Article Per Year (5 Year)
p-Index From 2021 - 2026
1.497
P-Index
This Author published in this journals
All Journal Jurnal Simetris Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Informatika Upgris INTENSIF: Jurnal Ilmiah Penelitian dan Penerapan Teknologi Sistem Informasi JURNAL MEDIA INFORMATIKA BUDIDARMA Abdimasku : Jurnal Pengabdian Masyarakat Jurnal Teknik Informatika (JUTIF) Decode: Jurnal Pendidikan Teknologi Informasi Jurnal Locus Penelitian dan Pengabdian Scientific Journal of Informatics
Soeleman, M. Arief
Unknown Affiliation
Aerospace Engineering Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mathematics Social Sciences Other

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
Perbandingan Efisiensi dan Akurasi Model Jaringan Saraf Konvolusional untuk Deteksi Objek pada Lingkungan dengan Gangguan Visual Widhiariandoko, Adhitya; Syukur, Abdul; Soeleman, M. Arief
Jurnal Informatika UPGRIS Vol 11, No 2 (2025): DESEMBER 2025
Publisher : Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/jiu.v11i2.25645

Abstract

Model deteksi objek berbasis Jaringan Saraf Konvolusional (JSK) seringkali mengalami penurunan performa signifikan pada kondisi visual dunia nyata yang mengandung gangguan. Penelitian ini bertujuan untuk menganalisis dan membandingkan efisiensi dan akurasi dari tiga arsitektur JSK yang berbeda—Faster R-CNN (dua tahap), SSD (satu tahap klasik), dan YOLOv8s (satu tahap modern)—terhadap gangguan visual. Model-model tersebut dilatih dari awal (from scratch) pada subset dataset COCO dan diuji pada empat skenario: citra bersih, gangguan Gaussian, motion blur, dan kombinasi keduanya. Evaluasi performa menggunakan metrik mean Average Precision (mAP) untuk akurasi dan Frames Per Second (FPS) untuk efisiensi. Hasil eksperimen menunjukkan bahwa YOLOv8s tidak hanya menjadi model tercepat (476.19 FPS), tetapi juga mencapai akurasi tertinggi pada kondisi bersih (mAP 0.2870) dan menunjukkan ketahanan (robustness) terbaik terhadap semua jenis gangguan yang diuji. Sebaliknya, Faster R-CNN terbukti menjadi yang paling rentan, dengan penurunan akurasi mencapai lebih dari 97% pada kondisi gangguan Gaussian. Kesimpulannya, arsitektur modern YOLOv8s menawarkan keseimbangan terbaik antara efisiensi, akurasi, dan ketahanan, menjadikannya pilihan yang superior untuk aplikasi di lingkungan yang tidak dapat diprediksi.
Co-Authors Abdul Syukur Abi Senoprabowo Affandy Affandy Affandy Al zami, Farrikh Arie Nugroho, Arie Assaqty, Mohammad Iqbal Saryuddin Azhar, Saifulloh Casidi, Casidi Dliyauddin, Muhammad Elkaf Rahmawan Pramudya Guruh Fajar Shidik Marjuni, Aris Muslih - Nurhindarto, Aris Prasetya, Rudy Eko Pulung Nurtantio Andono Rahmatullah, Muhammad Rifqi Fadhlan Ricardus Anggi Pramunendar Sari Ayu Wulandari Supriyono Asfawi Triyotomo, Triyotomo Tutik Khotimah Widhiariandoko, Adhitya Zami , Farrikh Al