Article Per Year (5 Year)
p-Index From 2019 - 2024
3.171
P-Index
This Author published in this journals
All Journal Jurnal Pengabdian UntukMu NegeRI IT JOURNAL RESEARCH AND DEVELOPMENT INTECOMS: Journal of Information Technology and Computer Science JURTEKSI Building of Informatics, Technology and Science Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Jurnal Computer Science and Information Technology (CoSciTech) JIM ( Journal International Multidiciplinary)
Yoze Rizki
Universitas Muhammadiyah Riau
Religion Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Social Sciences Other

Published : 20 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 20 Documents
Search

 1   2 
Pengenalan Dan Pelatihan Implementasi Tool Mendeley Guna Efektivitas Penyususnan Karya Ilmiah Desti Mualfah; Harun Mukhtar; Soni Soni; Sunanto; Yoze Rizki; Reny Medikawati Taufik; Febby Apri Wenando; Diah Angraina Fitri
Jurnal Pengabdian UntukMu NegeRI Vol 6 No 1 (2022): Pengabdian Untuk Mu negeRI
Publisher : LPPM UMRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jpumri.v6i1.3741

Abstract

The management of citations and reference articles from various scientific journals must be mastered by students in order to produce good scientific works. One of the tools that can be used in managing scientific work citations is the Mendeley tool. The Mendeley tool provides a lot of convenience in improving the quality of writing scientific articles, namely making it easier for students to make citations and bibliography. This training is held at the Universitas Islam Indragiri (UNISI) by involving students who will carry out final research (scripts).
INTEGRATED SMART TRAFFIC CONTROL SYSTEM MENUJU PEKANBARU SEBAGAI SMART CITY Reny Medikawati Taufiq; Sunanto Sunanto; Yoze Rizki
JURTEKSI (Jurnal Teknologi dan Sistem Informasi) Vol 7, No 1 (2020): Desember 2020
Publisher : STMIK Royal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v7i1.942

Abstract

Abstract: Pekanbaru still using conventional traffic light control system. Pekanbaru as the capital of Riau Province is predicted  udergo the  increased of urban population by 54.5% in 2025. It is important for Pekanbaru to immediately implement smart and efficient traffic management system, so that traffic congestion can be resolved quickly. This research paper provides a design solution for smart traffic light management (Smart Traffic Control System), based on object detection technology that uses deep learning to detect the number and type of vehicles. The number of vehicle is the basis for determining the green light timer automatically. The Smart Traffic Control System (STCS) is integrated with a web based geographic information system (smart map) that can display the current condition  (picture, the number of vehicle, congestion level) of each STCS location. This integrated system has been tested on a traffic light prototype, using a mini computer and a miniature vehicle. This integrated system is able to detect 9 out of 12 vehicles, and able to send data regularly to the smart map.  Keywords: deep learning; smart mobility; smart traffic control system Abstrak: Pengaturan lampu lalu lintas di Kota Pekanbaru masih dilakukan secara  konvensional. Pekanbaru sebagai ibukota Provinsi Riau diprediksikan akan mengalami peningkatan jumlah penduduk  perkotaan sebesar 54,5% pada tahun 2025. Dengan melihat predikisi ini, penting bagi kota Pekanbaru untuk segera memiliki tata kelola lalu lintas yang cerdas dan efisien agar kemacetan dapat ditanggulangi dengan cepat. Penelitian ini memberikan rancangan solusi untuk tata kelola  lampu lalu lintas cerdas (Smart Traffic Control System), berbasis teknologi object detection  yang menggunakan deep learning untuk mendeteksi jumlah dan jenis kendaraan. Jumlah kendaraan menjadi dasar penentuan timer lampu hijau secara otomatis. Smart Traffic Control System (STCS) terintegrasi dengan sistem informasi geografis berbasis web (smart map) yang secara kontinu menerima informasi kepadatan (gambar terkini, jumlah kendaraan, level kepadatan), kemudian menampilkannya diatas peta Kota Pekanbaru. Solusi sistem terintegrasi ini telah diujikan pada sebuah prototipe lampu lalu lintas, menggunakan komputer mini  dan  miniatur kendaraan. Sistem terintegrasi ini mampu mendeteksi 9 dari 12 kendaraan, dan mampu mengirimkan data secara berkala kepada smart map. Kata kunci: deep learning; smart mobility; smart traffic control system
Simulasi Deteksi Golongan Kendaraan pada Gerbang Tol Menggunakan YOLOv4 Reny Medikawati Taufiq; Sunanto; Yoze Rizki; M. Rizki Amanda Pratama
Computer Science and Information Technology Vol 3 No 2 (2022): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v3i2.3928

