Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Teknik: Jurnal Ilmu Teknik dan Informatika MURAKOM
Riski Immanuel Situmorang
Universitas Negeri Medan
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Analisis Perbandingan Kompleksitas Waktu dan Ruang pada Algoritma Quick Sort, Merge Sort, dan Heap Sort M. Fahmi Arafat; Nuriana Sipahutar; Adidtya Perdana; Riski Immanuel Situmorang; Raja Ansel Hartama Sihombing
MUARA KOMPUTER : Jurnal Ilmiah Ilmu Komputer & Elektronika Vol. 2 No. 2 (2026): MUARA KOMPUTER : Jurnal Ilmiah Ilmu Komputer & Elektronika
Publisher : CV MUARA EDUKASI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64365/murakom.v2i2.281

Abstract

Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja algoritma pengurutan Quick Sort, Merge Sort, dan Heap Sort berdasarkan waktu eksekusi dan penggunaan memori. Metode yang digunakan adalah pendekatan kuantitatif dengan melakukan pengujian terhadap ketiga algoritma menggunakan dataset dengan variasi ukuran dan kondisi data, yaitu acak, terurut, dan terbalik. Parameter yang diukur meliputi waktu eksekusi yang diperoleh melalui proses eksperimen menggunakan bahasa pemrograman Python, serta analisis penggunaan memori yang dilakukan secara teoritis. Hasil penelitian menunjukkan bahwa waktu eksekusi meningkat seiring dengan bertambahnya jumlah data. Quick Sort memiliki performa yang unggul pada kondisi data terurut dan terbalik, serta tetap kompetitif pada data acak. Merge Sort menunjukkan kestabilan performa dan cenderung lebih optimal pada data acak berukuran besar. Sementara itu, Heap Sort memiliki waktu eksekusi yang relatif lebih tinggi, namun lebih efisien dalam penggunaan memori. Dengan demikian, pemilihan algoritma pengurutan yang optimal perlu mempertimbangkan karakteristik data serta kebutuhan sistem, baik dari segi efisiensi waktu maupun penggunaan memori.
Optimasi Deteksi Sampah Organik dan Anorganik Menggunakan YOLO untuk Sistem Monitoring Real-Time pada Lingkungan Outdoor Riski Immanuel Situmorang; Hermawan Syahputra; Paskal Arienda Epindonta Ginting Ginting; Muhammad Raihansyah Lubis Lubis; Raja Ansel Hartama Sihombing Sihombing
Teknik: Jurnal Ilmu Teknik dan Informatika Vol. 6 No. 2 (2026): Oktober: Teknik: Jurnal Ilmu Teknik dan Informatika
Publisher : LPPM Sekolah Tinggi Ilmu Ekonomi - Studi Ekonomi Modern

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/teknik.v6i2.1248

Abstract

The problem of waste in outdoor environments, particularly in urban public areas, continues to grow with increasing population and low public awareness in sorting organic and inorganic waste. Previous research has developed various waste detection systems based on computer vision and deep learning, but most focused on indoor environments or controlled lighting conditions, causing model performance to drop significantly when applied to outdoor settings with complex lighting variations, backgrounds, and camera angles. This study aims to optimize the detection of organic and inorganic waste using the YOLO algorithm integrated into a real-time monitoring system for outdoor environments. The approach includes training a YOLO model with an organic and inorganic waste dataset collected from various open sources including the Roboflow platform, followed by data augmentation to improve model robustness against environmental variability. The trained model is integrated with Raspberry Pi-based edge computing and outdoor CCTV cameras to build a real-time monitoring system. Evaluation results show that the YOLOv8s model achieves a precision of 96.8%, recall of 94.5%, and mAP@0.5 of 95.7% on the test dataset, with an average inference time of 8.2 milliseconds per frame. The real-time monitoring system successfully detects and classifies organic and inorganic waste accurately under various outdoor lighting conditions. This study concludes that optimizing YOLO models with appropriate data augmentation and lightweight architecture can produce a reliable and efficient waste detection system suitable for deployment in real-time outdoor environmental monitoring infrastructure.
Co-Authors Adidtya Perdana, Adidtya Hermawan Syahputra M. Fahmi Arafat Muhammad Raihansyah Lubis Lubis Nuriana Sipahutar Paskal Arienda Epindonta Ginting Ginting Raja Ansel Hartama Sihombing Raja Ansel Hartama Sihombing Sihombing