Article Per Year (5 Year)
p-Index From 2021 - 2026
2.307
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi JOURNAL OF APPLIED INFORMATICS AND COMPUTING SINTECH (Science and Information Technology) Journal Martabe : Jurnal Pengabdian Kepada Masyarakat Jambura Journal of Informatics Jurnal Tekno Kompak Jurnal Teknik Informatika (JUTIF) Journal of Computer and Information System (J-CIS)
Firgiawan, Wawan
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Education Engineering Social Sciences

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 15 Documents
Search

 1   2 
Optimasi Pencarian Titik Pada Gambar Menggunakan Parallel Computing Firgiawan, Wawan; Halisah, Nur; Ghadavi, Gibran; Aditia, Muhammad; M. Darwin; Maulidia, Ulfa
Journal of Computer and Information System ( J-CIS ) Vol 6 No 2 (2023): J-CIS Vol 6 No. 2 Tahun 2023
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v6i2.3574

Abstract

Penelitian ini membahas perbandingan antara program serial dan program paralel dalam menyelesaikan permasalahan Penjumlahan Titik. Dalam tahapannya, penjumlahan titik ini dapat diperoleh dengan cepat ketika dalam pencarian setiap titiknya menerapkan pencarian paralel. Dalam program paralel yang digunakan dalam penelitian ini adalah OpenMP. Fokus penelitian adalah pada pengoptimalan waktu eksekusi Penjumlahan Titik menggunakan pemrograman OpenMP dan perbandingannya dengan program serial. Metode penelitian ini melibatkan implementasi program serial dengan OpenMP dan pengukuran waktu eksekusi keduanya dalam menyelesaikan Penjumlahan Titik. Hasil penelitian menunjukkan bahwa pemanfaatan program paralel, khususnya OpenMP, mampu melakukan penjumlahan titik dengan waktu yang lebih efisien dibandingkan dengan penggunaan program serial. Kesimpulan dari penelitian ini adalah bahwa pemanfaatan pemrograman OpenMP berhasil mengoptimalkan waktu eksekusi Penjumlahan Titik. Program paralel dengan OpenMP terbukti lebih efektif dalam menyelesaikan Penjumlahan Titik dibandingkan dengan program serial. Implementasi program paralel memanfaatkan penugasan eksekusi program secara bersamaan, menghasilkan waktu eksekusi yang lebih efisien dan mengkonfirmasi keefektifan program paralel dalam konteks Penjumlahan Titik.
PEMBERDAYAAN MASYARAKAT DESA BALOMBONG MELAWAN STUNTING MELALUI PENGOLAHAN MP-ASI BERBASIS PANGAN LOKAL DENGAN INOVASI ANDROID Arifin, Nurhikma; Firgiawan, Wawan; Fauziah, Fauziah
Martabe : Jurnal Pengabdian Kepada Masyarakat Vol 7, No 11 (2024): MARTABE : JURNAL PENGABDIAN MASYARAKAT
Publisher : Universitas Muhammadiyah Tapanuli Selatan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31604/jpm.v7i11.4871-4883

