Article Per Year (5 Year)
p-Index From 2020 - 2025
6.477
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering IAES International Journal of Artificial Intelligence (IJ-AI) TELKOMNIKA (Telecommunication Computing Electronics and Control) International Journal of Advances in Intelligent Informatics Jurnal Informatika Jurnal Pilar Nusa Mandiri JTERA (Jurnal Teknologi Rekayasa) Techno Nusa Mandiri : Journal of Computing and Information Technology JOURNAL OF APPLIED INFORMATICS AND COMPUTING ILKOM Jurnal Ilmiah EXPLORE Jurnal Mantik JTIM : Jurnal Teknologi Informasi dan Multimedia International Journal of Informatics and Computation INFOKUM Infotek : Jurnal Informatika dan Teknologi Jurnal Kompilasi Hukum Jurnal Saintekom : Sains, Teknologi, Komputer dan Manajemen Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) Jurnal Pengabdian Masyarakat Bidang Sains dan Teknologi EXPLORE Jurnal Kecerdasan Buatan dan Teknologi Informasi Jurnal Computer and Technology Explore Jurnal Karya untuk Masyarakat (JKuM)
Imran, Bahtiar
Universitas Teknologi Mataram
Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Medicine & Pharmacology Nursing Public Health Social Sciences Transportation Veterinary

Published : 54 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 54 Documents
Search

 1   2   3   4   5 
SISTEM PAKAR PEMILIHAN JENIS KREDIT NASABAH MENGGUNAKAN METODE FORWARD CHAINING PADA PT. BANK RAKYAT INDONESIA (PERSERO) Hanis Purnamasidi; Salman; Lalu Darmawan Bakti; Bahtiar Imran
Jurnal Kecerdasan Buatan dan Teknologi Informasi Vol. 1 No. 3 (2022): Desember 2022
Publisher : Ninety Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69916/jkbti.v1i3.2

Abstract

Penerapan sistem pakar dalam pemilihan jenis kredit dengan metode forward chaining diharapkan menjadi salah satu alternatif bagi calon nasabah dalam proses pengajuan kredit pada perbankan. Nasabah yang ingin melakukan pengajuan sering kali harus datang berkali – kali ke kantor bank untuk berkonsultasi atau sekedar mencari informasi tentang kredit perbankan yang tersedia. Penelitian ini sebagai produk ilmu pengetahuan dan teknologi dalam bentuk kecerdasan buatan bagi nasabah agar dapat melakukan konsultasi jarak jauh dan mencari informasi sendiri dari mana saja. Metode forward chaining yang digunakan dalam penerapan sistem pakar ini dimulai dengan mencari dan memilah data fakta serta mencocokkan data sesuai dengan bagian “IF” dari “rules IF-THEN”. Bila ada data yang cocok dengan bagian “IF” maka rules tersebut di eksekusi, dan akan ditampilakan pada halaman hasil. Hasil penelitian menunjukkan bahwa klasifikasi kredit akan sangat sensitive dengan jenis jaminan dan penghasilan yang dimiliki calon nasabah sedangkan variable lainnya hanya bersifat data pendukung.
KLASIFIKASI PENYAKIT KATARAK BERDASARKAN CITRA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS WEB Diki Hananta Firdaus; Bahtiar Imran; Lalu Darmawan Bakti; Emi Suryadi
Jurnal Kecerdasan Buatan dan Teknologi Informasi Vol. 1 No. 3 (2022): Desember 2022
Publisher : Ninety Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69916/jkbti.v1i3.6

