Article Per Year (5 Year)
p-Index From 2021 - 2026
2.87
P-Index
This Author published in this journals
All Journal IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Jurnal Edukasi dan Penelitian Informatika (JEPIN) Jurnal Sistem dan Informatika Infotech Journal Jurnal Teknoinfo CYBERNETICS BULETIN AL-RIBAATH Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Progresif: Jurnal Ilmiah Komputer Jurnal Computer Science and Information Technology (CoSciTech) JUTECH : Journal Education and Technology Joutica : Journal of Informatic Unisla Jurnal Riset Rumpun Ilmu Teknik (JURRITEK)
Barry Ceasar Octariadi
Universitas Muhammadiyah Pontianak
Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Other

Published : 27 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 27 Documents
Search

 1   2   3 
Sistem Prediksi Kebutuhan Obat di Puskesmas Berbasis Website Menggunakan Metode Regresi Linear Medi, Medi; Alkadri, Syarifah Putri Agustini; Octariadi, Barry Ceasar
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 12, No 3: Desember 2023
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v12i3.1543

Abstract

Community Health Centers (Puskesmas) are one of the most important public health service facilities in Indonesia. Subi sub-district health center is a health facility that prioritizes quality of service to the people of Subi sub-district. Medicines are a major factor for health agencies. With the availability of sufficient medicines, we can provide maximum service, thereby avoiding negative risks for patient safety. The data analysis process can be carried out using the Linear Regression method by determining the independent variables. Predictions made using the Linear Regression method can be measured using the Mean Absolute Percentage Error (MAPE) calculation. Predictions that have been stiffened and measured so that they can be used with future data can quickly develop a Prediction System. Prediction system design using Unifield Modeling Language (UML) and Balsamic Mockup as user interface design. This research produces a prediction system that can predict the number of drugs dispensed and predict drug orders. With a MAPE value of 12.4% and testing for acceptance of this prediction system of 89.5%. This means that the prediction system is very good and meets your needs.Keywords: Prediction; Drug Stock Availability; Linear Regression AbstrakPusat Kesehatan Masyarakat (Puskesmas) adalah salah satu sarana pelayanan Kesehatan masyarakat yang amat penting di Indonesia. Puskesmas kecamatan subi merupakan fasilitas Kesehatan yang mengutamakan kualitas pelayanan terhadap masyarakat kecamatan subi. Obat merupakan faktor utama bagi instansi kesehatan. Dengan ketersediaan obat yang cukup dapat memberikan pelayanan yang maksimal, sehingga terhindar dari resiko buruk bagi keselamatan pasien. Proses Analisis data yang bisa dilakukan dengan menggunakan metode Regresi Linear dengan menentukan variable bebas. Prediksi yang dilakukan dengan metode Regresi Linear dapat diukur menggunakan perhitungan Mean Absolute Percentage Error (MAPE). Prediksi yang telah dikakukan dan diukur agar dapat digunakan dengan data kedepannya secara cepat dibangunkan sebuah Sistem Prediksi. Perancangan Sistem prediksi menggunakan Unifield Modelling Language (UML) dan Balsamic Mockup sebagai perancangan user interface. Penelitian ini menghasilkan sebuah sistem prediksi yang dapat memprediksi jumlah obat keluar dan memprediksi pemesan obat. Dengan nilai MAPE sebesar 12.4% dan pengujian terhadap penerimaan sistem prediksi ini sebesar 89,5%. artinya sistem prediksi sudah sangat baik dan sesuai dengan kebutuhan. 
Identifikasi Ular Menggunakan Metode Gray Level Co-Occurrence Matrix Dan Histogram Yulia, Rantika; Siregar, Alda Cendekia; Octariadi, Barry Ceasar
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 13, No 2: Agustus 2024
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v13i2.1964

