Article Per Year (5 Year)
p-Index From 2021 - 2026
0.983
P-Index
This Author published in this journals
All Journal JOIV : International Journal on Informatics Visualization Techne : Jurnal Ilmiah Elektroteknika The Indonesian Journal of Computer Science
Irwansyah, Arif
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy Engineering

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : The Indonesian Journal of Computer Science

 1 
Pemetaan Area Berbasis LiDAR Menggunakan Metode KPFCNN Irwansyah, Arif; Zazuli, Moh Ismarintan; Akbar, Reesa
The Indonesian Journal of Computer Science Vol. 12 No. 2 (2023): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i2.3194

Abstract

Pada pemetaan suatu area menggunakan Light detection and ranging (LiDAR) didapatkan data yang diolah menjadi peta tiga dimensi dari area tersebut, sehingga dapat diketahui bentuk topografi maupun objek di sekitar area tersebut. Namun untuk mengidentifikasi berbagai objek tersebut masih dilakukan dengan cara manual, sehingga pada kasus pemetaan area yang luas dibutuhkan waktu yang lebih lama untuk mengidentifikasi objek-objek tersebut. Untuk itu dibutuhkan sebuah metode yang dapat secara otomatis mengidentifikasi objek-objek pada area yang telah dipindai. Pada penelitian ini dibuat sebuah perangkat yang dapat melakukan scanning pada sebuah area kemudian hasil dari scaning tersebut dibuat bentuk visual tiga dimensinya sekaligus dapat mengklasifikasikan objek-objek yang ada di sekitarnya. Pada penelitian ini dibatasi pada pengenalan obyek bangunan dan pepohonan. Untuk melakukan klasifikasi tersebut dilakukan proses semantic segmentation dengan metode Kernelized Partial Flow Convolutional Neural Network (KPFCNN). Dengan dilakukan training pada framework dari KPFCNN, hasil pengujian pada penelitian ini didapatkan hasil scanning area yang optimal pada jarak 0,5 meter – 30 meter, dengan kerapatan jarak vertikal atar point sebesar 0,039 x radius scanning serta akurasi pada segmentasi objek pepohonan dan bangunan sebesar 94,61%.
Desain Sistem Deteksi Kecelakaan Lalu Lintas Berbasis Suara dengan CNN pada platform Embedded Artificial Intelligence Ahmada Haiz Zakiyil Ilahi; Irwansyah, Arif; Budi Nur Iman; Naufal Mukhfi Robbani
The Indonesian Journal of Computer Science Vol. 13 No. 5 (2024): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v13i5.4363

Abstract

Kecelakaan lalu lintas sering kali mengakibatkan kerugian besar, termasuk kehilangan nyawa. Banyak korban jatuh karena penanganan kecelakaan yang tidak memadai, seperti keterlambatan dalam memberikan informasi dan lokasi kecelakaan yang sulit dijangkau sehingga membuat korban menjadi tidak tertolong. Penelitian ini bertujuan mengatasi permasalahan yang disebabkan oleh kecelakaan lalu lintas dengan merancang dan menciptakan alat deteksi berbasis suara menggunakan metode Convolutional Neural Network (CNN) pada platform embedded artificial intelligence yang memanfaatkan Raspberry Pi 4. Alat ini memanfaatkan usb microphone dan GPS Ublox Neo-m8n untuk menangkap suara serta pengiriman data koordinat secara real-time. Dataset dibagi menjadi dua kelas yaitu crash dan normal, kemudian dataset diolah melalui augmentasi dan divisualisasikan sebagai Mel Spectrogram. Model yang didapat mencapai akurasi 98,63% dan loss 1,37% pada prediksi data testing, sementara implementasi real-time pada Raspberry Pi 4 dengan usb microphone menghasilkan akurasi 82% dari 50 sampel file audio. Sistem ini beroperasi dengan FPS rata-rata sebesar 13.14 untuk proses streaming dan 6.89 untuk proses prediksi serta dihasilkan konsumsi daya rata-rata sebesar 10.069 Watt. Output yang dihasilkan berupa pesan peringatan melalui aplikasi Telegram berupa informasi lokasi dan waktu kecelakaan lalu lintas. Penelitian ini diharapkan dapat meningkatkan respons dalam penanganan kecelakaan, mengurangi kerugian, dan menyelamatkan nyawa.
Co-Authors Ahmada Haiz Zakiyil Ilahi Akbar, Reesa Budi Nur Iman Elly Purwanti Firman Arifin, Firman Hary Oktavianto Ilahi, Ahmada Haiz Zakiyil Naufal Mukhfi Robbani Putra, Arie Zuliyan Putri, Ambarwati Rizkia Wijaya, Candra Kusuma Zazuli, Moh Ismarintan