Abstract

Jalan tol merupakan infrastruktur vital yang membuat pelayanan distribusi barang dan jasa menjadi lebih produktif dan efisien. Namun pada kenyataannya, di kota besar tingginya kemacetan juga terjadi di jalan tol. Salah satu titik rawan kemacetan adalah di gerbang tol. Kemacetan ini tidak hanya terjadi pada jam sibuk, tetapi juga terjadi sepanjang hari. Kemacetan disebabkan waktu tunggu pada proses pembayaran. Kemacetan yang terjadi di Gerbang Tol Otomatis (GTO) Multi Kendaraan salah satunya disebabkan oleh adanya proses penentuan golongan kendaraan secara manual oleh petugas pada control room. Kendaraan yang menggunakan jalan tol digolongkan kedalam 5 golongan berdasarkan jumlah gandar. Petugas melihat satu persatu kendaraan yang melintas dan menentukan golongan kendaraan tersebut, biaya tol yang harus dibayar oleh pengguna jalan tol adalah bedasarkan golongan kendaraan yang digunakan. Kemacetan pada jalan tol menimbulkan dampak negatif seperti seperti pemborosan bahan bakar dan waktu, dan juga dampak lingkungan yang dapat menyebabkan kerugian secara ekonomi. Oleh sebab itu, pada penelitian ini akan dilakukan simulasi deteksi golongan kendaraan pada gerbang tol dengan menggunakan teknologi computer vision dan deep learning, dengan algoritma Yolov4. Dengan adanya pendeteksian golongan kendaraan secara otomatis maka diharapkan waktu tunggu pada gerbang tol dapat memenuhi Standar Pelayanan Minimal (SPM) Jalan Tol yaitu maksimal 5 detik. Dataset berupa 650 gambar golongan kendaraan, setelah di augmentasi menjadi 1547 gambar. Proses training dilakukan menggunakan Google Colabs. Video rekaman lalu lintas kendaraan yang sedang berjalan akan menjadi inputan pada pengujian implementasi aplikasi Python. Dari pengujian yang telah dilakukan dapat dilihat bahwa model sudah dapat mendeteksi golongan kendaraan dengan baik.
Implementasi Adasyn Untuk Imbalance Data Pada Dataset UNSW-NB15 Adasyn Implementation For Data Imbalance on UNSW-NB15 Dataset Januar Al Amien; Yoze Rizki; Mukhlis Ali Rahman Nasution
Jurnal CoSciTech (Computer Science and Information Technology) Vol 3 No 3 (2022): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v3i3.4339

