Article Per Year (5 Year)
p-Index From 2021 - 2026
1.288
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Darma Setiawan, Budi
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

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

Found 7 Documents
Search

 1 
Mesin Catur Berbasis Neural Network Menggunakan Long Short Term Memory (LSTM) Indra Fattah, Rafi; Pandu Adikara, Putra; Darma Setiawan, Budi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 13 (2024): Publikasi Khusus Tahun 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

naskah ini akan diterbitkan di Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK)
Klasifikasi Data Paten Berdasarkan Judul Menggunakan Metode Naïve Bayes Classifier (Studi Kasus: Direktorat Inovasi dan Kawasan Sains dan Teknologi (DIKST) Universitas Brawijaya) Alifah, Syafira; Eka Ratnawati, Dian; Darma Setiawan, Budi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 5 (2024): Mei 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Paten adalah salah satu perlindungan Hak Kekayaan Intelektual yang dimiliki inventor karena hasil penemuannya (invensi) dalam jangka waktu tertentu. Pendaftaran paten di lingkungan Universitas Brawijaya dapat diajukan ke Direktorat Inovasi dan Kawasan Sains dan Teknologi (DIKST). Klasifikasi secara manual pada jumlah paten yang banyak membutuhkan waktu dan beresiko terjadi kesalahan dalam pengelompokan nya, sehingga perlu dilakukan klasifikasi data paten secara otomatis. Penelitian ini menerapkan algoritma klasifikasi Naïve Bayes untuk mengategorikan paten berdasarkan judul. Judul paten akan diolah melalui langkah-langkah seperti text preprocessing, penerapan TF-IDF, klasifikasi Naïve Bayes, serta tahap validasi. Salah satu tahap pada text preprocessing akan dilakukan pengurangan untuk mengetahui pengaruh text preprocessing terhadap performa algoritma Naïve Bayes. Kategori data yang diolah dalam penelitian ini adalah Metode, Proses, Alat, dan Formula dengan jumlah keseluruhan data, yaitu 376. Hasil penelitian klasifikasi paten berdasarkan judul menunjukkan performa lebih unggul menggunakan seluruh tahapan text preprocessing dengan accuracy sebesar 83.77%, precision sebesar 86.52%, recall sebesar 83.77%, dan f-measure sebesar 83.44%.
Pemodelan Topik Risiko Bunuh Diri Berdasarkan Konten Media Sosial dengan Latent Dirichlet Allocation Walady Putra, Khairul; Pandu Adikara, Putra; Darma Setiawan, Budi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 7 (2024): Juli 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Bunuh diri merupakan masalah kesehatan yang serius. Tidak hanya menyebabkan hilangnya nyawa secara sia-sia, bunuh diri juga dapat meninggalkan dampak yang berkepanjangan bagi mereka yang ditinggalkan. Meskipun begitu, stigma dan kekhawatiran akan perlakuan diskriminatif masih menjadi penghambat dalam upaya pencegahan bunuh diri. Mereka yang memiliki pemikiran bunuh diri cenderung memilih media sosial sebagai tempat bercerita. Pemahaman terhadap topik yang mereka bicarakan dapat menjadi salah satu langkah dalam peningkatan upaya pencegahan bunuh diri. Oleh karena itu, pada penelitian ini dilakukan pemodelan topik menggunakan metode Latent Dirichlet Allocation untuk mendapatkan gambaran mengenai topik yang dibicarakan dalam subreddit r/SuicideWatch. Pengujian terhadap pemodelan topik yang dilakukan menghasilkan nilai coherence tertinggi sebesar 0,2947. Nilai tersebut diperoleh menggunakan parameter α = 1/T, β = 1/T, dan T = 9. Walaupun memiliki nilai coherence tertinggi dibanding pengujian lain, pengujian tersebut menghasilkan topik yang sulit diinterpretasi karena banyaknya kata umum yang muncul. Pengujian lain yang menggunakan parameter α = 50/T, β = 1/T, dan T = 5 memberikan nilai coherence yang lebih rendah, tetapi topik yang dihasilkan lebih mudah untuk diinterpretasi. Beberapa topik yang dihasilkan, antara lain, rasa ketidakberdayaan, kondisi emosional, hubungan sosial, serta pemikiran atau perencanaan bunuh diri.
Prediksi Financial Distress Menggunakan Algoritma ANFIS dengan Rasio Keuangan Altman Z-Score Pada Emiten Sektor Basic Material Di Bursa Efek Indonesia Fatimah Az-Zahra, Adinda; Muflikhah, Lailil; Darma Setiawan, Budi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 13 (2025): Publikasi Khusus Tahun 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Naskah ini akan diterbitkan di Journal of Mathematical and Data Science
