Article Per Year (5 Year)
p-Index From 2020 - 2025
8.541
P-Index
This Author published in this journals
All Journal Jurnal Buana Informatika Pixel : Jurnal Ilmiah Komputer Grafis Elkom: Jurnal Elektronika dan Komputer PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Jurnal Informatika dan Teknik Elektro Terapan Jurnal Khatulistiwa Informatika JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING Sebatik Martabe : Jurnal Pengabdian Kepada Masyarakat Explore IT : Jurnal Keilmuan dan Aplikasi Teknik Informatika Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Progresif: Jurnal Ilmiah Komputer Kumawula: Jurnal Pengabdian Kepada Masyarakat Jurnal Teknologi Informasi : Jurnal Keilmuan dan Aplikasi Bidang Teknik Informatika Jurnal Mnemonic JATI (Jurnal Mahasiswa Teknik Informatika) Santika : Jurnal Ilmiah Sains dan Teknologi JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) MEANS (Media Informasi Analisa dan Sistem) Jurnal Teknologi Informatika dan Komputer Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Jurnal Informatika Terpadu Indexia Jurnal Saintekom : Sains, Teknologi, Komputer dan Manajemen Jurnal Altifani Penelitian dan Pengabdian kepada Masyarakat Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer (JURITEK) Journal of Practical Computer Science (JPCS) Prioritas : Jurnal Pengabdian Kepada Masyarakat Synergy : Jurnal Ilmiah Multidisiplin E-Amal: Jurnal Pengabdian Kepada Masyarakat JuTISI (Jurnal Teknik Informatika dan Sistem Informasi) Jurnal Sistem Informasi (JASISFO)
Asriyanik .
Universitas Muhammadiyah Sukabumi, Sukabumi
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Nursing Public Health Social Sciences Other

Published : 72 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 72 Documents
Search

 2   3   4   5   6 
KLASIFIKASI STATUS GIZI BALITA BERDASARKAN TINGGI BADAN DAN BERAT BADAN MENGGUNAKAN METODE NAÏVE BAYES DI PUSKESMAS LIMUSNUNGGAL Subhan, Roby Azhari; Asriyanik, Asriyanik; Zahra, Fathia Frazna Az
Synergy : Jurnal Ilmiah Multidisiplin Vol 1 No 04 (2024): Synergy : Jurnal Ilmiah Multidisiplin
Publisher : PT. Naureen Digital Education

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Status gizi merupakan suatu keadaan tubuh akibat dari konsumsi makanan dan pemakaian zat gizi, dimana zat gizi merupakan hal penting yang sangat dibutuhkan di dalam tubuh untuk sumber energi. Selain pada orang dewasa, pemantauan status gizi juga perlu dilakukan pada balita untuk memantau tumbuh kembang balita tersebut. Kejadian gizi buruk merupakan salah satu permasalahan besar pada masa pertumbuhan balita. Angka kejadian gizi buruk di dunia menyumbangkan angka sebesar 12.6% pada tahun 2020. Upaya preventif atau pencegahan gizi buruk pada balita dapat dilakukan dengan berbagai macam metode salah satunya dengan pembuatan klasifikasi status gizi balita menggunakan metode Naïve Bayes. Algoritma Naive Bayes merupakan metode klasifikasi statistik untuk menentukan prediksi suatu probabilitas atau kemungkinan dari anggota atau kelas. Naive Bayes memiliki akurasi dan kecepatan yang sangat tinggi ketika diterapkan dalam aplikasi basis data yang mempunyai data dengan jumlah yang besar. Selain itu, algoritma Naive Bayes dapat meminimalkan tingkat terjadinya error jika dibandingkan dengan algoritma untuk klasifikasi yang lain. Hasil akhir dari penelitian ini adalah pembuatan suatu aplikasi yang dapat menentukan klasifikasi status gizi balita berdasarkan beberapa data yang terdiri dari usia, berat badan, dan tinggi badan balita. Dengan adanya aplikasi ini, diharapkan dapat menurunkan angka status gizi balita yang masih tinggi.
ALGORITMA NAÏVE BAYES UNTUK KLASIFIKASI KELAYAKAN PENERIMA BANTUAN IURAN JAMINAN KESEHATAN PEMERINTAH DAERAH KABUPATEN SUKABUMI Budhy Adzy, Luthfy; Asriyanik, Asriyanik; Pambudi, Agung
Jurnal Mnemonic Vol 6 No 1 (2023): Mnemonic Vol. 6 No. 1
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v6i1.5714

