Article Per Year (5 Year)
p-Index From 2021 - 2026
6.002
P-Index
This Author published in this journals
All Journal KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) ISSN: 2252-9063 TELKOMNIKA (Telecommunication Computing Electronics and Control) Jurnal Informatika dan Teknik Elektro Terapan KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal) JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Indonesian Journal of Mathematics Education Jurnal Ilmiah Ilmu Komputer Fakultas Ilmu Komputer Universitas Al Asyariah Mandar Jurnal Kridatama Sains dan Teknologi Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi JATI (Jurnal Mahasiswa Teknik Informatika) REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer Budimas : Jurnal Pengabdian Masyarakat jurnal syntax admiration Journal Zetroem Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) ICTEE (Engineering Journals of Information, control, telecommunication and electrical) Jurnal Sosial dan Teknologi Jurnal Tika Journal of Informatics Management and Information Technology Jurnal Riset dan Aplikasi Mahasiswa Informatika (JRAMI) Jurnal Penelitian Inovatif Jurnal Komputer, Informasi dan Teknologi Konstelasi: Konvergensi Teknologi dan Sistem Informasi Jurnal Pustaka Data : Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer Jurnal Nasional Teknologi Komputer Jurnal ADAM : Jurnal Pengabdian Masyarakat Journal Of Information System And Artificial Intelligence Jurnal Pengabdian Masyarakat Bangsa Jurnal Pengabdian Kepada Masyarakat Radisi Teknologi : Jurnal Ilmiah Sistem Informasi Jurnal Pengabdian Indonesia
Suharjo, Imam
Universitas Mercu Buana Yogyakarta
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Medicine & Pharmacology Nursing Physics Public Health Social Sciences Other

Published : 45 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 45 Documents
Search

 1   2   3   4   5 
Penerapan CNN Berbasis Arsitektur ResNet-50 untuk Klasifikasi Citra Beras Organik dan Anorganik Muzhaffar, Rafi; Suharjo, Imam
Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer) Vol 5 No 2 (2025): Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitekt
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakadata.v5i2.1117

Abstract

Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis untuk membedakan beras organik dan anorganik yang secara visual sulit dibedakan oleh mata manusia. Beras merupakan bahan pangan pokok utama masyarakat Indonesia, dengan varian organik dan anorganik yang kini banyak beredar di pasaran. Namun, secara visual keduanya sulit dibedakan karena memiliki bentuk dan warna yang serupa. Perbedaan karakteristik yang tidak tampak secara kasat mata mendorong perlunya pendekatan berbasis teknologi untuk mengidentifikasi jenis beras secara objektif dan akurat. Penelitian ini memanfaatkan teknik pengolahan citra digital dan algoritma deep learning dengan arsitektur Convolutional Neural Network (CNN) berbasis ResNet-50 untuk mengklasifikasikan citra mikroskopik beras organik dan anorganik. Dataset terdiri dari 1.000 citra hasil tangkapan mikroskop digital dengan resolusi 640×480 piksel, yang melalui proses cropping, resize, dan augmentasi untuk meningkatkan generalisasi model. Data kemudian dibagi ke dalam subset training, validasi, dan testing dengan rasio 70:15:15. Model ResNet-50 dimodifikasi pada lapisan classifier dengan multilayer perceptron dan dilatih menggunakan transfer learning. Evaluasi dilakukan menggunakan confusion matrix, classification report, serta visualisasi grafik training loss dan accuracy. Hasil evaluasi menunjukkan bahwa model mampu mengklasifikasikan beras dengan akurasi sebesar 96,67%, serta nilai precision, recall, dan F1-score yang tinggi dan seimbang pada kedua kelas. Temuan ini membuktikan bahwa pendekatan CNN dengan arsitektur ResNet-50 efektif digunakan untuk mengidentifikasi perbedaan visual antara beras organik dan anorganik secara otomatis, dan berpotensi diterapkan sebagai sistem bantu klasifikasi berbasis citra dalam industri pertanian serta laboratorium pengujian mutu pangan.
DIGITALISASI KAMPUNG WISATA BAMBU JETIS: PEMBUATAN WEBSITE DAN OPTIMALISASI GOOGLE MAPS UNTUK PENINGKATAN VISIBILITAS WISATA Suharjo, Imam; Pande Nyoman Ariyuda Semadi
Jurnal Pengabdian Indonesia (JPI) Vol. 2 No. 1 (2026): Vol. 2 No. 1 Edisi Januari 2026
Publisher : PT. Jurnal Center Indonesia Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62567/jpi.v2i1.1558