Abstract

Mata adalah alat indera pada manusia yang berfungsi sebagai organ penglihatan. Gangguan penglihatan yang sangat memprihatinkan adalah masalah kebutaan. Mengacu pada data World Health Organization (WHO) tahun 2018, katarak menyumbang sekitar 48% kasus kebutaan di dunia dan nomor satu di Indonesia. Mata katarak dengan mata normal di masyarakat sekitar masih sulit untuk dibedakan, Sehingga masyarakat sering tidak menyadari ketika terindikasi penyakit katarak. Melihat dari uraian tersebut, penting sekali untuk mendeteksi penyakit katarak sebelum terjadi kebutaan. Dengan berkembangnya teknologi, pendeteksian dan klasifikasi katarak menjadi lebih mudah dengan adanya pengolahan citra digital. Pada penelitian ini penulis membuat suatu aplikasi Machine Learning untuk mengidentifikasi antara mata katarak dan mata normal dengan menggunakan metode Convolutional Neural Network (CNN) berbasis web. Dataset yang digunakan adalah 512 citra digital dengan pembaruan 2 kelas yaitu kelas katarak dan kelas normal. Dataset diambil dari sebuah website yang bergerak di bidang data sience yang bernama Kaggle. Pembelajaran mesin menggunakan Epoch 1, epoch 10 dan epoch 25. Pada epoch 1 mendapatkan hasil akurasi model sebesar 52,20%, epoch 10 mendapatkan akurasi sebesar 89,15% dan epoch 25 mendapatkan hasil akurasi sebesar 99,74%. Hasil terbaik yang didapatkan model adalah 99,74%. Hasil pengujian model menggunakan metode CNN ini dapat bekerja dengan sangat baik untuk memprediksi penyakit katarak pada mata.
KLASIFIKASI PENYAKIT EARLY BLIGHT DAN LATE BLIGHT PADA TANAMAN TOMAT BERDASARKAN CITRA DAUN MENGGUNAKAN METODE CNN BERBASIS WEBSITE Nining Putri Ningsih; Emi Suryadi; Lalu Darmawan Bakti; Bahtiar Imran
Jurnal Kecerdasan Buatan dan Teknologi Informasi Vol. 1 No. 3 (2022): Desember 2022
Publisher : Ninety Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69916/jkbti.v1i3.10

Abstract

Tomat merupakan salah satu tanaman hortikultura di Indonesia yang sangat rentan terserang penyakit. Petani akan mengalami kesulitan untuk mengidentifikasi penyakit pada daun tanaman tomat, jika hanya dilihat secara kasat mata saja. Hal tersebut dapat menyebabkan kesalahan dalam penanggulangannya, sehingga dapat menyebabkan turunnya hasil produksi serta memungkinkan terjadinya gagal panen pada tanaman tomat. Oleh karena itu dibutuhkan aplikasi yang membantu petani untuk mengklasifikasi Penyakit Early Blight dan Late Blight pada daun tomat. Proses klasifikasi ini menggunakan citra daun dengan metode Convolutional Neural Network. Dataset yang digunakan 4.000 citra dengan 2 jenis penyakit yaitu Early Blight dan Late Blight. Penggunaan Algoritma CNN menghasilkan akurasi yang tinggi, proses training data menenggukan learning rate 0,0001 dan batch size 20. Epoch 1 menghasilkan loss 98%, akurasi 53%, Recall 46%. Epoch 10 menghasilkan 20, loss 34%, akurasi 85%, recall 81%. Epoch 20 menghasilkan loss 22%, akurasi 94%, recall 95%. Epoch 100 mengasilkan loss 5%, akurasi 99%, dan recall 85%, akan digunakan untuk proses klasifikasi karena menghasilkan akurasi dan recall yang tinggi, serta loss yang kecil. Model CNN tersebut akan di implementasikan ke website dengan menggunakan framework flask.
IDENTIFIKASI KEMIRIPAN FOTO ASLI DAN SKETSA MENGGUNAKAN MODEL GENERATIF ADVERSARIAL NETWORK (GANs) Andre Satriawan; Bahtiar Imran; Surni Erniwati
Jurnal Kecerdasan Buatan dan Teknologi Informasi Vol. 2 No. 3 (2023): September 2023
Publisher : Ninety Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69916/jkbti.v2i3.36

Abstract

Perkembangan seni semakin bertumbuh khususnya dalam bidang seni lukis, pertumbuhan tersebut terlihat dari banyaknya pemula yang mulai belajar melukis secara otodidak diawali dengan belajar membuat sketsa menggunakan metode yang beragam, tetapi masalah umum yang sering dihadapi oleh pemula dalam seni Lukis adalah seringkali sketsa dan foto asli terlihat serupa tetapi tidak tahu seberapa mirip sketsa yang telah dibuat. Penlitian ini bertujuan untuk mengidentifikasi persentase kemiripan foto asli dan sketsa menggunakan metode diskriminatif dari model Generative Adversarial Networks (GANs) memantkan library atau modul ssim. Diskriminator merupakan CNN yang menerima input gambar berukuran sama atau memiliki dimensi yang sama dan menghasilkan angka yang menyatakan apakah input merupakan gambar yang sama atau memeiliki kemiripan. Untuk mendapatkan persentase kemiripan yang tepat antara dua gambar memanfaatkan Struktural Similarity Index (SSIM) yang telah terlatih pada library scikit-image.
Implementasi Website Portal Sekolah Sebagai Media Promosi dan Penyampaian Informasi (Studi Kasus : SMAN 1 Praya Timur) Baiq Nonik Ria Riska; Bahtiar Imran; Erfan Wahyudi; Hasan Basri
Explore Vol 7 No 2 (2017): Juli 2017
Publisher : Universitas Teknologi Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35200/ex.v7i2.10

