Article Per Year (5 Year)
p-Index From 2021 - 2026
7.902
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Jurnal Ilmu dan Teknologi Kelautan Tropis IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Jurnal Informatika Lontar Komputer: Jurnal Ilmiah Teknologi Informasi Jurnal Simetris Elkom: Jurnal Elektronika dan Komputer Bulletin of Electrical Engineering and Informatics Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) JTSL (Jurnal Tanah dan Sumberdaya Lahan) Jurnal Transformatika Jurnal Edukasi dan Penelitian Informatika (JEPIN) Khazanah Informatika: Jurnal Ilmu Komputer dan Informatika Sinkron : Jurnal dan Penelitian Teknik Informatika INTENSIF: Jurnal Ilmiah Penelitian dan Penerapan Teknologi Sistem Informasi JURNAL MEDIA INFORMATIKA BUDIDARMA Faktor Exacta Jurnal Ilmiah Matrik JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Indonesian Journal of Computing and Modeling J-SAKTI (Jurnal Sains Komputer dan Informatika) JURIKOM (Jurnal Riset Komputer) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Building of Informatics, Technology and Science Journal Sensi: Strategic of Education in Information System JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) TIN: TERAPAN INFORMATIKA NUSANTARA Aiti: Jurnal Teknologi Informasi Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) Jurnal Teknik Informatika (JUTIF) Journal of Information Technology (JIfoTech) J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Info Sains : Informatika dan Sains Jurnal Nasional Teknik Elektro dan Teknologi Informasi IT-Explore: Jurnal Penerapan Teknologi Informasi dan Komunikasi Jurnal Informatika: Jurnal Pengembangan IT Jurnal Indonesia : Manajemen Informatika dan Komunikasi Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) JuTISI (Jurnal Teknik Informatika dan Sistem Informasi) Lontar Komputer: Jurnal Ilmiah Teknologi Informasi
Sri Yulianto Joko Prasetyo
Universitas Kristen Satya Wacana
Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts 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 Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Social Sciences Veterinary Other

Published : 93 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 93 Documents
Search

 6   7   8   9   10 
Penataan Ruang Kawasan Agropolitan di Kabupaten Semarang dengan Metode Artificial Neural Network priyadi, priyadi; Sediyono, Eko; Prasetyo, Sri Yulianto Joko
Jurnal Transformatika Vol. 17 No. 2 (2020): January 2020
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v17i2.1615

Abstract

Kecamatan Bandungan dan Sumonowo merupakan wilayah di Kabupaten Semarang yang ditetapkan sebagai kawasan Agropolitan. Dalam beberapa survei dan penelitian di kawasan yang memiliki kesamaan administratif dan geografis tersebut menunjukan tren perubahan produktifitas pertanian akibat pembangunan. Pendekatan sistem informasi geografis digunakan dalam penelitian ini dengan alasan untuk bisa menganalisis objek spasial secara menyeluruh pada kawasan terkait. Penelitian ini berusaha memetakan penataan ruang secara objektif dengan metode Artificial Neural Network. Dimana hubungan antar objek spasial dikalkulasikan potensi perubahannya pada dua data spasial yang berbeda   tempo. Hasilnya didapatkan bahwa simulasi objektif dengan metode ANN terhadap data spasial hasil klasifikasi menggunakan metode minimum distance diperoleh min validation error 0,0656. Hasil validasinya juga cukup baik, yaitu memperoleh prosentasi kebenaran 85,3% dan index kappa 0.80. Peta simulasi dihasilkan sampai pada tempo 2021. Dari peta simulasi didapatkan pengetahuan bahwa sistem pertanian terbuka akan terus mengalami pertumbuhan luasan secara positif dengan kisaran 0,015%. Adapun sistem pertanian tertutup akan terus mengalami penyusutan luasan pada kisaran 0,01%. Pengetahuan ini bisa menjadi alternaif solusi dalam mempertimbangkan implementasi rencana tata ruang dan wilayah pada kawasan terkait.
Pemanfaatan Teknologi Machine Learning Untuk Klasifikasi Wilayah Risiko Kekeringan di Daerah Istimewa Yogyakarta Menggunakan Citra Landsat 8 Operational Land Imager (OLI) Ayuningtyas, Fajar; Prasetyo, Sri Yulianto Joko
Jurnal Transformatika Vol. 18 No. 1 (2020): July 2020
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v18i1.2140

