Article Per Year (5 Year)
p-Index From 2019 - 2024
5.389
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Jurnal Buana Informatika Jurnal Informatika Jurnas Nasional Teknologi dan Sistem Informasi Edu Komputika Journal Sistemasi: Jurnal Sistem Informasi Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Computatio : Journal of Computer Science and Information Systems JTERA (Jurnal Teknologi Rekayasa) Jurnal Sains dan Informatika INOVTEK Polbeng - Seri Informatika Matrix : Jurnal Manajemen Teknologi dan Informatika SINTECH (Science and Information Technology) Journal Jurnal Teknoinfo Jurnal Sisfokom (Sistem Informasi dan Komputer) KACANEGARA Jurnal Pengabdian pada Masyarakat Jurnal Riset Informatika JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) JTT (Jurnal Teknologi Terapan) JASIEK (Jurnal Aplikasi Sains, Informasi, Elektronika dan Komputer) JISKa (Jurnal Informatika Sunan Kalijaga) JTIM : Jurnal Teknologi Informasi dan Multimedia Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) JISA (Jurnal Informatika dan Sains) Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Jurnal Indonesia : Manajemen Informatika dan Komunikasi SmartComp Jurnal Indonesia : Manajemen Informatika dan Komunikasi
Donny Avianto
Universitas Teknologi Yogyakarta
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Mechanical Engineering

Published : 42 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 42 Documents
Search

 1   2   3   4   5 
Application Mobile-Based Augmented Reality for Endemic Animals of Central Kalimantan Herdy Andriksen; Donny Avianto
Jurnal Riset Informatika Vol 5 No 3 (2023): Priode of June 2023
Publisher : Kresnamedia Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34288/jri.v5i3.528

Abstract

The existence of endemic animals typical of Central Kalimantan, such as orangutans and hornbills, is included in the protected species situation because the population numbers have increased slightly along with the clearing of land for the plantation sector, making orangutan and hornbill areas that should be beautiful and natural disappear. Because of this, a medium for conveying information and a unique introduction to the public is needed to know how important it is to know and know the various endangered species in Central Kalimantan to preserve animals. Therefore, this research aims to create an application for Central Kalimantan endemic animals using Mobile-based Augmented Reality to introduce Central Kalimantan's rare animals, starting from the area of residence, characteristics, leading food, and information about animal habitats. The application development process uses the Markerless Augmented Reality (AR) method, which displays 3D objects without using unique markers such as photos or images. The application development stage includes the planning, design, data collection, 3D object creation, application development and application testing using Blackbox testing with the Text Case method, which produces application testing descriptively explaining the application work process. The application for displaying 3D objects was tested in 5 trials, with an average of 5 seconds, and the marker appeared to display 3D objects. This application can have an impact on progress in the field of informatics as a medium for delivering information and learning media using Augmented Reality Markerless.
Peningkatan keterampilan komputer bagi Siswa SDN 1 Sinduadi Sleman Dwi Ratnawati; Iwan Hartadi Tri Untoro; Vivianti Vivianti; Oktavia Hardiyantari; Soraya Fatmawati; Tri Widodo; Donny Avianto
KACANEGARA Jurnal Pengabdian pada Masyarakat Vol 6, No 3 (2023): Agustus
Publisher : Institut Teknologi Dirgantara Adisutjipto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28989/kacanegara.v6i3.1615

Abstract

Perkembangan teknologi informasi dan komunikasi mengusai semua bidang, terutama bidang Pendidikan. Kegiatan ujian berbasis paperless diwajibkan pemerintah dilakukan oleh semua sekolah. Banyak siswa yang belum memiliki kemampuan dalam komputer dasar sehingga mereka kesulitan dalam mengerjakan ujian dalam bentuk paperless. Permasalahan tersebut diselesaikan dengan mengadakan pelatihan Peningkatan Keterampilan Komputer bagi Siswa SD N 1 Sinduadi, Sleman yang dilakukan selama dua minggu. Pelaksanaan ini dilakukan dengan pendampingan dari tim dosen Universitas Teknologi Yogyakarta. Kegiatan ini dilakukan untuk mengatasi kesulitan siswa dalam mengoperasikan komputer dasar. Hasil dari pelaksaan ini adalah  78% siswa mampu meningkatkan kompetensi mengoperasikan komputer dasar dengan baik, dan 22% belum dapat menguasai komputer dasar dengan baik
Pengaruh Komposisi Split data Terhadap Performa Klasifikasi Penyakit Kanker Payudara Menggunakan Algoritma Machine Learning Rian Oktafiani; Arief Hermawan; Donny Avianto
Jurnal Sains dan Informatika Vol. 9 No. 1 (2023): Jurnal Sains dan Informatika
Publisher : Teknik Informatika, Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/jsi.v9i1.622

