p-Index From 2021 - 2026
6.645
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Bulletin of Electrical Engineering and Informatics Bulletin of Electrical Engineering and Informatics JUITA : Jurnal Informatika Register: Jurnal Ilmiah Teknologi Sistem Informasi Bulletin of Electrical Engineering and Informatics Sistemasi: Jurnal Sistem Informasi Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Jurnal Informatika Jurnal Teknik Komputer AMIK BSI Jurnal Khatulistiwa Informatika Paradigma Ekspektra: Jurnal Bisnis & Manajemen JITK (Jurnal Ilmu Pengetahuan dan Komputer) MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer SEINASI-KESI International Journal for Educational and Vocational Studies Jurnal Mantik Jurnal Teknik Informatika C.I.T. Medicom Journal of Intelligent Decision Support System (IDSS) Jurnal Bumigora Information Technology (BITe) Akrab Juara : Jurnal Ilmu-ilmu Sosial Jurnal Sistem Informasi IAIC Transactions on Sustainable Digital Innovation (ITSDI) Lumbung Inovasi: Jurnal Pengabdian Kepada Masyarakat Journal Software, Hardware and Information Technology International Journal of Basic and Applied Science Reputasi: Jurnal Rekayasa Perangkat Lunak Jurnal Sains Informatika Terapan (JSIT) INTERNATIONAL JOURNAL OF MECHANICAL COMPUTATIONAL AND MANUFACTURING RESEARCH Paradigma Indonesian Journal Computer Science (ijcs) Jurnal MENTARI: Manajemen, Pendidikan dan Teknologi Informasi International Journal of Enterprise Modelling Jurnal Teknoinfo
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Teknoinfo

SISTEM PERINGATAN DINI KANTUK PENGEMUDI MENGGUNAKAN MODEL YOLOV11N BERBASIS CITRA WAJAH Adi Supriyatna; Deny Kurniawan; Mochamad Wahyudi; Lise Pujiastuti; Sumanto Sumanto; Dedi Triyanto
Jurnal Teknoinfo Vol. 19 No. 2 (2025): July 2025 Period
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/teknoinfo.v19i2.732

Abstract

Kecelakaan lalu lintas akibat kantuk saat mengemudi merupakan salah satu penyebab utama kematian di jalan raya dan menjadi isu keselamatan yang krusial. Studi menunjukkan bahwa 20–30% kecelakaan disebabkan oleh pengemudi yang mengantuk, sehingga diperlukan sistem peringatan dini yang mampu mendeteksi kondisi ini secara akurat dan real-time. Penelitian ini bertujuan untuk mengembangkan model deteksi kantuk berbasis visi komputer menggunakan algoritma YOLOv11n, yang dikenal sebagai varian ringan dan cepat dari keluarga YOLO. Model dilatih menggunakan dataset citra wajah yang telah diproses dan diaugmentasi melalui platform Roboflow, dengan tujuan untuk mendeteksi tanda-tanda kantuk secara visual. Hasil evaluasi model menunjukkan performa yang sangat baik, dengan nilai mAP50 sebesar 0,9710 dan mAP50-95 sebesar 0,6796. Selain itu, precision mencapai 0,9382 dan recall sebesar 0,9280, yang mengindikasikan kemampuan deteksi yang tinggi serta tingkat kesalahan yang rendah. Temuan ini membuktikan bahwa YOLOv11n dapat diimplementasikan secara efektif dalam sistem peringatan dini untuk meningkatkan keselamatan pengemudi, bahkan pada perangkat dengan sumber daya terbatas. Penelitian ini tidak hanya menjawab tantangan efisiensi dan akurasi deteksi kantuk, tetapi juga memberikan kontribusi nyata bagi pengembangan sistem keselamatan kendaraan berbasis kecerdasan buatan. Ke depan, pengembangan sistem deteksi multimodal yang menggabungkan citra wajah dengan data fisiologis seperti EOG dan detak kepala disarankan untuk meningkatkan keandalan sistem dalam kondisi nyata.
KOMPARASI ALGORITMA K-NEAREST NEIGHBOR, SUPPORT VECTOR MACHINE, DAN NEURAL NETWORK UNTUK KLASIFIKASI PENYAKIT DAUN JERUK Deny Kurniawan; Dedi Triyanto; Mochamad Wahyudi; Lise Pujiastuti; Sumanto Sumanto; indra Chaidir
Jurnal Teknoinfo Vol. 19 No. 2 (2025): July 2025 Period
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/teknoinfo.v19i2.751

