Article Per Year (5 Year)
p-Index From 2021 - 2026
1.704
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Bulletin of Electrical Engineering and Informatics Jurnal Teknologi Informasi dan Ilmu Komputer JISKa (Jurnal Informatika Sunan Kalijaga) Indonesian Journal of Electrical Engineering and Computer Science Journal of Internet and Software Engineering Jurnal Informatika: Jurnal Pengembangan IT
Alfian, Ganjar
Unknown Affiliation
Computer Science & IT Electrical & Electronics Engineering Engineering Library & Information Science

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : journal of internet and software engineering

 1 
Perancangan Federated Learning Berbasis Homomorphic Encryption untuk Perangkat Internet of Things Saputra, Yuris Mulya; Alfian, Ganjar; Octava, Muhammad Qois Huzyan
Journal of Internet and Software Engineering Vol 4 No 1 (2023): Journal of Internet and Software Engineering
Publisher : Department of Electrical Engineering and Informatics, Vocational College, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/jise.v4i1.6378

Abstract

Semakin berkembangnya pasar big data yang digunakan oleh pengguna khususnya Internet of Things (IoT) berbasis kecerdasan buatan telah menarik banyak pihak baik dari industri maupun akademisi. Melalui penggunaan data lokal dari berbagai perangkat IoT, pemberi layanan aplikasi dapat menghasilkan informasi berguna melalui pendekatan machine learning (ML) seperti centralized learning dengan menggunakan cloud server dan local learning pada perangkat IoT langsung. Namun, dengan adanya risiko bocornya privasi pengguna ketika mengirim data lokal ke cloud server dan sumber daya komputasi yang terbatas pada IoT, penggunaan federated learning (FL) dapat menjadi solusi efisien. Pendekatan FL merupakan sebuah pendekatan ML kolaboratif di mana setiap perangkat IoT dapat melakukan proses training secara independen dan kemudian hanya mengirimkan model local kepada cloud server tanpa melakukan data sharing. Secara khusus, penggunaan FL untuk layanan aplikasi pada perangkat IoT tidak hanya memperbaiki kinerja untuk proses training, namun juga dapat melindungi privasi data bagi penggunanya. Penelitian ini berfokus pada perancangan sistem FL dengan privacy-awareness yang dapat digunakan oleh para pengguna perangkat IoT. Dalam hal ini, teknik enkripsi yang berbasis homomorphic encryption untuk mengenkripsi data dari perangkat IoT ketika proses training dari FL dapat diimplementasikan sebagai bentuk perlindungan privasi pengguna IoT dari malicious attackers. Dari penelitian ini, dapat dianalisis perbandingan tingkat akurasi model dari berbagai pendekatan baik tanpa dan dengan teknik enkripsi tersebut.
Pemodelan Prediksi Kadar Gula Darah Pada Pasien Diabetes Menggunakan Metode Regresi Linear Hanafi, Hanan; Alfian, Ganjar; Widodo, Tri; Syafrudin, Muhammad
Journal of Internet and Software Engineering Vol 5 No 1 (2024): Journal of Internet and Software Engineering
Publisher : Department of Electrical Engineering and Informatics, Vocational College, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/jise.v5i1.8480

Abstract

Mengetahui kadar gula darah di masa depan akan dapat membantu penderita diabetes dalam melakukan tindakan preventif lebih awal sehingga dapat mengontrol kadar gula darah dan penyakit diabetesnya. Penelitian ini mengusulkan pemodelan prediksi kadar gula darah pada pasien diabetes menggunakan metode regresi linear. Dataset yang digunakan adalah data time series dari kadar gula darah pada 30 anak penderita diabetes tipe 1. Dataset tersebut digunakan sebagai parameter input tunggal dengan tambahan pemanfaatan data statistik yang diuji menggunakan beberapa algoritma, yaitu Linear Regression, Lasso Regression, Ridge Regression, eXtreme Gradient Boosting (XGB), dan K-Nearest Neighbor (KNN). Pada tahap evaluasi performa model menunjukkan bahwa metode regresi linear lebih baik dari model prediksi lainnya. Hasilnya menunjukkan untuk Prediction Horizon (PH) pada 5 menit, 15 menit, dan 30 menit didapat nilai rata-rata Root Mean Squared Error (RMSE) dari 15 pasien yang diuji sebesar 5,024, 12,488, dan 20,635, nilai Mean Absolute Error (MAE) sebesar 2,891, 8,272, dan 14,926 serta nilai Coefficient of Determination (R2) sebesar 0,962, 0,741, dan 0,39. Hasil model prediksi pada penelitian ini diimplementasi dan divisualisasikan ke sistem informasi berbasis website. Dalam sistem tersebut pengguna dapat memprediksi kadar gula darah di masa depan dengan berdasarkan riwayat kadar gula darah pada waktu 30 menit sebelumnya. Pengguna juga dapat melihat visualisasi data pergerakan kadar gula darah berdasarkan rentang waktu tertentu. Sistem ini diharapkan dapat membantu pasien diabetes untuk memprediksi kadar gula darah di masa depan sehingga dapat mengontrol kadar gula darahnya dan menghindari kondisi kesehatan yang buruk di masa depan.
Rancang Bangun Aplikasi Monitor Kadar Gula Darah Berbasis Mobile Zuhri, Arief; Hardiyanti, Margareta; Fitriyani, Norma Latif; Alfian, Ganjar
Journal of Internet and Software Engineering Vol 5 No 2 (2024): Journal of Internet and Software Engineering
Publisher : Department of Electrical Engineering and Informatics, Vocational College, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/jise.v5i2.9026

