Claim Missing Document
Check
Articles

Automatic Waste Type Detection Using YOLO for Waste Management Efficiency Alfattah Atalarais; Kana Saputra S; Hermawan Syahputra; Said Iskandar Al Idrus; Insan Taufik
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 4 No. 2 (2025): February 2025
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v4i2.770

Abstract

The management of waste in Indonesia is currently suboptimal, with only 66.24% being effectively managed, leaving 33.76% unmanaged. This highlights a significant challenge in waste management, primarily due to a lack of understanding in selecting appropriate waste types. Advances in deep learning and computer vision offer promising solutions to this issue. This study employs the YOLOv8l model, a well-regarded deep learning model for object detection, to develop an automated waste type detection system integrated with trash bins. The dataset comprises 2800 images across four classes, each containing 700 images, and is split with an 80:10:5 ratio for training, validation, and testing. Evaluation on test data yields a mean Average Precision (mAP) of 96.8%, indicating robust model performance in object detection. The model's accuracy is further validated with a score of 89.98%. Real-time testing conducted at Merdeka Park, Binjai, demonstrates the system's capability to detect waste with varying confidence levels, consistently above the 0.5 threshold. The highest confidence was observed in bottle detection at 0.94, and the lowest in cans at 0.64, underscoring the system's reliability across different detection scenarios within a 30cm range.
Implementation of MobileNet V3 In Classifying Butterfly Species with Android and Cloud Based Application Development Ihsan Zulfahmi; Said Iskandar Al Idrus; Hermawan Syahputra; Insan Taufik; Kana Saputra S
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 4 No. 2 (2025): February 2025
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v4i2.797

Abstract

This research aimed to develop an Android application capable of classifying butterfly species using cloud computing and deep learning technologies. MobileNetV3-Large, a Convolutional Neural Network (CNN) architecture, was employed to process and classify six butterfly species. The dataset was divided into two ratios, 70:30 and 80:20, for training and testing. Evaluation results indicated that the optimal model was achieved with an 80:20 ratio, yielding an accuracy of 94% and precision, recall, and F1-Score values exceeding 90% for each species class. Google Cloud Platform (GCP) was utilized to manage and run the model using the Cloud Run service, enabling the application to function efficiently even with limited resources on Android devices. The application incorporates an encyclopedia of species and a camera scanning feature, making it a valuable educational tool
MODEL IMPLEMENTASI PEMBELAJARAN ENTREPRENEURSHIP TERINTEGRASI DI SEKOLAH MENENGAH KEJURUAN MUHAMMADIYAH 9 MEDAN Abdul Ghofur; Andi Wete Polili; Insan Taufik; Tengku Ratna Soraya
Martabe : Jurnal Pengabdian Kepada Masyarakat Vol 8, No 10 (2025): MARTABE : JURNAL PENGABDIAN KEPADA MASYARAKAT
Publisher : Universitas Muhammadiyah Tapanuli Selatan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31604/jpm.v8i10.3796-3803

Abstract

Keterampilan berwirausaha merupakan salah satu keterampilan abad ke-21 yang sangat penting untuk dikuasai oleh setiap orang. Oleh karena itu, pembelajaran kewirausahaan sangat penting untuk diajarkan sejak dini kepada para siswa. Masalah yang dihadapi oleh Sekolah Menengah Kejuruan (SMK) Muhammadiyah 9 Medan ialah bagaimana mengajarkan kewirausahaan secara efektif dan efesien tanpa mengganggu kurikulum sekolah yang telah disusun. Artikel ini bertujuan untuk menjelaskan model implementasi pembelajaran Entrepreneurship terintegrasi di SMK Muhammadiyah 9 Medan melalui pendampingan terstruktur tentang penggunaan model pembelajaran ENTRI. Kegiatan dimulai dengan pengembangan Websites SMK Muhammadiyah 9 Medan yang di dalamnya terdapat LMS ENTRI. Pada LMS ENTRI itulah, aktivitas pembelajaran kewirausahaan secara integratif dilaksanakan. Selama proses pengembangan Websites dan LMS ENTRI, para guru dilatih untuk mengembangkan materi ajar, menyusun soal latihan studi kasus, menyusun soal untuk penugasan proyek kolaboratif, dan menyusun instrumen penilaian hasil belajar berbasis HOTS. Setelah Websites dan LMS ENTRI selesai dikembangkan, para guru dilatih untuk mengajar menggunakan model pembelajaran ENTRI dan menggunakan LMS ENTRI. Langkah berikutnya, para guru menggunakan model pembelajaran dan LMS ENTRI dalam pembelajaran di sekolah. Berdasarkan pada hasil pretest dan post-test, diperoleh peningkatan yang signifikan terhadap pengetahuan siswa di bidang kewirausahaan. Di sisi lain, aktivitas pembelajaran mata pelajaran tidak terganggu akibat pelaksanaan model dan LMS ENTRI ini.
PENERAPAN DATA MINING DALAM SELEKSI ATLET SQUASH SUMATERA UTARA DENGAN ALGORITMA C4.5 Fachrezzy Muhammad; Insan Taufik
PROSISKO: Jurnal Pengembangan Riset dan Observasi Sistem Komputer Vol. 12 No. 1 (2025): Prosisko Vol. 12 No. 1 2025
Publisher : Pogram Studi Sistem Komputer Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/prosisko.v12i1.9576

