cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Esther Irawati Setiawan
Contact Email
esther@istts.ac.id
Phone
+62315027920
Journal Mail Official
insyst@istts.ac.id
Editorial Address
Kampus Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya) Ngagel Jaya Tengah 73-77, Surabaya, Indonesia
Location
Kota surabaya,
Jawa timur
INDONESIA
Insyst : Journal of Intelligent System and Computation
Published by Sekolah Tinggi Teknik Surabaya
ISSN : 26219220     EISSN : 27221962     DOI : https://doi.org/10.52985/insyst
Core Subject : Science,
Computer Science & IT
The Intelligent System and Computation Journal will be published for 2 editions in a year, every April and October. The Intelligent System and Computation Journal is an open access journal where full articles in this journal can be accessed openly. Review in this journal will be conducted with a blind review system. All articles in this journal will be indexed by Google Scholar. The topics contained in this journal consist of several fields (but not limited to): Algorithms and complexity Artificial Intelligence Big Data Analytics Biomedical Instrumentation Computational logic Computer Vision and Biometric Data and Web Mining Digital Signal Processing Image Processing Information Retrieval & Information Extraction Intelligence Embedded Systems Machine Learning Mathematics and models of computation Natural Language Processing Parallel & Distributed Computing Pattern Recognition Programming languages and semantics Speech Processing Virtual Reality & Augmented Reality
Arjuna Subject : Ilmu Komputer (semua kategori) - Kecerdasan Buatan
Articles 7 Documents
 1 
Search results for , issue "Vol 5 No 2 (2023): INSYST: Journal of Intelligent System and Computation" : 7 Documents clear
Model Deteksi Kebakaran Hutan dan Lahan Menggunakan Transfer Learning DenseNet201 Saputra, Rifqi Akmal; Adhinata, Faisal Dharma
Intelligent System and Computation Vol 5 No 2 (2023): INSYST: Journal of Intelligent System and Computation
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52985/insyst.v5i2.317

Abstract

Kebakaran hutan dan lahan di Indonesia merupakan peristiwa yang sering terjadi dan menimbulkan kerugian yang signifikan dalam bidang kesehatan, ekologi, dan sosial. Faktor manusia dan alam berperan dalam memicu terjadinya kebakaran ini. Namun, penanganan kebakaran hutan dan lahan masih menghadapi kendala dalam memprediksi lokasi titik panas secara akurat, sehingga pengendalian yang optimal sulit dilakukan. Oleh karena itu, diperlukan pengembangan sistem cerdas untuk mendeteksi kebakaran hutan dan lahan dengan lebih efektif. Penelitian ini bertujuan untuk menciptakan sebuah model yang mampu mendeteksi kebakaran hutan dan lahan dengan menggunakan pendekatan transfer learning, dengan memanfaatkan arsitektur DenseNet201 guna meningkatkan akurasi deteksi. Dataset yang digunakan dalam penelitian ini berasal dari Fire Forest Dataset pada situs Kaggle. Proses ekstraksi fitur dilakukan menggunakan arsitektur DenseNet201, dan model yang dihasilkan diuji dengan menggunakan metode confusion matrix untuk mengklasifikasikan gambar menjadi dua kelas, yaitu kelas api dan non-api. Melalui pelatihan menggunakan arsitektur DenseNet201, diperoleh model yang efektif dalam mendeteksi kebakaran hutan dan lahan. Hasil pengujian dengan menggunakan data uji sebanyak 380 data menunjukkan tingkat akurasi sebesar 99% dalam mengenali gambar kebakaran hutan dan lahan. Penelitian ini memberikan kontribusi penting dalam pengembangan teknologi deteksi kebakaran hutan dan lahan. Penggunaan pendekatan transfer learning dengan arsitektur DenseNet201 memiliki potensi untuk meningkatkan akurasi deteksi kebakaran yang lebih baik. Diharapkan penelitian ini dapat memberikan landasan bagi pengembangan sistem cerdas yang lebih canggih dan efektif dalam mengatasi masalah kebakaran hutan dan lahan, serta melindungi lingkungan dan kesehatan masyarakat di Indonesia.
Pengendalian Suhu dan Kelembaban Budidaya Jamur Kuping dengan Kendali PID Penalaan Ziegler-Nichols Ardhi, Setya; Gunawan, Tjwanda Putra; Tjandra, Suhatati
Intelligent System and Computation Vol 5 No 2 (2023): INSYST: Journal of Intelligent System and Computation
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52985/insyst.v5i2.309