Abstract

Di masa Machine Learning pada saat ini, para peneliti bekerja keras untuk mengembangkan algoritma yang meningkatkan kemungkinan prediksi yang benar dengan akurasi yang lebih baik. Data tidak seimbang adalah ketika ukuran sampel dari satu kelas jauh lebih besar dari kelas lain, sampel minoritas dapat diperlakukan sebagai noise dalam proses klasifikasi, yang mengakibatkan hasil algoritma klasifikasi yang tidak memuaskan. Pada penelitian ini peneliti menggunakan dataset UNSW-NB15, setelah menggabungkan data train dan test, terdapat data tidak seimbangan pada kelas label, yaitu 164673 untuk label 1 dan 93000 untuk label 0. Tujuan penelitian ini untuk mengatasi masalah ketidakseimbangan data pada binary class dengan menggunakan teknik ADASYN dan mendeteksi serangan malware pada dataset UNSW-NB15 dengan menerapkan model algoritma Random Forest dan teknik ADASYN agar mendapatkan performa yang cukup baik. Berdasarkan hasil pengujian dengan teknik ADASYN untuk penanganan ketidakseimbangan data pada Binarry Class dan menggunakan model algoritma Random Forest, serta Hyperparameter Optuna untuk klasifikasi Anomali pada data UNSW-NB15 memperoleh akurasi yang cukup baik. Pada beberapa split data mendapatkan nilai akurasi tertinggi pada split data 90/10 dengan hasil 99.86%. dari segi waktu tercepat didapat pada split data 60/40 yaitu 1,85 seconds.
RANCANG BANGUN VIRTUAL TOUR REALITY SEBAGAI MEDIA PROMOSI PARIWISATA DI PROPINSI RIAU Yulia Fatma; Regiolina Hayami; Arif Budiman; Yoze Rizki
JURNAL FASILKOM Vol 9 No 3 (2019): Jurnal Fasilkom
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (654.611 KB) | DOI: 10.37859/jf.v9i3.1666

Abstract

Abstract Riau has many new tourist attractions that are no less attractive to tourist attractions that are already well-known in other regions of Indonesia, but are not widely known by domestic and foreign tourists. So far, the promotion of tourist attractions is only based on writing and photos of one side that is less interactive. Increasing the promotion of tourism locations is needed to increase the interest of tourists to visit the place. One effort that can be done in the development of media promotion of tourist attractions is to use current technological developments, such as a Virtual Tour application. Virtual Reality (VR) application which is designed to be used as a medium of information and tourism promotion in Riau province. The impression of a virtual reality tour using 360°degree photos makes users feel as if they are in the environment. The research method used is the ADDIE development model which consists of five stages which include analysis, design, development, implementation and evaluation. The sample data was used as many as 18 tourism sites taken from 3 districts namely Pekanbaru City, Kampar and Rokan Hulu. Based on the results of the study obtained all the functions of the application run well and are expected to help tourists and the public provide information about the location of tourist attractions and can increase the potential of tourism in the province of Riau, especially Pekanbaru City. Keywords: virtual reality tour, promotion, tourism, riau, android Abstrak Riau memiliki banyak tempat – tempat wisata baru yang tidak kalah menariknya dengan tempat wisata yang sudah terkenal di daerah lainnya di Indonesia, tetapi belum banyak diketahui oleh wisatawan domestik maupun mancanegara. Selama ini promosi tempat wisata hanya berdasarkan tulisan dan foto satu sisi yang kurang interaktif. Meningkatkan promosi lokasi pariwisata diperlukan untuk meningkatkan minat wisatawan untuk berkunjung ke tempat tersebut. Salah satu upaya yang dapat dilakukan dalam pengembangan media promosi tempat wisata adalah dengan menggunakan perkembangan teknologi saat ini, seperti sebuah aplikasi Virtual Tour. Aplikasi Virtual Reality (VR) yang dirancang digunakan sebagai media informasi dan promosi pariwisata provinsi Riau. Kesan virtual tour reality menggunakan foto 360° derajat membuat pengguna dapat merasa seolah-olah berada di dalam lingkungan tersebut. Metode penelitian yang digunakan adalah Model pengembangan ADDIE yang terdiri dari lima tahapan yang meliputi analisis, desain, pengembangan, implementasi dan evaluasi. Data sampel digunakan sebanyak 18 tempat pariwisata yang diambil dari 3 kabupaten yaitu Kota Pekanbaru, Kampar dan Rokan Hulu. Berdasarkan hasil penelitian didapat semua fungsi aplikasi berjalan dengan baik dan diharapkan dapat membantu wisatawan serta masyarakat memberikan informasi tentang lokasi tempat wisata dan dapat meningkatkan potensi pariwisata di propinsi Riau khususnya Kota Pekanbaru. Kata kunci: virtual tour reality, promosi, pariwisata, riau, android.
Prediksi Kunjungan Wisatawan dengan Reduksi Noise pada Google Trends menggunakan Hilbert-Huang Transform dan Long Short-Term Memory Harun Mukhtar; Yoze Rizki; Febby Apri Wenando; Muhammad Abdul Al Aziz
JURNAL FASILKOM Vol 12 No 3 (2022): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v12i3.4332