Abstract

Olahraga memiliki berbagai tujuan, termasuk rekreasi, prestasi kompetitif, pendidikan, dan latihan jasmani. Squash, sebagai olahraga permainan dengan raket dan bola, diperkenalkan di Indonesia sejak tahun 1960-an. Meskipun belum populer secara luas, squash telah berkembang dengan adanya klub di beberapa provinsi besar. Di Sumatera Utara, squash menjadi salah satu cabang olahraga yang dipertandingkan dalam PON XXI.Dalam proses seleksi atlet squash, penerapan data mining dengan algoritma C4.5 sangat relevan. Algoritma ini digunakan untuk memprediksi pemenang dan membantu dalam menentukan atlet terbaik berdasarkan dataset historis dan atribut yang relevan. Hasil penerapan algoritma menunjukkan keberhasilan dalam memilih atlet yang dapat meningkatkan peluang meraih prestasi.Selain itu, penggunaan algoritma C4.5 memungkinkan pengembangan sistem penseleksian berbasis web yang efisien. Sistem ini memudahkan pengurus provinsi squash Sumatera Utara dalam mengelola seleksi PON secara terstruktur dan transparan. Dengan sistem ini, proses seleksi atlet menjadi lebih cepat dan akurat, sehingga tim pelatih dapat lebih fokus pada pembinaan atlet yang terpilih.Sistem berbasis web juga meningkatkan pengelolaan data dan memungkinkan evaluasi performa atlet secara efektif seiring waktu. Dengan demikian, penerapan teknologi informasi dalam proses seleksi atlet squash tidak hanya meningkatkan efisiensi administratif, tetapi juga mendukung pengembangan potensi atlet dan peningkatan prestasi dalam kompetisi olahraga nasional.
Penerapan Algoritma Caesar Cipher dan Metode Least Significant Bit Untuk Mengamankan Teks Dalam Vidio M Iqbal Anata Pane; Insan Taufik; Hermawan Syahputra; Said Iskandar Al Idrus; Debi Yandra Niska
PROSISKO: Jurnal Pengembangan Riset dan Observasi Sistem Komputer Vol. 12 No. 1 (2025): Prosisko Vol. 12 No. 1 2025
Publisher : Pogram Studi Sistem Komputer Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/prosisko.v12i1.9606

Abstract

Abstrak - Data digital adalah representasi informasi dalam bentuk angka atau simbol yang bisa diproses oleh komputer. Jenis-jenis data digital termasuk teks, gambar, audio, video, spreadsheet, presentasi, dan basis data. Ada data yang umum dan dapat diakses oleh banyak orang, serta data rahasia yang memerlukan perlindungan khusus saat ditransmisikan melalui internet. Penelitian ini bertujuan untuk mengamankan informasi dalam video menggunakan algoritma Caesar Cipher dan metode Least Significant Bit (LSB). Melalui analisis dan implementasi, penelitian ini menunjukkan bahwa kombinasi kedua teknik tersebut dapat efektif melindungi teks dalam video tanpa mengubah kualitas visualnya. Hasil penelitian ini memberikan sumbangan bagi pengembangan keamanan informasi digital serta memberikan dasar bagi penelitian lebih lanjut. Selain itu, tantangan utama dalam penelitian ini adalah memperhatikan kecepatan pengolahan video agar dapat diunggah dan diunduh dengan mudah oleh pengguna. Oleh karena itu, penelitian ini tidak hanya menawarkan solusi untuk masalah keamanan informasi, tetapi juga mempertimbangkan aspek praktis dalam penerapannya. Ke depannya, penelitian dapat mengeksplorasi integrasi metode keamanan yang lebih canggih dan efisien untuk meningkatkan perlindungan data digital. Secara keseluruhan, penelitian ini menyajikan solusi yang relevan dan berpotensi untuk diterapkan secara luas dalam konteks keamanan informasi digital yang terus berkembang.
YOLOv8-Based Real-Time Indonesian Sign Language (BISINDO) Detection System for Android Applications Immanuel Batistuta Tarigan; Zulfahmi Indra; Mansur AS; Kana Saputra; Insan Taufik
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 6 No. 1 (2026): October 2026
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v6i1.2686