Abstract

Hasil klasifikasi kanker payudara yang tidak tepat dan memiliki akurasi rendah berpotensi membahayakan nyawa pasien. Rasio split data training dan testing mempengaruhi akurasi klasifikasi. Pemilihan rasio split data yang tidak tepat dapat menurunkan akurasi model. Penelitian ini bertujuan menemukan komposisi data terbaik untuk hasil klasifikasi kanker payudara yang baik. Metode yang digunakan adalah holdout dan k-fold cross validation. Algoritma klasifikasi yang dibandingkan adalah SVM, Random Forest, dan Naïve Bayes. Hasil penelitian menunjukkan performa akurasi yang berbeda pada ketiga algoritma tergantung pada metode validasi. Skema holdout validation dengan rasio 75%:25% menghasilkan akurasi terbaik untuk SVM, yaitu 98.89%. Algoritma Random Forest mencapai akurasi terbaik pada rasio split data 55%:45%, yaitu 95.85%. Namun, Naïve Bayes memiliki performa akurasi yang lebih baik saat menggunakan k-fold cross validation dengan akurasi 93.85%. Metode holdout dengan rasio 75:25 terbukti menghasilkan akurasi terbaik untuk klasifikasi data kanker payudara menggunakan SVM. Penelitian selanjutnya dapat menggunakan algoritma deep learning dan memperluas penelitian ke jenis kanker lainnya untuk meningkatkan hasil klasifikasi.
IMPLEMENTASI METODE NAÏVE BAYES UNTUK KLASIFIKASI DATA BLOGGER Nur Widiastuti; Arief Hermawan; Donny Avianto
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 8, No 3 (2023)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v8i3.3713

Abstract

Di era teknologi yang modern seperti saat ini peluang kerja sebagai blogger cukup banyak diminati. Para blogger me-manfaatkan situs blog baik yang gratis maupun berbayar untuk menulis artikel. Hal tersebut menyebabkan pengguna situs blog semakin meningkat. Diantara para blogger ada yang menjadi blogger professional dan ada juga yang menjadi blog-ger musiman untuk menulis artikel pada blog. Penelitian ini meneliti blogger mana yang masuk dalam kategori blogger professional atau blogger musiman. Penelitian ini mengklasifikasi data blogger yang diambil dari UCI Machine Learning dengan jumlah data sebanyak 100 data kemudian diuji menggunakan Metode Naïve Bayes. Adapun tool yang digunakan untuk penelitian adalah Rapidminer untuk mengklasifikasi blogger professional atau blogger musiman. Penelitian ini menghasilkan akurasi sebesar 76,27% atau meningkat 1,27 % dibandingkan penelitian sebelumnya dan hasil classification error sebesar 23,73%. Sedangkan class recall sebanyak 12 fold, hal ini dapat diartikan penelitian menggunakan correla-tion matrix dan cross validation dengan number of fold 12 menghasilkan nilai akurasi yang lebih baik dari penelitian sebelumnya.
Perbandingan Random Forest Regression dan Support Vector Regression Pada Prediksi Laju Penguapan Ferdinandus Edwin Penalun; Arief Hermawan; Donny Avianto
JURNAL FASILKOM Vol 13 No 02 (2023): 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.v13i02.4976