Abstract

Drought is a natural disaster that occurs slowly and lasts a long time. Bantul and Gunung Kidul Regencies, Special Region of Yogyakarta are also areas affected by high drought risk. This happened because the area was the result of the construction of a cement factory and limestone mining along the Sewu Mountains. Prediction and classification of areas affected by drought can be done more accurately over large areas by extracting vegetation indices through remote sensing imagery. This research was conducted to provide information about the potential risk of drought in the region using Landsat 8 OLI spectral vegetation index data. Prediction or classification of drought potential using Artificial Neural Network. Vegetation index used in this study is NDVI, TCI, VCI, and VHI. Correlation results between vegetation indices showed the highest correlation occurred between the vegetation index TCI and VHI with the potential for a medium drought of 0.501 and the potential for a high drought of 0.684. Also obtained are the results of the classification of 9 villages that fall into the category of high drought potential (High Risk). Accuracy results and Kappa values indicate that Random Forest is the best method used with a breakdown of values of 99.91% and 99.81%, respectively. Spatial prediction results are performed using Inverse Distance Weighted (IDW) on vegetation index and prediction. Testing of spatial relationships between villages that have the potential for drought is done using Moran s I. analysis.  
Identifikasi Wilayah Resiko Kerusakan Lahan Terbangun Sebagai Dampak Tsunami Berdasarkan Analisis Building Indices Permatasari, Aurilia Dinda; Joko Prasetyo, Sri Yulianto
Jurnal Transformatika Vol. 20 No. 1 (2022): July 2022
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v20i1.5209

Abstract

Indonesia has a very large water area and there is the territory that is the confluence of the earth's slabs. It can allowing the occurrence of tsunami natural disasters. The study aims to find out which areas have risks the highest and the lowest land damage. The data used in this study were satellite images taken from 2014-2021 with coverage area in Kulon Progo Regency which consists of 12 sub-districts. This study used indexes vegetation UI, NDBI, IBI, EBBI. With an ANN algorithm get results which is quite accurate with an accuracy rate of 94.50%. Predictions states that the area has a high risk of damage due to the tsunami, namely the villages of Jingkaran, Sindutan, Palihan, Glagah, Karangwuluh, Janten, Temon Kulon, Kedundang, Sogan, Kalidengen, Ngestiharjo, Depok, Kanoman, Panjatan, Wahyuharjo, Pandowan, Nomporejo, and, Kranggan.  
Klasifikasi Resiko Tsunami di Daerah Pantai Selatan Jawa Tengah dengan Menerapkan Algoritma SVM (Studi Kasus Kab. Kebumen) Wahani, Puteri Justia Kardia Momuat; Prasetyo, Sri Yulianto Joko
Jurnal Transformatika Vol. 20 No. 1 (2022): July 2022
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v20i1.5297

Abstract

Tsunami adalah salah satu bencana alam yang dapat terjadi kapan saja yang keberadaannya tidak dapat dihindari. Kabupaten Kebumen adalah salah satu daerah yang bertempat di bagian pantai selatan Provinsi Jawa Tengah yang memiliki risiko terkenanya bencana tsunami. Hal ini terjadi akibat lokasi dari kabupaten kebumen yang berada dekat dengan perairan dan memiliki banyak luas wilayah pada dataran rendah. Penelitian ini dilakukan agar dapat memberikan informasi mengenai risiko yang dapat terjadi pada wilayah tersebut dengan melakukan prediksi dan klasifikasi dengan menggunakan data dari Citra Landsat-8 OLI yang diambil dari USGS serta memanfaatkan 5 indeks vegetasi yaitu NDVI, NDBI, NDWI, MNDWI, dan WI dengan penerapan metode Support Vector Machine (SVM) yang merupakan salah satu metode machine learning yang digunakan untuk klasifikasi. Pada penelitian ini didapatkan ada 11 desa yang diprediksi berisiko tinggi terkena tsunami dengan nilai akurasi yang didapatkan sebesar 0.945 dan nilai kappa sebesar 0.914 dimana semakin tinggi nilai yang didapatkan maka semakin tinggi juga ketepatan hasil prediksi yang diperoleh.
Analisis Faktor Risiko Stunting pada Balita di Desa Kesetnana Menggunakan Metode Random Forest Kase, Celomitha Putri Welhelmina; Prasetyo, Sri Yulianto Joko
Jurnal Indonesia : Manajemen Informatika dan Komunikasi Vol. 6 No. 3 (2025): September
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Indonesia Banda Aceh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63447/jimik.v6i3.1449

