Garuda - Garba Rujukan Digital

Klasifikasi Huruf Dan Angka Dalam Bisindo Menggunakan Metode Convolutional Neural Network: Classification Of Letters And Numbers In Bisindo Using The Convolutional Neural Network Method Saputra, Dwi; Hadiwandra, Yudi
Indonesian Journal of Informatic Research and Software Engineering (IJIRSE) Vol. 4 No. 2 (2024): Indonesian Journal of Informatic Research and Software Engineering (IJIRSE)
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/ijirse.v4i2.1610

BISINDO (Bahasa Isyarat Indonesia) adalah salah satu bahasa isyarat yang digunakan oleh komunitas tuli di Indonesia. Dalam penggunaannya, hambatan komunikasi sering dihadapi oleh individu dengan gangguan pendengaran karena BISINDO ini belum banyak dikenal dan diketahui. Penelitian ini menggunakan metode Cross-Industry Standard Process for Data Mining (CRISP-DM). Penelitian ini mengembangkan model Convolutional Neural Network (CNN) untuk mengenali huruf dan angka dalam Bahasa Isyarat Indonesia (BISINDO). Model terbaik dihasilkan pada percobaan ke-32 dengan 25 epoch, batch size 64, dan ukuran citra 100x100 piksel, mencapai akurasi 93%. Model hasil pelatihan ini mampu mengklasifikasikan setiap huruf dan angka pada BISINDO dengan benar serta akurat.

Perbandingan Algoritma Weighted Least Connection dan Weighted Round Robin pada Load Balancing Berbasis Docker Swarm Rahman, Salsabilah Aulia; Hadiwandra, T. Yudi
Jurnal Inovtek Polbeng Seri Informatika Vol 8, No 2 (2023)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v8i2.3395

Perkembangan teknologi telah mengubah kebiasaan menonton televisi di Indonesia dengan peralihan dari televisi analog ke digital dan popularitas layanan video on demand. Namun, peningkatan penggunaan video on demand membawa tantangan dalam menjaga performa server yang harus melayani permintaan tinggi. Solusinya adalah menerapkan teknik load balancing dan algoritma penjadwalan yang efisien, seperti menggunakan docker swarm sebagai teknologi virtualisasi container. Penelitian ini menguji 3 kategori resolusi video 240p, 720p, dan 1080p serta variasi permintaan request dari 1 hingga 10.000. Hasil penelitian menunjukkan bahwa semakin besar resolusi video, ukuran file video juga semakin besar, yang mengakibatkan penurunan throughput dan peningkatan response time, request loss, serta CPU Utilization. Hasil analisis menunjukkan bahwa algoritma weighted least connection lebih unggul daripada weighted round robin berdasarkan parameter yang ditentukan. Implementasi docker swarm berdampak positif dalam menjaga performa server dibandingkan dengan menggunakan single server. Penelitian ini memberikan wawasan mengenai penerapan teknologi dan algoritma dalam meningkatkan performa server video on demand serta memastikan pengalaman menonton yang optimal bagi pengguna.Â

Penerapan Algoritma Apriori untuk Penentuan Pola Pembelian Kacamata pada Optik Indah Optikal: Application of an Apriori Algorithm to Determine Eyeglass Purchasing Patterns at Optik Indah Optik Oktory, Hafidh Dwika; Hadiwandra, T. Yudi
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 4 (2024): MALCOM October 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i4.1353

Toko optik Indah Optikal terletak di Perawang Kabupaten Siak, Riau ini menjual berbagai kacamata dan lensa kacamata dengan harga, merek, jenis dan kualitas yang berbeda. Terjadinya transaksi penjualan kacamata pada optik indah optikal, artinya data transaksi perusahaan akan bertambah. Jika dibiarkan, data penjualan kacamata akan menjadi sampah yang tidak ada artinya. Berkat kemajuan teknologi, kemampuan mengumpulkan dan mengolah data terus meningkat. Oleh karena itu, penelitian ini bertujuan untuk menerapkan teknik algoritma Apriori pada Optik Indah Optikal untuk mengidentifikasi pola pembelian kacamata yang paling umum terjadi di toko. Perhitungan pola asosiasi dilakukan dengan menentukan terlebih dahulu minimum support sebesar 4% dan minimum confidence sebesar 5%. Hasil pengujian yang diperoleh pada pengujian tingkat akurasi bersama dengan perhitungan lift ratio memberikan aturan kombinasi produk yang dapat digunakan strategi pemasaran untuk meningkatkan penjualan dengan menyusun paket itemset produk untuk dibeli oleh konsumen secara bersamaan. Pola atau aturan yang ditetapkan membantu konsumen menentukan produk mana yang mereka inginkan atau produk utama mana yang diminati konsumen. jika nilai minimum nilai support adalah 4% dan minimum nilai confidence adalah 5% maka aturan rule yang terbentuk adalah 76 rule. Dari rule yang terbentuk aturan pasangan item dengan nilai support 4%, confidence 5%.

