Garuda - Garba Rujukan Digital

p-Index From 2019 - 2024

4.129

P-Index

This Author published in this journals

All Journal INTEGER: Journal of Information Technology JIEET (Journal of Information Engineering and Educational Technology) Jurnal Abadimas Adi Buana Jurnal Abdi: Media Pengabdian Kepada Masyarakat Indonesian Journal of Engineering and Technology (INAJET) Journal of Informatics and Computer Science (JINACS)

Ricky Eka Putra

Universitas Negeri Surabaya

Author-ID : 3577772

Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Languange, Linguistic, Communication & Media Mechanical Engineering Public Health Social Sciences Other

Published : 25 Documents Claim Missing Document

Claim Missing Document

Articles

Title

1 2

Perbandingan Ekstraksi Fitur Haar-like dan Local Binary Pattern untuk Deteksi Wajah Rafy Aulia Akbar; Ricky Eka Putra
Journal of Informatics and Computer Science (JINACS) Vol 1 No 01 (2019)
Publisher : Universitas Negeri Surabaya

Abstrak—Deteksi wajah manusia (face detection) adalah salah satu tahap awal yang sangat penting di dalam proses pengenalan wajah (face recognition). Karena sebelum memasuki proses tersebut deteksi wajah sangat mempengaruhi tingkat akurasi yang dihasilkan, karena potongan citra wajah dalam sebuah gambar ditentukan oleh deteksi wajah. Deteksi wajah dapat digunakan untuk melakukan pencarian dan pengindeksan data wajah dari citra atau video yang berisi wajah dengan berbagai ukuran, posisi, dan latar belakang. Penelitian ini mengevaluasi dua metode deteksi wajah berdasarkan tingkat hit deteksi dan waktu deteksi, dua metode itu adalah fitur Haar dan Local Binary Pattern (LBP). Pada percobaan menggunakan Haar menghasilkan total wajah yang terdeteksi benar adalah 11685 wajah dari 11745 wajah, sedangkan wajah yang terdeteksi salah adalah 103, sehingga memiliki hit rate 99,49%. Total dari waktu deteksi dari semua dataset adalah 1033 detik. Kemudian untuk percobaan menggunakan metode LBP total wajah yang terdeteksi benar adalah 11444 wajah dari 11745 wajah, sedangkan wajah yang terdeteksi salah adalah delapan, sehingga memiliki hit rate 97,48%. Total dari waktu deteksi dari semua dataset adalah 686 detik. Dari penelitian yang telah dilakukan, Haar memiliki keunggulan pada hit rate atau dapat mendeteksi wajah lebih banyak, sedangkan LBP memiliki keunggulan dalam waktu deteksi wajah yang jauh lebih singkat daripada Haar. LBP memiliki kelemahan pada hit rate, sedangkan Haar memiliki kelemahan pada waktu deteksi yang lebih lama dan kesalahan deteksi wajah yang lebih banyak daripada LBP.Kata Kunci— deteksi wajah; viola-jones; haar-like; local binary pattern; hit rate.

Penerapan CNN dengan Filter Gabor sebagai feature extractor untuk Content-Based Image Retrieval Bagas Muharom Hanugrah Hidayat; Ricky Eka Putra
Journal of Informatics and Computer Science (JINACS) Vol 1 No 01 (2019)
Publisher : Universitas Negeri Surabaya