Abstract

In many studies, Google Trends Data is efficient to analyze and estimate as explanatory variables, including tourism predictions. However, data retrieval and tourism are always plagued by noise. Without noise processing, the predictive ability of search engine data may be weak, even invalid. As a noise processing method, Hilbert-Huang Transform (HHT) can reduce or clean noise. Forecasting is the art and science of predicting future events. LSTM is able to overcome long-term dependence. This study tries to provide predictions of tourist visits by processing noise in search engines using the Hilbert-Huang Transform method. The forecasting architecture that is built is composed of 3 hidden LSTM layers with 100 units of neurons or nerves that function to process information, which in the LSTM layer also becomes the input layer. Prediction test results on a dataset of 156 rows, resulting in RMSE values in 2019 getting RMSE LSTM 129249 results, and RMSE HHT + LSTM 653058. so that the resulting RMSE is closer to remembering 0.
Identifikasi Objek Cagar Budaya Candi Mahligai Berbasis Citra Digital Menggunakan Mask R-CNN Yoze Rizki; Regiolina Hayami; Elvina Rahmadani
Jurnal CoSciTech (Computer Science and Information Technology) Vol 3 No 3 (2022): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v3i3.3939

Abstract

Object detection is determining the existence of an object and its scope and location in an image. Excessive historical relics and it is generally difficult for humans to remember all the names. One of the fields of science that supports in facilitating human work is confidence score. The main problem in confidence score is how to recognize images and make use of the images they capture. The purpose of this research is to identify the image of Mahligai Temple. This research uses the Deep Learning Mask R-CNN algorithm as a detection of image objects that can recognize cultural heritage sites. The application is carried out on the image of Mahligai Temple. The results using Confussion Matrix and obtained an accuracy of 82.0%, precision 78.57% and recall 88.0%. Single Class identification done successfully at the threshold value 0.776 with error percentage of 18%.
Perbandingan algoritma kriptografi simon dan vigenere dalam mengamankan citra digital Yulia Fatma; Reny Medikawati T; Yoze Rizki; Bagas Tri Ramadana
Computer Science and Information Technology Vol 4 No 1 (2023): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v4i1.4958

Abstract

Digital image files or images are sometimes a valuable asset. Digital images that are private and confidential are very vulnerable to interception by other parties, especially if the image is distributed via the internet. To increase the security of digital images so that their confidentiality can be maintained, a special technique is needed to protect digital image messages, namely with cryptographic techniques. This study aims to determine the performance of the SIMON algorithm for digital image security. SIMON algorithm performance results are compared with the vigenere cipher algorithm in terms of time and image file size produced. In this study used base64 encode for the encryption process and base64 decode for the decryption process. The performance of the SIMON algorithm in securing digital images results in an average encryption time of 969 ms and an average decryption time of 1537 ms. The SIMON algorithm requires a longer time for the encryption and decryption process when compared to the Vigenere algorithm. The cipher image encrypted by the SIMON algorithm has a size larger than the original file by 36%. However, when compared to the cipher image encrypted by the Vigenere algorithm, there is no significant difference. The UACI value obtained from the SIMON algorithm cipher image obtained an average yield of 18.94%. Based on the theory of differential analysis, it can be said that this value is still vulnerable to differential attack. This is based on the UACI value which has not met the minimum threshold value of 33%.
Hotspots and Smoke Detection from Forest and Land Fires Using the YOLO Algorithm ( You Only Look Once ) Dicko Andrean; Mitra Unik; Yoze Rizki
JIM - Journal International Multidisciplinary Vol. 1 No. 1 (2023)
Publisher : Rumah Jurnal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58794/jim.v1i1.410

