Article Per Year (5 Year)
p-Index From 2021 - 2026
1.845
P-Index
This Author published in this journals
All Journal Jurnal Edukasi Elektro Jurnas Nasional Teknologi dan Sistem Informasi JURNAL NASIONAL TEKNIK ELEKTRO PINTER : Jurnal Pendidikan Teknik Informatika dan Komputer JMECS (Journal of Measurements, Electronics, Communications, and Systems) Journal of Applied Electrical Engineering Jurnal Litek : Jurnal Listrik Telekomunikasi Elektronika JURNAL ILMIAH SAINS TEKNOLOGI DAN INFORMASI Media Elektrik Energy Insights
Wirasapta , Andicho Haryus
Universitas Jambi
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Library & Information Science Materials Science & Nanotechnology

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
Klasifikasi Tinggi Awan dari Citra Satelit Himawari-8 Menggunakan Fuzzy C-Means, GLCM, dan KNN. Togi Simarmata; Elsa Lolita Anggraini; Abdul Manab; Muhammad Khalis Fikri; Andicho Haryus Wirasapta; Elsi Alfionita Syawal
JURNAL ILMIAH SAINS TEKNOLOGI DAN INFORMASI Vol. 4 No. 3 (2026): Juli : Jurnal Ilmiah Sains Teknologi dan Informasi
Publisher : CV. ALIM'SPUBLISHING

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59024/jiti.v4i3.2204

Abstract

Monitoring ketinggian awan merupakan parameter penting dalam observasi meteorologi yang berperan strategis dalam analisis dinamika atmosfer serta prediksi cuaca ekstrem. Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis untuk mengategorikan awan rendah, awan menengah, dan awan tinggi menggunakan citra satelit Himawari-8. Metodologi penelitian mencakup empat tahapan utama: pre-processing untuk standardisasi data, segmentasi menggunakan metode Fuzzy C-Means (FCM) untuk memisahkan objek awan, ekstraksi fitur tekstur berbasis Gray Level Co-occurrence Matrix (GLCM) dengan sembilan parameter, serta klasifikasi menggunakan algoritma K-Nearest Neighbor (K-NN). Data penelitian bersumber dari BMKG Stasiun Meteorologi Cengkareng, Tangerang. Pengujian sistem dilakukan melalui empat skenario eksperimen dengan volume data uji sebanyak 20, 30, 40, dan 50. Hasil penelitian menunjukkan bahwa sistem mampu mendeteksi kategori awan rendah dengan tingkat akurasi yang sangat tinggi, bahkan mencapai performa sempurna pada beberapa parameter efektivitas. Fenomena tumpang tindih (overlapping) pada nilai parameter fitur tekstur antar kelas menyebabkan algoritma K-NN sulit menentukan batas keputusan yang optimal. Secara keseluruhan dari 3 ketinggian awan yang dilakukan, awan rendah dapat diklasifikasikan dengan baik dibanding dengan awan tengah dan awan tinggi. Dari 4 percobaan hasil akurasi untuk awan rendah adalah 100%. Sedangkan untuk awan tengah akurasi yang dihasilan 72,45% dan awan tinggi 90,95%. Penelitian ini merekomendasikan adanya integrasi yang lebih adaptif antara tahap segmentasi dan ekstraksi ciri guna meminimalisir bias klasifikasi pada satu kelas tertentu dan meningkatkan akurasi sistem secara menyeluruh pada seluruh tingkatan awan.
Design Science Research on Human–AI Collaboration in Decision Support Systems: A Hybrid Decision-Making Framework Muhammad Damas Fatih; Aulia Rachmawati; Hamzah Alghifari; Andicho Haryus Wirasapta
Jurnal Nasional Teknologi dan Sistem Informasi Vol 12 No 2 (2026): Agustus 2026
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v12i2.2026.327-339

