Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Generation Journal JSITIK: Jurnal Sistem Informasi dan Teknologi Informasi Komputer Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Wardana, Aldestra Bagas
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Transportation

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Sistem Prediksi Jumlah Produksi Tahu Takwa Menggunakan Metode Fuzzy Tsukamoto Berbasis Web Bagus Dwi Prasetya; Syaputri, Rika Wahyu; Annisa, Fera; Wardana, Aldestra Bagas; Farida, Intan Nur
Generation Journal Vol 7 No 3 (2023): Special Issue October 2023
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/gj.v7i3.21148

Abstract

Takwa Popular Tofu Factory still uses estimates of the amount of production with no accurate calculation and computer technology. Therefore, the calculation system of the tsukamoto fuzzy method with a web-based concept is expected to minimize losses due to the amount of production that is not in accordance with market share. This study aims to assist the Takwa Popular Tofu factory in estimating the amount of daily production in accordance with market share. The test results using Mean Absolute Percentage Error (MAPE) show the accuracy of the system calculation of 95.90% with an error value of 4.09 so that the interpretation of the MAPE value is accurate.
Perancangan Algoritma SVM untuk Pengembangan Model Pendeteksi Bahasa Isyarat Berbasis Landmark WARDANA, ALDESTRA BAGAS; ARMYANTO, JODI; DANIATI, ERNA
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 9 No. 1 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/9esmzh27

Abstract

Penelitian ini mengembangkan sistem pengenalan alfabet Bahasa Isyarat Indonesia (SIBI/BISINDO) berbasis MediaPipe Hands untuk mendukung komunikasi inklusif. Sistem ini membandingkan kinerja empat algoritma klasifikasi Support Vector Machine (SVM), Multi-Layer Perceptron (MLP), Convolutional Neural Network (CNN), dan Random Forest (RF)—pada dataset yang terdiri dari 1.000 citra tangan mewakili 26 huruf. Ekstraksi 21 titik landmark menghasilkan vektor fitur berdimensi 42, kemudian dinormalisasi menggunakan skala min-max dan dibagi menjadi 80% data pelatihan dan 20% data pengujian. Hasil evaluasi menunjukkan bahwa CNN mencapai akurasi tertinggi sebesar 98,2% meski memerlukan waktu pelatihan terlama. Sementara itu, RF menawarkan keseimbangan antara akurasi (96,5%) dan efisiensi komputasi. SVM dan MLP mencapai akurasi 95,1% dan 97,3%. Alur terintegrasi menyoroti trade-off antara akurasi dan kecepatan pemrosesan, krusial untuk perangkat terbatas. Temuan ini menjadi dasar pengembangan teknologi asistif bahasa isyarat dan memperluas akses komunikasi inklusif bagi penyandang tunarungu dan tunawicara.
Klasifikasi Gestur BISINDO Berbasis Landmark Tangan-Lengan Menggunakan Mediapipe Holistic dan Random Forest Imam, Azra'i Mahendra; Wardana, Aldestra Bagas; Armyanto, Jodi; Rahman, Moch. Raffi Dwi Saktya
JSITIK: Jurnal Sistem Informasi dan Teknologi Informasi Komputer Vol. 4 No. 1 (2025): Desember 2025
Publisher : Cipta Media Harmoni

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53624/jsitik.v4i1.718

Abstract

Latar Belakang: Bahasa Isyarat Indonesia (BISINDO) menjadi media komunikasi primer bagi komunitas tunarungu di Indonesia. Akan tetapi, tingkat pemahaman masyarakat umum terhadap BISINDO masih minim, sehingga dibutuhkan inovasi teknologi untuk mengatasi hambatan komunikasi ini. Tujuan: Studi ini bertujuan untuk mengevaluasi efektivitas integrasi algoritma Random Forest dengan sistem ekstraksi fitur MediaPipe Holistic dalam mengidentifikasi gestur alfabet statis BISINDO secara tepat dan efisien. Metode: Riset ini menerapkan pendekatan kuantitatif eksperimental melalui pengumpulan data gestur alfabet BISINDO (A–Z kecuali J dan R). Setiap gerakan direkam menggunakan MediaPipe Holistic untuk menghasilkan 150 fitur landmark tiga dimensi. Dataset diseimbangkan dan diolah menggunakan model Random Forest dengan konfigurasi standar. Hasil: Model yang dikembangkan menunjukkan tingkat akurasi 100% pada dataset pengujian dan 96% pada data baru dari pengguna yang berbeda, mengindikasikan performa klasifikasi yang optimal dan kemampuan generalisasi yang baik. Kesimpulan: Integrasi MediaPipe Holistic dan Random Forest terbukti efektif dalam klasifikasi gestur BISINDO dan memiliki potensi untuk diimplementasikan dalam aplikasi penerjemah bahasa isyarat real-time yang inklusif.
Co-Authors ARMYANTO, JODI Baehaqi Bagus Dwi Prasetya Erna Daniati Imam, Azra'i Mahendra Intan Nur Farida Rahman, Moch. Raffi Dwi Saktya Syaputri, Rika Wahyu