Abstract

Stunting is a growth disorder triggered by chronic malnutrition, impacting the physical and cognitive development of young children. Kesetnana Village in South Central Timor Regency records a high prevalence of stunting. This study aims to classify stunting status using the Random Forest Classifier algorithm and assess its performance. The quantitative analysis was conducted on secondary data from 1,451 toddlers obtained through total sampling from the Health Center and Kesetnana Village Office in 2023. The variables analyzed include birth weight and height, measurement age, as well as Z-scores for Height/Age, Weight/Age, and Weight/Height. Data were processed using Python on the Google Colaboratory platform, with 75% allocated for training and 25% for testing. The findings indicate that birth weight, measurement age, and height are the primary factors in stunting classification. The model achieved 97% accuracy, with high precision and recall values, demonstrating its effectiveness in classifying stunting. This model can be utilized by health professionals and policymakers to identify stunting risk at an early stage and design targeted nutritional interventions in high-prevalence areas.
Object Classification Model Using Ensemble Learning with Gray-Level Co-Occurrence Matrix and Histogram Extraction Kurniati, Florentina Tatrin; Manongga, Daniel HF; Sediyono, Eko; Prasetyo, Sri Yulianto Joko; Huizen, Roy Rudolf
Jurnal Ilmiah Teknik Elektro Komputer dan Informatika Vol. 9 No. 3 (2023): September
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jiteki.v9i3.26683

Abstract

In the field of object classification, identification based on object variations is a challenge in itself. Variations include shape, size, color, and texture, these can cause problems in recognizing and distinguishing objects accurately. The purpose of this research is to develop a classification method so that objects can be accurately identified. The proposed classification model uses Voting and Combined Classifier, with Random Forest, K-NN, Decision Tree, SVM, and Naive Bayes classification methods. The test results show that the voting method and Combined Classifier obtain quite good results with each of them, ensemble voting with an accuracy value of 92.4%, 78.6% precision, 95.2% recall, and 86.1% F1-score. While the combined classifier with an accuracy value of 99.3%, a precision of 97.6%, a recall of 100%, and a 98.8% F1-score. Based on the test results, it can be concluded that the use of the Combined Classifier and voting methods is proven to increase the accuracy value. The contribution of this research increases the effectiveness of the Ensemble Learning method, especially the voting ensemble method and the Combined Classifier in increasing the accuracy of object classification in image processing.
Deteksi Anomali dalam Penipuan E-commerce Menggunakan Hybrid Autoencoder-Transformer Frameworks Priatna, Wowon; Prasetyo, Sri Yulianto Joko; Wijono, Sutarto; Maria, Evi; Manongga, Danny
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 11, No 1 (2025): Volume 11 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v11i1.82330

Abstract

Peningkatan e-commerce telah menyebabkan peningkatan aktivitas penipuan, seperti pencurian identitas dan transaksi palsu, yang menimbulkan risiko signifikan terhadap keamanan transaksi online. Penelitian ini mengusulkan kerangka kerja hybrid yang menggabungkan Autoencoder (AE) untuk reduksi dimensi dan representasi laten data, serta Transformer untuk menangkap ketergantungan global dan lokal melalui mekanisme self-attention. Pendekatan ini dirancang untuk mengatasi keterbatasan metode tradisional dalam mendeteksi pola data kompleks dan meningkatkan kinerja deteksi anomali. Evaluasi menggunakan dataset transaksi e-commerce menunjukkan bahwa Hybrid AE-Transformer mencapai akurasi sebesar 95,2%, precision sebesar 89,0%, recall sebesar 74,0%, F1 score sebesar 80,0%, dan AUC sebesar 82,0%. Model ini menunjukkan peningkatan precision sebesar 12,0%, recall sebesar 7,0%, F1 score sebesar 8,0%, dan AUC sebesar 1,0% dibandingkan model terbaik lainnya seperti Ensemble. Validasi statistik melalui Uji Friedman dan Uji T-Test mengonfirmasi bahwa Hybrid AE-Transformer secara signifikan mengungguli model konvensional seperti DNN, LSTM, dan RNN dalam mendeteksi anomali pada transaksi e-commerce.
CLASSIFICATION OF REGIONAL LANGUAGES USING METHODS GRADIENT BOOTS AND RANDOM FOREST Patasik, Eva Sapan; Yulianto, Sri
Jurnal Teknik Informatika (Jutif) Vol. 4 No. 5 (2023): JUTIF Volume 4, Number 5, October 2023
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2023.4.5.1459