Abstract

Peranan teknologi informasi pada aktivitas manusia pada saat ini begitu besar. Teknologiinformasi telah menjadi fasilitator utama bagi perusahaan dan organisasi. Hal inilah yang memberikankemudahan bagi manusia untuk melakukan pekerjaan serta mendapatkan informasi dengan lebih cepat.Salah satu teknologi informasi yang berkembang saat ini adalah website atau lebih dikenal dengansebutan web, yang merupakan suatu koleksi dokumen elektronik pribadi atau perusahaan dalam serverweb yang digunakan untuk mengakses berbagai informasi. SMAN 1 Praya Timur belum memiliki websiteyang digunakan untuk menyebarkan informasi kepada masyarakat, sehingga keberadaan sekolah SMAN1 Praya Timur belum diketahui keberadaannya oleh masyarakat luas. Website portal ini dibangunmenggunakan bahasa permrograman PHP. Dengan adanya website portal ini dapat membantu pihaksekolah dalam melakukan promosi dan penyampaian informasi kepada masyarakat.
Pelatihan Pembuatan Website Bagi Staf Desa di Desa Teratak Kecamatan Batukliang Utara Kabupaten Lombok Tengah Zaenudin Zaenudin; Lalu Delsi Samsumar, M.Eng.; Amirudin Kalbuadi; Bahtiar Imran
Jurnal Karya untuk Masyarakat (JKuM) Vol 3, No 2 (2022): Jurnal Karya untuk Masyarakat
Publisher : STARKI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36914/jkum.v3i2.797

Abstract

Desa Teratak merupakan desa dari beberapa desa yang ada dikecamatan Batukliang Utara Kabupaten Lombok Tengah. Desa Teratak Terdiri dari 73 Rukun Tangga Dan 12 Rukun Warga, dan 3429 KK. Desa Teratak berbatasan dengan Desa Aik Berik disebelah utara, Desa Selebung di sebelah selatan, Desa Selebung di sebelah barat, serta Desa Aiq Bukak di sebelah timur. Desa Teratak merupakan desa yang memiliki potensi kerajinan, industri di bidang perikanan, pertanian, dan pariwisata. Potensi Kerajinan yang terkenal di Desa Teratak yaitu kerajinan bambu yaitu bakul. Industri perikanan yang berkembang di Desa Teratak antara lain Nila, Koi, dan Gurami. Potensi pertanian yaitu padi. Sedangkan Potensi Wisata yaitu Geopark Rinjani, Tereng Kuning, Danau Biru, Air Terjun Elong Tune, Air terjun Serawah, dan kuliner. Selama ini desa teratak belum memiliki website desa sebagai sarana informasi kepada masyarakat, oleh karena itu dibuatlah kegiatan pelatihan ini bertujuan membuat dan menerapkan website desa teratak, pada pelatihan ini menghasilkan sebuah website yang di hosting dengan alamat alamat https://desateratak.com pemeranan website ini di harapkan dapat meningkatkan informasi kepada masyarakt dengan tepat tentang kegiatan pemerintah khususnya desa, pelanyanan kepada masyarakat dan dapat menjadi media promosi bagi desa teratak. ABSTRACT Teratak Village is one of several villages in North Batukliang District, Central Lombok Regency. Teratak Village consists of 73 pillars of stairs and 12 pillars of residents, and 3429 families. Teratak Village is directly adjacent to Aik Berik Village in the north, Selebung Village in the south, Selebung Village in the west, and Aiq Bukak Village in the east. Teratak Village is a village that has potential for handicrafts, industries in the fields of fisheries, agriculture, and tourism. The famous potential for handicrafts in Teratak Village is bamboo handicrafts, namely baskets. The fishing industry that is developing in Teratak Village includes Nila, Koi, and Gurami. Agricultural potential is rice. Meanwhile, the tourism potentials are Geopark Rinjani, Tereng Kuning, Blue Lake, Elong Tune Waterfall, Serawah Waterfall, and culinary. So far, the teratak village does not yet have a village website as a means of information to the community, therefore this training activity was made with the aim of creating and implementing a teratak village website, this training resulted in a website that was hosted with the address https://desateratak.com website role This is expected to increase information to the community correctly about government activities, especially villages, services to the community and can be a promotional media for the Teratak village.
Analisis Rekaman Suara pada Aplikasi Magic Call dengan Metode Forensik Audio untuk Mendapatkan Bukti Digital Subki, Ahmad; Karim, Muh Nasirudin; Imran, Bahtiar
Jurnal Saintekom : Sains, Teknologi, Komputer dan Manajemen Vol 13 No 2 (2023): September 2023
Publisher : STMIK Palangkaraya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33020/saintekom.v13i2.373

