan data citra loreng lain menghasilkan nilai akurasi 92.1% menunjukkan metode yang diusulkan kompetitif.
Implementasi Metode Promethee Pada Sistem Pendukung Keputusan Pemilihan Pengajar Iqbal Faizal Afif; Gama Wisnu Fajarianto; Anang Andrianto
INFORMAL: Informatics Journal Vol 7 No 2 (2022): Informatics Journal (INFORMAL)
Publisher : Faculty of Computer Science, University of Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.19184/isj.v7i2.31727

Abstract

Tutoring is a process of providing learning assistance to students from elementary school to high school. One of the tutoring institutions in Jember Regency is Griya Belajar Pintar Arrava. Arrava always tries to provide the best services and facilities for its students by providing quality teachers. Qualified teachers can be obtained through a good teacher selection process. However, Arrava's leader, who also serves as a decision maker, always has difficulty in choosing new teachers. Efforts that can be made to overcome these difficulties are by building a decision support system for teacher selection. The decision support system for teacher selection can assist Arrava leaders in selecting qualified teachers by providing applicant recommendations based on the results of system calculations. One method that can be used in the selection of teachers is the Promethee method. Promethee is a method that is able to solve problems in determining the order (priority). Basically the Promethee method compares the scores between alternatives (applicants) based on each criterion, resulting in a more accurate decision. The results of this study indicate that the applicant who is ranked first is Nur Khotimah with a value of 0.362014, the second is Hendra Setiawan with a value of 0.245347, the third is Miftahul Arifin with a value of 0.000833, the fourth is Novi Ekasari with a value of -0.3025, and the fifth is Nurul Azizah with a value of -0.30569.
Pengembangan Wilayah Subsektor Industri Kreatif Dengan Location Modelling Simulation Di Kabupaten Jember: Development of Creative Industry Sub-Sector Areas with Location Modeling Simulation in Jember Regency Deltaningtyas Tri Cahyaningrum; Gama Wisnu Fajarianto
Jurnal Ilmiah Inovasi Vol 23 No 2 (2023): Agustus
Publisher : Politeknik Negeri Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25047/jii.v23i2.3865

Abstract

Industri kreatif memiliki kontribusi yang besar terhadap PDB suatu negara. Peningkatan kontribusi pada PDB dapat dilakukan dengan pengidentifikasian subsector industri kreatif terhadap wilayah. Berdasarkan hasil penelitian sebelumnya tentang pengklasifikasian subsector industri kreatif dengan tiga klasifikasi yaitu subpotensi tinggi, sedang dan rendah, penelitian ini bertujuan untuk memaksimumkan kontribusi dengan memetakan wilayah berdasarkan subpotensi industri kreatif. Pengembangan dilakukan dengan memetakan wilayah pendapatan yang sama dengan subpotensi subsector industri kreatif. Empat kriteria yang digunakan pada pemetaan ini dengan location modeling simulation adalah simulasi location modelling dengan menggunakan empat kriteria, yaitu kemudahan menuju industri kreatif antar wilayah; kemudahan konsumen dalam menjangkau industri kreatif berdasarkan jumlah usaha, pendapatan di wilayah serta transportasi; jumlah sektor pariwisata serta wisatawan yang berkunjung; dan pengaruh penduduk yang berpendidikan serta perguruan tinggi, pendapatan di wilayah, serta pengangguran. Hasil dari penelitian adalah mendapatkan prioritas pengembangan wilayah yang memiliki nilai pendapatan rendah dan sedang berdasarkan subsector industri kreatif yang memiliki nilai atau peluang yang tinggi. Berdasarkan hasil penelitian disarankan untuk menambahkan variabel lain yang berpengaruh signifikan terhadap industri kreatif.
Analisi Data Eksploratori Kritis untuk Dataset Prediksi Stroke Muhammad Arif Ariful Furqon; Nina Fadilah Najwa; Mohamad Zarkasi; Priza Pandunata; Gama Wisnu Fajariyanto
Jurnal Komputer Terapan Vol. 10 No. 1 (2024): Jurnal Komputer Terapan
Publisher : Politeknik Caltex Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35143/jkt.v10i1.6307

Abstract

Stroke is a significant global health concern, requiring an in-depth understanding of the complex factors contributing to its occurrence. Age, body mass index (BMI), and average glucose levels are critical factors in stroke etiology. This study employed exploratory data analysis techniques to investigate the relationships between variables in a stroke prediction dataset. The research methodology included (1) dataset description, (2) data preprocessing, (3) exploratory data analysis, and (4) interpretation. Descriptive statistical analysis provided insights into the dataset's composition and variability, while data preprocessing techniques handled missing values and facilitated feature extraction. Based on exploratory data analysis, significant relationships were found between age, hypertension, heart disease, average glucose levels, and stroke. However, BMI showed a less significant role in stroke. These findings contribute to a better understanding of the factors contributing to stroke risk and may aid in developing more effective prevention strategies.
Sistem Informasi Penentuan Paket Pembelian Produk Menggunakan Algoritma Frequent Pattern-Growth pada KPRI Jember Noorkholid, Mohammad Ivan; Hidayat, Muhammad Arief; Fajarianto, Gama Wisnu
BERKALA SAINSTEK Vol 8 No 2 (2020)
Publisher : Universitas Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.19184/bst.v8i2.11848

