Article Per Year (5 Year)
p-Index From 2021 - 2026
1.048
P-Index
This Author published in this journals
All Journal Jurnal Buana Informatika SMATIKA Network Engineering Research Operation [NERO] Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Jurnal Insan Farmasi Indonesia Konstelasi: Konvergensi Teknologi dan Sistem Informasi Prosiding Seminar Nasional Pengabdian Masyarakat Journal of Embedded Systems, Security and Intelligent Systems JuTISI (Jurnal Teknik Informatika dan Sistem Informasi)
Setiawan, Hendry
Teknik Informatika, Universitas Ma Chung
Arts Biochemistry, Genetics & Molecular Biology Chemistry Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Medicine & Pharmacology Physics

Published : 18 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 18 Documents
Search

 1   2 
Rancang Bangun Aplikasi Monitoring Perangkat Keras Komputer Menggunakan Windows Query Language Paulus Lucky Tirma Irawan; Abdurrachman Kamil Dhermawan; Hendry Setiawan
Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Vol 1, No 3, November-2016
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/kinetik.v1i3.124

Abstract

Dokumentasi aset merupakan salah satu agenda rutin yang harus dilakukan sebagai bagian dari sistem manajemen mutu. Dokumen ini dapat memiliki fungsi sebagai alat komunikasi, alat bukti dan juga knowledge sharing. Kegiatan dokumentasi ini biasanya difokuskan pada sarana dan prasarana utama yang mendukung kinerja sebuah instansi, salah satunya laboratorium. Dokumentasi aset laboratorium secara umum melibatkan spesifikasi perangkat komputer, seperti data perangkat keras meliputi mainboard, harddrive, sistem operasi hingga data kondisi kelayakan masing-masing perangkat tersebut. Pengembangan aplikasi monitoring memanfaatkan teknologi web service dan Windows Query Language. Aplikasi ini dapat memudahkan pelaksana dokumentasi untuk mendapatkan informasi yang dibutuhkan secara cepat, akurat dan real-time menggunakan aplikasi yang terintegrasi dengan sistem yang dibangun di server. Aplikasi monitoring dapat diakses menggunakan peramban maupun perangkat bergerak sehingga meningkatkan fleksibilitas penggunanya pada saat melakukan pengawasan dan dokumentasi data. Total pemakaian memori untuk pengoperasian aplikasi ini hanya membutuhkan memori yang cukup kecil, yakni 30 MB RAM. 
Implementasi Algoritma Harmony Search Untuk Penjadwalan Produksi Hendry Setiawan; Oesman Hendra Kelana; Dennys Gunawan
Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Vol 2, No 2, May-2017
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (644.275 KB) | DOI: 10.22219/kinetik.v2i2.132

Abstract

Permasalahan yang sering terjadi pada perusahaan yang bekerja di bidang produksi kantong plastik adalah masih tingginya kerusakan hasil produksi (afal). Hal ini dikarenakan operator yang bertugas untuk menjadwalkan produksi masih kurang memiliki kemampuan dan pengalaman yang mencukupi untuk menjadwalkan produksi, sehingga menyebabkan kemungkinan terjadinya kesalahan penjadwalan yang tinggi. Untuk memecahkan permasalahan tersebut, penelitian ini bertujuan untuk menciptakan sebuah aplikasi yang dapat merekomendasikan  jadwal produksi.  Algoritma yang digunakan untuk membuat aplikasi  ini menggunakan algoritma harmony search. Solusi penjadwalan produksi akan direpresentasikan dalam bentuk nada-nada. Setiap nada akan improvisasi terus menerus hingga mencapai nada terbaik yang mampu memberikan rekomendasi jadwal yang terbaik. Proses pengujian yang dilakukan terhadap aplikasi dengan menggunakan data sebanyak 28 order memberikan hasil bahwa aplikasi ini dapat melakukan penjadwalan dengan tingkat keakuratan mencapai 98%.
Convolutional Neural Network dalam Citra Medis Danny Gunawan; Hendry Setiawan
KONSTELASI: Konvergensi Teknologi dan Sistem Informasi Vol. 2 No. 2 (2022): Desember 2022
Publisher : Program Studi Sistem Informasi Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (795.274 KB) | DOI: 10.24002/konstelasi.v2i2.5367