Abstract

Indonesia is one of the countries that has the most regional languages ​​in the world, ranking second most. The large number of regional languages ​​that are owned makes it difficult for people between regions to recognize the origins of the regional language, so the author aims to conduct research by identifying a regional language. Identifying a language using data mining, one of the data mining techniques is classification. Classification is a technique used to find the value of data. Classification will build a model from samples of data into groups of the same type. There are two classification methods used in this research, namely gradient boots and random forest, where the two methods will be compared using regional language data from Java, Nias and Toraja. The results of calculating the accuracy values ​​for the two methods used are quite good in classifying languages ​​with results of an accuracy level of 0.8 or 80%, where the results of the gradient boots research have an accuracy value of 0.8850 or 88.5%, while the random forest method has an accuracy value. random forest is lower, namely 0.8794 or 87.94%, so in this study the gradient boots method is the best method.
Developing Fishpond Control System for School Natural Laboratory Automation Sebastian, Danny; Chandra, Dian Widiyanto; Wijono, Sutarto; Prasetyo, Sri Yulianto Joko; Trihandaru, Suryasatriya; Saputra, Laurentius Kuncoro Probo
Jurnal Informatika: Jurnal Pengembangan IT Vol 9, No 1 (2024)
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/jpit.v9i1.5640

Abstract

Pandemi Covid-19 memaksa kegiatan belajar dilakukan secara daring. Sekolah berusaha melakukan kegiatan secara luring dengan membatasi jumlah siswa atau dengan melaksanakan kegiatan di laboratorium alam. Mengelola laboratorium alam membutuhkan banyak biaya terutama pada kondisi pasca covid-19. Internet of Things adalah teknologi yang memungkinkan kendali jarak jauh dan otomatisasi. Hal ini memungkinkan pengelolaan laboratorium alam dilakukan dari jarak jauh atau secara otomatis. Penelitian ini bertujuan untuk membuat desain dan sistem IoT yang meliputi penentuan modul dasar dan fungsinya, penentuan perangkat sensor dan aktuator yang dibutuhkan. Sistem dibangun menggunakan arsitektur MQTT. Aplikasi Android dibuat untuk mengontrol periferal IoT. Sistem yang telah berhasil dibangun diuji dengan metode blackbox testing. Berdasarkan hasil blackbox testing, aplikasi Android dan periferal IoT dapat berkomunikasi dan berfungsi dengan baik. Penelitian ini masih memiliki keterbatasan yaitu perlu dilakukannya kalibrasi perangkat IoT dan pengujian perangkat keras IoT dalam jangka waktu yang lama.
Evaluasi Kinerja Pembelajaran Learning Management System Menggunakan COBIT 4.1 pada Universitas STEKOM Semarang Haikal Nur Rachmanrachim Achaqie; Eko Sediyono; Sri Yulianto Joko Prasetyo
Elkom: Jurnal Elektronika dan Komputer Vol. 15 No. 1 (2022): Juli : Jurnal Elektronika dan Komputer
Publisher : STEKOM PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/elkom.v15i1.788