Abstract

Penerima Bantuan Iuran (PBI) Jaminan Kesehatan (JK) merupakan tanggungan berbentuk perawatan kesehatan supaya penerima mendapat utilitas perlindungan kesehatan yang dihibahkan untuk masing-masing masyarakat yang sudah melunasi iuran ataupun iuran itu dibayarkan oleh pemerintah negara. Permasalahan yang biasa terjadi di dalam lapangan yakni dalam pemilihan Keluarga Penerima Manfaat (KPM) yang digunakan masih belum bisa membantu keputusan Supervisor secara objektif dan tepat sasaran. Penelitian ini dilaksanakan untuk membantu Supervisor dalam menentukan cara pemilihan kelayakan calon penerima PBI-JK yang tepat secara objektif dan sesuai target berasaskan standar yang sudah ditetapkan. Pengklasifikasian yang diterapkan mengaplikasikan algoritma naïve bayes dengan metode Knowledge Discovery in Databases (KDD). Algoritma naïve bayes merupakan satu diantara algoritma penggalian data dan pengklasifikasi statistik sebuah klasifikasi berpeluang mudah yang menerapkan teorema bayes melalui asumsi antar variabel ketidak ketergantungan yang luhur. Kelebihan dari algoritma naïve bayes adalah bersifat scalable dengan jumlah predictor dan titik data, bisa membuat prediksi nilai probabilitas (peluang) dan menangani kontinu beserta diskrit data. Pencapaian hasil atas penelitian ini yakni mewujudkan bentuk pengklasifikasian kelayakan penerima bantuan iuran jaminan kesehatan secara otomatis dalam klasifikasi data tersebut layak untuk dibantu atau tidak layak untuk diperbantukan dalam program pemerintah khusus kegiatan Penerima Bantuan Iuran Jaminan Kesehatan Pemerintah Daerah Kabupaten Sukabumi.
IMPLEMENTASI ALGORITMA ADVANCED ENCRYPTION STANDARD (AES) UNTUK MENGENKRIPSI DATASTORE PADA APLIKASI BERBASIS ANDROID Mulud Muchamad, Reski; Asriyanik, Asriyanik; Pambudi, Agung
Jurnal Mnemonic Vol 6 No 1 (2023): Mnemonic Vol. 6 No. 1
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v6i1.5889

Abstract

Ponsel pintar merupakan perangkat yang sangat berguna untuk membantu aktivitas manusia. Ini terlihat dari tingkat penggunaan smartphone yang tinggi di seluruh dunia. Android adalah sistem operasi yang paling populer untuk perangkat ponsel pintar, sehingga banyak pengembang yang membuat aplikasi yang berjalan di perangkat Android. DataStore adalah media penyimpanan yang digunakan dalam aplikasi Android untuk menyimpan data pengguna. Namun, keamanan data pengguna masih merupakan perhatian utama bagi pengembang aplikasi, karena jika tidak dijaga dengan baik, data tersebut dapat disalahgunakan oleh pihak yang tidak berhak. Oleh karena itu, dalam penelitian ini akan diterapkan metode enkripsi menggunakan algoritma Advanced Encryption Standard (AES) pada DataStore untuk mengamankan data pengguna di aplikasi Android dengan mode Cipher Block Chaining. Algoritma AES memiliki keunggulan kecepatan dibandingkan dengan algoritma kriptografi lainnya. Hasil dari penelitian ini menunjukkan bahwa sistem yang dikembangkan memiliki tingkat risiko ancaman keamanan yang rendah, dan data yang disimpan dalam DataStore aman dari ancaman karena telah dienkripsi menggunakan algoritma AES yang dikembangkan. Selain itu, algoritma ini juga memiliki nilai Avalanche Effect yang baik, yaitu sebesar 64,68%, serta proses enkripsi dan dekripsinya lebih cepat dibandingkan penelitian sebelumnya.
Penerapan Metode Haversine Pada Sistem Presensi Online Sebagai Radius Pembatas Lokasi Alifatih, Auriel Haiqal; Setiawan, Iwan Rizal; Asriyanik, Asriyanik
SANTIKA is a scientific journal of science and technology Vol. 14 No. 1 (2024): SANTIKA
Publisher : The Faculty of Science and Technology