Abstract

Audio forensics is a method used to analyze sound or audio recordings. Voice or audio recording is one of the digital evidence that is easy to manipulate. One way to manipulate sound is to use magic call. Magic call has several levels of character voices that can be used such as cartoon, children, male and female voices. The analysis of the original voice recording with the magic voice recording is done by comparing the magic call sound and the voice with the original voice recording. The purpose of this study was to determine the voice recording produced by magic call from the magic call applications. As for the method used in this research is audio forensics, research on magic call sound using audio has never been done before. The results of this study indicate that the analysis of magic call sound recordings can be done using formant analysis and spectrograms, while pitch analysis on magic call voice recordings cannot be used. The formant and spectrogram values on magical voice recordings can still be searched because the original voice recordings have characteristics that are still attached to the magic recording calls.
Combination of gray level co-occurrence matrix and artificial neural networks for classification of COVID-19 based on chest X-ray images Imran, Bahtiar; Delsi Samsumar, Lalu; Subki, Ahmad; Zaeniah, Zaeniah; Salman, Salman; Rijal Alfian, Muhammad
IAES International Journal of Artificial Intelligence (IJ-AI) Vol 13, No 2: June 2024
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijai.v13.i2.pp1625-1631

Abstract

This research uses the gray level co-occurrence matrix (GLCM) and artificial neural networks to classify COVID-19 images based on chest X-ray images. According to previous studies, there has never been a researcher who has integrated GLCM with artificial neural networks. Epochs 10, 30, 50, 70, 100, and 120 were used in this research. The total number of data points used in this investigation was 600, divided into 300 normal chests and 300 COVID-19 data points. Epoch 10 had 91% accuracy, epoch 30 had 91% accuracy, epoch 50 had 92% accuracy, epoch 70 had 91% accuracy, epoch 100 had 92% accuracy, and epoch 120 had 90% accuracy in categorization. As indicated by the results of the classification tests, combining GLCM and artificial neural networks can produce good results; a combination of these methods can yield a classification for COVID-19.
CLASSIFICATION OF LOMBOK SONGKET CLOTH IMAGE USING CONVOLUTION NEURAL NETWORK METHOD (CNN) Hambali, Hambali; Mahayadi, Mahayadi; Imran, Bahtiar
Jurnal Pilar Nusa Mandiri Vol 17 No 2 (2021): Pilar Nusa Mandiri : Journal of Computing and Information System Publishing Peri
Publisher : LPPM Universitas Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33480/pilar.v17i2.2705

Abstract

The diversity of tribes makes Indonesia rich in culture that characterizes it, one of which is traditional cloth. Through a variety of patterns and motifs that exist in traditional fabrics, reflecting the life, customs, and culture that exist in an area. Lombok is one of the areas that produces a typical songket cloth. The famous songket craft centers in Lombok are located in the Pringgasela area, Pringgasela District, Sade Village is in Pujut District, Central Lombok Regency and Sukarara is in Jonggat District, Central Lombok Regency. Each area of ​​the center for songket craftsmen has their own characteristics both in terms of the name, motif and texture. When viewed with the naked eye, the texture of each songket will look the same, to be able to know the differences in the texture of each songket, it is necessary to do a classification using computers or technology. Today's society still does not know much information about the textures of songket cloth. The method used to classify the typical Lombok songket in this study uses the Convolution Neural Network (CNN) method. The results obtained from the use of 64 datasets, with details of 40 types of Sade songket and 24 types of Pringgasela songket, after the dataset is trained it produces 86.36% accuracy, 87% precision, 86% recall, and 86% F1-Score. Keywords: Histogram Equalization, Convolution Neural Network, Songket Cloth.
DATA MINING USING RANDOM FOREST, NAÏVE BAYES, AND ADABOOST MODELS FOR PREDICTION AND CLASSIFICATION OF BENIGN AND MALIGNANT BREAST CANCER Imran, Bahtiar; Hambali, Hambali; Subki, Ahmad; Zaeniah, Zaeniah; Yani, Ahmad; Alfian, Muhammad Rijal
Jurnal Pilar Nusa Mandiri Vol 18 No 1 (2022): Pilar Nusa Mandiri : Journal of Computing and Information System Publishing Peri
Publisher : LPPM Universitas Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33480/pilar.v18i1.2912