Rancang Bangun Aplikasi Android Pengenalan Pembelahan Sel Menggunakan Teknologi Augmented Reality Markerless Fatma Dwi Anisa; T. Yudi Hadiwandra
Computer Science and Information Technology Vol 5 No 3 (2024): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v5i3.7922

Biology learning at SMA N 2 Pangkalan Kuras often requires practical sessions for several learning topics. However, the lack of a dedicated laboratory room and practical tools has led to the discontinuation of practical lessons. One of the topics that requires high visualization is cell division. This research aims to design and develop an Android application based on Augmented Reality (AR) using a markerless method as a practical medium for introducing the process of cell division. The markerless method is used so that the application can be used anywhere and anytime without relying on physical markers. This research utilizes the R&D method, and the application development follows the Multimedia Development Life Cycle (MDLC) method. The markerless AR-based cell division Android application system uses C# programming language and applies the Simultaneous Localization and Mapping (SLAM) algorithm. The application testing follows the ISO 25010 standard, consisting of functional suitability aspects, which achieved a result of 100%. The compatibility test also received a score of 100% for each smartphone that installed, ran, and uninstalled the application. The performance efficiency test shows that the camera system is capable of detecting flat surfaces such as tables, walls, and floors, while the average response time test revealed that the highest response speed was achieved on the latest Android types with larger RAM. The user experience received an "excellent" rating.

Rancang Bangun Aplikasi Android Pengenalan Pembelahan Sel Menggunakan Teknologi Augmented Reality Markerless Fatma Dwi Anisa; T. Yudi Hadiwandra
Computer Science and Information Technology Vol 5 No 3 (2024): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v5i3.7922

Biology learning at SMA N 2 Pangkalan Kuras often requires practical sessions for several learning topics. However, the lack of a dedicated laboratory room and practical tools has led to the discontinuation of practical lessons. One of the topics that requires high visualization is cell division. This research aims to design and develop an Android application based on Augmented Reality (AR) using a markerless method as a practical medium for introducing the process of cell division. The markerless method is used so that the application can be used anywhere and anytime without relying on physical markers. This research utilizes the R&D method, and the application development follows the Multimedia Development Life Cycle (MDLC) method. The markerless AR-based cell division Android application system uses C# programming language and applies the Simultaneous Localization and Mapping (SLAM) algorithm. The application testing follows the ISO 25010 standard, consisting of functional suitability aspects, which achieved a result of 100%. The compatibility test also received a score of 100% for each smartphone that installed, ran, and uninstalled the application. The performance efficiency test shows that the camera system is capable of detecting flat surfaces such as tables, walls, and floors, while the average response time test revealed that the highest response speed was achieved on the latest Android types with larger RAM. The user experience received an "excellent" rating.

Implementasi Deep Learning Untuk Identifikasi Tanaman Rimpang Menggunakan Metode Convolutional Neural Network Mahendri, Diffa Rahmanda Putra; T. Yudi Hadiwandra
Computer Science and Information Technology Vol 6 No 1 (2025): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v6i1.8943

Rhizome plants are spices widely used by Indonesian people as cooking ingredients or traditional medicine. These plants havesimilar appearances, making them difficult to distinguish for some people. Errors in identifying rhizome plants can lead topoisoning, allergies, or unwanted side effects. To simplify identifying these plants, a system is needed to detect and differentiatetypes of rhizome plants, which can be achieved using Convolutional Neural Networks (CNN) with the YOLO algorithm. CNN isa Machine Learning technique capable of identifying objects based on their visual features, enabling efficient differentiation ofrhizome plants. The image dataset used is divided into six classes, with a total of 700 images. Model testing produced resultswith a precision of 98%, recall of 99%, and mAP50-95 of 96%. Future research is expected to increase dataset variety to avoidoverfitting.

