Article Per Year (5 Year)
p-Index From 2020 - 2025
1.182
P-Index
This Author published in this journals
All Journal Martabe : Jurnal Pengabdian Kepada Masyarakat Jurnal Mnemonic JATI (Jurnal Mahasiswa Teknik Informatika) Buana Informatika
Adi Sunarto, Asril
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Social Sciences Other

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
NEEDLEMAN-WUNSCH AND SMITH-WATERMAN COMBINATIONS IN PAIRWISE ALIGNMENT Adi Sunarto, Asril; Prajoko, Prajoko
Jurnal Mnemonic Vol 7 No 2 (2024): Mnemonic Vol. 7 No. 2
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v7i2.9501

Abstract

Identification of Deoxyribonucleic acid (DNA), Ribonucleic acid (RNA), or protein needs to be done to find functional, structural, or evolutionary relationships between two sequences. There are various applications that already exist such as one of them EMBOSS either web or desktop versions. There are drawbacks to this application, such as repeatedly processing each user who needs sequence alignment results locally and globally at the same time. Therefore, we designed an application that can generate two sequence alignment outputs both locally and globally at the same time with pairwise alignment Needleman-Wunsch and Smith-Waterman. The result show that methods can be produces two outputs of sequence alignment in the same process. The impact is it can reduce the waiting time for users.
PENERAPAN YOU ONLY LOOK ONCE (YOLO) V8 UNTUK DETEKSI TINGKAT KEMATANGAN BUAH MANGGIS Akyas Hifdzi Rahman, Rifqi; Adi Sunarto, Asril; Asriyanik, Asriyanik
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.10979

Abstract

Indonesia memiliki potensi besar dalam produksi buah-buahan tropis, salah satunya adalah manggis (Garcinia mangostana Linn) yang dikenal sebagai "ratu buah". Namun, proses klasifikasi kematangan manggis masih dilakukan secara manual, yang rentan terhadap kesalahan manusia. Penelitian ini bertujuan mengembangkan model deteksi kematangan buah manggis menggunakan Algoritma You Only Look Once (YOLO) untuk meningkatkan akurasi dan efisiensi penyortiran. Dengan menggunakan pendekatan CRISP-DM, data gambar manggis dikumpulkan dan diproses untuk dilabeli dan di-augmentasi. Hasil penelitian menunjukkan bahwa model YOLOv8s dengan optimizer SGD memberikan hasil terbaik dengan precision 0.997, recall 1, dan mAP50-95 sebesar 0.972. Implementasi model ini ke dalam sistem berbasis web menunjukkan potensi besar dalam menggantikan metode manual yang rentan terhadap kesalahan manusia. Model ini diharapkan dapat meningkatkan efisiensi dan akurasi dalam industri pertanian, khususnya untuk penyortiran buah manggis.
PREDIKSI PENJUALAN SUKU CADANG MOTOR DENGAN PENERAPAN RANDOM FOREST DI PT TERUS JAYA SENTOSA MOTOR Reza Febrian, Sandi; Adi Sunarto, Asril; Pambudi, Agung
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.11100

Abstract

Suku cadang kendaraan memiliki peran vital dalam menjaga agar kendaraan tetap berfungsi optimal. PT Terus Jaya Sentosa Motor adalah perusahaan yang berfokus pada penjualan suku cadang motor Honda. Suku cadang ini memiliki berbagai kode barang yang berbeda karena banyaknya jenis dan variasi komponen motor Honda. Untuk meningkatkan penjualan, memahami suku cadang yang paling diminati oleh konsumen menjadi sangat penting. Algoritma Random Forest dapat digunakan untuk memprediksi penjualan suku cadang tersebut. Random Forest adalah teknik data mining yang membangun beberapa pohon keputusan secara acak dan menggabungkan hasil prediksi dari setiap pohon untuk mendapatkan hasil akhir yang lebih akurat. Penelitian sebelumnya membuktikan bahwa algoritma Random Forest sangat efektif dalam memprediksi harga jual rumah dan suku cadang mobil terlaris dengan tingkat akurasi yang tinggi. Dalam penelitian ini, dataset sebanyak 3528 data digunakan dengan pendekatan metodologi CRISP-DM. Hasil uji model menunjukkan nilai Root Mean Squared Error (RMSE) sebesar 23.38, Mean Absolute Error (MAE) sebesar 13.97, dan Mean Squared Error (MSE) sebesar 546.49, walaupun nilai MSE cukup besar, model ini tetap dianggap baik karena nilai RMSE dan MAE yang relatif kecil. Model prediksi ini diimplementasikan dalam sebuah situs web untuk mempermudah pengguna dalam memprediksi suku cadang motor di PT Terus Jaya Sentosa Motor.
PENERAPAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) UNTUK KLASIFIKASI IKAN HIAS CHANNA Putra Rizki, Fariz; Adi Sunarto, Asril; Apriandari, Winda
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.11174

