Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Edu Komputika Journal Jurnal Abdi Insani
Indaryanto, Faizal
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Civil Engineering, Building, Construction & Architecture Computer Science & IT Economics, Econometrics & Finance Education Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Aplikasi Penghitung Jarak dan Jumlah Orang Berbasis YOLO Sebagai Protokol Kesehatan Covid-19 Indaryanto, Faizal; Nugroho, Anan; Suni, Alfa Faridh
Edu Komputika Journal Vol 8 No 1 (2021): Edu Komputika Journal
Publisher : Jurusan Teknik Elektro Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/edukomputika.v8i1.47837

Abstract

Pandemi Covid-19 saat ini cukup memberikan dampak pada masyarakat. Skala penyebaran dari Covid-19 sangatlah cepat, sehingga membutuhkan penanganan yang benar. Salah satu cara untuk mengurangi penyebaran Covid-19 adalah dengan melakukan Social Distancing. Namun masyarakat cenderung lalai dalam melaksanakan protokol kesehatan tersebut. Salah satu cara untuk mengatasi masalah ini adalah dengan aplikasi social distancing detector yaitu aplikasi yang digunakan untuk mendeteksi jumlah dan jarak dari objek manusia yang ada pada satu area. Penelitian ini bertujuan untuk mengembangkan aplikasi social distancing detector menggunakan bahasa pemrograman Python dengan library YOLOv3. YOLOv3 memiliki kelebihan dalam object detection dengan akurasi yang tinggi yaitu diatas 90%. Pengujian metode pada penelitian ini menggunakan lima dataset pejalan kaki dari kamera pengawas jalan yang didapatkan dari dataset uji coba beberapa peneliti melalui Github yang memiliki resolusi yang baik dan memiliki objek manusia yang heterogen. Hasil akurasi dari deteksi citra pertama adalah 83,32%. Hasil akurasi dari deteksi citra kedua adalah 76,92%. Hasil akurasi dari deteksi citra ketiga adalah 89,99%. Hasil akurasi dari deteksi citra keempat dan kelima adalah 100%. Hasil Rata-rata tingkat keberhasilan dari semua hasil analisa adalah 90,04% yang diukur dari rata-rata perbandingan jumlah data percobaan berhasil dan jumlah data pengamatan untuk tiap-tiap citra.
Aplikasi Penghitung Jarak dan Jumlah Orang Berbasis YOLO Sebagai Protokol Kesehatan Covid-19 Indaryanto, Faizal; Nugroho, Anan; Suni, Alfa Faridh
Edu Komputika Journal Vol 8 No 1 (2021): Edu Komputika Journal
Publisher : Jurusan Teknik Elektro Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/edukomputika.v8i1.47837

Abstract

Pandemi Covid-19 saat ini cukup memberikan dampak pada masyarakat. Skala penyebaran dari Covid-19 sangatlah cepat, sehingga membutuhkan penanganan yang benar. Salah satu cara untuk mengurangi penyebaran Covid-19 adalah dengan melakukan Social Distancing. Namun masyarakat cenderung lalai dalam melaksanakan protokol kesehatan tersebut. Salah satu cara untuk mengatasi masalah ini adalah dengan aplikasi social distancing detector yaitu aplikasi yang digunakan untuk mendeteksi jumlah dan jarak dari objek manusia yang ada pada satu area. Penelitian ini bertujuan untuk mengembangkan aplikasi social distancing detector menggunakan bahasa pemrograman Python dengan library YOLOv3. YOLOv3 memiliki kelebihan dalam object detection dengan akurasi yang tinggi yaitu diatas 90%. Pengujian metode pada penelitian ini menggunakan lima dataset pejalan kaki dari kamera pengawas jalan yang didapatkan dari dataset uji coba beberapa peneliti melalui Github yang memiliki resolusi yang baik dan memiliki objek manusia yang heterogen. Hasil akurasi dari deteksi citra pertama adalah 83,32%. Hasil akurasi dari deteksi citra kedua adalah 76,92%. Hasil akurasi dari deteksi citra ketiga adalah 89,99%. Hasil akurasi dari deteksi citra keempat dan kelima adalah 100%. Hasil Rata-rata tingkat keberhasilan dari semua hasil analisa adalah 90,04% yang diukur dari rata-rata perbandingan jumlah data percobaan berhasil dan jumlah data pengamatan untuk tiap-tiap citra.
PEMANFAATAN TEKNOLOGI COMPUTER VISION BERBASIS YOLO UNTUK MENDETEKSI KERUMUNAN DI SMKN 4 MALANG Nugroho, Anan; Indaryanto, Faizal; Suni, Alfa Faridh; Arfriandi, Arief; Wibawanto, Hari; Oktaviyanti, Dwi; Savitri, Dina Wulung
Jurnal Abdi Insani Vol 11 No 1 (2024): Jurnal Abdi Insani
Publisher : Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/abdiinsani.v11i1.1437

Abstract

In limited face-to-face learning, teachers and students must implement health protocols to prevent the spread of the Covid-19 virus. However, implementing health protocols in schools as a new habit in the midst of a pandemic is certainly not easy. There are many reports related to the number of violations of health protocols in schools during face-to-face learning. Therefore, by innovating and utilizing existing technology in the 4.0 era can help us to detect social boundaries. The purpose of this service activity is so that teachers and students can learn YOLO-based computer vision technology at SMKN 4 Malang as a means of preventing the spread of Covid-19. In addition, teachers and students can also learn to make simple applications based on YOLO. This activity begins with the socialization of YOLO-based computer vision technology as a crowd detection tool to the school. Then the design and manufacture of crowd detection tools by the service team, training in making crowd detection applications, and ending with a discussion between the trainees and the service team. The results of the service show that this activity has succeeded in developing a crowd detection tool that can help calculate the number and distance of people who do not apply health protocols at SMKN 4 Malang. This tool makes it easier for schools to monitor the activities of school residents in implementing health protocols. This service activity is very useful and in demand by teachers and students. This is evidenced by the enthusiasm of the participants in participating in the training of YOLO-based crowd detection tools.
Co-Authors Alfa Faridh Suni Arfriandi, Arief Dwi Oktaviyanti, Dwi Hari Wibawanto Nugroho, Anan Nugroho, Anan Savitri, Dina Wulung