Abstract

Memprediksi laju penguapan memiliki manfaat yang luas dalam berbagai aplikasi seperti manajemen sumber daya air, pertanian, dan lingkungan hidup. Namun untuk mendapatkan data yang lengkap dan akurat dalam mempelajari laju penguapan memiliki tantangan tersendiri. Selain itu, rendahnya tingkat linieritas antara data laju penguapan dan faktor meteorologi lainnya di wilayah tropis dapat menyebabkan hasil prediksi yang bervariasi. Tujuan dari penelitian ini adalah memprediksi laju penguapan harian di Stasiun Klimatologi Yogyakarta dengan membandingkan kinerja dua model machine learning (ML) yaitu random forest regression (RFR) dan support vector regression (SVR) menggunakan data pengamatan meteorologi harian. Untuk meningkatkan akurasi prediksi, dilakukan optimasi hyperparameter menggunakan metode gridsearch cross-validation untuk mencari kombinasi hyperparameter terbaik. Hasil optimasi hyperparameter pada data training menunjukkan bahwa model RFR menghasilkan skor RMSE sebesar -0,67 sementara model SVR pada kernel RBF menghasilkan skor RMSE negatif sebesar -0,57. Evaluasi lebih lanjut dilakukan pada data testing dengan menggunakan kombinasi hyperparameter hasil optimasi model RFR menghasilkan nilai R2 sebesar 0,79 dan RMSE sebesar 0,56 sedangkan model SVR menghasilkan koefisien determinasi (R2) sebesar 0,81 dan RMSE sebesar 0,53. Berdasarkan hasil perbandingan kedua model dapat disimpulkan bahwa model SVR memiliki kinerja yang lebih baik dalam memprediksi laju penguapan harian. Penggunaan teknik prediksi dengan model ML untuk memprediksi laju penguapan dapat menjadi solusi untuk mengisi kekosongan data pengamatan meteorologi dan memiliki manfaat yang signifikan dalam bidang pertanian dan hidrologi. Penelitian selanjutnya dapat melibatkan pengembangan sistem informasi pemantauan dan pengelolaan sumber daya air yang lebih efektif dan efisien.
Klasifikasi Penyakit Antraknosa Pepaya California Menggunakan Convolutional Neural Network Siti Nurazila; Donny Avianto
JTERA (Jurnal Teknologi Rekayasa) Vol 8, No 1: June 2023
Publisher : Politeknik Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31544/jtera.v8.i1.2022.165-174

Abstract

Pepaya memiliki berbagai varian, salah satunya adalah pepaya California yang memiliki nilai jual tinggi di pasaran. Namun, petani sering kali mengalami gagal panen dikarenakan munculnya penyakit pada pepaya California. Salah satu penyakit yang menyerang pepaya adalah penyakit antraknosa. Kurangnya pengetahuan petani, apalagi petani baru sangat berpengaruh dengan kurangnya tindakan pencegahan penyakit antraknosa. Oleh karena itu, dibuatlah penelitian klasifikasi penyakit antraknosa pada pepaya California menggunakan Convolutional Neural Network (CNN). Data penelitian yang digunakan berjumlah 300 data citra dengan pembagian 150 data pepaya sehat dan 150 data pepaya antraknosa. Dalam proses pembangunan model CNN dataset akan dibagi menjadi dua bagian dengan perbandingan 80:20 antara data training dan data validation. Penelitian ini bertujuan untuk memberi informasi kepada petani baru tentang pengklasifikasian penyakit antraknosa pada pepaya. Hasil pengujian menunjukkan bahwa model terbaik dihasilkan menggunakan parameter optimizer Adam, epoch 20, dan loss binary cross-entropy. Model tersebut menghasilkan akurasi training 99,17% dan testing 99,58% dengan loss training 0,0239 dan loss validation 0,0177. Hasil penelitian menunjukkan bahwa algoritma CNN optimal dalam melakukan klasifikasi citra pepaya.
Klasifikasi Penyakit Antraknosa Pada Cabai Merah Teropong ”Inko Hot” Dengan Metode Convolutional Neural Network Donny Avianto; Ilmy Eka Handayani
SINTECH (Science and Information Technology) Journal Vol. 6 No. 2 (2023): SINTECH Journal Edition Agustus 2023
Publisher : Prahasta Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31598/sintechjournal.v6i2.1377

Abstract

The red chili variety "inko hot" is a type of red chili that has a high economic value. Unfortunately, these red chili plants are often infected with anthracnose disease, which results in significant losses for farmers. Anthracnose is one of the major diseases infecting chili plants, potentially resulting in crop failure and losses of up to 80%. The purpose of this study is to develop a classification system to identify anthracnose disease in red chili fruit, using Convolutional Neural Network (CNN) method. In this experiment, 1500 data were used, of which 80% were used as training data and 20% as validation data. The best results of this experiment produced a model with an accuracy of 97% and a loss rate of 6.45%, by applying the Nadam optimization algorithm and going through 50 iterations (epochs). The model showed good performance with a prediction accuracy rate of 83.33%. The development of this classification system has significant potential in providing efficient solutions to recognize diseases in chili plants. Through continuous development, this system can be a valuable tool for farmers to increase crop productivity and reduce the negative impact of disease attacks on red chili peppers and other crops.
Implementasi Metode Naïve Bayes untuk Klasifikasi Penderita Penyakit Jantung Bowo Hirwono; Arief Hermawan; Donny Avianto
Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) Vol 7 No 3 (2023): JULY-SEPTEMBER 2023
Publisher : KITA Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35870/jtik.v7i3.910