Abstract

Ikan Channa, atau yang dikenal sebagai ikan gabus, merupakan ikan air tawar yang mendiami berbagai habitat seperti sungai, danau, serta rawa. Ikan ini memiliki nilai ekonomi yang tinggi dan sangat digemari oleh para pecinta ikan hias karena warna tubuhnya yang menarik, yang terdiri dari perpaduan warna oranye kekuningan dan hitam dengan pola bunga. Budidaya ikan Channa telah menjadi sumber pendapatan yang signifikan bagi banyak petani ikan, terutama karena prospeknya yang menguntungkan bahkan pada lahan terbatas dengan sumber daya air yang minimal. Salah satu tantangan utama dalam budidaya ini adalah melakukan klasifikasi ikan secara akurat berdasarkan karakteristik fisiknya. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi ikan Channa dengan memanfaatkan algoritma Support Vector Machine (SVM), yang telah terbukti efektif dalam berbagai aplikasi lain, termasuk diagnosis medis. Sistem yang dikembangkan memanfaatkan data non-linier dengan enam variabel fisik: panjang, berat, warna, bentuk sirip, panjang sirip, dan bentuk kepala. Hasil penelitian ini menunjukkan bahwa penerapan algoritma Support Vector Machine (SVM) untuk klasifikasi ikan hias Channa memberikan hasil dengan akurasi sebesar 69%, presisi 66%, recall 69%, dan F1-score 67%. Algoritma SVM terbukti mampu mengklasifikasikan ikan Channa berdasarkan karakteristik fisik seperti panjang, berat, warna, bentuk sirip, panjang sirip, dan bentuk kepala secara akurat dan efisien.
ALGORITMA A* UNTUK MENCARI KOSAN TERDEKAT DENGAN UMMI SUKABUMI BERBASIS WEB Indrayana, Didik; Suryadjie, Anthony; Adi Sunarto, Asril
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 6 (2024): JATI Vol. 8 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i6.11570

Abstract

Di era teknologi yang berkembang pesat, kemajuan teknologi memberikan dampak signifikan terhadap berbagai aspek kehidupan manusia, termasuk komunikasi transportasi, dan pencarian informasi. Internet dan teknologi berbasis web telah menjadi bagian kebiasaan dari kehidupan sehari-hari, memungkinkan akses informasi dengan mudah dan cepat. Salah satu sektor yang merasakan dampapk positif dari perkembangan teknologi ini adalah pendidikan, dimana mahasiswa sering memanfaatkan teknologi untuk mencari hunian sementara seperti kosan. Mencari kosan dekat dengan kampus menjadi perhatian utama bagi mahasiswa karena berbagai keuntungan yang ditawarkannya, seperti menghemat waktu dan biaya transportasi serta memudahkan partisipasi dalam kegiatan akademik dan akses ke fasilitas kampus. Pada fenomena ini penggunaan metode algoritma A* merupakan metode yang cocok untuk mencari kostan terdekat dengan area kampus. Algoritma A* dipilih karena kemampuannya mencari rute terdekat secara meluas dengan menghitung nilai heuristik nya. Untuk menentukan bobot pada setiap graf, digunakan algoritma haversine untuk mengukur jarak antar graf yang saling berhubungan. Dengan dilakukannya Penelitian ini mahasiswa dapat dengan mudah utnuk menemukan kosan yang strategis dan lebih efisien, mengurangi waktu dan tenaga yang diperlukan dalam proses pencarian, serta membantu mahasiswa baru menemukan kosan serta dapat memberikan pelayanan tambahan untuk mahasiswa UMMI secara tidak langsung dan diharapkan aplikasi ini bisa menjadi salah satu bagian dari fitur dari siak UMMI Sukabumi.
DEVELOPMENT OF A WEB-BASED RAW MATERIAL INVENTORY INFORMATION SYSTEM TO ENHANCE OPERATIONAL EFFICIENCY IN MSMES: A CASE STUDY OF DRINK MR. BONES Rahman, Saepul; Sandi, Aries; Septiani, Anny; Adi Sunarto, Asril
Buana Informatika Vol 15 No 1 (2025): Buana Informatika
Publisher : LPPM AMIK CBI Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53918/bi.v15i1.122