Abstract

Sistem Pendukung Keputusan (Decision Support Systems/DSS) mengalami perkembangan yang pesat seiring kemajuan teknologi kecerdasan buatan (Artificial Intelligence/AI), yang memungkinkan organisasi mengolah data dalam jumlah besar dan menghasilkan rekomendasi secara lebih efisien. Meskipun demikian, pengambilan keputusan yang sepenuhnya berbasis AI masih menghadapi berbagai tantangan, seperti kurangnya transparansi, keterbatasan pemahaman konteks, bias algoritmik, serta rendahnya kepercayaan pengguna. Di sisi lain, pengambilan keputusan yang sepenuhnya dilakukan manusia juga rentan terhadap keterbatasan kognitif, kelebihan informasi, dan bias penilaian. Penelitian ini mengusulkan suatu Human–AI Collaboration Framework untuk DSS menggunakan pendekatan Design Science Research (DSR). Fokus penelitian adalah merancang dan mengembangkan kerangka konseptual yang mengintegrasikan kemampuan analitis AI dengan keahlian manusia, penalaran kontekstual, dan pertimbangan etis. Framework yang diusulkan terdiri atas tiga lapisan utama, yaitu AI Layer, Human Layer, dan Interaction Layer yang didukung mekanisme Explainable Artificial Intelligence (XAI) serta proses umpan balik berkelanjutan. Framework didemonstrasikan secara konseptual melalui skenario pengambilan keputusan dan dievaluasi berdasarkan analisis literatur. Model yang diusulkan memberikan kontribusi terhadap pengembangan kajian Human–AI Collaboration dengan menyediakan arsitektur terstruktur untuk pengambilan keputusan hibrida sekaligus memberikan panduan praktis bagi pengembangan DSS yang adaptif, transparan, dan berpusat pada manusia
ANALISIS PERBANDINGAN DAN SENSITIVITAS METODE SAW DAN TOPSIS PADA SELEKSI PENERIMA BEASISWA Andicho Haryus Wirasapta; Mohammad Alfiza Rayesa; Muhammad Damas Fatih; Hamzah Alghifari; Octo Gabriel Lumban Tobing
PINTER : Jurnal Pendidikan Teknik Informatika dan Komputer Vol. 10 No. 1 (2026): Jurnal PINTER
Publisher : PTIK Fakultas Teknik UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/pinter.10.1.3

Abstract

The scholarship recipient selection process is a multi-criteria decision-making problem that involves various criteria such as academic achievement, economic conditions, and student activities. A selection process that remains subjective has the potential to produce less optimal and inconsistent decisions. This study aims to analyze the comparison and sensitivity of the Simple Additive Weighting (SAW) method and the Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) in scholarship recipient selection. The research method includes the preparation of alternative data, normalization, calculation of preference values, and ranking based on the criteria of Cumulative Grade Point Average, parental income, number of dependents, achievements, and organizational activity. The research results show that both methods produce relatively consistent rankings, but differ in the distribution of preference values. The SAW method tends to be more stable, while TOPSIS is more sensitive to changes in criterion values. Sensitivity analysis shows differences in the stability of results in response to changes in criterion weights. The conclusion of this study shows that the choice of method affects the ranking results and decision stability.
Co-Authors Abdul Manab Akhiyar Waladi Alghifari, Hamzah Ali Satria Wijaya Andre Rabiula Andre Rabiula Aulia Rachmawati Dasrinal Tessal Dasrinal Tessal Dewi Triantini Dewi Triantini Elsa Lolita Anggraini Elsi Alfionita Syawal Febriliyan Samopa Fikri , Muhammad Khalis Fikri Muhammad , Khalis Fikri Fiqri Al Faruqi Gusri, Lailal Hamzah Alghifari Hamzah Alghifari Imas Ning Zhafarina Jefri Marzal Khalis Fikri, Muhammad Malik, Zeeshan Hamid Mishi , Salmuna Sajjad Mohammad Alfiza Rayesa Muhammad Damas Fatih Muhammad Damas Fatih Muhammad Khalis Fikri Octo Gabriel Lumban Tobing Pamungkas, Tiara Deta Pertiwi Nurul Utami Pujiono, Agung Ramadhani, Salisa 'Asyarina Sajjad Mishi, Salmuna Saputra , Angga Riyan Trio Tiara Deta Pamungkas Tiara Deta Pamungkas Togi Simarmata Yandi Anzari Yendri Modika