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak — Sebagaimana yang diketahui bahwa cepatnya teknologi berkembang sudah tidak terbendung lagi. Pemanfaatan teknologi tersebut sudah banyak diterapkan di instansi sesuai dengan kebutuhan dari instansi tersebut. Salah satu teknologi yang banyak diterapkan di instansi salah satunya yaitu proses presensi yang dapat dilakukan dengan cepat. Namun di beberapa instansi nampaknya belum menerapkan hal tersebut, salah satunya di Badan Pendapatan Daerah (BAPENDA) Kabupaten Sukabumi dimana proses presensi masih dilakukan secara konvensional. Perlu adanya perubahan dalam proses presensi dengan memanfaatkan teknologi yang ada. Salah satu penerapan teknologi dalam hal presensi yaitu dengan dibuatnya presensi online yang dapat memudahkan karyawan dalam melakukan proses presensi. Dengan menerapkan metode haversine yang menentukan radius jarak titik lokasi pusat dengan posisi pengguna akan serta fitur foto akan secara efektif mengatasi permasalahan yang ada di instansi Badan Pendapatan Daerah (BAPENDA) Kabupaten Sukabumi. Sehingga pengguna hanya dapat melakukan presensi di wilayah radius yang sudah di tentukan saja, dl luar pada wilayah radius, presensi tidak dapat dilakukan. Hal tersebut dilakukan untuk mengantisipasi adanya kecurangan dalam melakukan proses presensi yang dilakukan oleh karyawan di instansi tersebut. Sistem dibuat menggunakan bahasa pemrograman php dengan framework bootstrap versi 7.
Analisis Sentimen Pelanggan Terhadap Layanan Jasa Ekspedisi Barang Menggunakan Metode Naïve Bayes Classifier Pada Twitter Eka Fitriah, Tika; Asriyanik, Asriyanik; Apriandari, Winda
SANTIKA is a scientific journal of science and technology Vol. 14 No. 1 (2024): SANTIKA
Publisher : The Faculty of Science and Technology

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak — Dengan meningkatnya pengguna internet yang berhasil mempengaruhi pertumbuhan e-commerce di Indonesia, membuat banyak didirikannya layanan jasa ekspedisi barang di Indonesia. Menurut Top Brand Award Indonesia terdapat dua layanan jasa ekspedisi barang yang menduduki peringkat tertinggi di Indonesia yaitu J&T express dan JNE express. Untuk menempati peringkat tersebut tentunya setiap jasa ekspedisi mempunyai cara dalam memberikan pelayanannya kepada pelanggan. Dan untuk mengetahui pelayanan yang telah diberikan oleh masing-masing jasa ekspedisi dapat dilihat dari bagaimana tanggapan pelanggan mengenai layanan jasa ekspedisi tersebut. Salah satu cara untuk mengetahui tanggapan tersebut yaitu dengan memanfaatkan media sosial twitter. Karena banyak masyarakat dan pelanggan yang memberikan tanggapannya terkait layanan jasa ekspedisi barang J&T express dan JNE express di media sosial twitter. oleh karena itu diperlukan proses analisis sentimen terhadap tanggapan tersebut dan mengklasifikasikannya kedalam sentimen positif atau negatif serta mengklasfikasi komentar kedalam tiga kategori pelayanan (pengiriman, jaminan dan ketanggapan). Algoritma Naïve Bayes Classifier adalah salah satu algoritma yang digunakan untuk proses klasifikasi pada suatu data dengan menggunakan probabilitas untuk menghitung kemungkinan suatu tanggapan mengandung sentimen positif atau negatif. Proses klasifikasi menggunakan Naïve Bayes Classifier ini cenderung menghasilkan komentar negatif yang lebih banyak. Lalu hasil dari pengujian menggunakan confusion matrix menghasilkan akurasi sebesar 86% untuk kategori pengiriman, 82% kategori ketanggapan dan 94% untuk kategori jaminan pada dataset J&T Express. Sedangkan dalam dataset JNE Express terdapat nilai akurasi sebesar 85% untuk kategori pengiriman, 94% untuk kategori ketanggapan serta jaminan. Sementara pengujian kedua menggunakan k-fold cross validation berhasil meningkatkan nilai akurasi dengan menghasilkan nilai akurasi sebesar 82% untuk kategori layanan pengiriman, 92% untuk kategori jaminan, dan 94% untuk kategori ketanggapan pada jasa ekspedisi J&T Express. Selain itu pada dataset JNE Express menghasilkan nilai akurasi sebesar 88% untuk kategori pengiriman, 97% untuk kategori ketanggapan dan 98% untuk kategori jaminan.
Implementasi Deteksi Objek Real-Time Sebagai Media Edukasi dengan Algoritma YOLOv8 pada Objek Sampah Ramdan, Adam; Asriyanik, Asriyanik
Jurnal Saintekom : Sains, Teknologi, Komputer dan Manajemen Vol 14 No 2 (2024): September 2024
Publisher : STMIK Palangkaraya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33020/saintekom.v14i2.638