Abstract

Diabetes merupakan kondisi serius pada kesehatan masyarakat serta menjadi salah satu penyebab mortalitas tertinggi secara global. Tujuan perawatan diabetes adalah mencegah atau menunda komplikasi dan mengoptimalkan kualitas hidup. American Diabetes Association (ADA) menjabarkan pendekatan multifaktorial untuk mengurangi risiko komplikasi diabetes yang diterapkan melalui perubahan gaya hidup dan edukasi. Manajemen diabetes melalui aplikasi berbasis mobile terbukti membantu individu dalam keberhasilan melakukan manajemen diabetes secara mandiri. Meskipun aplikasi yang ada telah memberikan manfaat signifikan, masih terdapat ruang untuk pengembangan lebih lanjut dalam hal efektivitas manajemen diabetes dan keberlanjutan pengembangan sistem. Pada penelitian ini, sistem monitor kadar gula darah berbasis mobile dirancang berdasarkan pendekatan multifaktorial. Teknologi pengembangan mengadopsi pendekatan Modern Android development (MAD) dari Google. Tahapan pengembangan mencakup analisis, perancangan, implementasi, dan pengujian. Implementasi menerapkan enam komponen MAD: penargetan versi Android terbaru, penggunaan Android Studio, Kotlin, Jetpack Compose, Android Jetpack, dan penerapan praktik terbaik untuk arsitektur dan pengujian. Aplikasi berhasil dibangun dengan dua fitur utama: monitor kadar gula darah dan rekomendasi perawatan diabetes. Fitur monitor menyajikan grafik gula darah, pencatatan aktivitas yang dapat memengaruhi gula darah, dan alarm gula darah. Adapun rekomendasi perawatan diabetes memberikan edukasi dan dorongan kepada pasien untuk menerapkan gaya hidup sehat. Penerapan MAD menghasilkan sistem yang skalabel dan mudah dipelihara. Dari hasil pengujian, fungsi aplikasi berjalan sesuai dengan hasil analisis dan perancangan serta tidak ditemukan kerusakan. Hasil penelitian ini diharapkan agar sistem dapat membantu pasien dalam mencapai tujuan perawatan diabetes. Selain itu, sistem diharapkan dapat terus dikembangkan untuk memastikan relevansinya dan dampak yang berkelanjutan.
Co-Authors Benes, Filip Dharmawan, Edeline Felicia Divi Galih Prasetyo Putri Dwiansyah, Anggraini Fahrurrozi, Imam Farooq, Umar Fauzan, Reyhan Muhammad Fauziyyah, Anni Karimatul Fitriyani, Norma Latif Hanafi, Hanan Hardiyanti, Margareta Hilmy, Farhan Mufti Imanuel, Dennis Alfa Irfan Saputra Kusnady, Rasyid Muhammad Fakhrurrifqi Muhammad Syafrudin Muhtadlor, Rosyihan Nurhaliza, Rachma Aurya Octava, Muhammad Qois Huzyan Oktiawati, Unan Yusmaniar Pinandhita, Pudyasta Satria Pratomo, Dinar Nugroho Rosyid, Nur Rohman Saputra, Yuris Mulya Setiawan, Lalu Hendra Permana Stasa, Pavel Taufiq, Umar Teja Nursasongka, Raden Mas Tri Widodo Yusuf, Muhammad Abyan Farras Zhafarizza, Ghifari Nafhan Muhammad Zuhri, Arief