Abstract

Penggunaan deep learning dapat diaplikasikan di berbagai bidang seperti pendidikan, bisnis, pertanian, pertambangan, internet of things (IoT), keamanan cyber, perkiraan cuaca, dan medis. Dalam dunia medis penggunaan deep learning telah berkembang pesat, menjadi sebuah pilihan yang menjanjikan dalam menganalisis citra medis metode yang digunakan adalah convolutional neural network (CNN). Para peneliti terdahulu telah mendapatkan hasil yang memuaskan di semua sub bidang analisis citra medis, seperti klasifikasi, deteksi, segmentasi, dan peningkatan citra. Dengan keberhasilan ini para peneliti menemukan sebuah model yang dapat mendiagnosis dan mendeteksi secara otomatis, yang dapat membantu para ahli di bidangnya dan menunjukan bahwa teknologi deep learning akan sangat bermanfaat bagi kemajuan analisis citra medis.
Pengembangan Sistem Informasi Administrasi Surat Menyurat untuk Mendukung Layanan di Desa Karangwidoro Hendry Setiawan; Ekky Rino Fajar Sakti; Windra Swastika; Paulus Lucky Tirma Irawan
Prosiding Seminar Nasional Pengabdian Masyarakat Universitas Ma Chung 2020: Prosiding Seminar Nasional Pengabdian Masyarakat (SENAM) 2020
Publisher : Ma Chung Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (674.096 KB)

Abstract

Lahan pertanian yang luas yang dimiliki desa Karangwidoro sekarang mengalami pergeseran dikarenakan beberapa perumahan mulai berdiri. Hal ini berdampak pada perubahan pola kerja dari penduduk yang ada, dimana sebelumnya mereka banyak yang memiliki profesi sebagai petani, namun sekarang banyak yang beralih ke bidang usaha yang lain. Disamping itu juga dengan adanya perumahan, maka dating pendatang baru yang bermukim di desa tersebut dan terjadi migrasi penduduk masuk dan keluar dari desa tersebut. Dengan keberagaman penduduk yang tinggal di Desa Karangwidoro, kebutuhan tentang pendataan jumlah penduduk maupun keperluan ijin ataupun permohonan surat menyurat senantiasa dilakukan di kantor Desa Karangwidoro. Proses pembuatan surat dilakukan pada kantor Desa Karangwidoro, meskipun telah menggunakan komputer namun pengarsipan data terkait masih dilakukan secara manual sehingga pembuatan surat pencarian data tidak dapat dilakukan dengan efisien. Dari survey dan konsultasi yang telah dilakukan di kantor Desa Karangwidoro, sistem informasi ini telah dirancang untuk membantu pengarsipan surat menyurat, data kependudukan serta memungkin pencarian data lebih mudah. Beberapa fitur yang dapat diakses melalui sistem informasi surat menyurat ini diantaranya surat keterangan, surat pindah keluar/masuk, input data penduduk serta visualisai data kependudukan.
Implementasi Perbaikan Kualitas Citra Tanaman terhadap Perbedaan Kamera untuk Prediksi Pigmen Fotosintesis berbasis Machine Learning Felix Adrian Tjokro Atmodjo; Kestrilia Rega Prilianti; Hendry Setiawan
Jurnal Buana Informatika Vol. 14 No. 01 (2023): Jurnal Buana Informatika, Volume 14, Nomor 1, April 2023
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v14i01.6997