Abstract

Heart attack is a very serious heart disorder. This disorder occurs when the heart muscle does not get good blood flow. This condition will interfere with the function of the heart in flowing blood flow throughout the body. This study aims to develop a system capable of classifying people with heart disease using the Naïve Bayes method. Naïve Bayes is a method that works based on the probability that a person has a heart disease or not based on their medical record data. This algorithm is used with the aim of calculating the probability of a person suffering from heart disease based on their medical records. This data was obtained from the University of California Irvine Machine Learning website with a total of 303 datasets with 13 attributes. This research was conducted by dividing the data into 75% for training data and 25% for training data. The results of this study indicate that the Naïve Bayes algorithm used gives a fairly high accuracy value of 86.84%.
Application Mobile-Based Augmented Reality for Endemic Animals of Central Kalimantan Herdy Andriksen; Donny Avianto
Jurnal Riset Informatika Vol. 5 No. 3 (2023): June 2023
Publisher : Kresnamedia Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34288/jri.v5i3.230

Abstract

The existence of endemic animals typical of Central Kalimantan, such as orangutans and hornbills, is included in the protected species situation because the population numbers have increased slightly along with the clearing of land for the plantation sector, making orangutan and hornbill areas that should be beautiful and natural disappear. Because of this, a medium for conveying information and a unique introduction to the public is needed to know how important it is to know and know the various endangered species in Central Kalimantan to preserve animals. Therefore, this research aims to create an application for Central Kalimantan endemic animals using Mobile-based Augmented Reality to introduce Central Kalimantan's rare animals, starting from the area of residence, characteristics, leading food, and information about animal habitats. The application development process uses the Markerless Augmented Reality (AR) method, which displays 3D objects without using unique markers such as photos or images. The application development stage includes the planning, design, data collection, 3D object creation, application development and application testing using Blackbox testing with the Text Case method, which produces application testing descriptively explaining the application work process. The application for displaying 3D objects was tested in 5 trials, with an average of 5 seconds, and the marker appeared to display 3D objects. This application can have an impact on progress in the field of informatics as a medium for delivering information and learning media using Augmented Reality Markerless.
Penerapan Metode Fuzzy Tsukamoto untuk Perhitungan Gaji Karyawan Nazar Iqbal Bimantoro; Donny Avianto
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 12, No 4 (2023): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v12i4.6032

Abstract

Upah gaji adalah kompensasi yang diberikan kepada setiap perusahaan, instansi, organisasi, atau badan usaha untuk karyawan yang telah bekerja selama sebulan. Namun, untuk memberikan kompensasi yang adil kepada seluruh karyawan, perusahaan harus mempertimbangkan faktor-faktor seperti absensi, tingkat pendidikan, dan tanggungan dalam pemberian kompensasi. Kriteria ini biasanya digunakan oleh perusahaan besar. Sebenarnya, pengolahan ini sudah ada sejak lama, tetapi sistem yang telah dibuat masih sederhana dan hanya bisa menangani masalah perhitungan yang sederhana. Perhitungan yang lebih kompleks dapat ditentukan menggunakan logika fuzzy melalui beberapa langkah agar mendapatkan hasil yang akurat. Metode Tsukamoto adalah salah satu metode yang menggunakan logika fuzzy dan menghasilkan nilai tegas. Pengambilan data yang tepat dilakukan untuk menentukan gaji dengan kriteria seperti tingkat pendidikan, absensi bulanan, dan tanggungan. Dengan bantuan penelitian ini, organisasi dapat menggunakan perhitungan yang ditemukan dalam penelitian ini untuk menentukan gaji karyawan dengan cepat, baik, dan tepat, sehingga masalah penentuan gaji dapat diselesaikan dengan baik.
Co-Authors Adityo Permana Wibowo Alfin Syarifuddin Syahab Amalia Rizki Wulandari Aribowo Aribowo Arief Hermawan Arieska Restu Harpian Dwika Aziz Perdana Baiq Nurul Azmi Bowo Hirwono Dwi Ratnawati, Dwi Edi Priyanto Ferdinandus Edwin Penalun Herdy Andriksen Ilmy Eka Handayani Imantoko Imantoko Kusumastuti, Asriana Dyah Muh Arifandi Muhammad Irsyad Indra Fata Nasmah Nur Amiroh Nazar Iqbal Bimantoro Nur Widiastuti Oktavia Hardiyantari Panji Rangga Adzan Fajar Fakharudin Rian Oktafiani Rianto Rianto Rizky Samudra Falasyfa Roy Fasti Rubangi Rubangi Rudi, Rudiono Rudiono Rudi Rusma Eko Fiddy Rizarta Siti Nurazila Soraya Fatmawati Tri Widodo Vivianti