Abstract

UMKM Drink MR. Bones is a micro-business in the culinary field located in Cisaat, Sukabumi. Currently, raw material inventory management is carried out manually with simple recording in books, so it is prone to errors, inefficient, and time-consuming in reporting. To overcome this, a Web-Based Raw Material Inventory Information System was designed that can help the process of recording, monitoring, and reporting stock digitally and in real-time. The system was developed using PHP as the backend and MySQL as the database, with an object-oriented design approach using UML. The development methodology refers to the Waterfall model in the System Development Life Cycle (SDLC), including needs analysis, system design, implementation, testing, deployment, and maintenance. The results of the study show that this information system is able to increase the effectiveness and efficiency of raw material management, reduce recording errors, accelerate reporting, and support smooth production according to market demand.
LOKA KARYA (WORKSHOP) PENERAPAN APLIKASI PENILAIAN KINERJA SISTEM IRIGASI DI UPTD CIBADAK KABUPATEN SUKABUMI Harsanto, Puji; Tahadjuddin, Tahadjuddin; Ikhsan, Jazaul; Hartono, Hartono; Kartika, Nia; Adi Sunarto, Asril
Martabe : Jurnal Pengabdian Kepada Masyarakat Vol 6, No 9 (2023): Martabe : Jurnal Pengabdian Kepada Masyarakat
Publisher : Universitas Muhammadiyah Tapanuli Selatan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31604/jpm.v6i9.3397-3402

Abstract

Pengabdian Kepada Masyarakat ini merupakan implementasi kerjasama bidang pengabdian dengan mitra dari Universitas Muhammadiyah Sukabumi, dengan personal in charge adalah Ir. Tahajudin, SP., IPM program Studi Teknik Sipil. Kegiatan direncanakan berupa pendampingan penggunaan Aplikasi Sistem Informasi Geografi Operasional dan Pemeliharaan Irigasi (SIGOPI) di dinas UPTD Dinas PU Kabupaten Sukabumi. Aplikasi ini berguna dalam melihat kondisi kinerja Daerah Irigasi (DI) dari sisi kondisi bangunan dan sistem irigasi. Hasilnya berupa rekomendasi skema operasional yang tepat dan pemeliharaan bangunan yang tepat pula. Diharapkan dengan aplikasi ini, dapat memberi masukan dalam keputusan pemeliharaan bangunan yang tepat sasaran. Dengan demikian kinerja DI menjadi optimal dan dalam jangka menengah dapat meningkatkan produksi pangan terutama padi. Secara kebencanaan dapat mengurangi resiko bencana kekeringan dan meningkatkan ketahanan pangan di Kabupaten Sukabumi. Kegiatan ini sesuai dengan Peta jalan ketua pengabdian di tahun 2022 yaitu tindak kanjut dari evaluasi dalam peran mengurangi resiko bencana kekeringan, yaitu dengan optimalisasi Aplikasi SIGOPI. Peranan dari tenaga ahli dari UMY dapat memberi masukan dari sisi Sistem Informasi Geografis dan Irigasi yang diwakili oleh Ir. Puji Harsanto, ST., MT., Ph.D dan Ir. Jazaul Ikhsan, ST., MT., Ph.D., IPM.
Co-Authors Agung Pambudi Akyas Hifdzi Rahman, Rifqi Asriyanik . Didik Indrayana Hartono Hartono Jazaul Ikhsan Kartika, Nia Prajoko . Puji Harsanto Putra Rizki, Fariz Rahman, Saepul Reza Febrian, Sandi Sandi, Aries Septiani, Anny Suryadjie, Anthony Tahadjuddin Winda Apriandari