Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Journal of Internet and Software Engineering
Candra Febri Nugraha
Departemen Teknik Elektro dan Informatika, Sekolah Vokasi, Universitas Gadjah Mada
Computer Science & IT

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

Found 2 Documents
Search

 1 
Sistem Pendeteksi Sampah Plastik Menggunakan Algoritma YOLOv8 Alief Rahman Hakim; Umar Taufiq; Dinar Nugroho Pratomo; Firma Syahrian; Candra Febri Nugraha; Adhiim Muthahhari
Journal of Internet and Software Engineering Vol 7 No 1 (2026): Journal of Internet and Software Engineering
Publisher : Department of Electrical Engineering and Informatics, Vocational College, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/jise.v7i1.19504

Abstract

Sampah plastik merupakan permasalahan global dengan volume yang terus meningkat. Penelitian ini menggunakan sampel data dari wilayah Yogyakarta, dengan volume yang terus meningkat namun belum diimbangi penanganan memadai. Identifikasi serta pemilahan sampah plastik berdasarkan gambar pada jenis resin diperlukan untuk memfasilitasi daur ulang efektif. Penelitian ini mengembangkan sistem pendeteksi pemilahan sampah plastik menggunakan pendekatan deep learning dengan arsitektur YOLOv8-cls untuk mengklasifikasikan plastik High Density Polyethylene, Polyethylene Terephthalate, Polypropylene, dan Polystyrene. Karena objek sampah plastik memiliki karakteristik yang dinamis dan munculnya bentuk-bentuk baru, penelitian melakukan retraining pada model baseline YOLOv8n-cls dengan membandingkan metode replay dan fine-tuning, serta mengeksplorasi variasi freeze layer dari 0 hingga 9. Hasil menunjukkan metode replay menunjukkan kinerja terbaik dengan F1-score pada data lama stabil di kisaran 98–99%, bahkan pada beberapa kasus setara atau melebihi model baseline dengan F1-score 99,16%–99,29%, menandakan model tetap andal mengenali objek lama. Sementara itu, F1-Score pada data baru berada di rentang 85–88%, yang masih tergolong tinggi. Analisis dan evaluasi menunjukkan metode replay lebih efektif dan stabil dalam mempertahankan pengetahuan objek lama sekaligus mempelajari objek baru. Pengujian sistem menggunakan user acceptance testing mendapat nilai 98,4% terhadap kemampuan sistem dalam memilah sampah plastik. Sistem pendeteksian ini diharapkan dapat membantu industri pemilahan sampah plastik dengan cepat dan akurat dalam menangani sampah plastik yang belum tertangani dengan baik.
Optimisasi Hyperparameter YOLO untuk Purwarupa Aplikasi Ekstraksi Judul dan Isi pada Surat Kabar di Monumen Pers Nasional Hendarto Kurniawan; Dinar Nugroho Pratomo; Umar Taufiq; Candra Febri Nugraha; Ahmad Adhiim Muthahhari
Journal of Internet and Software Engineering Vol 7 No 1 (2026): Journal of Internet and Software Engineering
Publisher : Department of Electrical Engineering and Informatics, Vocational College, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/jise.v7i1.20398

Abstract

Monumen Pers Nasional mempunyai salah satu layanan yang menyediakan informasi bahan-bahan, dokumen-dokumen, artefak-artefak dan sejarah pers nasional yang dapat digunakan untuk pembelajaran. Untuk memudahkan akses data, artefak dan koleksi lainnya, Monumen Pers Nasional membangun Sistem Informasi Database Koleksi (SIDAK) dengan penerapan teknologi Object Character Recognition (OCR). Namun dalam penerapannya teknologi OCR yang dibagun kerap kali menghasilkan data yang kurang akurat dalam proses ekstraksi data dari koleksi surat kabar. Salah satu solusi yang digunakan untuk mengatasi permasalahan ini adalah dengan mengadopsi metode deteksi judul dan konten menggunakan You Only Look Once (YOLO). Dengan melakukan analisis perbandingan optimizer menggunakan data koleksi surat kabar yang diperoleh dari Museum Monumen Pers Nasioal, hasil optimizer paling baik akan diimplementasikan pada purwarupa aplikasi berbasis website. Adapun optimizer yang dianalisis adalah Stocasthic Gradient Descent (SGD), Adaptive Moment Estimation (Adam), Adam with Weight Decay (AdamW). Hasil analisis menunjukkan optimizer AdamW mengungguli SGD dan Adam dalam nilai f1-score dan mAP secara keseluruhan, sehingga diimplementasikan pada purwarupa aplikasi. Kemudian purwarupa diuji menggunakan User Acceptance Test acuan Skala Likert dan mendapatkan nilai 84,8% kategori sangat baik, sehingga dapat membantu dalam melakukan ekstraksi informasi judul dan isi pada surat kabar di Monumen Pers Nasional.
Co-Authors Adhiim Muthahhari Ahmad Adhiim Muthahhari Alief Rahman Hakim Dinar Nugroho Pratomo Dinar Nugroho Pratomo Firma Syahrian Hendarto Kurniawan Umar Taufiq Umar Taufiq