Abstract

This study predicts and classifies benign and malignant breast cancer using 3 classification models. The method used in this research is Random Forest, Naïve Bayes and AdaBoost. The prediction results get Random Forest = 100%, Naïve Bayes = 80% and AdaBoost = 80%. Results using Test and Score with Number of Folds 2, 5 and 10. Number of Folds 2 Random Forest model Accuracy = 95%, Precision = 95% and Recall = 95%, Naïve Bayes Accuracy = 93%, Precision = 93% and Recall 93%, AdaBoost Accuracy = 90%, Precision = 90% and Recall = 90%. With Number of Folds 5 with Random Forest = 96%, Precision = 96% and Recall 96%. Naïve Bayes Accuracy value = 94%, Precision = 94% and Recall = 94%, AdaBoost Accuracy value = 93%, Precision = 93% and Recall = 93%. With Number of Folds 10 Random Forest model = 96%, Precision = 96% and Recall 96%. Naïve Bayes Accuracy value = 94%, Precision = 94% and Recall = 94%, AdaBoost Accuracy value = 92%, Precision = 92% and Recall = 92%. Of the 3 models used, Random Forest got the best classification results compared to the others.
Co-Authors AA Sudharmawan, AA Abba Suganda Girsang, Abba Suganda ahmad yani Ahmad Yani Akbar, Ardiyallah Akhmad Muzakka Alfian Hidayat Amirudin Kalbuadi Anak Agung Istri Sri Wiadnyani Andre Satriawan Atika Zahra Nirmala Baihaki, Makmun Baiq Nonik Ria Riska Baiq Nonik Ria Riska Diki Hananta Firdaus Efendi, Muhamad Masjun Erfan Wahyudi Erniwati, Surni Fachrul Kurniawan Febri, Elin Febriani Giardi, Muh Hamzah Andung Hambali Hambali Hambali Hambali Hambali, H Hamim, Lutfi Hanis Purnamasidi Hasan Basri Hendri Ramdan Hidayatullah, Beni Ari Karim, Muh Nasirudin Karina Nurwijayanti Karya Gunawan Karya Gunawan Lalu Darmawan Bakti Lalu Darmawan Bakti, Lalu Darmawan Lalu Delsi Samsumar, M.Eng. M Zulpahmi M. Zulpahmi M. Zulpahmi Mahayadi, Mahayadi Makmun Baihaki Marroh, Zahrotul Isti’anah Maspaeni Maspaeni Moch Arief Soeleman Moh. Arief Soeleman Muahidin, Zumratul Muh. Akshar Muhammad Rijal Alfian Muhammad Zohri Mutaqin, Zaenul Muttaqin, Athaur Muzakka, Akhmad Ndang, Rijalul Mujahidin Nining Putri Ningsih Nunung Rahmania Nurkholis, Lalu Moh. Pratama, Rifqy Hamdani Purwanto Purwanto Ricardus Anggi Pramunendar Riska, Baiq Nonik Ria Rosida, Sri Rudi Muslim Rudi Muslim Salman Salman Salman Salman Saputra, Dede Haris Selamet Riadi Selamet Riadi Sriasih, Sriasih Subektiningsih Subektiningsih Subki, Ahmad Suharjito Suharjito, Suharjito Suhartono Surni Erniwati Surni Erniwati Suryadi, Emi Tahrir, Muhammad Zaeniah Zaeniah Zaeniah Zaeniah Zaenudin Zaenudin Zaenudin Zaenudin Zaenudin Zaenudin Zaenudin Zahroni, Teguh Rizali Zenuddin, Z Zulpahmi, M Zulpahmi, M. Zulpan Hadi