Abstract

Welang and Weling snakes are types of snakes that have a similar physique and have dangerous venom. Apart from that, there is the Banded Wolf Snake (Lycodon Subcinctus) which is said to be similar to the Weling (Bungarus Candidus) but is not venomous and the Sea Snake (Laticauda Colubrina) which is similar to the Welang (Bungarus Fasciatus). The similarity of this type of snake can be seen from the snake's body motif, such as black and white or black and gold stripes. Therefore, tests were carried out using 2 different methods to prove the similarity of the four types of snakes. This research uses the Gray Level Co-Occurrence Matrix (GLCM) method and the Histogram method on snake images. The GLCM features used for extraction are Contrast, Energy, Correlation, Homogeneity and Entropy. Histogram features used are mean, variance, standard deviation, skewness and entropy. Tests carried out with 100 data obtained the highest average accuracy results using the GLCM method of 97.75% with a value of K = 1, while using the Histogram method obtained the highest average accuracy value of 100% with a value of k = 1.Key Word: Snake; Gray Level Co-Occurrence Matrix (GLCM); Histogram AbstrakUlar Welang dan Weling merupakan jenis ular yang memiliki fisik yang mirip serta memiliki bisa yang berbahaya. Selain itu, ada Banded Wolf Snake (Lycodon Subcinctus) yang disebut mirip dengan Weling (Bungarus Candidus) namun tidak berbisa dan Sea Snake (Laticauda Colubrina) yang mirip dengan Welang (Bungarus Fasciatus). Kemiripan dari jenis ular ini dilihat dari motif tubuh ular seperti belang hitam putih atau hitam emas. Oleh karena itu, dilakukan pengujian menggunakan 2 metode berbeda untuk membuktikan kemiripan empat jenis ular tersebut. Penelitian ini menggunakan metode Gray Level Co-Occurrence Matrix (GLCM) dan metode Histogram pada citra ular. Fitur GLCM yang digunakan untuk ekstraksi adalah Contrast, Energy, Correlation, Homogeneity dan Entropy. Fitur Histogram yang digunakan adalah mean, variance, standar deviasi, skewness dan entropy. Pengujian yang dilakukan dengan 100 data mendapatkan hasil akurasi rata-rata tertinggi pada metode GLCM adalah sebesar 97,75% dengan nilai K = 1 sedangkan menggunakan metode Histogram mendapat nilai akurasi rata- rata tertinggi sebesar 100% dengan nilai k=1. 
Klasifikasi Pemilihan Bibit Unggul Kelapa Sawit Menggunakan Algoritma Naïve Bayes Elsa Damayanti; Barry Ceasar Octariadi; Rachmat Wahid Saleh Insani
JURNAL RISET RUMPUN ILMU TEKNIK Vol. 4 No. 1 (2025): April : Jurnal Riset Rumpun Ilmu Teknik
Publisher : Pusat riset dan Inovasi Nasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/jurritek.v4i1.4991

Abstract

Oil palm is a key commodity supporting Indonesia’s economy through exports and employment. The industry’s success depends heavily on the selection of superior seedlings, which determine productivity, crop quality, and resistance to pests and diseases. Manual selection, however, often leads to subjectivity and inconsistency due to limited human resources and genetic variation. To address this, the study applies the Naïve Bayes algorithm for classifying oil palm seedlings based on seven variables: height, stem diameter, number of leaves, leaf color, disease resistance, root growth, and fruit yield. Using an explanatory quantitative method, the study follows seven stages: identifying problems, literature review, collecting 1,000 data entries from PT Intitama Berlian Perkebunan, data pre-processing, system modeling (UML), algorithm implementation, and evaluation using a confusion matrix and black box testing. Data was split into 80% training and 20% testing. The Naïve Bayes-based classification achieved 95% accuracy and perfect recall (1.00) for the superior seedling class. However, its performance on the minority class (non-superior seedlings) was weaker due to dataset imbalance. Black box testing verified all system functions worked correctly, enabling effective and efficient use by administrators. The study concludes that Naïve Bayes improves objectivity, efficiency, and accuracy in seedling selection. Nonetheless, attention is needed on data balancing and optimization to maintain consistent performance across classes. This system shows strong potential as a decision-support tool in plantations and promotes digital transformation in agricultural processes.
Perbandingan Model Arsitektur CNN Dengan Metode Transfer Learning Untuk Klasifikasi Spesies Ikan Laut Anugrah, Ilham; Siregar, Alda Cendekia; Octariadi, Barry Ceasar
Progresif: Jurnal Ilmiah Komputer Vol 20, No 1: Februari 2024
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v20i1.1834