Desain Skalabel Website Menggunakan Elastic Load Balancing pada Amazone Virtual Private Cloud (VPC) Wandira, Shinta Fesri; Hadiwandra, T. Yudi
Jurnal Teknologi Informatika dan Komputer Vol. 9 No. 2 (2023): Jurnal Teknologi Informatika dan Komputer
Publisher : Universitas Mohammad Husni Thamrin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37012/jtik.v9i2.1810

Website sekolah adalah media informasi untuk mengetahui profil dan kegiatan sekolah. Beberapa standar yang perlu diketahui untuk suatu website yang memiliki performa tinggi seperti standar web server yang berkinerja tinggi, tingkat reliabilitas dan high availability. SMA Cendana Pekanbaru merupakan salah satu sekolah swasta yang berada di pekanbaru, memiliki website yang bergabung dengan website sekolah lain seperti website sekolah SMA Cendana Mandau (Duri), SMP Cendana Pekanbaru, SD Cendana Pekanbaru dan lainnya. Website tersebut bergabung menjadi satu pada website Yayasan Pendidikan Cendana Rumbai atau YPCR. Oleh karena itu, penelitian ini dilakukan untuk membuat suatu website sekolah yang berfokus pada SMA Cendana Pekanbaru, seperti memperlihatkan keunggulan dari SMA Cendana Pekanbaru dan hal yang menjadi ciri khas atau iconic SMA Cendana Pekanbaru dengan menggunakan layanan-layanan cloud computing untuk menjadikan website sekolah yang high availability serta memiliki tingkat realibilitas tinggi. Layanan cloud computing pada Amazon Web Service (AWS) seperti Elastic Load Balancing, Amazon Elastic Compute Cloud (EC2) dan Auto Scaling Group (ASG) serta Virtual Private Cloud (VPC) berhasil diimplementasikan. Hasil dari pengujian yang telah dilakukan menggunakan Apache Jmeter, pengujian loadtesting dengan 1000 traffic dalam waktu 120 detik (2 menit) menghasilkan status â€œsuccessfullâ€ yang menunjukkan bahwa website tersebut telah high availability dan memiliki tingkat realibilitas tinggi.

Peningkatan Kinerja dan Skalabilitas Website E-Commerce Menggunakan Load Balancing Adila, Mutiara Dafa; Hadiwandra, T. Yudi
Jurnal Teknologi Informatika dan Komputer Vol. 10 No. 2 (2024): Jurnal Teknologi Informatika dan Komputer
Publisher : Universitas Mohammad Husni Thamrin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37012/jtik.v10i2.2183

Perkembangan dunia internet terus meningkat seiring dengan berbagai layanan website yang dapat diakses secara online, salah satunya website e-commerce. Data yang diperoleh dari Databoks memperlihatkan bahwa 3 situs e-commerce dengan pengunjung terbanyak di Indonesia adalah Shopee, Lazada, dan Bukalapak. Pengaruh tingginya kunjungan dapat menyebabkan tingginya permintaan atau request terhadap layanan web server yang dapat terjadi dengan penurunan performa server terhadap melayani semua request yang datang. Gangguan ini mengakibatkan penurunan pengunjung yang berdampak pada pendapatan Shopee dan peralihan pengguna ke platform lain. Situasi ini menyebabkan perlunya metode yang tepat untuk memuat layanan web server.Masalah yang dapat terjadi pada website e-commerce yaitu saat ada kegiatan atau acara tertentu seperti tanggal kembar dapat menyebabkan kerja web server yang melayani permintaan menjadi semakin berat. Kondisi ini harus didukung dengan infrastruktur server yang memadai. Server harus mampu menangani lonjakan request yang dilakukan setiap user. Oleh karena itu perlu menerapkan teknik load balancing dan algoritma penjadwalan yang efisien dengan menggunakan sistem operasi Ubuntu dan penerapan virtualisasi di VM VirtualBox serta menggunakan load balancing web server Nginx. Hasil dari penelitian ini menujukkan skalabilitas sistem menjadi meningkat dibuktikan dengan hasil pengujian memberikan request dari 100, 1000, 10000 menujukkan algoritma weighted least connection lebih unggul daripada least connection berdasarkan parameter yang ditentukan. Implementasi load balancing berdampak positif dalam menjaga performa server dibandingkan dengan menggunakan single server untuk setiap rentang pengujiannya.

