Article Per Year (5 Year)
p-Index From 2021 - 2026
0.961
P-Index
This Author published in this journals
All Journal JPNM : Jurnal Pustaka Nusantara Multidisiplin Jurnal Rekayasa Sistem Informasi dan Teknologi
Bagus Satrio Waluyo Poetro
Unknown Affiliation
Religion Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Social Sciences

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
Penerapan Teknologi Blockchain untuk Keamanan Citra Digital Silvia Putri Anggraeni; Bagus Satrio Waluyo Poetro
JPNM Jurnal Pustaka Nusantara Multidisiplin Vol. 3 No. 2 (2025): July : Jurnal Pustaka Nusantara Multidisiplin
Publisher : SM Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59945/jpnm.v3i2.407

Abstract

Sistem keamanan digital berbasis blockchain dan AI dikembangkan untuk verifikasi sertifikat akademik secara otomatis, menggantikan proses manual yang rentan pemalsuan dan memakan waktu lama. Sistem ini memanfaatkan AI-OCR berbasis deep learning untuk mengekstrak teks dari sertifikat, lalu menggunakan algoritma SHA-256 untuk menghasilkan hash gambar berdasarkan struktur piksel serta hash teks berdasarkan isi dokumen, yang kemudian disimpan di database dan blockchain guna memastikan keasliannya. Dengan dataset lebih dari 200 sertifikat asli dalam format PNG dan JPG, sertifikat diproses melalui grayscale dan resize sebelum hashing dan penyimpanan. Pengujian menunjukkan bahwa hash gambar memiliki kesesuaian 100% dengan yang tersimpan di blockchain, sementara verifikasi teks OCR mencapai akurasi 100%, membuktikan bahwa sistem ini mampu memverifikasi sertifikat secara cepat, aman, dan akurat. Integrasi AI-OCR juga meningkatkan efisiensi dibandingkan metode manual, sehingga penelitian ini diharapkan menjadi solusi anti-pemalsuan yang dapat diterapkan di institusi akademik dan organisasi lain yang membutuhkan sistem verifikasi dokumen digital yang andal dan transparan.
IMPLEMENTASI ALGORITMA FASTER R-CNN DALAM DETEKSI AKTIVITAS MEROKOK DI LINGKUNGAN KAMPUS Istanto, Nazla Abay Daud; Bagus Satrio Waluyo Poetro
Jurnal Rekayasa Sistem Informasi dan Teknologi Vol. 3 No. 1 (2025): Agustus
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jrsit.v3i1.2647

Abstract

The implementation of smoke-free area regulation in campus environment faces challenges in terms of supervision and enforcement. This study aims to determine the performance of deep learning-based object detection algorithm, namely Faster R-CNN, in detecting smoking activity in the campus area of ​​Universitas Islam Sultan Agung (UNISSULA). The dataset used consists of 1935 annotated images of smoking activity obtained from Roboflow, with data division of 85% training and 15% validation. The model was trained using Google Colab and tested based on evaluation metrics such as accuracy, precision, recall, and f1-score. The results show that Faster R-CNN has superior performance with the best evaluation value reaching 100% at a threshold of 0.5. These findings conclude that Faster R-CNN is suitable for use in a smoking activity detection system in a campus environment, especially in the context of detection accuracy and consistency.
DETEKSI DIABETIC RETINOPATHY MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK BERBASIS EFFICIENTNET DAN GRAD-CAM PADA CITRA FUNDUS RETINA Hendra Irawan Wijaya Kusuma; Bagus Satrio Waluyo Poetro
Jurnal Rekayasa Sistem Informasi dan Teknologi Vol. 3 No. 1 (2025): Agustus
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jrsit.v3i1.2896

Abstract

Retinopati diabetik merupakan salah satu komplikasi utama diabetes yang dapat menyebabkan kebutaan permanen jika tidak dideteksi secara dini. Penelitian ini bertujuan untuk mengembangkan sistem deteksi otomatis retinopati diabetik menggunakan algoritma Convolutional Neural Network (CNN) berbasis arsitektur EfficientNet dan visual Grad-CAM pada citra fundus retina. Dataset yang digunakan adalah APTOS 2019 Blindness Detection dengan lima klasifikasi tingkat keparahan retinopati. Proses meliputi preprocessing data, augmentasi citra, pelatihan model dengan transfer learning pada EfficientNetB3, evaluasi model melalui confusion matrix dan classification report, serta deployment menggunakan aplikasi Streamlit. Hasil evaluasi menunjukkan bahwa model mencapai akurasi validasi sebesar 75,70%, dengan performa terbaik pada kelas normal (kelas 0) dan akurasi yang masih dapat ditingkatkan pada kelas parah (kelas 3 dan 4). Integrasi Grad-CAM memberikan visualisasi yang membantu dalam interpretasi hasil prediksi. Sistem ini diharapkan dapat menjadi alat bantu diagnosis awal retinopati diabetik secara cepat dan akurat dalam praktik medis.
PREDIKSI KONSUMSI ENERGI MENGGUNAKAN REGRESI LINIER DAN MULTILAYER PERCEPTRON (MLP) PADA ALGORITMA KONSENSUS PROOF OF WORK (POW) Wahid Ivan Saputra; Bagus Satrio Waluyo Poetro
Jurnal Rekayasa Sistem Informasi dan Teknologi Vol. 3 No. 1 (2025): Agustus
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jrsit.v3i1.3000