Abstrak— Seiring dengan perkembangan teknologi informasi, kebutuhan dalam pencarian informasi menjadi hal yang penting. Jika pencarian informasi selama ini dilakukan pada data berjenis teks, maka pada perkembangan teknologi saat ini, memungkinkan adanya pencarian informasi dalam bentuk citra digital. Hal tersebut terjadi karena adanya peningkatan jumlah pustaka digital dalam bentuk citra. Sebuah metode pengembalian citra menjadi komponen utama untuk memecahkan masalah tersebut. CBIR merupakan sistem pengembalian citra yang akan membantu dalam proses pencarian citra dengan memanfaatkan fitur-fiturnya. Penggunaan ekstraksif fitur yang tepat diperlukan untuk mendapatkan fitur tersebut. Pemilihan ekstraksi ftur akan sangat memengaruhi hasil dari CBIR. Salah satu metode yang dapat melakukan ekstraksi fitur pada citra adalah CNN. Metode yang masih dalam satu jenis dalam deep learning ini mampu mempelajari fitur citra untuk dimanfaatkan ke dala bidang visi komputer. Karena itu, CNN menjadi perhatian menarik dalam penelitian ini untuk melakukan CBIR. Penggunaan filter Gabor yang mampu mendapatkan tekstur citra dengan baik juga akan diimplementasikan sebagai filter pada lapisan konvolusi CNN. Dengan menggunakan CNN dan filter gabor, penelitian ini mampu mendapatkan nilai mAP sebesar 0,895 terhadap data uji dengan dataset GHIM10k. Penelitian ini juga membandingkan beberapa metode pengukuran jarak untuk mendapatkan sistem CBIR terbaik. Kata Kunci— Content Based Image Retrieval; Convolutional Neural Networks; pengukuran jarak; filter Gabor; visi komputer.

Rancang Bangun Aplikasi Drone Simulator Berbasis Android Menggunakan Game Engine Unity Muhammad Iskandar Java; Ricky Eka Putra
Journal of Informatics and Computer Science (JINACS) Vol 1 No 01 (2019)
Publisher : Universitas Negeri Surabaya

Abstrak— Drone merupakan sebuah teknologi yang sedang populer pada saat ini. Akan tetapi untuk membeli sebuah drone tidaklah murah dan beresiko akan terjadi kerusakan pada saat proses belajar mengendalikannya. Namun dengan adanya teknologi digital, seseorang dapat dengan mudah belajar menggunakan teknologi manual dalam bentuk virtual atau biasa yang disebut dengan simulasi atau simulator. Keuntungan yang diberikan oleh simulator sendiri yaitu biayanya yang relatif lebih murah dibandingkan biaya untuk membeli peralatan yang sesungguhnya seperti drone. Agar memudahkan seseorang dalam belajar menggunakan drone, dibuatlah aplikasi bernama Drone simulator. Aplikasi tersebut memberikan fitur dimana pengguna dapat menerbangkan drone dengan kontrol yang mirip dengan drone asli. Aplikasi tersebut berjalan pada platform android sehingga dapat digunakan dimana saja. Dalam pembangunan aplikasi tersebut, metode pengembangan sistem yang digunakan adalah metode SDLC (Software Development Life Cycle) dengan model waterfall dengan alur analisis kebutuhan sistem, perancangan, implementasi, testing dan pemasaran. Dari hasil pengujian yang dilakukan, aplikasi berjalan dengan baik tanpa adanya error pada pengujian black box testing dan didapatkan nilai yang cukup baik dari hasil uji kuisioner yaitu sebesar 73% dari 45 responden.Kata Kunci— drone; simulasi; simulator; digital; Drone Simulator; waterfall; testing; black box testing .

Prediksi Kepribadian Pengguna Instagram Berdasarkan Model Big Five Personality Menggunakan Algoritma SVM Muhammad Ramadhan; Ricky Eka Putra
Journal of Informatics and Computer Science (JINACS) Vol 1 No 04 (2020)
Publisher : Universitas Negeri Surabaya

