Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Eddy Muntina Dharma
Teknik Informatika, Universitas Primakara
Computer Science & IT

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

Found 2 Documents
Search

 1 
IMPLEMENTASI SISTEM PEMILAHAN SAMPAH ORGANIK DAN ANORGANIK BERBASIS KECERDASAN BUATAN DENGAN GROVE VISION AI V2 DAN ESP32 Kevin Bagus Saputra; Eddy Muntina Dharma; Ida Bagus Kresna Sudiatmika
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 2 (2026): JATI Vol. 10 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i2.17568

Abstract

Peningkatan timbulan sampah di Kota Denpasar menjadi permasalahan lingkungan yang memerlukan solusi inovatif, terutama dalam mendukung kebijakan pemilahan sampah sesuai Peraturan Daerah Kota Denpasar Nomor 8 Tahun 2023. Namun, kesadaran dan konsistensi pemilahan sampah di lingkungan kampus masih rendah. Penelitian ini bertujuan mengimplementasikan sistem pemilahan sampah organik dan anorganik berbasis kecerdasan buatan menggunakan modul Grove Vision AI V2 dan mikrokontroler ESP32 di Kampus Primakara. Metode yang digunakan adalah CRISP-DM yang meliputi tahapan pemahaman masalah, pengumpulan dan persiapan data, pemodelan, evaluasi, dan penerapan sistem. Dataset terdiri dari 916 citra sampah organik dan anorganik yang diperoleh dari pengambilan langsung serta sumber eksternal. Model klasifikasi dilatih menggunakan arsitektur MobileNetV2 berbasis transfer learning melalui Edge Impulse, kemudian diimplementasikan pada Grove Vision AI V2. Hasil klasifikasi dikirim ke ESP32 melalui komunikasi I2C untuk mengendalikan motor servo sebagai mekanisme pemilah otomatis. Hasil validasi model menunjukkan akurasi 93,9%. Pada pengujian langsung sistem end-to-end diperoleh akurasi 65%, precision 59,6%, recall 93,3%, dan F1-score 72,7%. Sistem mampu bekerja secara real-time dengan konsumsi daya sekitar 6 watt. Penelitian ini menunjukkan potensi penerapan edge AI dalam mendukung sistem pemilahan sampah otomatis di lingkungan kampus.
ANALISIS KINERJA MODEL VGGISH DENGAN INTEGRASI CONVOLUTIONAL BLCOK ATTENTION MODULE PADA DETEKSI AI-GENERATED VOICE Dominic Naufal Ramadhan Herwanto; Eddy Muntina Dharma; Ni Made Satvika Iswari
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18397

Abstract

Perkembangan teknologi generative AI telah memungkinkan pembuatan audio sintetis yang sangat mirip dengan suara manusia. Fenomena ini menimbulkan tantangan baru, terutama dalam membedakan suara asli dan suara yang dihasilkan oleh AI, yang berpotensi meningkatkan risiko misinformasi, penipuan digital, serta manipulasi opini publik. Penelitian ini bertujuan untuk menganalisis kinerja model VGGish dalam mendeteksi suara sintetis serta mengevaluasi peningkatan performa melalui integrasi Convolutional Block Attention Module (CBAM). Metode yang digunakan mencakup pemrosesan data audio menggunakan representasi Mel-Spectrogram, pelatihan model VGGish dan VGGish+CBAM, serta evaluasi performa melalui metrik akurasi, confusion matrix, dan ROC-AUC. Hasil penelitian menunjukkan bahwa integrasi CBAM meningkatkan kemampuan model dalam menyoroti fitur akustik penting secara lebih adaptif, sehingga menghasilkan performa klasifikasi yang lebih baik dibandingkan model VGGish standar. Dengan demikian, pendekatan ini berpotensi menjadi solusi efektif dalam deteksi AI-Generated Voice pada berbagai implementasi keamanan digital.
Co-Authors Dominic Naufal Ramadhan Herwanto Ida Bagus Kresna Sudiatmika Kevin Bagus Saputra Ni Made Satvika Iswari