Garuda - Garba Rujukan Digital

Deteksi Atap Bangunan Berbasis Citra Udara Menggunakan Google Colab dan Algoritma Deep Learning YOLOv7 Gelar Guntara, Rangga
Jurnal Manajemen Sistem Informasi (JMASIF) Vol. 2 No. 1 (2023): April 2023
Publisher : Divisi Riset, Lembaga Mitra Solusi Teknologi Informasi (L-MSTI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59431/jmasif.v2i1.156

This article presents a deep learning-based approach for roof building detection in aerial imagery using the Yolov7 algorithm and Google Colab. We trained the Yolov7 model on a dataset of annotated aerial images and tested its performance on a testing set of 200 images. Our experimental results show that the Yolov7 model achieved an F1 score of 80% for roof building detection on the testing set, indicating that our approach can accurately detect roof buildings in aerial imagery. This approach can be useful in various applications, such as urban planning, disaster management, and infrastructure development. The availability of aerial imagery and the ability to use deep learning algorithms make it possible to automate the process of roof building detection, which can save time and resources. This research can be extended by investigating the use of other deep learning algorithms or combining multiple algorithms to improve the accuracy of roof building detection in aerial imagery.

Pemodelan Data Menggunakan Algoritma Decision Tree untuk Visualisasi Data Hubungan Nilai Siswa dengan Makan Siang, Partisipasi Kursus Persiapan Tes, dan Tingkat Pendidikan Gelar Guntara, Rangga; Rizki Nugraha, Muhammad
Informatics and Digital Expert (INDEX) Vol. 5 No. 2 (2023): INDEX, November 2023
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v5i2.1590

Pendidikan memegang peranan vital dalam perkembangan baik individu maupun komunitas. Prestasi belajar siswa dianggap sebagai tolak ukur kunci untuk menilai keberhasilan dari suatu sistem pendidikan. Terdapat beragam faktor yang berpengaruh terhadap prestasi belajar siswa, termasuk kondisi sosioekonomi mereka serta keikutsertaan dalam berbagai program pendukung, misalnya kelas persiapan ujian. Studi ini dirancang untuk mengeksplorasi dampak dari faktor-faktor tersebut terhadap prestasi akademik siswa. Metodologi yang digunakan melibatkan penggalian data dari sumber-sumber beragam, analisis statistik, dan evaluasi data. Sedangkan untuk pemodelan menggunakan algoritma decision tree. Informasi yang diperoleh kemudian diolah menjadi presentasi visual seperti grafik, tabel, dan diagram untuk memudahkan dalam pemahaman dan penyampaian temuan.Skor rata-rata untuk siswa yang mendapatkan makan siang standar adalah 212.51, sementara untuk mereka yang mendapatkan makan siang gratis atau dengan subsidi adalah 186.60. Skor rata-rata untuk siswa yang mengikuti kelas persiapan ujian berada di angka 218.01, dibandingkan dengan mereka yang tidak mengikutinya, yang skornya adalah 195.12. Terdapat juga korelasi antara tingkat pendidikan orang tua dengan skor siswa, dimana anak-anak dari orang tua dengan pendidikan lebih tinggi cenderung mendapatkan skor yang lebih baik dibandingkan dengan mereka yang orang tuanya memiliki latar belakang pendidikan yang lebih rendah, meskipun perbedaannya tidak terlalu signifikan.

EVALUASI DAN PERANCANGAN ULANG USER INTERFACE DAN USER EXPERIENCE PADA APLIKASI JHC MOBILE MENGGUNAKAN METODE DESIGN THINKING Iswanto, Try Nurhayati; Gelar Guntara, Rangga; Mariska Purwaamijaya, Btari
Digital Business and Entrepreneurship Journal Vol. 3 No. 1 (2025): Digital Business and Entrepreneurship Journal
Publisher : FAKULTAS EKONOMI DAN BISNIS UNIVERSITAS KUNINGAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25134/digibe.v3i1.35

Dewasa ini, penggunaan smartphone sangat ramai dikalangan masyarakat. Hal ini membuat para pelaku sektor industri mulai menggunakan teknologi informasi untuk mempertahankan keeksisannya dikalangan masyarakat. Salah satu sektor industri di bidang kesehatan yang mulai menerapkan teknologi informasi pada operasionalnya adalah RS Jantung Tasikmalaya dengan meluncurkan aplikasi JHC mobile. Namun, terdapat beberapa masalah yang ada pada aplikasi JHC mobile yang membuat aplikasi tersebut belum dapat digunakan secara langsung di lapangan. Hal ini membuat peneliti merasa tertarik untuk melakukan perancangan ulang menggunakan metode design thinking untuk mengidentifikasi masalah dan mencari solusi dari permasalahan-permasalahan tersebut. Untuk mengidentifikasi masalah, peneliti melakukan usability testing dan menggunakan alat ukur system usability scale (SUS) untuk mengetahui nilai usability pada aplikasi JHC mobile. Dan didapatkan hasil bahwa tingkat usability pada JHC mobile sebelum perancangan ulang mendapatkan predikat “not acceptable” dan nilai efektivitas yang dibawah rata-rata. Namun, setelah dilakukan perancangan ulang terlihat adanya peningkatan pada nilai usability dan kepuasan pengguna yang mendapatkan predikat “acceptable”dan efektivitas aplikasi yang diatas rata-rata. Hal ini menunjukan bahwa melakukan perancangan ulang menggunakan metode design thinking pada penelitian ini dapat meningkatkan nilai usability dari aplikasi dan mendapatkan hasil yang positif.