Abstrak— Popularitas media sosial Instagram terus merangkak naik sejak debutnya pada tahun 2010. Popularitas tersebut membuat Instagram menjadi media sosial terbesar di dunia di samping Facebook dan Twitter. Kini sebagian besar perusahaan mulai menggunakan media sosial sebagai salah satu aspek untuk menilai kepribadian pelamar. Analisis kepribadian dapat dilakukan dengan mengamati aktivitas di media sosial. Hal ini menjadi alasan dibalik pentingnya pembuatan sistem prediksi kepribadian otomatis berdasarkan aktivitas di media sosial. Instagram dipilih sebagai sumber data pada penelitian ini, dan Big Five Personality dipilih sebagai model kepribadian untuk pelabelan data. Pengumpulan data dilakukan dengan melakukan tes kepribadian terhadap 191 pengguna Instagram, kemudian melakukan crawling feed akun Instagram menggunakan API Instagram. Berdasarkan hasil pengujian sistem, kombinasi algoritma Support Vector Machine dengan kernel RBF dan Bayesian Optimization mampu menghasilkan akurasi mencapai 60.34%, presisi 30.17%, dan recall 50% untuk mengklasifikasi kepribadian pengguna Instagram. Kata Kunci— prediksi kepribadian, big five personality, instagram, support vector machine, bayesian optimization.

Rancang Bangun Aplikasi Chatbot Rekomendasi Jadwal Penggunaan Ruangan Berbasis Graph Coloring menggunakan Dialogflow dan Neo4j Diaz Ardian Alvianto; Ricky Eka Putra
Journal of Informatics and Computer Science (JINACS) Vol 2 No 03 (2021)
Publisher : Universitas Negeri Surabaya

Peningkatan jumlah mahasiswa Universitas Negeri Surabaya pada Program Studi Teknik Informatika merupakan hal yang tidak bisa dihindari. Hal itu berpengaruh pada banyaknya jadwal perkuliahan yang harus diatur dengan baik. Salah satu variabel penting dalam menyusun penjadwalan yaitu ketersediaan ruangan perkuliahan. Sehingga dibutuhkan suatu sistem yang dapat membantu manajemen ruang untuk mengatur antara jadwal kuliah dengan ruangan yang tersedia. Sistem yang dirancang berupa aplikasi chatbot rekomendasi jadwal penggunaan ruangan berbasis Graph Coloring menggunakan Dialogflow dan Neo4j. Penelitian ini mengaplikasikan graph coloring algoritma welch-powell untuk membuat rekomendasi penggunaan ruang kelas yang efektif. Hasil penjadwalan ruangan yang diperoleh nantinya akan dimasukkan kedalam Neo4j sebagai database aplikasi. Chatbot digunakan untuk mengimplementasikan hasil dari penjadwalan ruangan, sehingga akan menampilkan output rekomendasi ruangan tersedia dalam aplikasi chatbot. Algoritma yang diterapkan mampu menghasilkan ketepatan hasil untuk pemesanan ruang kelas pengganti dan ruang sidang dari chatbot, yaitu pada pengujian menggunakan algoritma genetika untuk membuat jadwal perkuliahan menghasilkan tidak ada bentrok antar kelas dan dosen dari best fitness dengan besar probabilitas crossover 0,75, probabilitas mutasi: 0,50, dan kromosom/ populasi 100. Sedangkan pada pengujian graph coloring menggunakan fitur K-1 Coloring Algorithm pada Neo4j mengasilkan pemetaan node dan edges untuk rekomendasi penggunaan ruang kelas. Pada fitur pemesanan ruang kelas pengganti dilakukan 20 kali percobaan melihat rekomendasi kelas dari chatbot dan menghasilkan balasan yang sudah sesuai dengan aspek menurut hari, ketersediaan dosen dan kelas. Hal tersebut menunjukkan bahwa aplikasi chatbot yang telah dibuat telah berhasil dan layak diterapkan untuk rekomendasi jadwal penggunaan ruangan. Kata Kunci — Penjadwalan, Chatbot, Graph Coloring, DialogFlow, Neo4j

Perbandingan Performa Algoritma GA-SVM dan BOA-SVM dalam Mengklasifikasi Artikel Berita Berbahasa Indonesia Winda Ramadhanty Pratiwi; Ricky Eka Putra
Journal of Informatics and Computer Science (JINACS) Vol 2 No 04 (2021)
Publisher : Universitas Negeri Surabaya