Abstract

Budidaya tumbuhan jamur kuping bisa menjadi  sumber bahan pangan alternatif serta menjadi sumber pendapatan. Salah satu yang menjadi kendala dalam budidaya tumbuhan jamur kuping dalam produktifitas budidaya jamur kuping adalah proses pembesaran atau inkubasi. Hasil optimal yang diperoleh dalam budidaya jamur kuping adalah memerlukan suhu dan kelembaban yang ideal dalam kumbung. Penerapan pengendali PID menggunakan kaidah tunning Ziegler-Nichols metode pertama pada budidaya jamur kuping yang dilengkapi dengan sistem pengendali suhu dan kelembaban akan sangat membantu proses inkubasi tersebut. Dengan menggunakan aturan Ziegler-Nichols dari pendekatan pertama, nilai konstanta PID ditentukan setelah tanaman diidentifikasi berdasarkan karakteristik respons sistem. Desain perangkat keras kumbung jamur kuping prototipe mengintegrasikan generator kabut, generator panas, dan sensor DHT22 untuk membaca suhu dan kelembapan, dengan Arduino Uno yang berfungsi sebagai pengendali pusat melalui penggunaan sketsa program PID dan PWM. Berdasarkan analisa data yang dilakukan dengan hasil analisa respon pada kendali kelembaban diberikan setpoint terbaik pada nilai 85 sehingga menghasilkan nilai overshoot sebesar 3,1% RH dan Error Steady State sebesar 1,7% RH, sedangkan untuk kendali suhu diberikan setpoint terbaik pada nilai 26 sehingga menghasilkan nilai overshoot sebesar 0,7℃ dan error steady state sebesar 0,2℃. Oleh karena itu konsumsi daya total seluruh sistem sebesar 31,16 watt pada posisi setpoint terbaik. Semua itu dilakukan pada prototipe kumbung jamur dengan volume ruangan sebesar 7m3 yang menampung 48-52 baglog.
Implementasi Metode Fuzzy Analytica Hierarchy Process (FAHP) Dalam Penentuan Bobot Seleksi Mahasiswa Program Pendidikan Dokter Spesialis Murni, Ni Nyoman; Dantes, Gede Rasben; Candiasa, I Made
Intelligent System and Computation Vol 5 No 2 (2023): INSYST: Journal of Intelligent System and Computation
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52985/insyst.v5i2.321

Abstract

Tujuan dari penelitian ini adalah mengimplementasi metode Fuzzy Analytical Hierarchy Process (F-AHP) dalam menentukan bobot penerimaan mahasiswa pendidikan dokter spesialis Ilmu Kesehatan Kulit dan Kelamin di Fakultas Kedokteran Universitas Udayana dan mengukur tingkat akurasinya menggunakan confusion matrix. Metode F-AHP mampu mengurangi penilaian kriteria yang bersifat subjektif dari metode AHP dan menghasilkan keputusan yang lebih baik. Proses perhitungan dimulai dari menyusun matriks perbandingan berpasangan dari hasil wawancara, menghitung nilai eigen, menghitung nilai rasio konsistensi, mengubah pembobotan kriteria ke dalam bentuk matrik berpasangan kriteria F-AHP, menghitung nilai fuzzy syntethic extent untuk tiap kriteria sampai mendapatkan bobot dari masing-masing variabel. Bobot yang dihasilkan adalah: C1 = tes kompetensi dasar sebesar 30%, C2 = tes wawancara sebesar 30%, C3= tes potensi akademik sebesar 17%, dan C4 = TOEFL sebesar 23%. Pengujian akurasi dilakukan dengan menggunakan confusion matrix dan diperoleh akurasi total sebesar 89%, sedangkan akurasi per-predikat kelulusan diperoleh untuk cumlaude = 93%, sangat memuaskan = 84% dan memuaskan = 90%. Temuan tersebut mengindikasikan bahwa bobot yang diperoleh signifikan untuk diterapkan dalam proses seleksi mahasiswa program pendidikan dokter spesialis.
Klasifikasi Kualitas dan Prediksi Kondisi Air Tanah di DKI Jakarta Menggunakan Algoritma Naïve Bayes Fathiarahma, Arsya; Sulistiyowati, Nina; Ridwan, Taufik; Voutama, Apriade
Intelligent System and Computation Vol 5 No 2 (2023): INSYST: Journal of Intelligent System and Computation
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52985/insyst.v5i2.325