Abstract

Stunting merupakan salah satu masalah kesehatan yang mendesak di Indonesia, termasuk di Desa Balombong, Sulawesi Barat, dengan angka prevalensi mencapai 40,6% pada tahun 2022, dua kali lipat dari standar WHO. Penyebab utama stunting di desa ini adalah kurangnya gizi seimbang selama masa pertumbuhan anak serta keterbatasan akses ibu balita terhadap informasi gizi dan cara mengolah makanan pendamping ASI (MP-ASI). Untuk itu kegiatan pengabdian ini bertujuan untuk meningkatkan keterampilan ibu balita dalam mengolah MP-ASI berbasis pangan lokal dan memperkenalkan aplikasi SIBAYI sebagai sumber informasi gizi. Pelatihan ini meliputi pengenalan stunting, dampaknya, serta solusi berupa penggunaan MP-ASI yang tepat dan bernutrisi. Demonstrasi pembuatan MP-ASI berbahan lokal, seperti ikan laut, serta pelatihan penggunaan aplikasi SIBAYI dilakukan untuk membantu ibu balita mengakses resep sehat dan informasi gizi anak. Evaluasi awal, proses, dan akhir dilakukan untuk mengukur peningkatan pemahaman dan keterampilan peserta. Hasilnya menunjukkan adanya peningkatan signifikan dalam pengetahuan mengenai stunting, pemanfaatan bahan pangan lokal, serta penggunaan teknologi dalam pengelolaan gizi anak. Meskipun beberapa peserta masih menghadapi tantangan dalam penggunaan aplikasi, pelatihan ini berhasil meningkatkan kepercayaan diri dan kemampuan ibu balita dalam menyediakan MP-ASI yang bergizi. Program ini diharapkan dapat berkontribusi dalam penurunan angka stunting di Desa Balombong dengan dukungan berkelanjutan dari semua pihak.
Implementasi Algoritma Round Robin dalam Sistem Multi-agent dan Multi-client untuk Load balancing Dinamis pada Jaringan Lokal Nopiana, Wiwi; Firgiawan, Wawan; Mansyur, Muh. Fuad
Techno.Com Vol. 24 No. 4 (2025): November 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i4.12777

Abstract

Load balancing merupakan mekanisme penting dalam sistem layanan web untuk menjamin pemerataan beban kerja dan menjaga kestabilan performa layanan. Penelitian ini mengimplementasikan algoritma Round Robin dalam arsitektur sistem multi-agent dan multi-client yang dijalankan pada local area networking (LAN). Sistem dirancang menggunakan tiga komputer, di mana satu komputer berperan sebagai agent controller yang menjalankan logika Round Robin, dan dua komputer lainnya sebagai server backend. Beberapa client dalam jaringan mengirimkan permintaan secara simultan ke controller, yang kemudian secara bergiliran mendistribusikan permintaan tersebut ke server menggunakan konfigurasi load balancing berbasis NGINX. Pengujian dilakukan dalam tiga skenario beban, yaitu 50, 100, dan 200 permintaan. Hasil pengujian menunjukkan bahwa sistem mampu mendistribusikan permintaan secara merata antara dua server backend, serta menghasilkan waktu respons yang stabil pada skenario beban ringan hingga sedang. Kinerja sistem tetap berada dalam batas wajar meskipun jumlah permintaan meningkat. Sistem ini menunjukkan karakteristik modular, ringan, dan mudah diimplementasikan dalam lingkungan terbatas, serta memiliki potensi untuk dikembangkan lebih lanjut dengan integrasi algoritma adaptif dan sistem pemantauan otomatis. Kata kunci - Load balancing, Round Robin, sistem multi-agent, multi-client, jaringan local
Performance Analysis of KNN and BERT Algorithms for Classifying Student Sentiments Towards Campus Services Mutmainna, Mutmainna; Hamrul, Heliawati; Firgiawan, Wawan
Journal of Applied Informatics and Computing Vol. 10 No. 1 (2026): February 2026
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v10i1.11365

Abstract

This study addresses the limitations of campus service evaluation processes that are still conducted manually and are unable to optimally process students’ textual opinions. The objective of this research is to analyze and compare the performance of the K-Nearest Neighbor (KNN) and BERT algorithms in classifying student sentiments toward campus services. The research stages include text preprocessing, the generation of IndoBERT embeddings for the KNN model, and fine-tuning IndoBERT for direct sentiment classification. The dataset consists of student evaluation texts from the Faculty of Engineering at UNSULBAR, labeled as negative, neutral, and positive sentiments. Model evaluation is performed using accuracy, precision, recall, and F1-score metrics. The results show that the basic KNN model achieves an accuracy of 79%, while KNN with hyperparameter tuning improves performance to 86%. The BERT model delivers the best performance, achieving an accuracy of 88.68%, precision of 87.87%, recall of 90.19%, and an F1-score of 88.79%. These findings indicate that transformer-based approaches, particularly IndoBERT, are more effective in understanding the contextual nuances of student language than traditional methods, and are therefore more recommended for sentiment analysis implementation in campus service evaluation.
Perbandingan SVM dan CNN MobileNetV2 untuk Klasifikasi Residu Insektisida pada Citra Buah Kakao Rahmawati, Rahmawati; Arifin, Nurhikma; Firgiawan, Wawan
Jambura Journal of Informatics VOL 8, N0 1: APRIL 2026
Publisher : Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/jji.v8i1.37972