Abstract

The term forest and land fires is used to refer to unplanned, controlled and unwanted fires that destroy vegetated areas and their ecosystems triggered by natural or human causes . Early detection of hotspots can reduce the risk of wider forest and land fires. The use of the Deep Learning YOLO ( You Only Look Once ) algorithm is carried out to detect fire and also the smoke it produces. This study tested in 3 ways, 1) 1341 after data augmentation (496 original data), 2) 608 after data augmentation (253 original data), and 3) 1790 after data augmentation (746 original data). Detection of fire and smoke objects in the form of design, implementation and testing resulted in the YOLOv4 framework successfully producing high confidence of up to 97% in the second test. Based on the test results in this study, it is known that the image datasets used for training data greatly affect object detection and affect the confidence value. The more diverse the shape of the object from the image datasets, the lower the confidence value obtained.
Implementasi Algoritma Random Forest Untuk Klasifikasi Pencemaran Udara di Wilayah Jakarta Berdasarkan Jakarta Open Data Rahmad Firdaus; Husnul Habibie; Yoze Rizki
JURNAL FASILKOM Vol 14 No 2 (2024): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v14i2.7669

Abstract

Pencemaran udara merupakan masalah dunia yang cukup memprihatinkan di beberapa negara, dan termasuk salah satunya di Jakarta. DKI Jakarta merupakan salah satu kota dengan peringkat tertinggi dalam kualitas udara yang terburuk di dunia. Algoritma Random Forest adalah pengembangan dari metode Classification and Regression Tree (CART) yang dapat meningkatkan hasil akurasi dalam membangkitkan atribut untuk setiap node yang dilakukan secara acak. Pada penelitian ini bertujuan untuk mengetahui Performa Algoritma Random Forest terhadap klasifikasi dalam data pencemaran udara wilayah Jakarta tahun 2016- 2021 dan untuk mendapatkan hasil klasifikasi dari Algorima Random Forest dalam klasifikasi pencemaran udara wilayah Jakarta tahun 2016-2021. Sehingga penelitian ini semoga dapat menjadi rujukan atau acuan bagi peneliti tentang algoritma Random Forest, dalam klasifikasi data Pencemaran Udara. Hasil performa model dari algoritma Random Forest, pada data train mendapatkan nilai precision, recall, dan F1-score yang sempurna yaitu 100% disemua kelas dan AUC juga sebesar 100%, lalu pada data test pada nilai precision untuk setiap kelas juga sangat tinggi yaitu 99%, dan AUC sebesar 99,96%. Hasil klasifikasi dari algoritma Random Forest mendapatkan akurasi pada data train sebesar 100% dan untuk data test mendapatkan akurasi pada data train sebesar 99,95%.
Co-Authors Afdhil Hafid Arbi Haza Nasution, Arbi Haza Arif Budiman Bagas Tri Ramadana Desti Mualfah Diah Angraina Fitri Dicko Andrean Dinia Putri Elvina Rahmadani Evans Fuad Febby Apri Wenando Hari Sepdian Harun Mukhtar Hasanuddin Hasanuddin Hayami, Regiolina Husnul Habibie Januar Al Amien M Djodi Andikarama M. Rizki Amanda Pratama Meiriladiwis Gea Mochamad Hariadi Muhammad Abdul Al Aziz Muhammad Rifaldo Mukhlis Ali Rahman Nasution Rabiah Aminullah Rafi Muhammad Rahmad Firdaus Reny Medikawati T Reny Medikawati Taufik Salhazan Nasution Soni Sunanto Sunanto Sunanto Sunanto Taufiq, Reny Medikawati Unik, Mitra Yulia Fatma Yulia Fatma