Abstract

Fish are cold-blooded animals that are widely utilized by humans. Fish are a diverse group of poikilothermic vertebrates with over 27,000 species worldwide. The large number of fish species poses a challenge in distinguishing between them. This study aims to implement and compare three popular Convolutional Neural Network (CNN) architectures, namely Xception, Nasnet, and MobileNet V3L, in the task of classifying marine fish species. The research results show that all three CNN architectures perform exceptionally well in classifying marine fish species. The MobileNet V3L architecture achieves the highest level of accuracy with a value of 99% for all evaluation metrics. The Xception architecture achieves an overall accuracy of 97%, while the NasNet architecture achieves an overall accuracy of 92%. Overall, the comparison indicates that the MobileNet V3L architecture is the best architecture in this study.Keyword: Convolutional Neural Network; Transfer Learning; Sea Fish Classification AbstrakIkan merupan hewan berdarah dingin yang banyak di manfaatkan oleh manusia. Ikan adalah kelompok vertebrata poikilotermik yang beraneka ragam dengan jumlah spesies lebih dari 27.000 di seluruh dunia. Banyaknya jumlah spesies ikan menjadi satu masalah dalam membedekan jenis ikan. Penelitian inibertujuan untuk menerapkan dan membandingkan tiga arsitektur Convolutional Neural Network (CNN) yang populer, yaitu Xception, Nasnet, dan MobileNet V3L, dalam tugas klasifikasi spesies ikan laut. Hasil penelitian menunjukkan bahwa semua tiga arsitektur CNN memiliki performa yang sangat baik dalam klasifikasi spesies ikan laut. Arsitektur MobileNet V3L mencapai tingkat akurasi tertinggi dengan nilai sebesar 99% untuk semua metrik evaluasi. untuk arsitektur Xception menghasilkan akurasi keseluruhan 97% dan arsitektur NasNet menghasilkan akurasi keseluruhan 92%. Secara keseluruhan perbandingan dapat dikatakan bahwa arsitektur Mobilenet V3L adalah arsitektur terbaik dalam penelitian ini.Kata kunci: Convolutional Neural Network; Transfer Learning; Klasifikasi Ikan Laut
Sistem Informasi Geografis Tour Guide Pencarian Rute Terpendek Wisata Kabupaten Ketapang Menggunakan Algoritma Dijkstra PURWANTO, ANGGI; Insani, Rachmad Wahid Saleh; Octariadi, Barry Ceasar
Progresif: Jurnal Ilmiah Komputer Vol 20, No 1: Februari 2024
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v20i1.1551

Abstract

The Tour Guide Geographic Information System was developed to overcome the difficulty of tourists in finding the shortest route to tourist attractions in Ketapang Regency. This application uses the Dijkstra algorithm in finding the fastest path between tourist sites. Although there are differences in route estimation and travel time with Google Maps, this application still provides accurate route estimates. The results of testing through black box testing and user acceptance testing showed success of 81.44%. This system applies exclusively in Ketapang Regency and meets the established standards.Keywords: Geographic Information System; Tour Guide; Dijkstra algorithm; Shortest Route. AbstrakSistem Informasi Geografis Tour Guide dikembangkan untuk mengatasi kesulitan wisatawan dalam menemukan rute terpendek ke objek wisata di Kabupaten Ketapang. Aplikasi ini menggunakan algoritma Dijkstra dalam pencarian jalur tercepat antar lokasi wisata. Meskipun terdapat perbedaan estimasi rute dan waktu tempuh dengan Google Maps, aplikasi ini tetap memberikan estimasi rute yang akurat. Hasil pengujian melalui black box testing dan user acceptance testing menunjukkan keberhasilan sebesar 81,44%. Sistem ini berlaku eksklusif di Kabupaten Ketapang dan memenuhi standar yang ditetapkan.Kata Kunci: Sistem Informasi Geografis; Tour Guide; Algoritma Dijkstra; Rute Terpendek.
Penerapan Learning Vector Quantization Dalam Pengolahan Citra Digital Untuk Deteksi Penyakit Kulit Rizki Akbar Pratama; Barry Ceasar Octariadi; Syarifah Putri Agustini Alkadri
Computer Science and Information Technology Vol 6 No 2 (2025): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v6i2.9270

