Article Per Year (5 Year)
p-Index From 2019 - 2024
0.888
P-Index
This Author published in this journals
All Journal Jurnal Sarjana Teknik Informatika International Journal of Advances in Intelligent Informatics Science in Information Technology Letters
Andri Pranolo
Universitas Ahmad Dahlan
Computer Science & IT

Published : 8 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 8 Documents
Search

 1 
Parallel mathematical models of dynamic objects Roman Voliansky; Andri Pranolo
International Journal of Advances in Intelligent Informatics Vol 4, No 2 (2018): July 2018
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/ijain.v4i2.229

Abstract

The paper deals with the developing of the methodological backgrounds for the modeling and simulation of complex dynamical objects. Such backgrounds allow us to perform coordinate transformation and formulate the algorithm of its usage for transforming the serial mathematical model into parallel ones. This algorithm is based on partial fraction decomposition of the transfer function of a dynamic object. Usage of proposed algorithms is one of the ways to decrease calculation time and improve PC usage while a simulation is being performed. We prove our approach by considering the example of modeling and simulating of fourth order dynamical object with various eigenvalues. This example shows that developed parallel model is stable, well-convergent, and high-accuracy model. There is no defined any calculation errors between well-known serial model and proposed parallel one. Nevertheless, the proposed approach’s usage allows us to reduce calculation time by more than 20% by using several CPU’s cores while calculations are being performed.
GPU Accelerated Number Plate Localization in Crowded Situation Adhi Prahara; Andri Pranolo; Rafał Dreżewski
International Journal of Advances in Intelligent Informatics Vol 1, No 3 (2015): November 2015
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/ijain.v1i3.46

Abstract

Number Plate Localization (NPL) has been widely used as part of Automatic Number Plate Recognition (ANPR) system. NPL method determines the accuracy of ANPR system. Although it is a mature research, the challenge stills persist especially in crowded situation where many vehicles present. Therefore, a method is proposed to localize number plate in crowded situation. The proposed NPL method uses vertical edge density to extract potential region of number plate then detect the number plate using combination of Histogram of Oriented Gradients (HOG) and Support Vector Machine (SVM). The method employs GPU to deal with multiple number plate detection, to handle multi-scale detection window, and to perform real time detection. The test result shows good results, 0.9883 value of AUC (Area Under Curve), and 0.9362 of BAC (Balance Accuracy). Moreover, potential real time detection is foreseen because total process is executed in less than 50 ms. Errors are mainly caused by background that contain letters, non-standard number plate and highly covered number plate
CAE-COVIDX: automatic covid-19 disease detection based on x-ray images using enhanced deep convolutional and autoencoder Hanafi Hanafi; Andri Pranolo; Yingchi Mao
International Journal of Advances in Intelligent Informatics Vol 7, No 1 (2021): March 2021
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/ijain.v7i1.577

Abstract

Since the first case in 2019, Corona Virus has been spreading all over the world. World Health Organization (WHO) announced that COVID-19 had become an international pandemic. There is an essential section to handle the spreading of the virus by immediate virus detection for patients. Traditional medical detection requires a long time, a specific laboratory, and a high cost. A method for detecting Covid-19 faster compared to common approaches, such as RT-PCR detection, is needed. The method demonstrated that it could produce an X-ray image with higher accuracy and consumed less time. We propose a novel method to extract image features and to classify COVID-19 using deep CNN combined with Autoencoder (AE) dubbed CAE-COVIDX. We evaluated and compared it with the traditional CNN and existing framework VGG16 involving 400 normal images of non-COVID19 and 400 positive COVID-19 diseases. The performance evaluation was conducted using accuracy, confusion matrix, and loss evaluation. Based on experiment results, the CAE-COVIDX framework outperforms previous methods in several testing scenarios. This framework's ability to detect Covid-19 in various nonstandard image X-rays could effectively help medical employers diagnose Covid-19 patients. It is an important factor to decrease the spreading of Covid-19 massively.
Agen Crawler Alamat Email Menggunakan Metode Breadth-First Crawling Onie Yudho Sundoro; Andri Pranolo
Jurnal Sarjana Teknik Informatika Vol 6, No 1 (2018): Februari
Publisher : Teknik Informatika, Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/jstie.v6i1.12384

