Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal ELTIKOM : Jurnal Teknik Elektro, Teknologi Informasi dan Komputer Journal of Intelligent Networks and IoT Global
Muhammad Gald Teary
Universitas Indo Global Mandiri
Aerospace Engineering Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering

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

Found 2 Documents
Search

 1 
Perancangan Alat Pemilah Sampah Logam dan Non-Logam Sederhana Berbasis Sensor HC-SR04 dan LJ12A34Z Muhammad Rizki Akbar Deazwara; Tasmi; Muhammad Gald Teary
Journal Of Intelligent Networks and IoT Global Vol 3 No 2 (2025)
Publisher : Universitas Indo Global Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jinig.v3i2.6679

Abstract

Permasalahan pengelolaan sampah masih menjadi isu penting, khususnya terkait pemilahan jenis sampah sejak tahap awal. Pemilahan sampah logam dan non-logam secara manual dinilai kurang efisien dan berpotensi menimbulkan kesalahan. Oleh karena itu, penelitian ini bertujuan untuk merancang dan membangun sebuah prototipe alat pemilah sampah logam dan non-logam secara otomatis berbasis mikrokontroler dan sensor. Metode penelitian yang digunakan adalah metode rancang bangun prototipe dengan pendekatan eksperimental. Sistem dirancang menggunakan sensor ultrasonik HC-SR04 untuk mendeteksi keberadaan objek dan sensor proximity induktif LJ12A34Z untuk mengidentifikasi material logam, dengan Arduino Uno sebagai pengendali utama. Hasil pengujian fungsional menunjukkan bahwa alat mampu membedakan sampah logam dan non-logam serta mengarahkan objek ke wadah yang sesuai secara otomatis. Meskipun terdapat keterbatasan pada objek dengan ukuran besar dan material campuran, prototipe yang dikembangkan telah memenuhi tujuan penelitian sebagai solusi awal yang sederhana dan aplikatif dalam mendukung pemilahan sampah otomatis.
Comparative Analysis of Graph Neural Networks for Fraud Detection Ricky Maulana Fajri; Muhammad Gald Teary; Ni Wayan Pricila Yuni Praditya
Jurnal ELTIKOM : Jurnal Teknik Elektro, Teknologi Informasi dan Komputer Vol. 10 No. 1 (2026)
Publisher : P3M Politeknik Negeri Banjarmasin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31961/93y6ve52

Abstract

Detecting financial fraud is a complex and evolving challenge, particularly because of the relational nature of transaction data, graph sparsity, and severe class imbalance. To the best of our knowledge, this study repre-sents one of the first systematic benchmarks of five prominent Graph Neural Network (GNN) architectures, GCN, GAT, GraphSAGE, GIN, and SGCN, for fraud detection under balanced and imbalanced conditions across multiple public datasets. We explicitly evaluate the impact of the Synthetic Minority Oversampling Technique (SMOTE) on graph-based fraud detection performance, an aspect that has rarely been addressed in prior research. The comparative analysis considers predictive performance (AUC, F1-Score, Precision, Re-call) and computational efficiency to provide actionable guidance for real-world development. The experimental results show that GraphSAGE offers the best trade-off between accuracy and execution time for laten-cy-sensitive environments, while GAT’s attention mechanism supports offline, interpretability-driven analysis. These findings provide empirical evidence to inform GNN selection strategies for scalable and effective fraud detection systems.
Co-Authors Muhammad Rizki Akbar Deazwara Ni Wayan Pricila Yuni Praditya Ricky Maulana Fajri Tasmi