Abstract

Kampung Wisata Bambu Jetis yang berlokasi di Sumberrejo, Tempel, Sleman, DIY memiliki potensi besar sebagai destinasi wisata berbasis alam dan budaya. Awalnya Lokasi ini namun masih menghadapi kendala dalam promosi digital, lokasi ini tidak mudah ditemukan di Internet. Sebelumnya Kampung Wisata bambu ini belum memiliki website, Titik peta lokasi Google Map belum tersedia. Tim mendapatkan data awal saat UMBY melaksanakan KKN di Dusun jetis pada tahun 2024 dan dengan wawancara dengan pengelola. Kegiatan yang dilakukan oleh tim dalam pengabdian ini terkait dengan website yang meliputi : pembuatan web kampungbambujetis.web.id, riset kata kunci, mengisi dengan konten, optimasi SEO (onpage dan offpage SEO) dan monitoring. Sementara untuk Lokasi map dilakukan klaim kepemilikan Lokasi dan penambahan informasi terkait Lokasi. Dilanjutkan dengan pelatihan dan pendampingan pengelolaan website kepada pengelola. Hasil yang diperoleh dalam kegiatan ini, Website sudah bisa diakses, visibilitas Kampung Bambu jetis sudah muncul di internet dengan pencarian kata kunci terkait serta data Lokasi Map sudah bisa dilengkapi dengan kontak dan Alamat website. Pengelola kampung bambu sudah bisa mengisi konten website dan pendapingan telah dilakukan.
Perbandingan Algoritma XGBoost dan CatBoost dalam Prediksi Harga Rumah Berdasarkan Data Perumahan di Jabodetabek Efendi, Muh Agum Nur; Suharjo, Imam
Jurnal Nasional Teknologi Komputer Vol 6 No 1 (2026): Januari 2026
Publisher : CV. Hawari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61306/jnastek.v6i1.345

Abstract

Penelitian ini bertujuan untuk membangun dan membandingkan model prediksi harga rumah di wilayah Jabodetabek menggunakan algoritma machine learning XGBoost dan CatBoost. Data yang digunakan merupakan data sekunder properti perumahan yang diperoleh dari situs real estat dan dataset publik dengan total 9.991 data. Variabel yang digunakan meliputi fitur numerik seperti luas tanah, luas bangunan, jumlah kamar, jumlah kamar mandi, garasi, dan usia bangunan, serta fitur kategorikal seperti lokasi, jenis sertifikat, kondisi bangunan, dan fasilitas. Variabel target dalam penelitian ini adalah harga rumah dalam satuan rupiah. Tahapan pra-pemrosesan data meliputi pembersihan data, konversi satuan dan format harga, penanganan nilai hilang menggunakan median, serta rekayasa fitur dengan mengekstraksi informasi kota dari lokasi properti. Dataset kemudian dibagi menjadi data latih dan data uji dengan rasio 80:20. Pada model XGBoost, dilakukan One-Hot Encoding untuk fitur kategorikal dan standardisasi fitur numerik, sedangkan CatBoost memanfaatkan kemampuan native dalam menangani fitur kategorikal. Kedua model menggunakan transformasi logaritmik pada variabel target. Hasil evaluasi menunjukkan bahwa CatBoost memiliki performa yang lebih unggul dibandingkan XGBoost. Model CatBoost menghasilkan nilai MAE sebesar Rp 126.169.305, RMSE sebesar Rp 212.418.771, dan R² sebesar 0,9907 pada data uji, sedangkan XGBoost menghasilkan MAE Rp 239.321.909, RMSE Rp 393.835.569, dan R² sebesar 0,9682. Distribusi error dan MAPE CatBoost juga lebih stabil, dengan 91,80% prediksi memiliki error di bawah 10% sebanyak 1.835 data, sedangkan MAPE XGBoost memiliki prediksi error di bawah 10% sebesar 72,59% dari total data uji, yaitu 1.451 data. Temuan ini menunjukkan bahwa CatBoost efektif untuk prediksi harga rumah, khususnya pada dataset dengan dominasi fitur kategorikal.
Implementasi Metode Simple Additive Weighting pada Sistem Rekomendasi Pembelian Iphone Bekas Pradana, Febri Yuga; Suharjo, Imam
Jurnal Penelitian Inovatif Vol 4 No 3 (2024): JUPIN Agustus 2024
Publisher : CV Firmos