Abstract

Informasi sangat penting dalam kehidupan, segala sesuatu apapun yang dapat membantu manusia dalam penyampaian dan penyebarluasan informasi dengan menggunakan media komunikasi. Informasi bisa didapatkan dengan berbagai cara. Salah satunya dengan menggunakan webcrawler. Web crawler digunakan untuk melakukan penjelajahan dan pengambilan halaman-halaman web pada situs internet berdasarkan kata kunci tertentu. Temuan web crawler memiliki jumlah yang sangat banyak sehingga sulit mencari informasi yang spesifik seperti informasi kontak email. Conference and Event Manager (CEM) adalah sebuah website yang menyediakan sarana pembuatan event dan conference ilmiah yang akan dilakukan. CEM membutuhkan email yang banyak untuk publikasi informasi, maka dibutuhkan suatu tools dalam membantu menemukan dan mengumpulkan kontak email yang banyak secara cepat. Agen cerdas meringankan pengguna dari pencarian yang memakan waktu dan membosankan melalui informasi elektronik dari web yang besar dan rumit seperti web crawler. Web crawler ini dikembangkan dengan metode breadth first search untuk menguji dan menelusuri setiap link pada halaman pertama kemudian menelusuri setiap link pada halaman berikutnya begitu seterusnya sampai setiap level pada link telah dikunjungi. Metode penelitian yang digunakan adalah MaSE (Multiagen System Engineering) dalam melakukan rumusan kebutuhan, analisis, desain, dan implementasi. Sistem diuji dengan 2 metode, yaitu Black-box test yang menguji kesesuaian input output aplikasi dan Alpha test yang menguji kesesuaian user requirement aplikasi. Tujuan penelitian ini adalah menghasilkan web crawler yang menggunakan metode breadth first search untuk pencarian email serta menguji agen crawler alamat email menggunakan metode breadth first search dalam mempermudah pengumpulan email. Hasil dari penelitian ini membangun aplikasi yang dapat mengumpulkan alamat email untuk mengirimkan informasi event atau conference. Hasil pengujian black box test pada aplikasi ini mencapai angka 100% kesesuaian dengan expected result. Sementara hasil pengujian alpha test mencapai angka 52% untuk skala sangat setuju dan 48% untuk skala setuju.
Sistem Pakar Rekomendasi Obat Non-Resep Dokter dengan Metode Fuzzy Inference System Tsukamoto Berbasis Mobile Android Afief Akmal; Andri Pranolo
Jurnal Sarjana Teknik Informatika Vol 7, No 2 (2019): Juni
Publisher : Teknik Informatika, Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/jstie.v7i2.15827

Abstract

Obat pada dasarnya merupakan bahan yang hanya dengan takaran tertentu dan dengan penggunaan yang tepat dapat dimanfaatkan untuk mendiagnosa, mencegah penyakit, menyembuhkan atau memelihara kesehatan. Oleh karena itu, sebelum menggunakan obat harus diketahui sifat dan cara pemakaian obat agar penggunaannya tepat dan aman. Kurangnya informasi mengenai pengobatan dan hal-hal tentang obat, maka costumer melakukan selfregulation terhadap terapi obat yang diterimanya menyebabkan meningkatnya kasus kesalahan dalam pemberian obat sehingga menyebabkan hal hal yang lebih buruk pada keadaan costumer apotek tiga farma. Penelitian ini bertujuan untuk membangun sebuah sistem pakar yang dapat digunakan untuk merekomendasikan obat non-resep dokter, serta memberikan informasi mengenai jenis dan macam obat dengan studi kasus pada penelitian ini adalah di apotek tiga farma sejumlah 30 kasus pembelian Obat Bebas dan Obat Bebas Terbatas. Perancangan sistem ini berdasarkan arsitektur sistem pakar yaitu akuisisi pengethauan, basis pengetahuan, dan mesin inferensi yang dalam penelusuran faktanya menggunakan forward chaining dan metode pengambilan solusi yang digunakan adalah sistem inferensi fuzzy tsukamoto. Hasil dari penelitian ini adalah aplikasi sistem pakar untuk memberikan rekomendasi obat non-resep dokter dan kemudian di uji dengan menggunakanUsability Testing untuk pengujian software yang hasilnya menunjukan bahwa tiap-tiap user memiliki nilai grade B yang artinya termasuk dalam kategori excellent. Kemudian uji dengan Accuracy Testing digunakan dalam menentukan keakuratan sistem memberikan rekomendasi obat dan hasilnya mendapatkan nilai sebesar 100% dari 15 kasus yang diujikan. Dari dua pengujian tersebut membuktikan bahwa sistem dinilai layak guna dan sesuai dengan hasil obat yang direkomendasikan pakar.
Prediksi Laju Pertumbuhan Penduduk Di Kabupaten Sleman Dengan Metode Adaptive Neuro-Fuzzy Inference System (Anfis) Dan Metode Sugeno Agus Dianto; Andri Pranolo
Jurnal Sarjana Teknik Informatika Vol 6, No 3 (2018): Oktober
Publisher : Teknik Informatika, Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/jstie.v6i3.15248