Rancang Bangun Alat Pengukur Tinggi Badan Berbasis IOT Dengan Sensor Ultrasonic dan Menggunakan Aplikasi BLYNK IOT Alfarisy, Salman; Hadiwandra, T. Yudi
Jurnal Teknologi Informatika dan Komputer Vol. 10 No. 2 (2024): Jurnal Teknologi Informatika dan Komputer
Publisher : Universitas Mohammad Husni Thamrin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37012/jtik.v10i2.2194

Abstrak Perkembangan ilmu pengetahuan dan teknologi modern telah membawa manusia pada peradaban yang lebih baik. Pengukuran tinggi badan sering kali dilakukan secara manual, terutama menggunakan pita pengukur Kesalahan ini sering terjadi sehingga memerlukan solusi yang tepat. Dengan teknologi mikrokontroler dapat dimanfaatkan untuk menciptakan alat-alat otomatis yang membantu manusia. Dengan adanya alat ini dapat melakukan pengukuran dengan cepat, memudahkan menghemat waktu dalam mengukur tinggi badan dengan hasil yang akurat. Untuk memudahkan melakukan pengukuran tinggi badan maka dibuatlah alat pengukuran tinggi badan berbasis iot dan data yang didapatkan tersimpan di database dan di tampilkan melalui aplikasi bylnk dan juga Web server MySQL. Pada pengujian QOS didapatkan hasil Troughput yang didapat 8218 bit/s kategori tergolong sangat bagus , Packet loss tidak terjadi apa apa dikarnakan tidak terjadinya kehilangan paketdata, Delay sebesar 233 m/s kategori bagus. Dan pada hasil penguian alat rata-rata eror 0,18% dana akurasi 99,8%. Kata Kunci – IoT,QoS, blynk, monitoring, Database

Implementasi Deep Learning Untuk Identifikasi Jenis Biji Kopi Menggunakan Metode Convolutional Neural Network Pratama, Munawwar Anugrah; Hadiwandra, T. Yudi
CSRID (Computer Science Research and Its Development Journal) Vol. 17 No. 3 (2025): Oktober 2025
Publisher : LPPM Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22303/csrid-.17.3.2025.387-398

Indonesia is one of the largest coffee producers in the world, with various types of coffee beans such as Arabica, Robusta, and Liberica. Each type of coffee bean has unique characteristics that influence the taste, aroma, and overall quality of the coffee. However, many people are still unable to visually distinguish between these types of beans. This research aims to develop a Deep Learning-based system using the Convolutional Neural Network (CNN) method with the Xception architecture to identify coffee bean types from images. The dataset was obtained from direct image collection and online sources, then processed through preprocessing and data augmentation stages. The model training process was conducted using transfer learning techniques to improve classification performance. The resulting model is capable of classifying coffee bean images into three main categories with an accuracy 81.63%. The system is implemented as a web interface using Flask, allowing users to upload images of coffee beans and obtain classification results via a website. This study demonstrates that the CNN method with Xception architecture is effective for visual recognition of coffee bean types and can be a solution to help the general public in identifying different coffee bean varieties. This study aims to develop a deep learning–based system using the Convolutional Neural Network (CNN) method with the Xception architecture to identify coffee bean types from images. A total of 600 images of Arabica, Robusta, and Liberica beans were collected from primary and online sources, and then divided into training (80%), validation (10%), and testing (10%) sets. The dataset was processed through image preprocessing and augmentation techniques such as rotation, flipping, zooming, and brightness adjustment to improve model generalization. The training was performed using a transfer learning approach, followed by fine-tuning several deeper layers to enhance feature extraction. Evaluation was conducted using a confusion matrix and F1-score to validate class-wise performance. The model achieved an accuracy of 81.63% using the testing dataset. In practical implementation through a Flask-based website, the system achieved above 90% accuracy for several input angles, indicating strong recognition ability under controlled image conditions. This work demonstrates that the CNN Xception model is effective for visual identification of coffee bean types and can be applied as a practical solution to assist the general public, farmers, and coffee industry practitioners. Future enhancement may include expanding bean classes, optimizing architecture, and real-world testing.

Title

Found 20 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 20 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 20 Documents
Search