Pemodelan Data Menggunakan Algoritma Decision Tree untuk Visualisasi Data Hubungan Nilai Siswa dengan Makan Siang, Partisipasi Kursus Persiapan Tes, dan Tingkat Pendidikan Gelar Guntara, Rangga; Rizki Nugraha, Muhammad
Informatics and Digital Expert (INDEX) Vol. 5 No. 2 (2023): INDEX, November 2023
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v5i2.1590

Pendidikan memegang peranan vital dalam perkembangan baik individu maupun komunitas. Prestasi belajar siswa dianggap sebagai tolak ukur kunci untuk menilai keberhasilan dari suatu sistem pendidikan. Terdapat beragam faktor yang berpengaruh terhadap prestasi belajar siswa, termasuk kondisi sosioekonomi mereka serta keikutsertaan dalam berbagai program pendukung, misalnya kelas persiapan ujian. Studi ini dirancang untuk mengeksplorasi dampak dari faktor-faktor tersebut terhadap prestasi akademik siswa. Metodologi yang digunakan melibatkan penggalian data dari sumber-sumber beragam, analisis statistik, dan evaluasi data. Sedangkan untuk pemodelan menggunakan algoritma decision tree. Informasi yang diperoleh kemudian diolah menjadi presentasi visual seperti grafik, tabel, dan diagram untuk memudahkan dalam pemahaman dan penyampaian temuan.Skor rata-rata untuk siswa yang mendapatkan makan siang standar adalah 212.51, sementara untuk mereka yang mendapatkan makan siang gratis atau dengan subsidi adalah 186.60. Skor rata-rata untuk siswa yang mengikuti kelas persiapan ujian berada di angka 218.01, dibandingkan dengan mereka yang tidak mengikutinya, yang skornya adalah 195.12. Terdapat juga korelasi antara tingkat pendidikan orang tua dengan skor siswa, dimana anak-anak dari orang tua dengan pendidikan lebih tinggi cenderung mendapatkan skor yang lebih baik dibandingkan dengan mereka yang orang tuanya memiliki latar belakang pendidikan yang lebih rendah, meskipun perbedaannya tidak terlalu signifikan.

Data-Driven Culinary Business: Analisis Google Maps Scraping untuk Menghadapi Fenomena FOMO di Tasikmalaya Rizki Nugraha, Muhammad; Gelar Guntara, Rangga; Mariska Purwaamijaya, Btari; Nazwa Aprilia, Nyra; Khairunisa, Alamanda
Informatics and Digital Expert (INDEX) Vol. 7 No. 2 (2025): INDEX, November 2025
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v7i2.2350

Fenomena Fear of Missing Out (FOMO) menciptakan siklus popularitas yang tidak stabil bagi UMKM kuliner di Tasikmalaya, sehingga menyulitkan keberlanjutan bisnis. Penelitian ini bertujuan untuk menyajikan model strategi berbasis data dengan memanfaatkan teknik web scraping dan klastering K-Means pada data Google Maps. Metodologi penelitian dimulai dengan proses scraping yang menghasilkan 72 data UMKM kuliner valid, yang kemudian dianalisis secara kuantitatif. Algoritma K-Means berhasil mengelompokkan UMKM ke dalam tiga klaster berbeda berdasarkan karakteristik digital (rating dan jumlah ulasan): Klaster Kualitas Tinggi (45 UMKM), Klaster Populer Berisiko (25 UMKM), dan Klaster Bintang Viral (2 UMKM). Temuan ini menjadi dasar perumusan Matriks Strategi 4 Kuadran yang memetakan posisi kompetitif setiap UMKM. Penelitian ini menyimpulkan bahwa integrasi teknik scraping dan klastering K-Means merupakan metode yang efektif untuk mengubah data ulasan publik menjadi wawasan strategis yang dapat ditindaklanjuti, membantu UMKM mengurangi ketergantungan pada tren sesaat dan membangun keberlanjutan jangka panjang.

Komparasi Model IndoBERT dan IndoGPT untuk Analisis Sentimen pada Produk E-commerce Moch. Habibi, Fajar; Gelar Guntara, Rangga; Nuryadin, Asep
Jurnal Algoritma Vol 22 No 2 (2025): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.22-2.3070

The growth of the e-commerce industry in Indonesia has generated a huge volume of user comments, which contain important opinions for business people and NLP researchers. Automatic processing of comments through deep learning models poses a challenge, especially in the context of sentiment classification. This study aims to compare the performance of two transformer-based models, namely IndoBERT and IndoGPT, in sentiment analysis tasks on Indonesian-language e-commerce beauty product comments. The method used is quantitative comparative with testing two hyperparameter scenarios (variations in batch size, learning rate, and epoch), and using evaluation metrics in the form of precision, recall, f1-score, and accuracy. The main contribution of this research is to present a head-to-head evaluation of IndoBERT and IndoGPT on an informal Indonesian-language e-commerce dataset, a context that has not been directly tested in previous literature. The results of the experiment show that IndoBERT consistently provides superior results compared to IndoGPT on all sentiment labels. The highest accuracy was achieved by IndoBERT at 83 percent, surpassing IndoGPT, which only reached 80 percent. These findings indicate that IndoBERT is more effective in handling class imbalance and language complexity in product reviews, making it more suitable for application in automated opinion analysis systems on e-commerce platforms.

Title

Found 6 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 6 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 6 Documents
Search