Abstract

Universitas Ilmu Komputer dan Teknologi (STEKOM University) telah menggunakan Learning Management System (LMS) sejak tahun 2018, namun hingga saat ini pengukuran kinerja Learning Management System (LMS) belum dilakukan. Penelitian ini bertujuan untuk mengukur tingkat kematangan Learning Management System (LMS) dengan menggunakan Framework COBIT 4.1 pada domain Delivery and Support (DS) dan Monitoring and Evaluation (ME). Nilai tingkat kematangan pada kondisi eksisting berada pada level rata-rata 2, sedangkan kondisi yang ingin dicapai berada pada level rata-rata 3. Untuk mencapai level yang diharapkan, saran perbaikan mengacu pada Kerangka COBIT 4.1 perlu yang akan diberikan antara lain: pembuatan SOP (Standar Operasional dan Prosedur) LMS, kelengkapan isi LMS, tertib administrasi dokumentasi arsip penting, realisasi pelatihan LMS bagi dosen, alokasi biaya pemeliharaan dan pengujian sistem, penerapan reward and punishment, pembuatan dan penggunaan framework dan E governance - Pembelajaran dan semuanya dilakukan secara rutin minimal setiap 6 bulan sekali.
Co-Authors Adenia Kusuma Dayanthi Anna Simatauw Antar Maramba Jawa Antonius Mbay Ndapamury Ardian Ariadi Ardito Laksono Suryoputro Arit Imanuel Meha Arvira Yuniar Isnaeni Ayuningtyas, Fajar Baali, Gabriel Megfaden Kenisa Baronio, Nodas Constantine Bintang Lazuardi Bistok Hasiholan Simanjuntak Brian Laurensz Brilliananta Radix Dewana Bunga, Alex Frianco Cahyaningtyas, Christian Charitas Fibriani Christanto, Erwien Christiana Ari Setyaningrum Daniel HF Manongga Danny Manongga Devianto, Yudo Dian Widiyanto Chandra Dwi Hayati Edwin Zusrony Eko Sediyono Elvira Umar Engles Marabangkit Yoesmarlan Erik Wahyu Abdi Nugroho Evan Bagus Kristianto Evan Geraldy Suryoto Evi Maria Evi Maria Evi Maria Fabian Valerian Feibe Lawalata Florentina Tatrin Kurniati Gallen cakra adhi wibowo Gideon Bartolomeus Kaligis Gilbert Yesaya Likumahua Gudiato, Candra Haikal Nur Rachmanrachim Achaqie Haikal Nur Rachmanrachim Achaqie Hindriyanto Dwi Purnomo Ida Ayu Putu Sri Widnyani Indra Yunanto Irdha Yunianto Irwan Sembiring Isnaeni, Arvira Yuniar Joko Siswanto Joko Siswanto Josua Josen Alexander Limbong Kase, Celomitha Putri Welhelmina Kristoko Dwi Hartomo Kurnia Latifatul Nazila Laurentius Kuncoro Probo Saputra, Laurentius Kuncoro Probo Lobo, Murry Albert Agustin Lyonly Evany Tomasoa Maipauw, Musa Marsel Manongga, Daniel HF Maya Sari Merryana Lestari Mikhael Dio Eclesi Mila Chrismawati Paseleng Mira Mira Muhamad Yusup Muhammad Rizky Pribadi Muhammad Sholikhan Nadia Renatha Yuwono Nadya Inarossy Novem Berlian Uly Nugroho, Ignatius Dion Nusantara, Bandhu Otniel, Marcelinus Vito Patasik, Eva Sapan Patrick Simbolon Permatasari, Aurilia Dinda Petty, Holbed Joshua Praditya, Al-Farrel Raka Prayitno, Gunawan Priatna , Wowon Priyadi Priyadi Purwoko, Agus Qurotul Aini Ratu, Herman Huki Ravensca Matatula Raymond Elias Mauboy Riko Yudistira Rina Pratiwi Pudja I. A Rohmad Abidin, Rohmad Rony, Zahara Tussoleha Roy Rudolf Huizen Santoso, Nuke Puji Lestari Sarassati, Dwi Sinta Sebastian, Danny Septian Silvianugroho Septio, Pius Aldi Solly Aryza Sri Hartati Stanny Dewanty Rehatta Stevanus Dwi Istiavan Mau Supit, Christanti Ekkelsia Suryasatria Trihadaru Suryasatriya Trihandaru Susatyo, Yeremia Alfa Sutarto Wijono Theopillus J. H. Wellem Tirsa Ninia Lina Triloka Mahesti Triloka Mahesti Untung Rahardja Untung Rahardja Valentino Kevin Sitanayah Que Vinsensius Aprila Kore Dima Wahani, Puteri Justia Kardia Momuat Wasis Pancoro Wicaksono, Muhammad Ryqo Jallu Winarko, Edi Wiwin Sulistyo Yansen Bagas Christianto Yerik Afrianto Singgalen Yesi Arumsari Yohanes Aji Priambodo Yuliawan, Kristia