Abstract

The decline in cocoa production in West Sulawesi due to pest attacks and the use of insecticides that leave residues on the fruit surface has reduced visual quality and highlights the need for efficient automatic classification based on digital image processing. This study aims to classify cocoa fruit images into three classes (Normal, Insecticide-Treated, and Residue) and to compare the performance of Support Vector Machine (SVM) and Convolutional Neural Network (CNN) with the MobileNetV2 architecture. The dataset consists of 672 images divided into training and testing sets with an 80:20 ratio and evaluated under two training data conditions: imbalanced and balanced through rotation-based augmentation at an image size of 224×224 pixels. For SVM, color and texture features are extracted using Hue Saturation Value (HSV) and Local Binary Pattern (LBP), while the CNN model adopts MobileNetV2 with transfer learning and an adjusted fully connected layer. The results show that SVM with combined HSV and LBP features achieves an accuracy of 86.67%, whereas CNN attains 82.22% on data without augmentation and improves to 87.41% on augmented data. The McNemar test on the same test set yields p-values of 0.6171 and 1.0000 for the imbalanced and balanced training data conditions, indicating that the performance difference between the two methods is not statistically significant and that both models provide comparable classification capability.Penurunan produksi kakao di Sulawesi Barat akibat serangan hama dan penggunaan insektisida yang meninggalkan residu pada permukaan buah menurunkan kualitas visual dan menunjukkan perlunya metode klasifikasi otomatis berbasis pengolahan citra digital yang efisien. Penelitian ini bertujuan mengklasifikasikan citra buah kakao ke dalam tiga kelas (Normal, Berinsektisida, dan Residu) serta membandingkan kinerja Support Vector Machine (SVM) dan Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2. Dataset terdiri atas 672 citra yang dibagi menjadi data latih dan data uji dengan rasio 80:20 dan dievaluasi pada dua kondisi data latih, yaitu tidak seimbang dan seimbang melalui augmentasi rotasi dengan ukuran citra 224×224 piksel. Pada SVM, fitur warna dan tekstur diekstraksi menggunakan Hue Saturation Value (HSV) dan Local Binary Pattern (LBP), sedangkan CNN menggunakan MobileNetV2 dengan pendekatan transfer learning dan penyesuaian fully connected layer. Hasil pengujian menunjukkan bahwa SVM dengan kombinasi fitur HSV dan LBP mencapai akurasi 86,67%, sedangkan CNN memperoleh akurasi 82,22% pada data tanpa augmentasi dan meningkat menjadi 87,41% pada data setelah augmentasi. Uji McNemar pada data uji yang sama menghasilkan nilai p-value 0,6171 dan 1,0000 untuk kondisi data latih tidak seimbang dan seimbang, yang menunjukkan bahwa perbedaan performa kedua metode tidak signifikan secara statistik sehingga keduanya memiliki kemampuan klasifikasi yang relatif sebanding.
Co-Authors Aditia, Muhammad Ahyar, Muh. Arifin, Nurhikma Fahmi Rustan, Muhammad Farid Wajidi Fauziah Fauziah Gabrelia, Gabrelia Ghadavi, Gibran Halisah, Nur Hamrul, Heliawati Hasminarni Irianti, Arnita M. Darwin Mahful, Rafid Mansyur, Muh. Fuad Maulidia, Ulfa Muhammad Furqan Rasyid Mutmainna, Mutmainna Nabila, Putri Nina Nina Nirwana, Hafsah Nopiana, Wiwi Nur, Nurrahmi Afiah Nuralamsah Zulkarnaim Rafli Rasyid, Muhammad Rahmawati, Rahmawati Rasyid, Muh. Rafly RR. Ella Evrita Hestiandari Sulfayanti, Sulfayanti Syam, Nur Aini Usran, Usran Yustianisa, Dita Zahir Zainuddin