Abstract

Penelitian ini bertujuan untuk merancang dan membangun sistem informasi penentuan paket pembelian produk pada KPRI Jember. Sistem ini menggunakan algoritma Fp-Growth (Frequent Pattern Growth) untuk menghasilkan informasi tentang paket pembelian produk dengan menangkap fenomena yang terjadi dalam transaksi penjualan. Implementasi algoritma Frequent Pattern Growth menggunakan PHP. Data hasil perhitungan algoritma Frequent Pattern Growth divisualisasikan dalam halaman website. Penerapan algoritma Frequent Pattern Growth didukung dengan metode association rules untuk menghasilkan data yang lebih lengkap dan akurat. Perhitungan membutuhkan data masukan berupa minimum support dan minimum confidence untuk memproses data transaksi penjualan menjadi paket pembelian produk. Dengan memasukkan minimum support 1 dan minimum confidence sebesar 50, hasil perhitungan didapatkan bahwa paket pembelian produk yang muncul sebanyak 10 paket dengan minimum support yang bermacam-macam berurutan dari produk pertama sampai produk terakhir. Semakin besar minimum support dan minimum confidence yang dimasukkan maka semakin sedikit paket pembelian produk yang dihasilkan.
Forecasting Used Car Prices Using Machine Learning Khotimah, Eni Khusnul; Swasono, Dwiretno Istiyadi; Fajarianto, Gama Wisnu
IT Journal Research and Development Vol. 9 No. 2 (2025)
Publisher : UIR PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25299/itjrd.2025.18031

Abstract

In an increasingly competitive era, it is crucial for car dealers and retailers to address the challenges of accurately determining the prices of used cars. To tackle these challenges, this study implements Machine Learning models to predict used car prices accurately. By applying the Artificial Neural Network (ANN) and Random Forest Regression algorithms, this research aims to evaluate the performance of these methods in predicting used car prices. The used car price data was obtained from the Kaggle repository, consisting of 14,657 data entries that provide comprehensive information about used cars. The analysis focuses on six main columns, including Brand, Model, Variant, Year, and Mileage, to estimate used car prices. Model evaluation was conducted using Mean Absolute Error (MAE) as the primary metric. The results show that the ANN model achieved a lower MAE (0.035) compared to the Random Forest Regression (0.047), indicating better performance in predicting used car prices. These findings demonstrate the effectiveness of ANN in handling data complexity and the non-linear relationships between variables involved in forecasting used car prices. Additionally, this contributes to the implementation of more accurate used car price predictions, enabling automotive companies to improve operational efficiency and provide greater benefits to the community.
Prediksi Penjualan Kopi Bubuk Menggunakan Extreme Learning Machine (Studi Kasus: Kafe Tjap Daoen Bondowoso) Furqon, Muhammad Ariful; Madani, Anis; Nurdiansyah, Yanuar; Fajarianto, Gama Wisnu
Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK) 2025: SNESTIK V
Publisher : Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/p.snestik.2025.7066

Abstract

Cafe Tjap Daoen belum menerapkan metode yang mendukung peramalan penjualan, sehingga keputusan terkait penjualan hanya didasarkan pada data periode sebelumnya. Hal ini menyebabkan terjadinya underproduksi saat permintaan tinggi dan overproduksi ketika permintaan menurun. Penelitian ini menganalisis dua produk utama, yaitu Arabica Specialty Coffee dan Arabica Wine, menggunakan data penjualan dari tahun 2019 hingga 2022. Algoritma Extreme Learning Machine (ELM) dipilih karena kinerjanya yang sangat baik dalam memprediksi data deret waktu. Hasil penelitian menunjukkan bahwa algoritma ELM mampu menghasilkan nilai Mean Absolute Percentage Error (MAPE) sebesar 1,8450%. Sementara itu, Arabica Wine menghasilkan MAPE sebesar 10,373%. Penelitian ini menunjukkan bahwa algoritma ELM efektif dalam meningkatkan akurasi peramalan penjualan untuk kedua produk tersebut. @font-face {font-family:"Cambria Math"; panose-1:2 4 5 3 5 4 6 3 2 4; mso-font-charset:0; mso-generic-font-family:roman; mso-font-pitch:variable; mso-font-signature:-536870145 1107305727 0 0 415 0;}@font-face {font-family:Calibri; panose-1:2 15 5 2 2 2 4 3 2 4; mso-font-charset:0; mso-generic-font-family:swiss; mso-font-pitch:variable; mso-font-signature:-469750017 -1040178053 9 0 511 0;}p.MsoNormal, li.MsoNormal, div.MsoNormal {mso-style-unhide:no; mso-style-qformat:yes; mso-style-parent:""; margin:0cm; mso-pagination:widow-orphan; font-size:12.0pt; mso-bidi-font-size:11.0pt; font-family:"Times New Roman",serif; mso-fareast-font-family:Calibri; mso-ansi-language:IN;}.MsoChpDefault {mso-style-type:export-only; mso-default-props:yes; font-size:10.0pt; mso-ansi-font-size:10.0pt; mso-bidi-font-size:10.0pt; font-family:"Calibri",sans-serif; mso-ascii-font-family:Calibri; mso-fareast-font-family:Calibri; mso-hansi-font-family:Calibri; mso-font-kerning:0pt; mso-ligatures:none; mso-fareast-language:EN-ID;}div.WordSection1 {page:WordSection1;}
Co-Authors Ahmad Hifdhul Abror, Ahmad Hifdhul Anang Andrianto Deltaningtyas Tri Cahyaningrum Dwiretno Istiyadi Swasono Furqon, Muhammad Ariful Handayani Tjandrasa Hasbi Naufal Hertiana Bethaningtyas Dyah Kusumaningrum Hidayat, Muhammad Arief Iqbal Faizal Afif Khotimah, Eni Khusnul Kusuma, Suleman Candra Madani, Anis Mohamad Zarkasi Najwa, Nina Fadilah Noorkholid, Mohammad Ivan Nur Hayatin Priza Pandunata Ramadhani, Jelang Fikri Yanuar Nurdiansyah, Yanuar Zarkasi, Mohammad