Abstract

Implementation of Plant Image Quality Improvement based on Machine Learning on Camera Variation to Predict Photosynthetic Pigments. Pigments are natural dyes found in plants and animals. In photosynthesis, there are 3 essential pigments: chlorophyll, cartenoid, and anthocyanin. Pigment analysis can be performed with High Performance Liquid Chromatography (HPLC) and a spectrophotometer. However, HPLC and spectrophotometers require high resources and time. Thus, the Fuzzy Piction Android application built using the FP3Net model is the best choice in pigment prediction since it is low on cost and accessible. However, the Fuzzy Piction produces different performance, which is affected by light conditions and camera specifications. The experiment used ten sample images for Jasminum sp., P. betle, Syzygium oleina of green and red variations, and Graptophyllum pictum leaves with three smartphone cameras and three lighting levels. Improvements using 3D-TPS produced the best SSIM values in the range of 0.9191 – 0.9797 for images Syzygium oleina of green and red variations leaves, and the predicted MAE value of pigment was 0.0296 – 0.0492.Keywords: 3D-TPS, plant leaves, pigment, image quality improvement Implementasi Perbaikan Kualitas Citra Tanaman terhadap Perbedaan Kamera untuk Prediksi Pigmen Fotosintesis berbasis Machine Learning. Pigmen merupakan pewarna alami yang ditemukan pada tumbuhan dan hewan. Dalam proses fotosintesis terdapat tiga pigmen yang penting, yaitu klorofil, kartenoid, dan antosianin. Analisis pigmen dapat dilakukan dengan Kromatorafi Cair Kinerja Tinggi (KCKT) dan spektrofotometer. Namun, KCKT dan spektrofotometer membutuhkan sumber daya dan waktu yang tinggi. Sehingga, aplikasi Android Fuzzy Piction yang dibangun menggunakan model FP3Net mejadi pilihan dalam prediksi pigmen dengan biaya murah dan mudah. Akan tetapi, aplikasi Android Fuzzy Piction menghasilkan kinerja yang berbeda-beda yang dipengaruhi oleh kondisi cahaya dan spesifikasi kamera. Dilakukan percobaan dengan mengambil sepuluh sampel citra daun dari empat varietas tanaman yaitu, pucuk merah, daun ungu, melati, dan sirih. Citra diambil dengan tiga kamera smartphone dan tiga tingkat pencahayaan yang berbeda. Perbaikan yang dilakukan menggunakan algoritma 3D-TPS menghasilkan nilai SSIM terbaik pada rentang 0.9191 – 0.9797 untuk citra daun pucuk merahdan nilai MAE prediksi pigmen sebesar 0.0296 –0.0492.Kata Kunci: 3D – TPS, daun tanaman, pigmen, perbaikan kualitas citra
Metode Deteksi Cepat Serangan Ganoderma pada Perkebunan Kelapa Sawit dengan Penginderaan Jauh William Wicaksono; Kestrilia Rega Prilianti; Hendry Setiawan; Prasetyo Mimboro
Journal of Embedded Systems, Security and Intelligent Systems Vol. 3 No. 2 (2022): Vol 3, No 2 (2022): November 2022
Publisher : Program Studi Teknik Komputer

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

Abstract

Di tengah krisis ekonomi dunia saat ini, industri sawit masih mampu menopang perekonomian domestik Indonesia. Oleh karena itu, potensi kerugian akibat penyakit yang terlambat terdeteksi dan mengakibatkan gagal panen harus diantisipasi sejak dini. Penyakit yang paling sering menyerang perkebunan kelapa sawit adalah Ganoderma. Luas area perkebunan kelapa sawit di Indonesia yang sangat besar merupakan tantangan bagi pengelola untuk dapat melakukan monitoring terhadap serangan Ganoderma secara komprehensif. Teknologi penginderaan jauh merupakan salah satu solusinya. Dengan menggunakan Unmanned Aerial Vehicle (UAV) seperti drone citra perkebunan kelapa sawit dapat direkam dengan cepat. Pada penelitian ini, citra UAV dari perkebunan kelapa sawit diproses menggunakan algoritma Convolutional Neural Network (CNN) dengan arsitektur ResNet-34 untuk deteksi pokok pohon kelapa sawit. Pada hasil deteksi kemudian dilakukan ekstraksi nilai rerata RGB (Red, Green, dan Blue) dari setiap pokok pohon. Nilai rerata RGB kemudian digunakan sebagai input pada custom model Artificial Neural Network (ANN) untuk memprediksi status serangan Ganoderma (terinfeksi atau tidak terinfeksi) pada tiap pokok pohon. Akurasi model CNN deteksi pokok pohon (diukur dengan F1-Score) mencapai 84,61% untuk training dan 73,83% untuk testing. Sedangkan akurasi model ANN status serangan Ganoderma mencapai 91% untuk training dan 94% untuk testing. Dengan metode ini pengelolaan lahan terkait serangan Ganoderma dapat dilakukan dengan efektif dan efisien.
Perbandingan Pytesseract dan Template Matching Untuk Otomatisasi Input Data KTP Teresa Octaviani; Hendry Setiawan; Oesman Hendra Kelana
Jurnal Buana Informatika Vol. 14 No. 02 (2023): Jurnal Buana Informatika, Volume 14, Nomor 2, Oktober 2023
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v14i02.7612

