Article Per Year (5 Year)
p-Index From 2020 - 2025
2.307
P-Index
This Author published in this journals
All Journal Media Kesehatan Masyarakat Indonesia Jurnal Manajemen Indonesia TAPAK (Teknologi Aplikasi Konstruksi) : Jurnal Program Studi Teknik Sipil Abdi Dosen : Jurnal Pengabdian Pada Masyarakat Reswara: Jurnal Pengabdian Kepada Masyarakat JURMA : Jurnal Program Mahasiswa Kreatif Yustisi: Jurnal Hukum dan Hukum Islam JUMATISI : Jurnal Mahasiswa Teknik Sipil SmartComp Jurnal Riset Multidisiplin Edukasi
Dadang Iskandar
Universitas Ibn Khaldun Bogor
Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mechanical Engineering Public Health Social Sciences Transportation Other

Published : 24 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : SmartComp

 1 
Digital Image Processing Untuk Grading Citra Buah Manggis menggunakan Metode K-NN Fahmi Chairulloh Widia S; Dadang Iskandar
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 11, No 2 (2022): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v11i2.3528

Abstract

Noise yang muncul pada saat perekaman data gerakan mata dapat menyebabkan ketidaktepatan dalam pembacaan data. Berbagai filter pemrosesan sinyal dapat digunakan untuk menghilangkan noise ini, khususnya. Namun, selama pergerakan mata pengejaran yang mulus, perbandingan kinerja filter pemrosesan sinyal tersebut belum diketahui saat diimplementasikan dalam kalibrasi berbasis pengejaran yang mulus. Metode, dalam penelitian ini kami membandingkan tiga filter pemroses sinyal yaitu moving average gaussian dan filter kalman untuk menghilangkan noise pada pergerakan mata pengejaran yang halus. Dalam percobaan, kami membandingkan kinerja filter rata-rata bergerak, gaussian dan kalman. Dari hasil percobaan filter moving average menghasilkan error sebesar 36,97 +_ 10,62 [1]piksel. (posisi horizontal) dan 48,07 +_ 15.11[2] pixel ( posisi vertikal ) filter gaussian menghasilkan error sebesar 37.74 +_ 11.23 [3] pixel ( posisi horizontal dan 51.06 +_ 17.62 pixel ( posisi vertikal ), filter kalman menghasilkan error sebesar 56.06 +_ 30.97[4] pixel ( posisi horizontal) dan 72.98 +_ 41,21[5] piksel ( posisi vertikal. Hasil eksperimen menunjukkan bahwa filter moving average menghasilkan akurasi terbaik dibandingkan dengan filter pemrosesan sinyal lainnya. Di masa depan, hasil kami mungkin digunakan dalam pengembangan prosedur kalibrasi yang tidak mengganggu untuk interaksi berbasis tatapan spontan.
Optimasi Klasifikasi Gambar Varietas Jenis Tomat dengan Data Augmentation dan Convolutional Neural Network Tegar Muhamad Hafiez; Dadang Iskandar; Agung Wiranata S.K; Raya Fitri Boangmanalu
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 11, No 2 (2022): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v11i2.3524

Abstract

Tomat merupakan produk hortikultura yang sangat dibutuhkan masyarakat seiring dengan meningkatnya kesadaran masyarakat akan pola hidup sehat, dan permintaan tomat buatan sendiri juga semakin meningkat, CNN secara sederhana merupakan sebuah jaringan saraf tiruan yang menggunakan matriks perkalian konvolusi di dalam arsitekturnya. Fungsi konvolusi di dalam CNN digunakan untuk ekstraksi fitur, dan dari proses ini nantinya akan menghasilkan fitur-fitur tertentu yang akan diproses multilayer perceptron untuk menghasilkan sebuah output dari inputan Berdasarkan penelitian dan hasil implementasi metode Convolutional Neural Network (CNN) dalam proses klasifikasi 6 varietas pada tomat) diperoleh nilai accuracy dan nilai loss model berdasarkan data test sebesar 85,86% nilai accuracy dan 0,388 nilai loss pada model Sequential serta 97,04% nilai accuracy dan 0,076 nilai loss pada model on top VGG16.
Co-Authors Agung Wiranata S.K Andika Serdianto Rizki Azizah Mahary Azwar Anas Manurung Brigitte Sarah Renyoet Chica Oktavia dandy prasetiya Dede Sukmana Dona Kurniawan Drajat Martianto Fahmi Chairulloh Widia S Hamdani, Acep Roni Hanifa Shabira Hasti Erning Praja Indra Satria Indra Satria Kurniawan, Septyanto Lia Rosilianti Mutia Aulia Nabillah Putri Adinda Fahra Noventi Ersa Putri Nurul Fazriyah Rahmad Hidayat Lendrian Rahmah Tullah Raya Fitri Boangmanalu Saharuddin Daming Sari Utama Dewi Syifa Annisa Tegar Muhamad Hafiez Veti Novitasari