Jumadi Mabe Parenreng
State University of Makassar

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

Found 2 Documents
Search

Pengembangan dan Implementasi Jaringan LAN Berbasis Mikrotik untuk Peningkatan Akses Internet dan Konektivitas di MTS An Nahdlah Ujung Pandang M Syahid Nur Wahid; Jumadi Mabe Parenreng; Abdul Wahid; Wahyu Hidayat M; Muh Mujahidin
Jurnal Kemitraan Responsif untuk Aksi Inovatif dan Pengabdian Masyarakat Volume 1 Issue No. 1: Juli 2023
Publisher : Lontara Digitech Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61220/kreativa.v1i1.20235

Abstract

Teknologi berkembang dari waktu ke waktu dan tentunya menjadi tugas bersama yang dari generasi saat ini untuk mengikuti perkembangan teknologi. Sulitnya melakukan komunikasi data merupakan sebuah masalah yang harus diselesaikan. Tujuan dari penelitian ini adalah melakukan perancangan jaringan local area network yang dapat melakukan komunikasi data serta mengamankan jaringan lokal. Penelitian ini akan melakukan pengujian terhadap jaringan local area network yang telah dibangun. Hasil akhir dari penelitian ini adalah sebuah desain pada jaringan local area network menggunakan mikrotik yang dapat menjadi rancangan yang baik bila diterapkan dalam sebuah laboratorium komputer. 
COMPARATIVE BENCHMARKING OF YOLO11 FOR UAV-BASED HUMAN DETECTION IN SIMULATED DISASTER SCENARIOS A. Ahmad Fadil; Jumadi Mabe Parenreng; Muhammad Fardan; Muhammad Fajar B; Ana Sulistiana Alwi
JITK (Jurnal Ilmu Pengetahuan dan Teknologi Komputer) Vol. 12 No. 1 (2026): JITK Issue August 2026
Publisher : LPPM Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33480/jitk.v12i1.8002

Abstract

Search and Rescue (SAR) operations require rapid and reliable identification of survivors in disaster-affected areas. This study presents an empirical benchmark of YOLO11m for UAV-oriented human detection in simulated disaster scenarios. The model was trained and evaluated using the synthetically generated C2A: Human Detection in Disaster Scenarios dataset and compared with YOLOv8m, YOLOv9m, and YOLOv10m under consistent training configurations. The experiments were conducted at a resolution of 640 × 640 pixels using mixed-precision training on dual NVIDIA T4 GPUs. YOLO11m achieved an mAP@50 of 0.850, an mAP@50–95 of 0.612, a Precision of 0.880, a Recall of 0.799, and a peak F1-score of 0.830 at a confidence threshold of 0.376. The model also recorded an average inference latency of 5.5 ms per image in the test environment. Compared with the evaluated medium-scale YOLO variants, YOLO11m achieved the highest mAP@50–95 while maintaining moderate parameter and computational requirements. These results indicate that YOLO11m provides a promising accuracy–efficiency baseline for UAV-based SAR research. However, because the evaluation relies on synthetic data and does not include onboard inference or physical UAV field trials, further validation using real-world aerial disaster imagery is required before operational deployment.