Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal JOIV : International Journal on Informatics Visualization JURNAL INSTEK (Informatika Sains dan Teknologi) Jurnal Teknik Informatika
Eko Prasetyo Utomo, Pradita
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering

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

Found 3 Documents
Search

 1 
Detection of Oil Palm Fruit Ripeness through Image Feature Optimization using Convolutional Neural Network Algorithm Setiawan, Dedy; Eko Prasetyo Utomo, Pradita; Alfalah, Muksin
JOIV : International Journal on Informatics Visualization Vol 9, No 2 (2025)
Publisher : Society of Visual Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62527/joiv.9.2.2687

Abstract

The increase in the need for raw materials for palm oil products in the form of food and non-food is felt by the people of Indonesia and other countries. For this reason, triggering oil palm farmers in Indonesia must be able to maximize their production. Currently, oil palm farmers in Indonesia still need help knowing the level of sustainability of oil palm fruit to maintain their production. This research was conducted to identify the maturity level of oil palm fruit using practical images for oil palm farmers in Indonesia. The Convolutional Neutral Network (CNN) algorithm is the research method used to identify pictures of oil palm fruit. The dataset collection comprised 400 images of oil palm fruits divided into three types of classes, namely images of raw, ripe, and rotten oil palm fruits. The dataset was taken from various internet sources, and photos were taken directly using a mobile phone camera according to a predetermined class. This study found that identifying the maturity level of oil palm fruit using the Convolutional Neural Network (CNN) algorithm obtained a high accuracy of 98% in the training process and 76% in the model testing process. The findings of this study can also inspire further research in optimizing image features and using the Convolutional Neural Network (CNN) algorithm more efficiently. This could include a reduction in model training time, the number of parameters, or the development of other techniques that improve algorithm performance.
Pengelompokan Provinsi Di Indonesia Berdasarkan Rasio Penggunaan Gas Rumah Tangga Pada Tahun 2023 Menggunakan Hierarchical Clustering Nasution, Afdal Aditya; Eko Prasetyo Utomo, Pradita; Ulfa Khaira; Akhiyar Waladi
JEKIN - Jurnal Teknik Informatika Vol. 5 No. 1 (2025)
Publisher : Yayasan Rahmatan Fidunya Wal Akhirah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58794/jekin.v5i1.1232

Abstract

Penggunaan energi gas rumah tangga merupakan aspek penting yang mencerminkan aksesibilitas dan distribusi energi di berbagai wilayah Indonesia. Penelitian ini bertujuan untuk mengelompokkan provinsi-provinsi di Indonesia berdasarkan pola penggunaan gas rumah tangga menggunakan metode klasterisasi hierarki dengan pendekatan average linkage. Data yang digunakan bersumber dari Badan Pusat Statistik (BPS) dan telah melalui proses praproses untuk memastikan kebersihan dan konsistensi data. Evaluasi hasil klasterisasi dilakukan dengan membandingkan nilai rata-rata Silhouette Coefficient pada jumlah klaster yang berbeda, menunjukkan bahwa dua klaster merupakan jumlah optimal, dengan pemisahan antar kelompok yang signifikan dan kohesi yang tinggi dalam setiap klaster. Hasil klasterisasi ini memberikan gambaran yang jelas mengenai pola penggunaan gas di Indonesia, dengan rata-rata rasio penggunaan gas rumah tangga tahun 2023 pada klater 1 adalah 90,02 atau 90,02%. Dan rata-rata rasio penggunaan gas rumah tangga tahun 2023 pada klater 2 adalah 2,3 atau 2,3%.
KLASTERISASI WILAYAH RAWAN KRIMINALITAS DI KOTA JAMBI (2022-2024) MENGGUNAKAN ALGORITMA K-MEANS Sulistina, Sri; Eko Prasetyo Utomo, Pradita; Ferdian Hutabarat , Benedika
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 10 No 2 (2025): OCTOBER
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v10i2.62051

Abstract

Penelitian ini bertujuan mengelompokkan kerawanan kriminalitas di 11 kecamatan Kota Jambi pada periode 2022–2024 menggunakan algoritma K-Means. Data kriminalitas diperoleh dari Polresta Kota Jambi, sedangkan data demografis (jumlah penduduk, luas wilayah, dan kepadatan penduduk) diperoleh dari BPS Kota Jambi. Seluruh variabel numerik dinormalisasi menggunakan metode min–max. Penentuan jumlah klaster dievaluasi pada K = 2–10 menggunakan Elbow Method , Silhouette Coefficient, dan Davies Bouldin Index (DBI). Pada tahun 2022 dan 2023, Elbow menunjukkan titik siku pada K = 3 (masing-masing bernilai 0,872 dan 1,124), dengan nilai Silhouette maksimum pada K = 3 (0,476 dan 0,466), sedangkan DBI mencapai nilai minimum pada K = 9 (0,197 dan 0,3963). Pada tahun 2024, Elbow kembali mengarah ke K = 3 (1,182), Silhouette tertinggi diperoleh pada K = 5 (0,536) dengan nilai yang masih kompetitif pada K = 3 (0,492), dan DBI kembali minimum pada K = 9 (0,2458). Dengan mempertimbangkan konsistensi Elbow dan Silhouette serta kemudahan interpretasi, dipilih K = 3 sebagai jumlah klaster optimal. Evaluasi konsistensi menggunakan Rand Index menunjukkan nilai 1 sepanjang periode, sehingga menguatkan bahwa tiga klaster merupakan struktur pengelompokan yang stabil.
Co-Authors Akhiyar Waladi Alfalah, Muksin Dedy Setiawan Ferdian Hutabarat , Benedika Khaira, Ulfa Nasution, Afdal Aditya Sulistina, Sri