Abstrak— Kemajuan teknologi mendorong industri media massa untuk beralih dari media cetak ke media digital seperti situs berita online. Secara umum, situs berita online mengelompokkan artikel berita menjadi beberapa kategori untuk memudahkan pembaca dalam memilih artikel berita sesuai topik yang diminati. Hanya saja pengelompokkan artikel berita dilakukan secara manual dengan mempelajari isi atau kontennya terlebih dahulu. Apabila jumlah artikel berita yang ingin dikelompokkan sangat banyak, maka waktu yang dibutuhkan juga tidak sedikit. Hal ini menjadi dasar untuk membuat sistem klasifikasi otomatis dalam mengelompokkan artikel berita. Artikel berita dari IDNTimes menjadi sumber data di penelitian ini. Algoritma TF-IDF digunakan sebagai ekstraksi fitur, sedangkan SVM digunakan sebagai klasifikasi data. Penelitian ini akan membandingkan Genetic Algorithm (GA) dan Bayesian Optimization Algorithm (BOA) dalam mengoptimasi SVM untuk mengklasifikasi artikel berita. Berdasarkan hasil pengujian sistem, algoritma GA-SVM memiliki akurasi 93.80% dan waktu pemrosesan 969.015 detik, sedangkan BOA-SVM memiliki akurasi 94.79% dan waktu pemrosesan 829.921 detik. Kesimpulannya, algoritma BOA lebih baik daripada GA dalam mengoptimasi SVM untuk mengklasifikasi artikel berita. Kata Kunci— klasifikasi artikel berita, support vector machine, bayesian optimization, genetic algorithm.

Pengukuran Probabilitas Berita Hoax Berdasarkan Judul Clickbait Menggunakan Metode Adaptive Neuro Fuzzy Inference System Berbasis Web Muhammad Aris Ashari; Ricky Eka Putra
Journal of Informatics and Computer Science (JINACS) Vol 2 No 04 (2021)
Publisher : Universitas Negeri Surabaya

Penggunaan platform digital membawa pengaruh terhadap minat konsumsi berita di masyarakat karena memiliki nilai lebih dari sisi visual dan realtime. Bentuk berita berupa baris-baris tulisan telah banyak berubah menjadi bentuk gambar-gambar informatif yang memuat isi berita secara keseluruhan dan perubahan informasi yang dapat dilaporkan secara langsung tanpa memiliki jadwal terbit tertentu. Dari banyaknya pengaruh positif, terdapat sebuah cela dari penggunaan platform digital sebagai media penyebaran berita, yaitu kebebasan membuat dan menyebarkan informasi di dunia maya. Semua orang dapat menulis artikel atau berita kemudian mengunggah dan membagikannya untuk mendapat keuntungan pribadi dari jumlah klik maupun kunjungan pada hasil unggahannya. Praktik clickbait santer digunakan untuk mendapatkan perhatian pembaca melalui pemilihan kata-kata yang bersifat provokatif, ambigu dan tidak jarang mengandung unsur hoaks. Banyak ditemukan kasus isi muatan berita yang berbeda atau bahkan tidak berhubungan sama sekali dengan judul yang dibuat. Hal ini jelas sangat meresahkan pembaca karena dapat menimbulkan kesalahpahaman antara judul dengan berita yang dibaca. Penelitian ini merupakan suatu bentuk upaya untuk mengurangi tersebarnya berita-berita bohong dan meminimalisir kesalahpahaman pembaca terhadap isi muatan berita. Sistem yang dibuat pada penelitian ini akan mampu mendeteksi probabilitas hoaks yang terkandung pada berita-berita yang diunggah pada platform digital melalui analisis linguistik judul berita. Dengan kemampuan individual learning, algoritma ANFIS akan melakukan proses learning tiap kali terdapat data inputan baru. Kemampuan ini membuat algoritma ANFIS dapat mendeteksi probabilitas hoaks dengan baik. Algoritma ANFIS mencapai tingkat akurasi tertinggi pada data testing sebesar 90% menggunakan threshold 60. Sedangkan akurasi tertinggi pada data training mencapai 75% menggunakan threshold 40 dan 50.