Abstract

Air tanah tetap menjadi sumber penting untuk pemenuhan kebutuhan air bersih sehari-hari bagi sebagian besar masyarakat DKI Jakarta, dengan 32% penduduknya mengandalkan sumber ini. Kepadatan penduduk yang tinggi dan masalah lingkungan yang terkait, seperti kurangnya infrastruktur resapan air dan sanitasi yang memadai, telah memicu keprihatinan akan kualitas air tanah di wilayah ini. Terutama, terkontaminasinya air tanah oleh bakteri seperti E. coli menghadirkan risiko serius bagi kesehatan masyarakat seperti perut kram, adanya darah saat diare, hingga muntah-muntah.  Penelitian ini bertujuan untuk mengatasi masalah tersebut dengan menganalisis kualitas air tanah di berbagai wilayah DKI Jakarta. Pendekatan ini melibatkan pemetaan visual menggunakan QGIS untuk mengilustrasikan pencemaran air tanah, sehingga memfasilitasi pemahaman yang lebih mendalam mengenai kondisi air tanah. Total data sejumlah 1068 yang digunakan dalam penelitian ini diperoleh dari dua sumber yang berbeda dan dianalisis menggunakan algoritma klasifikasi Naïve Bayes Gaussian. Teknik evaluasi melibatkan penggunaan cross-validation dan percentage split dalam 10 skenario. Hasil penelitian menunjukkan tingkat akurasi tertinggi sebesar 84.36% serta nilai precision sejumlah 0.8566, recall 0.8436, dan F1-score 0.8436 diperoleh menggunakan teknik percentage split dengan rasio 80:20. Temuan ini dapat meningkatkan kesadaran masyarakat tentang kualitas air tanah di DKI Jakarta dan berkontribusi pada perencanaan upaya perlindungan sumber daya air yang lebih efektif.
Klasifikasi Micro-Expression Menggunakan K-Nearest Neighbors Menggunakan Fitur CAS dan HOG Wardoyo, Nikko Riestian Putra; Santoso, Joan; Setiawan, Esther Irawati
Intelligent System and Computation Vol 5 No 2 (2023): INSYST: Journal of Intelligent System and Computation
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52985/insyst.v5i2.346

Abstract

Micro-Expression adalah ekspresi yang muncul dalam waktu singkat, hanya berlangsung sepersekian detik. Hal ini mungkin merupakan akibat dari aktivitas komunikasi antar manusia selama interaksi sosial. Reaksi ekspresi mikro wajah terjadi secara alami dan segera, sehingga hanya menyisakan sedikit ruang untuk manipulasi. Namun, karena Micro-Expression bersifat sementara dan memiliki intensitas rendah, pengenalan dan pengenalannya sulit dan sangat bergantung pada pengalaman para ahli. Karena kekhususan dan kompleksitas intrinsiknya, klasifikasi Micro-Expression menggunakan 2 ekstraksi yaitu CAS dan HOG menarik tetapi menantang, dan baru-baru ini menjadi area penelitian yang aktif. context-aware saliency (CAS) yang bertujuan untuk mendeteksi wilayah gambar yang mewakili pemandangan. Tutujuannya adalah untuk mendeteksi objek dominan. Histogram Oriented Gradient (HOG) Bertujuan sebagai deskriptor yang efektif untuk pengenalan dan deteksi objek. Metode K-Nearest Neighbors (K-NN) digunakan untuk klasifikasi Micro-Expression berdasarkan fitur HOG dari citra saliency. Dataset yang digunakan pada penelitian ini dari data sampel siswa SMK Ma’arif NU Prambon jurusan Multimedia sebanyak 45 siswa dan ditambahkan dataset dari affecnet. Hasil yang didapatkan dari total dataset sebanyak 4116 citra yang dibagi menjadi 6 Micro-Expression yaitu anger, disgust, fear, happy, sad dan surprise, mendapatkan hasil akurasi diatas 80% dari perbandingan dataset sejumlah 4116 terbagi menjadi 2 dengan persentase 70% training dan 30% data testing.
Sistem Deteksi dan Klasifikasi Truk Air Menggunakan YOLO v5 dan EfficientNet-B4 Kurniawan, Ardian; Wonohadidjojo, Daniel Martomanggolo
Intelligent System and Computation Vol 5 No 2 (2023): INSYST: Journal of Intelligent System and Computation
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52985/insyst.v5i2.356