Abstract

Waste is one of the complex global issues and is one of the points of the SDGs indicators related to municipal waste, food waste, hazardous waste and recycling systems that cannot be resolved. According to data from SIPSN in 2022, waste generation in Indonesia will reach 35,289,535.55 tons/year while about 47.32% of waste handling is done, which is 16,697,790.76 tons/year. The National Research and Innovation Agency said that currently there are still few Indonesians who have the awareness to start sorting waste from their own homes. As many as 80% of Indonesians do not sort their waste. To overcome these problems, everyone needs to make changes early on by making waste management a habit so as to change people's skeptical attitude towards waste management. Thus, research was conducted to identify the type of waste using the YOLOv8 algorithm, with a dataset of 17,617 data which was then analyzed by creating a yolov8 model. The best accuracy results were obtained by using the yolov8l variant as well as 16 batch sizes and the SGD optimizer with a learning rate value of 0.001 as a parameter. The model training process was then evaluated using confusion matrix with a percentage reaching 86.5%.
KLASIFIKASI HOAX DAN FAKTA MENGGUNAKAN ALGORITMA SHALLOW NEURAL NETWORK PADA BERITA POLITIK PEMILIHAN PRESIDEN INDONESIA 2024 Frananda Adiezwara Ramadhan, Mohamad; Rizal Setiawan, Iwan; Asriyanik, Asriyanik
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10621

Abstract

Dalam beberapa tahun terakhir, isu hoaks telah menjadi ancaman serius terhadap integritas informasi dan proses demokrasi. Pada tahun 2023, Kementerian Komunikasi dan Informatika (Kominfo) mencatat adanya peningkatan signifikan dalam penanganan isu hoaks, dengan 1.615 konten teridentifikasi. Menjelang Pilpres 2024, diperkirakan penyebaran berita hoaks akan meningkat, yang berpotensi mengancam kualitas proses demokrasi di Indonesia. Berbagai penelitian telah dilakukan untuk mengatasi masalah ini menggunakan berbagai metode klasifikasi, termasuk Naïve Bayes dan SVM. Namun, penelitian ini berfokus pada penggunaan Shallow Neural Network, yang diharapkan mampu menangkap pola non-linear dan mengolah berbagai jenis fitur dari data teks. Penelitian ini bertujuan untuk menguji efektivitas Shallow Neural Network dalam klasifikasi berita hoaks dan fakta terkait pemilihan presiden Indonesia 2024. Metodologi yang digunakan dalam penelitian ini adalah SEMMA, yang meliputi tahapan Sample, Explore, Modify, Model, dan Assess. Hasil evaluasi menunjukkan bahwa model klasifikasi yang dikembangkan memiliki performa yang baik dalam membedakan berita valid dan hoaks, dengan akurasi sebesar 93%. Nilai presisi, recall, dan F1 score yang tinggi untuk kedua kelas menunjukkan bahwa model ini dapat diandalkan untuk tugas klasifikasi berita, dengan keseimbangan yang baik antara presisi dan recall, sehingga mampu meminimalkan kesalahan dalam mendeteksi berita valid maupun hoaks.
KLASIFIKASI KUALITAS JENIS KOPI HALUS ROBUSTA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) DAN MOBILENET-V2 Abhista Hibatullah, Akbar; Asriyanik, Asriyanik; Apriandari, Winda
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.10716