Abstract

Pemerintah kabupaten Sleman hanya mendapatkan data penduduk di Kabupaten Sleman dilakukan hanya saat sensus penduduk saja, dimana ketika pemilu dan program pemerintah saja. Dalam sistem prediksi laju pertumbuhan penduduk menggunakan metodologi adaptive neurofuzzy infrence system (anfis) dan metode sugeno. Metode adaptive neuro-fuzzy infrence system (anfis) dimulai dengan tahap menentukan lapisan 1, lapisan 2, lapisan 3, lapisan 4, lapisan 5. tahap perancangan sistem, tahap implementasi/coding, dan tahap pengujian sistem. Sistem diuji dengan 2 metode yaitu Black Box Test dan Alpha Test. Hasil penelitian ini menghasilkan sistem prediksi Laju penduduk. Hasil perhitunan anfis untuk mengetahui perbandingan data sensus dan data hasil hitung anfis dan Hasil prediksi pada priode selanjutnya yang dihitung menggunakan metode sugeno dan metode geometri. Data tersebut menghasilkan perbandingan data sensus dan data hasil hitung anfis sebesar 0,44%, dengan hasil pengujian prediksi metode sugeno naik sebesar 16,10% pada tahun 2020 dapat diketahui sangat meningkat dan hasil pengujian dengan metode geometri sebesar 1,65% dapat diketahui laju pertumbuhan penduduk setiap tahunya. Dan kesimpulan dapat diambil perbandingan hasil sensus dengan hasil hitung anfis meningkat, sedangkan mengunakan metode sugeno lebih baik untuk memprediksi laju pertumbuhan penduduk dan dengan metodemgeometri dapat diketahui prediksi laju pertumbuhan setiap tahunnya.
Modification of a gray-level dynamic range based on a number of binary bit representation for image compression Arief Bramanto Wicaksono Putra; Supriadi Supriadi; Aji Prasetya Wibawa; Andri Pranolo; Achmad Fanany Onnilita Gaffar
Science in Information Technology Letters Vol 1, No 1: May 2020
Publisher : Association for Scientific Computing Electronics and Engineering (ASCEE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31763/sitech.v1i1.17

Abstract

The unique features of an image can be obtained by changing the gray level by modifying the dynamic range of the gray level. The gray-level dynamic range modification technique is one technique to minimize the selected features.  Bit rate reduction uses coding information with fewer bits than the original image (image compression). This study using the dynamic level of the gray level of a modified image with the concept of binary bit representation or also called bit manipulation.  Using some binary bit representation options used: 4, 5, 6, and 7 of bit can obtain the best compression performance. Measurement of compression ratio and decompression error ratio to a benchmark comparison called compression performance, which is the ultimate achievement of this study. The results of this study show the use of 6-bit binary representation has the best performance, and the resulting image compression does not resize the resolution of the original image only visually looks different.
IDSX-Attention: Intrusion detection system (IDS) based hybrid MADE-SDAE and LSTM-Attention mechanism Hanafi Hanafi; Andri Pranolo; Yingchi Mao; Taqwa Hariguna; Leonel Hernandez; Nanang Fitriana Kurniawan
International Journal of Advances in Intelligent Informatics Vol 9, No 1 (2023): March 2023
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/ijain.v9i1.942

Abstract

An Intrusion Detection System (IDS) is essential for automatically monitoring cyber-attack activity. Adopting machine learning to develop automatic cyber attack detection has become an important research topic in the last decade. Deep learning is a popular machine learning algorithm recently applied in IDS applications. The adoption of complex layer algorithms in the term of deep learning has been applied in the last five years to increase IDS detection effectiveness. Unfortunately, most deep learning models generate a large number of false negatives, leading to dominant mistake detection that can affect the performance of IDS applications. This paper aims to integrate a statistical model to remove outliers in pre-processing, SDAE, responsible for reducing data dimensionality, and LSTM-Attention, responsible for producing attack classification tasks. The model was implemented into the NSL-KDD dataset and evaluated using Accuracy, F1, Recall, and Confusion metrics measures. The results showed that the proposed IDSX-Attention outperformed the baseline model, SDAE, LSTM, PCA-LSTM, and Mutual Information (MI)-LSTM, achieving more than a 2% improvement on average. This study demonstrates the potential of the proposed IDSX-Attention, particularly as a deep learning approach, in enhancing the effectiveness of IDS and addressing the challenges in cyber threat detection. It highlights the importance of integrating statistical models, deep learning, and dimensionality reduction mechanisms to improve IDS detection. Further research can explore the integration of other deep learning algorithms and datasets to validate the proposed model's effectiveness and improve the performance of IDS.
Co-Authors Achmad Fanany Onnilita Gaffar Adhi Prahara Afief Akmal Agus Dianto Aji Prasetya Wibawa Hanafi Hanafi Leonel Hernandez Nanang Fitriana Kurniawan Onie Yudho Sundoro Rafał Dreżewski Roman Voliansky Supriadi Supriadi Taqwa Hariguna Yingchi Mao