Identifikasi Kerusakan Jaringan Tubuh Pada Citra Histopatologi Menggunakan Arsitektur ResNet-50 Wijaya, Nicholas; Muflikhah, Lailil; Darma Setiawan, Budi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 6 (2025): Juni 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Analisis citra histopatologi merupakan aspek penting dalam diagnosis patologis berbasis jaringan, khususnya dalam mendeteksi kelainan sel seperti steatosis dan nekrosis. Proses ini dapat ditingkatkan dengan penerapan teknologi klasifikasi citra berbasis machine learning, terutama menggunakan Convolutional Neural Network (CNN). Penelitian ini bertujuan untuk mengembangkan model klasifikasi anotasi citra histopatologi berbasis CNN menggunakan arsitektur ResNet-50 yang dioptimalkan melalui pendekatan transfer learning. Model dilatih awal melalui proses pre-training menggunakan dataset publik PanNuke dan fine-tuning menggunakan dataset anotasi citra histopatologi dengan tiga kelas utama: nekrosis, normal, dan steatosis, yang merepresentasikan kondisi masing-masing sel pada citra. Memanfaatkan metode validasi silang (cross-validation), membantu meningkatkan tingkat kestabilan hasil prediksi. Evaluasi performa model dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model mampu mengklasifikasikan citra anotasi histopatologi dengan tingkat akurasi tinggi dan efektif. Temuan ini membuka peluang untuk penerapan sistem klasifikasi otomatis dalam praktik klinis guna mendukung proses diagnosis yang lebih cepat dan akurat.
Implementasi Dynamic Difficulty Adjustment Berbasis Threshold pada Game Endless Runner Hafidz, Rizqi Maulana; Darma Setiawan, Budi; Tri Ananta, Mahardeka
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 01 (2026): Januari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Dynamic Difficulty Adjustment (DDA) adalah salah satu teknik yang digunakan dalam desain video game untuk menyesuaikan tingkat kesulitan secara otomatis berdasarkan performa, emosi, atau karakteristik pemain. Namun, implementasinya menghadapi beberapa tantangan utama salah satunya adalah balancing yang merupakan proses penyesuaian elemen-elemen permainan untuk memastikan pengalaman bermain yang adil, menantang, dan menyenangkan bagi berbagai tipe pemain. Dalam konteks game bergenre endless runner, balancing menjadi krusial karena permainan ini biasanya memiliki peningkatan kesulitan yang linear seiring berjalannya waktu. Tanpa penyesuaian yang tepat, game dapat menjadi terlalu mudah bagi pemain berpengalaman atau terlalu sulit bagi pemula. Oleh karena itu, diperlukan suatu cara untuk mengembangkan dan mengevaluasi implementasi DDA dalam game bergenre endless runner. Penelitian dimulai dengan melakukan perancangan dan pengembangan game. Kemudian, dilanjutkan dengan eksperimen di mana subjek yang sama berpartisipasi dalam semua kondisi yang diuji untuk membandingkan hasil implementasi. Metrik yang diukur berupa jarak tempuh (skor), jumlah kematian, dan skor retensi pemain. Hasil eksperimen tersebut kemudian akan dianalisis menggunakan metode statistik. Penemuan dari analisis hasil eksperimen menunjukkan bahwa implementasi DDA terbukti secara signifikan meningkatkan keterlibatan pemain dan pengalaman bermain. Performa pemain meningkat secara keseluruhan dan retensi pemain menunjukkan peningkatan dramatis dengan effect size besar. Hasil ini mengkonfirmasi efektivitas DDA dalam menciptakan keseimbangan (balance) yang optimal.
Analisis Masalah Kulit Wajah Dan Saran Perawatan Pada Klinik Zap Menggunakan Algoritma Support Vector Machines Yudhonugroho, Wirkananda Bagus; Muflikhah, Lailil; Darma Setiawan, Budi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 3 (2026): Maret 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Perkembangan teknologi informasi mendorong transformasi layanan klinik kecantikan, namun sebagian besar sistem yang ada masih berfokus pada aspek administratif dan belum memanfaatkan kecerdasan buatan untuk klasifikasi otomatis masalah kulit wajah. Penelitian ini mengembangkan sistem analisis masalah kulit wajah dan rekomendasi perawatan berbasis Support Vector Machine (SVM) dengan pendekatan klasifikasi multilabel. Dataset yang digunakan merupakan data primer dari Klinik ZAP yang terdiri dari 10 fitur gejala biner dan 4 label diagnosis, yaitu Dry Skin, Sensitive Skin, Telangiectasis, dan Dermatitis. Model SVM dilatih menggunakan strategi One-vs-Rest (OvR) dengan pembagian data secara stratified ke dalam data latih, validasi, dan data uji dengan rasio 64%, 16%, dan 20%. Optimasi hyperparameter dilakukan menggunakan Grid Search dan Random Search. Hasil pengujian menunjukkan bahwa Grid Search dengan kernel RBF, nilai C = 10, dan γ = 0.1 menghasilkan performa terbaik dengan F1-score sebesar 98.50% pada data uji. Selain itu, sistem rekomendasi perawatan yang diimplementasikan menggunakan pendekatan case-based reasoning dengan metode L1 distance mampu memberikan saran perawatan yang konsisten dengan pola gejala pasien. Hasil penelitian ini menunjukkan bahwa kombinasi SVM multilabel dan optimasi hyperparameter efektif digunakan sebagai dasar pengembangan sistem pendukung keputusan klinis di bidang dermatologi estetika.
Co-Authors Alifah, Syafira Dian Eka Ratnawati Fatimah Az-Zahra, Adinda Hafidz, Rizqi Maulana Indra Fattah, Rafi Lailil Muflikhah Pandu Adikara, Putra Tri Ananta, Mahardeka Walady Putra, Khairul Wijaya, Nicholas Yudhonugroho, Wirkananda Bagus