Abstract

Skin, as the largest human organ, covers more than two square meters and accounts for about 15% of body mass. Consisting of three main layers of epidermis, dermis, and subcutaneous tissue, the skin serves as a physical shield and barrier against infection, injury, and UV radiation. Skin diseases such as chickenpox, monkey pox, measles and herpes are medical challenges that require quick and accurate diagnosis. This study used 520 digital images (130 per category) from Mendeley Data and online sources. The Learning Vector Quantization (LVQ) algorithm was applied for image classification based on the extracted features. Results showed an overall accuracy of 90.74%, with respective accuracies: 97% (chickenpox), 98% (monkey pox), 91% (measles), and 100% (herpes). Evaluation using confusion matrix resulted in accuracy, precision, recall, and F1-score values of 0.91, indicating strong model performance. These findings demonstrate the potential of LVQ as a digital image-based skin disease diagnosis tool.
Penerapan Jaringan Syaraf Tiruan Backpropagation dalam Pengenalan Huruf Hijaiyah Sufi Vanitra; Barry Ceasar Octariadi; Syarifah Putri Agustini Alkadri
Jurnal Sistem dan Informatika (JSI) Vol 19 No 2 (2025): Jurnal Sistem dan Informatika (JSI)
Publisher : Direktorat Penelitian,Pengabdian Masyarakat dan HKI - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/jsi.v19i2.736

Abstract

Pemanfaatan teknologi dalam pembelajaran bahasa Arab dan Al-Qur'an masih kurang dan terkendala oleh minimnya sistem yang mampu mengenali huruf hijaiyah tulisan tangan secara akurat. Penelitian ini bertujuan mengembangkan sistem klasifikasi huruf hijaiyah tulisan tangan menggunakan Jaringan Syaraf Tiruan (JST) algoritma backpropagation yang digabungkan dengan teknik ekstraksi ciri bentuk dan tekstur (GLCM). Dataset terdiri dari 1200 data latih dan 450 data uji dengan citra huruf hijaiyah tulisan tangan. Tahapan penelitian meliputi preprocessing citra (resize, grayscale, Gaussian filter, binarisasi Otsu), ekstraksi 24 fitur (8 fitur bentuk dan 16 fitur GLCM), normalisasi, serta pelatihan dan pengujian model. Hasil pelatihan model mencapai akurasi sempurna 100%, sedangkan hasil pengujian pada data tulisan tangan menggunakan data Kaggle sebesar 93,77%. Sedangkan pengujian menggunakan tulisan tangan secara langsung sebesar 93%. Namun, ketika diuji dengan data huruf font digital yang belum pernah dilihat sebelumnya, akurasi sistem menurun drastis menjadi 20%. Hasil ini menyimpulkan bahwa model backpropagation yang dibangun sangat efektif untuk mengenali pola spesifik dari dataset tulisan tangan yang dilatih, namun memiliki kemampuan generalisasi yang terbatas terhadap variasi bentuk huruf yang baru.
Co-Authors Alda Cendekia Siregar Alkadri, Syarifah Putri Agustini Andalas Rivaldi Permana Anugrah, Ilham Arni - Yanti Asrul Abdullah Chairul Syafar Putra Dewi Yanti Eki Komariah Elsa Damayanti Fenni Supriadi Insani, Rachmad Wahid Saleh Medi, Medi PURWANTO, ANGGI Purwoko, Agus Rachmat Wahid Saleh Insani Rizka Amalia Rizki Akbar Pratama Siregar, Alda Cendekia Sucipto Sucipto Sucipto Sufi Vanitra Syaibah Syaibah vera vibiola Yulia, Rantika Yulrio Brianorman