Abstract

Kopi merupakan komoditas perdagangan global yang sangat bernilai, dengan berbagai jenis yang memiliki karakteristik unik, dipengaruhi oleh asal geografis, metode penanaman, kondisi iklim, serta teknik pengolahan dan pemanggangan. Salah satu jenis kopi yang populer adalah robusta, yang dikenal dengan rasa yang lebih kuat dan pahit. Para ahli kopi menggunakan pengetahuan dan pengalaman mereka untuk mengidentifikasi kualitas kopi robusta unggulan melalui pengamatan visual dan teknik cupping, yang menilai aroma, rasa, kekentalan, keasaman, dan aftertaste. Dengan permintaan yang terus meningkat untuk kopi berkualitas tinggi, kemampuan untuk mengklasifikasikan dan menilai jenis kopi ini menjadi semakin penting, didukung oleh teknologi terbaru yang memastikan konsumen mendapatkan pengalaman menikmati kopi terbaik. Mengklasifikasikan kualitas kopi halus robusta adalah tantangan dalam industri kopi, karena penting untuk menjaga konsistensi kualitas dan pengenalan di pasar. Metode klasifikasi otomatis menggunakan Convolutional Neural Network (CNN) dan arsitektur MobileNet-V2 diusulkan untuk mengidentifikasi kualitas kopi halus robusta. Penggunaan CNN untuk klasifikasi menunjukkan hasil yang luar biasa dalam mengidentifikasi gambar kualitas kopi halus robusta, dengan akurasi validasi sebesar 99,82%, recall score sebesar 0.9982 precision 0.9982, dan F1 Score 0,99. Tingkat akurasi yang sangat tinggi ini menunjukkan kemampuan CNN dalam mengklasifikasikan gambar kualitas kopi halus robusta dengan sangat tepat.
PEMANFAATAN CNN (CONVOLUTION NEURAL NETWORK) DAN MOBILENET V2 DALAM KLASIFIKASI REMPAH-REMPAH LOKAL DI INDONESIA Nesta Suandana, Ilham; Asriyanik, Asriyanik; Apriandari, Winda
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.10873

Abstract

Penelitian ini bertujuan mengembangkan sistem klasifikasi untuk rempah-rempah lokal di Indonesia menggunakan Convolutional Neural Network (CNN) dan MobileNet V2 berbasis PyTorch. Latar belakang penelitian ini didorong oleh dua masalah utama: proses identifikasi rempah-rempah dari gambar atau sumber baca yang memakan waktu lama dan kurang efisien, serta keterbatasan akses ke ahli yang menghambat proses identifikasi dan pengetahuan tentang rempah-rempah. Dataset yang digunakan terdiri dari 16 jenis rempah dengan total 5.111 gambar yang diperoleh dari berbagai sumber foto manual dan publik. Data tersebut menjalani proses pra-pemrosesan, termasuk resizing dan normalisasi, untuk memastikan ukuran gambar yang konsisten dan meningkatkan kualitasnya sebelum diproses oleh model CNN. Metodologi penelitian ini mengadopsi Knowledge Discovery in Databases (KDD), yang menyediakan pendekatan sistematis dalam perencanaan proses, mencakup analisis kebutuhan data, teknik pengumpulan data, dan penjadwalan kegiatan yang terstruktur untuk memastikan kelancaran dan keberhasilan implementasi model klasifikasi. Model CNN yang dikembangkan dilatih untuk mengklasifikasikan jenis rempah berdasarkan fitur visual gambar. Evaluasi performa model menunjukkan akurasi validasi sebesar 99,96%, menunjukkan efektivitas model dalam mengidentifikasi dan mengklasifikasikan rempah-rempah dengan sangat akurat. Penerapan model klasifikasi ini pada situs web sederhana diharapkan dapat mempermudah pengguna dalam kehidupan sehari-hari. Penelitian ini juga menyediakan dasar yang kuat untuk pengembangan dan penyempurnaan model klasifikasi rempah-rempah di masa depan, serta membuka peluang aplikasi serupa dalam pengenalan objek di berbagai bidang lainnya.
PEMODELAN DETEKSI BELA DIRI BERBASIS WEB DENGAN ALGORITMA YOU ONLY LOOK ONCE V8 Afiansyah, Rifan; Prajoko, Prajoko; Asriyanik, Asriyanik
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.10879