Abstract

Jeruk merupakan salah satu buah tropis yang banyak dikonsumsi masyarakat karena kandungan nutrisinya yang tinggi, khususnya vitamin C. Namun, produksi jeruk kerap mengalami penurunan akibat serangan penyakit, terutama pada bagian daun. Identifikasi penyakit secara manual dinilai kurang efisien dan rawan kesalahan, sehingga diperlukan sistem otomatis berbasis machine learning untuk membantu proses deteksi secara cepat dan akurat. Penelitian ini bertujuan untuk membandingkan tiga algoritma klasifikasi K-Nearest Neighbor (KNN), Support Vector Machine (SVM), dan Neural Network (NN) dalam mengidentifikasi penyakit daun jeruk berdasarkan fitur tekstur. Dataset yang digunakan terdiri dari lima kategori: Black Spot, Canker, Greening, Melanose, dan Healthy, dengan total 609 citra daun yang dibagi secara proporsional untuk pelatihan dan pengujian. Hasil evaluasi menunjukkan bahwa model Neural Network memberikan performa terbaik dengan akurasi 87,5%, diikuti oleh SVM sebesar 82,4%, dan KNN sebesar 77,5%. Penelitian ini menunjukkan bahwa pendekatan machine learning, khususnya Neural Network, efektif dalam klasifikasi penyakit daun jeruk dan berpotensi untuk diimplementasikan lebih lanjut dalam bentuk aplikasi praktis bagi petani.
Co-Authors Abdurrachman, Qais Ade Budiman, Ade Adi Supriyatna Akbar, Habibullah Ali Haidir Alpha Ariani, Alpha Andri Amico Atrinawati, Lovinta Happy Azis, Munawar Abdul Azkia, Farah Diba Barreto Jose da Conceição Budiman, Ade Surya Dedi Triyanto Dedi Triyanto Dedi Triyanto Deni Kurniawan, Deni Dennis Gunawan, Dennis DENY KURNIAWAN Deny Kurniawan Dewi, Revinta Arrova Dimas Trianda Doni Purnama Alam Syah, Doni Purnama Dwi Arum Ningtyas Efendi, Syahril Faiz Djarot, Raihan Jamal Fajar Akbar Firmansyah Firmansyah Firmansyah Firmansyah Firmansyah Firmansyah Firmansyah Firmansyah Firmansyah Freshtiya Beby Larasati Fristi Riandari Fuad Nur Hasan Ganda Wijaya Ganda Wijaya, Ganda Givan, Bryan Hartama, Dedy Hengki Tamando Sihotang Herman Mawengkang Husain Husain Husain Husain Ihsan Daulay Ikhwan, Subaiki Imam Sutoyo Indra Chaidir, Indra Khoirun Nisa KHOIRUN NISA Kotjek, Rafie Laksono, Andriansyah Tri Lestari Yusuf Lise Pujiastuti Lise Pujiastuti Lise Pujiastuti Lise Pujiastuti Lise Pujiastuti Lise Pujiastuti Lise Pujiastuti Lise Pujiastuti Merio Hengki Muhammad Safii Muhammad Zarlis Mukhtar, Mukhneri Noviyanto Nurajijah Nurajijah Nurhasanah Halim Oktaviany, Venny Pricillia Pujiastuti , Lise Pujiastuti, Lise Rachmat Adi Purnama Rahmansyah Siregar, Muhammad Rani, Maulidina Cahaya Retno Dwigustini Reynaldi , Reynaldi Rifani Haikal Riska Aryanti Riski Wulandari Rugaiyah Safii Safii Sfenrianto Sfenrianto Siregar, Muhammad Rahmansyah Solikhun Solikhun Solikhun Solikhun Solikhun Solikhun Solikhun Solikhun Solikhun Solikhun Solikhun Solikhun Solikhun Solikhun Solikhun Solikhun Solikhun, Solikhun Sumanto Sumanto Sumanto, Sumanto Sunu Sugi Arso Susilawati Susilawati Sutarman Sutarman Syarifah Putri Agustini Tantrisna, Ellen Vinsensia, Desi Wijaya, Filzah Yahya Mara Ardi Yosua Chandra Simamora Yudha, Satria Wira Yuni Eka Achyani, Yuni Eka Zidan, Muhammad