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54082/jupin.433

Abstract

Ponsel merupakan alat penting untuk berkomunikasi. Banyak merek yang dijual dan tersedia di Indonesia, salah satunya adalah iPhone. Perkembangan spesifikasi yang sangat cepat memengaruhi tingkat pembelian dan penjualan iPhone baik yang baru maupun bekas. Minat pembelian terhadap iPhone bekas tidak kalah banyak dibandingkan iPhone yang masih baru karena harganya yang bisa turun drastis tanpa menurunkan kualitas iPhone itu sendiri. Namun konsumen terkadang bingung ketika memilih iPhone bekas mana yang tepat untuk mereka. Penelitian ini membuat sistem pendukung keputusan yang bertujuan membantu memilih iPhone bekas berdasarkan berbagai kriteria yaitu harga, memori internal, fitur kamera, kapasitas baterai, dan ukuran layar. Metode yang digunakan pada penelitian ini adalah Simple Additive Weighting (SAW), yang menghitung nilai bobot untuk setiap kriteria. Setelah dilakukan proses perhitungan,bobot, maka pada perangkingan dihasilkan keputusan rekomendasi iPhone bekas XS Max 512 berdasarkan kriteria harga sedang dan kapasitas baterai terbesar. Dengan demikian dapat disimpulkan metode SAW yang telah diuji dapat digunakan sebagai alat bantu pengambilan keputusan pembelian iPhone bekas.
Sistem Pendukung Keputusan Pemilihan Tanaman Pertanian Berdasarkan Kondisi Lahan dan Iklim Menggunakan Metode AHP-TOPSIS Ikhwanuddin, Yazid; Suharjo, Imam
Journal of Informatics Management and Information Technology Vol. 6 No. 1 (2026): January 2026
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/jimat.v6i1.920

Abstract

The selection of crops that are suitable for land and climate conditions is an important factor in increasing agricultural productivity and resource utilization efficiency. This study aims to develop a decision support system (DSS) in the selection of food and horticultural crops based on local agroclimatic conditions using an integration of the Analytical Hierarchy Process (AHP) and Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) methods. The case study was conducted in Bantul Regency, Yogyakarta Special Region, by considering five main criteria, namely soil type, humidity, rainfall, air temperature, and altitude, as well as five alternative crops, namely rice, corn, soybeans, tomatoes, and chilies. The AHP method was used to determine the importance weight of each criterion based on expert assessment, while the TOPSIS method was used to rank alternative crops based on their suitability level. The results of the AHP calculation showed that soil type was the most influential criterion with a weight of 0.4301, followed by humidity, rainfall, altitude, and air temperature. Based on the TOPSIS analysis, rice plants obtained the highest preference value (C = 0.8688), so it is recommended as the most suitable plant for the agro-climatic conditions of Bantul Regency, while chili plants obtained the lowest preference value (C = 0.1311). These ranking results are in line with the real conditions and historical agricultural patterns in Bantul Regency, which is known as one of the rice production centers, thus indicating that the proposed DSS model is able to represent the agro-climatic conditions of the study area rationally and based on data. This research is expected to be the basis for the development of a more adaptive and applicable agricultural decision support system in supporting crop cultivation planning.
Co-Authors Agata Febrian Juadon ageng sanaris Ahmad Muzakki Aji Santoso, Zulfikar Arif Lumute Unihehu Budi Rahayu, Tri Dari, Natasya Wulan Dudi Ali Efendi, Muh Agum Nur Erdinus, Erdinus Firwansyah, Andi Haryo Wicaksono, Aji Rahadian Agung Hilmi Afifi Al-Atsari Ihsanudin, Muhammad Ikhwanuddin, Yazid Indah Susilawati Indah Susilawati Joko Winahyu Malik Ilmi Sri Koryoga Mustakim Mustakim Mustakim Mustakim Muttaqin, Muhammad Anwar Muzhaffar, Rafi Noraga, Bima Nuryasa, Arnanda Pande Nyoman Ariyuda Semadi Pili, M. Ali Sahbana Pradana, Febri Yuga Pranto Suwarno Prasetya, Agustinus Bayu Putry Wahyu Setyaningsih Putry Wahyu Setyaningsih Setyaningsih, Putry Wahyu Teguh Wibawa Tengku Riza Zarzani N Tri Sakti Wahyu Setyaningsih, Putry Widiyatmoko, Ari Winahyu, Joko Xaverius Kati Lile, Fransiskus Yudhistira, Octavian Erwin