Abstract

Seni bela diri merupakan aktivitas yang tidak hanya berfungsi sebagai metode pertahanan diri, tetapi juga memiliki manfaat positif seperti menjaga kesehatan, meningkatkan disiplin, dan mempromosikan nilai-nilai budaya. Dengan minat yang semakin meningkat terhadap teknologi deteksi gerakan bela diri untuk tujuan pelatihan dan edukasi, penelitian sebelumnya telah menggunakan berbagai metode seperti Convolutional Neural Network (CNN) untuk mendeteksi gerakan silat dengan akurasi 77%, serta Support Vector Machine dan YOLOv3 untuk klasifikasi pose dasar karate dengan hasil presisi, recall, dan F1 Score yang tinggi, meskipun masih terdapat tingkat kesalahan sebesar 66,66%. Namun, penelitian-penelitian tersebut umumnya terbatas pada deteksi satu jenis bela diri. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem deteksi gerakan bela diri berbasis web menggunakan metode YOLOv8, dengan fokus pada tiga jenis bela diri: karate, taekwondo, dan silat. Metode YOLO dipilih karena kemampuannya dalam mendeteksi objek secara real-time, dengan memprediksi kotak pembatas dan probabilitas kelas langsung pada satu gambar penuh dalam satu evaluasi. Model yang dikembangkan diharapkan dapat mengenali gerakan dengan tingkat akurasi minimal 90% dan mencakup 25 kelas gerakan yang meliputi ketiga jenis bela diri tersebut. Model ini dilatih secara real-time menggunakan data yang diolah dan di-augmentasi melalui Roboflow, serta menggunakan optimizer AdamW dengan learning rate 0.001. Pengujian dengan 50 epoch menunjukkan akurasi tinggi, dengan metrik precision, recall, dan F1 yang hampir sempurna. Model ini kemudian diimplementasikan dalam sebuah website sederhana yang memungkinkan pengguna mendeteksi gerakan bela diri secara interaktif, menunjukkan potensi besar dalam aplikasi praktis di masa depan. Penelitian ini diharapkan dapat mendorong pengembangan teknologi deteksi gerakan dalam seni bela diri dan memberikan kontribusi terhadap peningkatan kualitas latihan serta edukasi seni bela diri.
Co-Authors Abhista Hibatullah, Akbar Adi Sunarto, Asril Adiwijaya, Fahmi Adzkia, Hawarizmi Ummul Afiansyah, Rifan Agung Pambudi Agung Pambudi Akyas Hifdzi Rahman, Rifqi Alifatih, Auriel Haiqal Asep Budiman Kusdinar Asep M.Ramdan Asep Muhamad Ramdan Asril Adi Sunarto Azhilla Margiani Saraswati Budhy Adzy, Luthfy Budiman Kusdinar, Asep Dafa Satria Sidik, Muhamad Dang Kurniawan, Dito DANNY RAMADHAN Daris Riyadi Didik Indrayana Din Azwar Uswatun Edward, MA Algifari Eka Fitriah, Tika Elwanda Putra, Isra Fadhil Faizal Akbar Fahmi Nurfalah Fajar Hikmal Gunawan Fathia Frazna Az-Zahra Fathia Frazna Azzahra Frananda Adiezwara Ramadhan, Mohamad Frazna Azzahra, Fathia Frazzna Az-zahra, Fathia Ilmi Barokah Indra Griha Tofik Isa iqbal setiawan Isa, Indra Griha Tofik Iwan Rizal Setiawan Jamaludin, Firdaus kania, euis Kokom Komariah Kokom Komariah Larasati Mayan Pramesti Lelah Lelah Lelah Lelah Leonita Siwiyanti lucky valiant M. Rizky Suherlan M.Ramdan, Asep MA Algifari Edward Maulana Muhammad Rizky Mohamad Nurizki Mohamad Ridwan Mokhamad Hendayun Mubharak, Gilang Fauzul Muhammad Drajat Ramdhani muhammad musyfik Muhammad Zaynurroyhan Mulud Muchamad, Reski musyfik, muhammad Nesta Suandana, Ilham Nur Asiah Ramdani Nuraeni, Fika Nurmilah, Risma Nurmillah, Risma Prajoko . Prajoko Prajoko Putra, Muhammad Rafli Afandi Rahmawati, Verra Sri Yulia Ramadhan, Vito Rambe, Sarah Syakira Ramdan, Adam Rijal Agus Rusmana Risma Nurmilah Riyadi, Daris Rustiandi, Ryan Santiastry, Sany Sarah Novia Hermawanti Soebandi, Andry Subhan, Roby Azhari Suhendar Syafira Zahara Syah Rizal Fauzy Syahputra, M Ramdhan widi aulia rohmah Winda Apriandari Winda Apriyandari Zahra, Fathia Frazna Az