Abstract

The manuscript should contain an abstract. The abstract should be self-contained and citation-free and should not exceed 200 words. The abstract should state the purpose, approach, results and conclusions of the work. The author should assume that the reader has some knowledge of the subject but has not read the paper. Thus, the abstract should be intelligible and complete in it-self (no numerical references); it should not cite figures, tables, or sections of the paper. The abstract should be written using third person instead of first person. Communication barriers between Deaf individuals and people unfamiliar with Indonesian Sign Language (BISINDO) reduce the effectiveness of daily interactions. This study develops a real-time BISINDO recognition system for Android by integrating YOLOv8, MediaPipe Hands, and a one-dimensional convolutional neural network (Conv1D). YOLOv8 is used to detect the user as the region of interest, while MediaPipe Hands extracts 21 hand landmarks that are processed by the Conv1D model to classify 15 BISINDO gesture classes. A balanced dataset consisting of 900 gesture samples was used for training and evaluation. The proposed architecture contains 59,680 trainable parameters, making it lightweight and suitable for mobile deployment. Experimental results show stable convergence during training, increasing training and validation accuracy, and decreasing loss values. The classification process correctly recognizes most gesture classes, with only limited confusion among visually similar gestures. The developed Android application performs real-time gesture recognition using a smartphone camera and converts recognized gestures into text. The proposed approach demonstrates that the integration of YOLOv8, MediaPipe Hands, and Conv1D provides an efficient and practical solution for real-time BISINDO recognition and has the potential to improve communication accessibility through mobile assistive technology.
Klasifikasi Skintone Menggunakan Convolutional Neural Network (CNN) untuk Mencari Persentase Kecocokan dengan Warna Pakaian Rafif Nauval Tuah Siregar; Said Iskandar Al Idrus; Arnita Arnita; Insan Taufik; Zulfahmi Indra
JURNAL ILMIAH SAINS TEKNOLOGI DAN INFORMASI Vol. 4 No. 4 (2026): Oktober : JURNAL ILMIAH SAINS TEKNOLOGI DAN INFORMASI (JITI)
Publisher : CV. ALIM'SPUBLISHING

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59024/jiti.v4i4.2703

Abstract

.. Choosing clothing colors that complement an individual's skin tone often relies on subjective judgment. This study develops a Convolutional Neural Network (CNN)-based system to classify skin tone and calculate clothing color compatibility percentages. A modified MobileNetV2 model was trained on 2,935 facial images categorized into Light, Medium, and Dark classes. Preprocessing included augmentation, normalization, resizing, and face detection using MediaPipe. Model performance was evaluated on an independent test set obtained from Kaggle and separated from training data before model development. The model achieved 94% test accuracy. Following classification, skin color was analyzed in CIELAB and HSV color spaces. Clothing color compatibility was calculated using a weighted scoring method involving five parameters: Hue, Undertone, Value, Saturation, and LAB Distance scores. Compatibility percentages were determined using predefined color-matching criteria. The system was implemented as a web-based application displaying predicted skin tone and compatibility percentages for predefined clothing colors. These findings demonstrate the potential of combining deep learning and color analysis to support more objective and personalized clothing color recommendations.
Co-Authors Abdul Ghofur Abdul Ghofur Abdurrahman Adisaputera Adidtya Perdana, Adidtya Ahmad Landong Alfattah Atalarais Amran Sitohang Andriyani S, Rahayu Annisa Aulia Antonius Purba Arjon Samuel Sitio Arnita Arnita Arnita Arnita Ary Prandika Siregar AS Mansur Chairunisah Chairunisah, Chairunisah Dede Yusuf Dewi Wulandari Dinda Farahdilla Dharma Dinda Kartika Fachrezzy Muhammad Farhan Ramadhan, Haikal Fauzan Hafiz Harahap Fevi Rahmawati Suwanto Fitra, Awaludin Fristy Riandari Hamidah Nasution Hasugian , Paska Marto Hermawan Syahputra Ihsan Zulfahmi Immanuel Batistuta Tarigan Irham Ramadhani Isda Pramuniati Izwita Dewi Kana Saputra S Kuraini, Atifa Nuzulul Lili Tansliova Lubis, Afiq Alghazali M Iqbal Anata Pane M. Revano Ananda Lubis MANSUR AS Mhd Hidayat Mhd Hidayat Mochammad Gani Alfa Alkhoiri Siregar Mohammed Hafizh Al-Areef Muhammad Noer Fadlan Muthmainnah, Inna Najwa Latifah Hasibuan Nasution, Hamidah . Niska, Debi Yandra Nurliani Manurung Pane, Yeremia Yosefan Parapak, R Putri Angela Pinem, Josua Purba, Boy Hendrawan Putri Sasalia S Putri, Rezkya Nadilla Rafif Nauval Tuah Siregar Raisya Putri Raiyan Fairozi Rangkuti, Muhammad Aswin Rezkya Nadilla Putri Said . Iskandar Samosir, Wahyu Ardiantito Saragih, Vinny Ramayani Silvia Dona Sari Simamora, Elmanani Sinaga, Marlina Setia Siregar, Angginy Akhirunnisa Sri Mulyana SUSIANA Syifa Cendikia, Yolanda Tarigan, Yosua Yosephine Tengku Ratna Soraya TONNI LIMBONG Trisnawati Hutagalung Tuti Hardianti Wahabi Hasibuan, Rahman Warjaya, Angga Wete Polili, Andi Wete Polili, Andi Yanthy Leonita Perdana Simanjuntak Yulita Molliq Rangkuti Yulita Molliq Rangkuti Yuni Warty Yusfi Syawali Zulfahmi Indra, Zulfahmi