Abstract

This study discusses energy consumption prediction in blockchain networks based on the Proof of Work (PoW) consensus algorithm, using a Bitcoin case study. The main issue raised is the high energy consumption in the PoW mechanism, which is dynamic and non-linear, making it difficult to accurately predict using simple linear methods. This study proposes a combined approach between the Prophet model to predict energy consumption trends and the Multi-Layer Perceptron (MLP) model to estimate the energy consumption gap (gap_twh) between the estimated and minimum values. The data used comes from Digiconomist, covering the period 2017–2025, with research stages including data cleaning, feature engineering, normalization, modeling, and evaluation using MAE, MSE, and R² metrics. The results show that the combination of Prophet and MLP is able to provide more precise predictions than the linear regression model as a baseline, with interactive visualization through a Streamlit-based dashboard that facilitates interpretation of trends and uncertainty ranges. These findings are expected to serve as a reference for researchers, industry players, and policymakers in monitoring and optimizing energy consumption in crypto mining activities.
PREDIKSI PENGGUNAAN AIR BERSIH PERUSAHAAN UMUM DAERAH AIR MINUM MENGGUNAKAN ALGORITMA LONG SHORT TERM MEMORY Hendri Kurniawan; Bagus Satrio Waluyo Poetro
Jurnal Rekayasa Sistem Informasi dan Teknologi Vol. 3 No. 1 (2025): Agustus
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jrsit.v3i1.3041

Abstract

Perusahaan Umum Daerah Air Minum (PDAM) memiliki peran penting dalam menyediakan layanan air bersih bagi masyarakat. Tantangan utama yang dihadapi adalah bagaimana memprediksi kebutuhan air secara akurat agar distribusi berjalan optimal dan berkelanjutan. Penelitian ini bertujuan untuk membangun model prediksi penggunaan air bersih dengan menggunakan algoritma Long Short-Term Memory (LSTM), salah satu jenis Recurrent Neural Network (RNN) yang efektif dalam mempelajari pola data deret waktu. Data penelitian berupa catatan historis jumlah pelanggan dan volume pemakaian air bersih dari 15 wilayah layanan PDAM Kabupaten Kendal periode 2020-2025. Tahapan penelitian meliputi pra-pemrosesan data, perancangan dan pelatihan model, evaluasi performa, serta implementasi sistem prediksi berbasis web menggunakan Streamlit. Hasil evaluasi menunjukkan bahwa model LSTM mampu memberikan prediksi dengan tingkat akurasi yang baik. Rata-rata nilai Mean Absolute Percentage Error (MAPE) untuk prediksi jumlah pemakaian air berada pada kisaran 3-5%, sedangkan untuk jumlah pelanggan rata-rata di bawah 2%. Selain itu, nilai Root Mean Squared Error (RMSE) juga relatif rendah sehingga model dapat menyesuaikan dengan pola fluktuatif pada setiap wilayah. Implementasi ke dalam aplikasi web memudahkan PDAM melakukan analisis prediksi secara interaktif dan mendukung perencanaan distribusi air yang lebih efisien
SISTEM DETEKSI OTOMATIS HELM UNTUK PROYEK KESELAMATAN KERJA BERBASIS YOLOv8: Laporan ini Disusun Guna Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Strata (S1) pada Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Islam Sultan Agung Semarang Muhammad Azizul Mustofa; Bagus Satrio Waluyo Poetro
Jurnal Rekayasa Sistem Informasi dan Teknologi Vol. 3 No. 1 (2025): Agustus
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jrsit.v3i1.3043

Abstract

Keselamatan kerja di industri konstruksi sangat ditentukan oleh kepatuhan pekerja dalam penggunaan Alat Pelindung Diri (APD), khususnya helm keselamatan. Rendahnya tingkat kedisiplinan pekerja serta keterbatasan pengawasan manual menjadi tantangan serius di lapangan. Penelitian ini bertujuan untuk mengembangkan sistem deteksi otomatis penggunaan helm berbasis algoritma YOLOv8n yang mampu bekerja secara real-time melalui kamera CCTV dengan efisiensi tinggi pada perangkat komputasi terbatas. Metode penelitian meliputi pengumpulan 1.000 gambar teranotasi yang terdiri dari pekerja dengan dan tanpa helm, anotasi data menggunakan Roboflow, pembagian dataset (80% training, 10% validation, 10% testing), serta pelatihan model di Google Colab menggunakan parameter batch size 16, image size 640, epoch 100, dan learning rate 0,0001. Hasil pengujian menunjukkan tingkat akurasi sebesar 74% pada skenario pekerja berhelm dan 81% pada pekerja tanpa helm. Evaluasi melalui confusion matrix juga mengindikasikan kemampuan model dalam mendeteksi kategori helmet dengan tingkat presisi 85%, sementara pada kategori non-helmet model mencapai 100% akurasi. Temuan ini membuktikan bahwa YOLOv8n memiliki potensi besar dalam mendukung sistem pengawasan Keselamatan dan Kesehatan Kerja (K3) secara otomatis, sehingga dapat membantu mengurangi angka kecelakaan kerja. Penelitian ini membuka peluang pengembangan lebih lanjut, seperti deteksi APD lain serta integrasi dengan fitur notifikasi otomatis berbasis IoT.
Co-Authors Hendra Irawan Wijaya Kusuma Hendri Kurniawan Istanto, Nazla Abay Daud Muhammad Azizul Mustofa Silvia Putri Anggraeni Wahid Ivan Saputra