Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Arcitech: Journal of Computer Science and Artificial Intelligence JISCOMP (Journal of Information System and Computer)
Roshan, Muhamad Rizvi
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Klasifikasi Kerusakan Uang Rupiah Menggunakan CNN Dengan Arsitektur VGG16 Roshan, Muhamad Rizvi; Irsyad, Hafiz
Arcitech: Journal of Computer Science and Artificial Intelligence Vol. 5 No. 2 (2025): December 2025
Publisher : Institut Agama Islam Negeri (IAIN) Curup

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29240/arcitech.v5i2.15125

Abstract

This study developed a deep learning model using a Convolutional Neural Network (CNN) architecture with VGG16 to classify the level of damage to rupiah banknotes. Previous studies have focused more on recognizing denominations and detecting counterfeit money using CNN and transfer learning, while the classification of physical damage to rupiah banknotes is still limited, both locally and internationally, and often relies on special acquisition devices or template registration. The dataset used consists of images of rupiah banknotes grouped into three damage categories: >20%, >40%, and >50%. This dataset is divided into 80% for training data (537 images) and 20% for test data (135 images). To enrich the data variety, this study applied on-the-fly data augmentation techniques with rotation, zoom, and flipping during the training process. The experimental results show that this model achieves an accuracy of 93.33%, with excellent precision, recall, and F1-score values, especially in the >50% damage category. The use of the ADAM optimizer with a learning rate of 1e-3 proved to provide more stable and efficient training. Overall, this study shows that the application of CNN with the VGG16 architecture is effective in classifying rupiah currency damage and can contribute to the development of image processing technology, particularly for evaluating currency feasibility in real-world scenarios.
Analisis Sentimen Komentar Youtube Mengenai Keputusan Mahkamah Agung Terhadap batasan umur Pilkada Dengan Menggunakan Algoritma Naive Bayes dan SMOTE Roshan, Muhamad Rizvi; md, Ramanda; Alif Nurrahman, Adikara; Oktaviani, Ayu Sri; Rizky, Ahmad; Rahman, Abdul
JUKOMPSI (Jurnal Komputer dan Sistem Informasi) Vol 4 No 2 (2026): Juni
Publisher : Teknik Komputer Fakultas Teknik Universitas Islam Kadiri (UNISKA)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32503/jiscomp.v4i2.8232

Abstract

Penelitian ini menganalisis sentimen dalam komentar YouTube mengenai putusan Mahkamah Agung tentang pembatasan usia pemilihan menggunakan algoritma Naive Bayes dan pendekatan SMOTE (Synthetic Minority Over-Sampling Technique). Data dikumpulkan dari komentar YouTube dan kemudian diubah menjadi kumpulan data untuk diperiksa dan untuk dataset berjumlah 1596 data pada dataset. Menggunakan algoritma Naive Bayes, komentar dikategorikan menjadi sentimen positif, negatif, dan netral. Penerapan SMOTE digunakan untuk mengatasi ketidakseimbangan dalam representasi kelas dalam kumpulan data. Hasil penelitian menunjukkan bahwa model yang menjalani pelatihan menggunakan SMOTE mencapai tingkat akurasi 81%, menunjukkan presisi penting 0,85 dan recall 0,92 untuk sentimen negatif, bersama dengan skor F1 0,89. Sebaliknya, model yang tidak menggunakan SMOTE menunjukkan tingkat akurasi 80%, meskipun menampilkan kemampuan terbatas dalam mendeteksi sentimen positif. Penelitian ini menyoroti efektivitas penggunaan metodologi SMOTE dalam meningkatkan kinerja model Naive Bayes untuk analisis sentimen pada komentar YouTube terkait peraturan pemerintah. Temuan penelitian ini diharapkan dapat memberikan wawasan berharga bagi pembuat kebijakan dalam mengevaluasi dan memperbaiki regulasi yang ada.
Co-Authors Abdul Rahman Ahmad Rizky Alif Nurrahman, Adikara Hafiz Irsyad Md, Ramanda Oktaviani, Ayu Sri