Abstract

Kegiatan pencatatan dalam usaha pengisian air yang dilakukan dengan menggunakan truk air mengalami masalah karena kesalahan manusia (human error) misalnya pencatatan yang terlewat dan efisiensi waktu yang diperlukan. Untuk itu diperlukan otomatisasi sistem dengan menggunakan teknologi. Untuk mengatasi masalah tersebut, pada penelitian ini digunakan metode yang termasuk dalam Computer Vision dengan penggunaan algoritma Object Detection dan Classification. Pada penelitian ini dibangun suatu sistem yang mengambil frame video menggunakan CCTV yang kemudian dimasukkan pada algoritma object detection dengan arsitektur YOLOv5 (You Only Look Once versi 5). Hasil deteksi kemudian diklasifikasikan  dengan menggunakan algoritma dengan arsitektur EfficientNet-B4. Hasil klasifikasi tersebut akan menentukan secara spesifik truk air yang mana yang sedang melakukan pengisian dan dicatat. Kemudian rekapitulasi hasil pencatatan tersebut dikirimkan dengan menggunakan aplikasi messaging Telegram menggunakan library Tkinter kepada pemilik usaha yang mengambil air tersebut. Rekapitulasi tersebut kemudian digunakan oleh sang pemilik usaha dalam memantau usaha tersebut dan melakukan pembayaran sesuai dengan jumlah pengambilan air. Hasil pengujian untuk object detection dan classification dengan menggunakan evaluation metrics menunjukkan bahwa metode tersebut berhasil melakukan deteksi dan klasifikasi dengan baik. Pengujian keseluruhan sistem menunjukkan bahwa semua tahap pengujian berhasil dilakukan dengan baik. Hal ini menunjukkan bahwa sistem tersebut dapat digunakan untuk mengatasi masalah yang dihadapi.
Algoritma Random Forest pada Prediksi Status Kredit Usaha Rakyat untuk Mengurangi Nonperforming Loan Rate Wulansari, Wulansari; Purwitasari, Diana
Intelligent System and Computation Vol 5 No 2 (2023): INSYST: Journal of Intelligent System and Computation
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52985/insyst.v5i2.358

Abstract

Program Kredit Usaha Rakyat (KUR) adalah salah satu program pemerintah Indonesia dalam meningkatkan akses pembiayaan kepada Usaha Mikro, Kecil, dan Menengah (UMKM) yang disalurkan melalui lembaga keuangan dengan pola penjaminan. Dana penyaluran KUR 100% berasal dari dana lembaga keuangan penyalur KUR. Pemerintah memberikan subsidi berupa pembayaran penjaminan kredit yang menjamin kredit sebesar 70% dari nilai total kredit yang ditetapkan dan 30% sisanya ditanggung lembaga keuangan salah satunya adalah bank. Mempertahankan non performing loan (NPL) rate yang rendah sangat penting untuk mencegah terjadinya pembentukan biaya pencadangan kerugian yang akan mengurangi keuntungan bank. Memprediksi variabel yang berpengaruh terhadap macetnya KUR diperlukan untuk mencegah kredit macet terutama pada tahap awal pemberian kredit. Belum terdapat penelitian untuk memprediksi kredit macet pada KUR menggunakan machine learning. Penelitian ini bertujuan agar Bank dapat melakukan prediksi dengan pendekatan machine learning dan mengetahui kontribusi variabel yang mempengaruhi KUR macet. Teknik SMOTE juga digunakan dalam penelitian untuk mengatasi ketidakseimbangan data. Hasil yang diperoleh menunjukkan bahwa klasifikasi random forest memberikan akurasi lebih tinggi dari regresi logistik yaitu sebesar 88% pada data uji. Urutan tingkat kepentingan dari kontribusi variabel yang mempengaruhi macet pada KUR adalah status restrukturisasi kredit, ketersediaan debt service payment account, unit operasional pemroses kredit, dan sektor usaha dapat menjadi dasar Bank untuk menganalisis profil resiko proses KUR baru sehingga dapat menurunkan potensi kredit bermasalah kedepannya dan menekan NPL rate.

Page 1 of 1 | Total Record : 7

 1 

Filter by Year

2023 2023


Reset
Filter By Issues
All Issue Vol 7 No 2 (2025): INSYST: Journal of Intelligent System and Computation Vol 7 No 1 (2025): INSYST: Journal of Intelligent System and Computation Vol 6 No 2 (2024): INSYST: Journal of Intelligent System and Computation Vol 6 No 1 (2024): INSYST: Journal of Intelligent System and Computation Vol 5 No 2 (2023): INSYST: Journal of Intelligent System and Computation Vol 5 No 1 (2023): INSYST: Journal of Intelligent System and Computation Vol 4 No 2 (2022): INSYST: Journal of Intelligent System and Computation Vol 4 No 1 (2022): INSYST: Journal of Intelligent System and Computation Vol 3 No 2 (2021): INSYST: Journal of Intelligent System and Computation Vol 3 No 1 (2021): INSYST: Journal of Intelligent System and Computation Vol 2 No 2 (2020): INSYST:Journal of Intelligent System and Computation Vol 2 No 1 (2020): INSYST:Journal of Intelligent System and Computation Vol 1 No 2 (2019): INSYST:Journal of Intelligent System and Computation Vol 1 No 1 (2019): INSYST: Journal of Intelligent System and Computation More Issue