Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Teknik ITS
Navastara, Dini Adni
Departemen Teknik Informatika Institut Teknologi Sepuluh Nopember Surabaya
Engineering

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

Found 2 Documents
Search

 1 
Desain dan Evaluasi Antarmuka dan Pengalaman Pengguna Aplikasi myITS SportFacility Wirasukma, Mikael Mahendra Buyung; Fabroyir, Hadziq; Navastara, Dini Adni
Jurnal Teknik ITS Vol 13, No 2 (2024): IN PRESS (Artikel masih bisa bertambah)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373539.v13i2.142196

Abstract

Fasilitas olahraga (Fasor) yang ada di Institut Teknologi Sepuluh Nopermber Surabaya (ITS) adalah salah satu fasilitas yang disewakan oleh ITS untuk mahasiswa, karyawan, dosen dan umum melalui aplikasi web dari manajemen Fasor Sepuluh Nopember. Web Fasor Sepuluh Nopember memerlukan perbaikan dari segi tampilan, infromasi yang diberikan, dan pola pemesanan lapangan. Supaya dapat lebih mudah digunakan oleh pengguna, meningkatnya ketersampaian informasi kepada pengguna, dan berkesinambungan dengan desain aplikasiaplikasi yang ada di platform myITS, maka web ini juga akan diganti nama menjadi myITS SportFacility. Dengan Contextual Inquiry, Contextual Analysis, Prototyping, dan Usability Evaluation dapat dihasilkan desain tampilan baru yang lebih nyaman dioperasikan oleh pengguna. Tahap pertama dalam Contextual Inquiry dilakukan pengumpulan informasi dan data terkait web Fasor Sepuluh Nopember yang lama. Kedua, Contextual Analysis dilakukan dengan menganalisis data dari tahap sebelumnya untuk pendukung proses perancangan, khususnya prototyping. Pada tahap ketiga, Prototyping dilakukan dengan merancang antarmuka dan pengalaman pengguna berdasarkan hasil tahapan-tahapan sebelumnya. Tahap terakhir adalah Usability Evaluation yang merupakan proses evaluasi produk berdasarkan tingkat kenyamanan pengguna. Evaluasi yang dilakukan dengan Usability Testing terhadap website Fasor ITS menghasilkan nilai Single Ease Question (SEQ) sebesar 6.43 – 6.86 dan nilai System Usability Scale (SUS) sebesar 68.93, sedangkan terhadap aplikasi myITS Sport Facility menghasilkan nilai SEQ sebesar 6.86 – 7 dan nilai SUS sebesar 91.79. Hal ini menunjukkan peningkatan ketergunaan aplikasi myITS Sport Facility yang ditandai dengan kenaikan nilai SEQ dan SUS dari ketergunaan sistem yang kini berjalan, yaitu website Fasor ITS.
Klasifikasi Jenis Kendaraan Darat di Indonesia Menggunakan Pendekatan Deep Learning Amiruddin, Muh. Nur Fajrin; Navastara, Dini Adni; Yuniarti, Anny
Jurnal Teknik ITS Vol 13, No 3 (2024)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373539.v13i3.146954

Abstract

Proses klasifikasi jenis kendaraan dengan menggunakan pendekatan Deep Learning dalam hal ini menggunakan metode Convolutional Neural Networks (CNN), ada beberapa masalah yang muncul yaitu ketergantungan pada data pelatihan yang besar dan generalisasi data, CNN memerlukan dataset pelatihan yang besar dan bervariasi untuk melakukan pelatihan yang efektif. Jumlah data pelatihan yang terbatas dapat menyebabkan overfitting, di mana model menjadi terlalu beradaptasi dengan data pelatihan dan tidak dapat melakukan generalisasi dengan baik pada data yang belum pernah dilihat sebelumnya, sehingga membuat proses klasifikasi jenis kendaraan tidak maksimal. Penelitian ini bertujuan untuk melakukan klasifikasi jenis kendaraan darat di Indonesia ke dalam 5 kelas yaitu Bus, Minibus, Sedan, SUV, dan Truk menggunakan 5 (lima) jenis model arsitektur CNN yaitu ResNet50V2, MobileNetV2, InceptionV3, Xception, dan InceptionResNetV2, dimana dataset yang digunakan bersumber dari internet sebanyak 750 citra kendaraan melalui pengumpulan dataset dengan menggunakan teknik web scraping. Hasil eksperimen menunjukkan bahwa model terbaik didapatkan oleh ResNet50V2 pada skenario uji coba K-Fold dengan Augmentasi diperoleh accuracy sebesar 0,9906, precision sebesar 0,9916, recall sebesar 0,9907, dan F1-score sebesar 0,9911. Model terbaik diuji cobakan pada data baru berupa rekaman video yang diperoleh dari CCTV Gate Institut Teknologi Sepuluh Nopember (ITS). Hasil akhir akurasi yang didapatkan oleh model ResNet50V2 adalah sebesar 0,65.
Co-Authors Amiruddin, Muh. Nur Fajrin Hadziq Fabroyir Wirasukma, Mikael Mahendra Buyung Yuniarti, Anny