Abstract

KTP memiliki banyak fungsi, seperti sebagai kartu identitas, dalam proses pendaftaran, dalam proses kepengurusan, serta untuk mengakses layanan. Hingga saat ini, pendaftaran KTP dilakukan dengan diketik sehingga tidak hemat waktu dan tenaga, serta sering menyebabkan kesalahan dalam pengetikan sehingga data yang disimpan tidak sesuai. Oleh karena itu, dikembangkan aplikasi dengan fitur otomatisasi pengisian data KTPmenggunakan OCR. Metode OCRyang akan digunakan ditentukan dengan pengujian akurasi metode Pytesseract dan template matching pada kondisi menggunakan kamera smartphone dengan pencahayaan gelap, terang, terang sekali, dan menggunakan kamera laptop. Rata-rata tingkat akurasi dari empat pengkondisian yang didapatkan oleh metode Pytesseract adalah 98,33%, sedangkan rata-rata yang didapatkan oleh metode template matching adalah 67,33%. Berdasarkan hasil ini, sistem OCR yang dikembangkan menggunakan metode Pytesseract.
Implementasi Convolutional Neural Network untuk Sistem Prediksi Pigmen Fotosintesis pada Tanaman Secara Real Time Kestrilia Rega P; Ivan Christianto O; Hendry Setiawan
Jurnal Teknik Informatika dan Sistem Informasi Vol 4 No 2 (2018): JuTISI
Publisher : Maranatha University Press

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

Abstract

It is common that evaluation on plant health is done by conducting measurement on photosynthetic pigments. Analysis of the presence or absence of some particular pigments could reveal any information about plant responses to the environment or climate changes. This is due to the fact that relative pigment concentrations are influenced by environmental factors such as light and nutrient availability. In this research, a non-destructive and rapid method was developed to identify the existence of photosynthetic pigments in plant leaf i.e. chlorophyll, carotenoid, and anthocyanin. The method used leaf’s RGB digital image as the color representation of the pigments contained in the plant being evaluated. The intelligence agent which is responsible to learn the data and provide information about the pigments was developed based on convolutional neural network (CNN) model. This model was chosen due to its capability to receive a digital image and automatically search for the best feature to learn it. Therefore, plant evaluation could run in real time. The result of the experiment reveals that CNN model could learn the color-pigment relationship very well. The best architecture is ShallowNet using Adam optimizer, batch size 30 and trained with 15 epoch. The MSE of the pigments prediction reaches 0.0055 (actual data range -0.2 up to 2.2) for training and 0.029 for testing.
Co-Authors Abdurrachman Kamil Dhermawan Alfred Christian Supusepa Antonius Duty Susilo Antony Hilary Danny Gunawan Dennys Gunawan Ekky Rino Fajar Sakti Felix Adrian Tjokro Atmodjo Felix Tandiono Hans Kristian Irawan, Paulus Lucky Tirma Irawan, Paulus Lucky Tirma Ivan Christianto O Kestrilia Rega Prilianti Kielvien Lourensius Eka S. P. Marcelino Centauri Dwi Prasetyo Mochamad Subianto Monica, Eva Nicholas Febrian Oesman Hendra Kelana Oesman Hendra Kelanata Paulus Lucky Tirma Irawan Paulus Lucky Tirma Irawan Paulus Lucky Tirma Irawan Prasetyo Mimboro Priska Mariana Rehmadenta Sitepu Rollando, Rollando Tandiono, Felix Tandiono, Felix Teresa Octaviani William Wicaksono Windra Swastika Yandriyani, Devilke