Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Jurnal Sain Veteriner International Journal of Informatics, Information System and Computer Engineering (INJIISCOM) Jurnal Veteriner dan Biomedis
Erlangga, Wishnu Kusumo Agung
Unknown Affiliation
Biochemistry, Genetics & Molecular Biology Computer Science & IT Electrical & Electronics Engineering Engineering Immunology & microbiology Industrial & Manufacturing Engineering Mechanical Engineering Medicine & Pharmacology Veterinary

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

Found 3 Documents
Search

 1 
Potential Security Issues in Implementing IaaS and PaaS Cloud Service Models Erlangga, Wishnu Kusumo Agung; Ramadhan, Muhammad Rheza
International Journal of Informatics, Information System and Computer Engineering (INJIISCOM) Vol. 3 No. 2 (2022): International Journal of Informatics, Information System and Computer Engineeri
Publisher : Universitas Komputer Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/injiiscom.v3i2.8446

Abstract

As the digital world evolves, so does potential problem that computer users encounter. Cybersecurity threats are still evolving and expanding. Unfortunately, most computer users do not understand this properly. The cloud models offered by various public cloud providers remain concentrated on infrastructure resources, application platforms, and software services despite the recent increase in the popularity of cloud computing. The first step in this study will be a literature review to get an understanding of accessible cloud service models. The papers chosen for the study spans 2010 to 2020. All data was gathered from pertinent and related literature on cyber security and cloud computing. The following tenets serve as the foundation for this architecture. First, in the described architecture, the perimeter scanner serves as the first entry point for external cyberattacks. Firewall and other security layers become next barriers if the attack can get past first layer. On the other side, the machine learning system will detect every successful assault that gets past the security layers. As a result, there are numerous viewpoints and categorization systems for diverse attacks. It is possible to advance cyber security research in the context of cloud technology by merging the results of existing studies and developing international guiding standards
Desain dan Analisis Algoritma Kuantifikasi pada Pengembangan Deteksi Otomatis Telur Strongyle untuk Diagnosis Helminthiasis Hamida, Wanda; Arif, Ridi; Wibowo, Bagas Dwi Suryo; Erlangga, Wishnu Kusumo Agung
Jurnal Veteriner dan Biomedis Vol. 3 No. 1 (2025): Maret
Publisher : Sekolah Kedokteran Hewan dan Biomedis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jvetbiomed.3.1.51-57.

Abstract

Infeksi cacing nematoda parasit sering menyebabkan kerugian bagi peternak karena sifatnya laten dan berjalan kronis. Beberapa kerugian ditimbulkan diantaranya adalah ternak mengalami gastroenteritis, anemia hingga kematian. Salah satu jenis infeksi paling umum adalah dari nematoda strongyle. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan metode cepat dan akurat dalam identifikasi dan kuantifikasi jumlah telur cacing tipe strongyle dengan algoritma YOLO. Melalui sistem tersebut diharapkan dapat menghemat waktu dalam mengidentifikasi, menghitung jumlah telur strongyle, dan meminimalisir kesalahan perhitungan sehingga diagnosis strongylidosis lebih efisien dilakukan. Metode penelitian yang digunakan yaitu pengambilan gambar telur strongyle hasil pemeriksaan laboratorium yang digunakan sebagai data set training. Data tersebut kemudian digunakan sebagai database training ke algoritma YOLO. Pengembangan algoritma dilakukan bersama PT. Voxeu Digital Kreatif sebagai mitra penelitian. Uji identifikasi menggunakan 233 gambar sampel dengan hasil analisis mendapatkan nilai precision 98,23%, recall 90,19% dan mAP50 96,32%. Uji kuantifikasi menggunakan 800 gambar yang berasal dari 16 sampel kemudian dibagi menjadi 2 data kelompok. Kelompok 1 mempunyai nilai akurasi 36,67% dan RMSE 5,35. Kelompok 2 mempunyai nilai akurasi 67,05% dan RMSE 2,37. Algoritma YOLO dapat digunakan untuk identifikasi dan kuantifikasi telur tipe strongyle secara otomatis sehingga nantinya dapat dimanfaatkan oleh laboran atau dokter hewan dalam membantu mendiagnosis helminthiasis.
Pengembangan Deteksi Parasit Darah Theileria equi dan Babesia caballi secara Otomatis menggunakan Algoritma YOLOv8 Arif, Ridi; Nugraha, Arifin Budiman; Kedaton, Feni Gemala; Erlangga, Wishnu Kusumo Agung; Wibowo, Bagas Dwi Suryo
Jurnal Sain Veteriner Vol 43, No 2 (2025): Agustus
Publisher : Faculty of Veterinary Medicine, Universitas Gadjah Mada bekerjasama dengan PB PDHI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/jsv.104069

Abstract

Piroplasmosis pada kuda merupakan penyakit parasit darah yang disebabkan oleh Theileria equi dan Babesia caballi, menyebabkan anemia, ikterus, kegagalan organ, serta pembatasan aktivitas kuda, termasuk larangan mengikuti kompetisi. Deteksi piroplasmosis secara rutin masih mengandalkan pemeriksaan mikroskopis ulas darah untuk melihat morfometrik parasitnya sehingga membutuhkan keahlian tinggi dan memerlukan waktu relatif lama. Penelitian ini bertujuan mengembangkan sistem deteksi otomatis parasit T. equi dan B. caballi berbasis algoritma YOLOv8 untuk meningkatkan kecepatan dan akurasi identifikasi mikroskopis. Pengambilan data dilakukan dengan pembuatan preparat ulas darah dari kuda yang terdiagnosis positif piroplasmosis yang telah divalidasi oleh ahli dari Laboratorium Protozoologi SKHB IPB. Preparat diwarnai menggunakan giemsa 10%, dilakukan pengambilan gambar, pembuatan dataset, anotasi data, pelatihan model YOLOv8, serta pengujian performa sistem. Hasil penelitian menunjukkan performa model mendeteksi parasit dengan mAP50 sebesar 69,8%, mAP50-95 sebesar 40,5%, dan kecepatan deteksi 5,4 ms. Evaluasi performa manual menunjukkan akurasi 91%, presisi 98%, recall 92%, dan F1-score 95% dibandingkan pemeriksaan mikroskopis. Penelitian ini menyimpulkan bahwa sistem berbasis YOLOv8 mampu melakukan deteksi T. equi dan B. caballi secara otomatis dengan presisi tinggi dan waktu deteksi cepat sehingga berpotensi digunakan sebagai alat bantu diagnosis piroplasmosis yang lebih efisien.
Co-Authors Hamida, Wanda Kedaton, Feni Gemala MUHAMMAD RHEZA RAMADHAN, MUHAMMAD RHEZA Nugraha, Arifin Budiman Ridi Arif Wibowo, Bagas Dwi Suryo