Implementasi Virtual Server Berbasis Container pada Sistem Informasi Geografis Cagar Budaya Mojokerto Muhammad Hussein Isron; Ricky Eka Putra
Journal of Informatics and Computer Science (JINACS) Vol 3 No 02 (2021)
Publisher : Universitas Negeri Surabaya

Sistem Informasi Geografis Cagar Budaya Kabupaten Mojokerto Merupakan Sistem informasi yang memuat detail dan lokasi cagar budaya di Kabupaten Mojokerto. Dalam sistem informasi geografis terdapat beberapa integrasi diantaranya maps dan database. Pembuatan SIG ini dilakukan menggunakan cara pengumpulan data melalui observasi baik secara offline di beberapa titik lokasi maupun daring melalui portal resmi Kemendikbud terkait cagar budaya yang ada di Mojokerto. Pada pengembangannya juga melakukan studi literatur yang mendukung penyelesaian masalah mengenai penyiapan lokal development server yang fleksibel, scaleable, efisien, dan mempunyai ketersediaan yang tinggi. Teknologi yang digunakan yaitu docker dengan arsitektur container. Pengembangan SIG dilakukan dalam docker container dan dibangun dengan arsitektur model view controller menggunakan penentuan titik lokasi google maps. Penyiapan lokal development server terdiri dari beberapa requirement yang dibutuhkan untuk pengembangan SIG, Apache http server sebagai server menjalankan aplikasi, PHP sebagai bahasa pemrograman pembuatan aplikasi, MySQL sebagai rdbms penyimpanan data cagar budaya serta Adminer digunakan untuk mengelola administrasi database. Server tersebut dibangun dengan docker berbasis container. Pengujian pada sistem informasi geografis ini menggunakan blackbox testing dimana fungsi halaman pengunjung dan admin dapat berjalan dengan baik. Dilakukan juga evaluasi terhadap hasil pengembangan melalui docker container sebagai alternatif lokal development server yang efisien, fleksibel, scaleable dan memiliki ketersediaan yang tinggi.

Sistem Klasifikasi Limbah Menggunakan Metode Convolutional Neural Network (CNN) Pada Webservice Berbasis Framework Flask Parole Nimadinaga Dacipta; Ricky Eka Putra
Journal of Informatics and Computer Science (JINACS) Vol 3 No 04 (2022)
Publisher : Universitas Negeri Surabaya

Abstrak— Di berbagai negara sampah merupakan permasalahan yang dihadapi sehari-hari seluruh aktivitas tidak bisa terhindar dari kata sampah. banyak sekali jenis–jenis sampah di lingkungan kita, dan kebanyakan masyarakat Indonesia masih belum bisa membedakan jenis sampah apa yang setiap hari mereka buang sehingga banyak sekali sampah yang tidak diklasifikasikan. Yang menyebabkan proses klasifikasi limbah pada pabrik daur ulang sangat susah untuk dilakukan. Maka dari itu bagaimana jika limbah yang ada diklasifikasikan menjadi 9 macam dan setiap masyarakat dapat membuang limbah sampah mereka sesuai dengan 9 macam class yang telah dibedakan yaitu battery, pakaian, e-limbah, kaca, bola lampu, metal, organic, kertas, plastic. sehingga mempermudah pabrik daur ulang dalam proses klasifikasi sampah. Oleh karena itu Sistem Klasifikasi Limbah Pada Web Service Berbasis Framework Flask akan sangat membantu masyarakat dalam mengklasifikasikan limbah sampah yang dihasilkan. Sistem klasifikasi limbah pada aplikasi berbasis web ini menggunakan metode Convolutional Neural Network (CNN). Metode CNN merupakan suatu metode deep learning yang dapat mengidentifikasi dan mengklasifikasi sebuah object pada citra digital. Penelitian ini menggunakan arsitektur VGGNet. VGGNet merupakan arsitektur dari Convolutional Neural Network. Penelitian ini menggunakan 9 class limbah sampah. Dataset yang digunakan yaitu 8371 citra limbah sampah. Dimana dataset tersebut digunakan untuk melakukan training data yang telah dibagi menjadi 1.122 citra battery, 729 pakaian, 624 e-limbah, 773 kaca, 651 bola lampu, 1092 metal, 671 organic, 1468 kertas dan 1241 plastic. Pada proses training dilakukan sebanyak 28 epoch, yang mendapatkan akurasi tertinggi 69,77% dengan loss terendah 0,34. Untuk data testing didapatkan hasil 64,45% accuracy.

Pengamanan Mnemonic Phrase Menggunakan Modified Advanced Encryption Standart M. Adharis Adlani; Ricky Eka Putra
Journal of Informatics and Computer Science (JINACS) Vol 3 No 04 (2022)
Publisher : Universitas Negeri Surabaya

Abstract - Security is an action to prevent the occurrence of dangers, threats, and attacks, especially the security of cryptocurrency storage assets on the smartphone crypto mobile wallet application. Security is important to protect wallet data from asset theft attacks. The results of the observations made by many users store their wallet recovery words (mnemonic phrases) on cloud services such as Google Drive and One Drive, this is very vulnerable to data hacking if the account has been compromised then hackers take valuable data for their own benefit. Computer scientists created a cryptographic security algorithm to steal data from theft. The AES (Advanced Encryption Standard) algorithm is a symmetric block cipher cryptography algorithm where to obtain data that has been encrypted using a secret key or passkey user must enter the same key when encoding data (encryption). AES is divided into three based on key length, namely AES-128 has a key length of 128 bits, AES-192 has a key length of 192 bits, and AES-256 has a key length of 256 bits. The system that will be made in this research is to modify the rotation of the standard AES algorithm which has 10 rounds to 16 rounds. Modifications made by increasing the number of algorithm cycles make the system more secure and stronger from attacks and require longer computational time for hackers to crack encryption. The tests carried out are comparing the results of ciphertext, time and avalanche effects. The test results show differences in ciphertext output in the same file after encryption, then the time required for the modified AES algorithm in the encryption and decryption process is longer than the AES standard. While the test results on the avalanche effect showed a slight change that occurred in the standard AES by 48.6% and then in the modified AES by 55.6%. An avalanche effect has good results if there is a slight change of 45-60% (half or more). The more bits that change the more difficult the cryptographic algorithm to crack.

Co-Authors Aditya Prapanca Aditya Prapanca Aganda Maulan Dan Dyantono Amirah Bilqis Nuhaenibudi As-sajid Asmunin Asmunin Bagas Muharom Hanugrah Hidayat Diastian Vinaya Wijanarko Diaz Ardian Alvianto Eko Hariadi Erlix Rakhmad Purnama Farra Wahyunanda Arsyta Firda Siska Audina I Made Suartana Juhrah Singke M. Adharis Adlani Maulana, Dimas Avian Mirwa Adiprahara Anggarani Moh. Hilmy Badrudduja Muhamad Syarriefuddin Zuhrie Muhammad Aris Ashari Muhammad Hussein Isron Muhammad Iskandar Java Muhammad Ramadhan Parole Nimadinaga Dacipta Rafy Aulia Akbar Rahadian Bisma Raya Sulistyowati Rhyosvaldo Aurellio Tilasefana Romadlon Rahmatulloh Ronggo Alit Sinaga, Anita Sindar R M Sri Usodoningtyas Tri Sudarwanto Winda Ramadhanty Pratiwi Yeni Anistyasari

Title Search

Found 16 Documents Search Journal : Journal of Informatics and Computer Science (JINACS)

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 16 Documents
Search
Journal : Journal of Informatics and Computer Science (JINACS)