Article Per Year (5 Year)
p-Index From 2021 - 2026
7.991
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) JURNAL MEDIA INFORMATIKA BUDIDARMA JOURNAL OF APPLIED INFORMATICS AND COMPUTING JURNAL INSTEK (Informatika Sains dan Teknologi) Jiko (Jurnal Informatika dan komputer) Conference on Innovation and Application of Science and Technology (CIASTECH) Digital Zone: Jurnal Teknologi Informasi dan Komunikasi Jurnal Kreativitas PKM Jurnal Abdimas Mahakam Building of Informatics, Technology and Science Progresif: Jurnal Ilmiah Komputer Systematics Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi Buana Ilmu Jurnal Tekinkom (Teknik Informasi dan Komputer) JOURNAL OF INFORMATION SYSTEM MANAGEMENT (JOISM) JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Jurnal Sistem Komputer dan Informatika (JSON) Jurnal Teknik Informatika (JUTIF) Journal of Applied Data Sciences Jurnal Pendidikan dan Teknologi Indonesia Bulletin of Computer Science Research KLIK: Kajian Ilmiah Informatika dan Komputer Scientific Student Journal for Information, Technology and Science Jurnal Informatika Teknologi dan Sains (Jinteks) Jurnal Buana Pengabdian Eduvest - Journal of Universal Studies Innovative: Journal Of Social Science Research Jurnal Pengabdian Masyarakat Nasional Inovasi Gagasan Abdimas & Kuliah Kerja Nyata
Indra, Jamaludin
Universitas Buana Perjuangan Karawang
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Law, Crime, Criminology & Criminal Justice Library & Information Science Medicine & Pharmacology Neuroscience Nursing Public Health Social Sciences Other

Published : 65 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 65 Documents
Search

 3   4   5   6   7 
DETECTION OF THE SIZE OF PLASTIC MINERAL WATER BOTTLE WASTE USING THE YOLOV5 METHOD Karyanto, Dony Dwi; Indra, Jamaludin; Pratama, Adi Rizky; Rohana, Tatang
JIKO (Jurnal Informatika dan Komputer) Vol 7, No 2 (2024)
Publisher : Universitas Khairun

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33387/jiko.v7i2.8535

Abstract

The use of plastic bottles for various needs is increasingly massive, especially in consumption needs such as mineral water bottles. The use of plastic bottles is used to reduce costs and be effective in maintaining the quality of mineral water, but its impact can affect natural conditions if not managed properly. Plastic bottle waste if left buried in the ground will have difficulty expanding, which can cause environmental pollution. Therefore, we can take advantage of technology to sort plastic bottle waste using a camera based on the size of plastic bottles. Differentiating the size of bottles aims to distinguish the economic value when exchanged at the waste bank. This technology utilizes object detection and recognition functions such as the YOLO (You Only Look Once) method. YOLO is a detection method that is a development of the CNN (Convolutional Neural Network) algorithm. By using YOLOv5, we can detect objects in the form of plastic bottle waste of various different sizes. To maximize object detection according to size, data annotation is done by creating a Bounding Box on each dataset according to its size. The test was carried out with several different distance configurations including 40cm, 80cm and 1m. Detection results using YOLOv5 produce up to 84% accuracy in real-time.
Air quality prediction using boosting-based machine learning models for sustainable environment Fauzi, Ahmad; Maharina, Maharina; Indra, Jamaludin; Ratna Juwita, Ayu; Hananto, Agustia; Nurlaelasari, Euis
IAES International Journal of Artificial Intelligence (IJ-AI) Vol 15, No 1: February 2026
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijai.v15.i1.pp515-523

Abstract

High levels of air pollution are extremely harmful to humans and the environment. They increase the risk of respiratory infections and lung cancer, especially among vulnerable populations. Therefore, developing effective pollution control measures is crucial for mitigating these negative impacts. We need to implement effective methods to predict and manage air quality for the sake of public health and a healthier environment. In recent years, machine learning (ML) methods have been increasingly utilized in air quality prediction due to their ability to analyze datasets and identify complex patterns. However, the reliability and accuracy of air quality prediction models remain a challenge. This study proposes a boosting-based ML model for predicting air quality. We implemented three stages in the proposed method. In the first stage, we conducted data preprocessing and analysis to eliminate noise, remove redundant data, and encode categorical features. In the second stage, we predicted air quality categories by leveraging 25 ML models, dividing them into three distinct categories. The results show that the extreme gradient boosting (XGBoost), light gradient boosting machine (LGBM), and adaptive boosting (AdaBoost) models outperform the others in air quality prediction, achieving an accuracy of 99%. Finally, we compared these three models using 10-fold cross validation to ensure they generalize well in last stage.
Penerapan Algoritma Machine Learning untuk Mengklasifikasikan Polusi Udara di Wilayah DKI Jakarta Muhammad Arya Suhendi; Tatang Rohana; Jamaludin Indra; Ayu Ratna Juwita
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 1 (2026): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Polusi udara di DKI Jakarta merupakan masalah serius dengan tingkat polusi tertinggi di Asia Tenggara. Sumber utama polusi udara berasal dari sektor transportasi, industri, dan pembakaran sampah. Keterbatasan sistem pemantauan konvensional mendorong pemanfaatan kecerdasan buatan, khususnya algoritma machine learning, untuk meningkatkan akurasi klasifikasi kualitas udara. Penelitian ini membandingkan performa empat algoritma, yaitu Support Vector Machine (SVM), Gradient Boosting, Random Forest, dan Decision Tree, dalam mengklasifikasikan tingkat polusi udara di Jakarta. Dataset yang digunakan terdiri atas 1.675 data Indeks Standar Pencemar Udara (ISPU) yang diperoleh dari Dinas Lingkungan Hidup Jakarta selama periode Januari hingga November 2024. Parameter yang digunakan meliputi PM10, PM2.5, SO₂, CO, O₃, dan NO₂. Proses penelitian mencakup tahapan pembersihan data, normalisasi, reduksi dimensi menggunakan Principal Component Analysis (PCA), pembangunan model melalui pembagian data latih dan data uji dengan rasio 80:20, serta evaluasi performa menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil evaluasi menunjukkan bahwa seluruh algoritma menghasilkan tingkat akurasi yang tinggi. Algoritma Random Forest mencapai performa terbaik dengan akurasi sebesar 93,71%, diikuti oleh Decision Tree sebesar 93,41%, Gradient Boosting sebesar 92,81%, dan Support Vector Machine sebesar 92,51%. Temuan ini mendukung penerapan machine learning sebagai solusi yang efektif untuk pemantauan polusi udara di Jakarta.
Peningkatan Kecepatan Inferensi Mask R-CNN Menggunakan MobileNetV3 Small pada Sistem Deteksi Kardus Vikha Tri Vicika; Jamaludin Indra; Sutan Faisal; Hanny Hikmayanti Handayani
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 1 (2026): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Penelitian ini bertujuan untuk meningkatkan kecepatan inferensi pada sistem deteksi objek dengan mengoptimalkan arsitektur Mask R-CNN melalui penggantian backbone menjadi MobileNetV3 Small. Studi ini difokuskan pada deteksi kardus di lingkungan gudang menggunakan dataset yang dikumpulkan dari berbagai kondisi pencahayaan dan sudut pengambilan gambar. Proses pelatihan dan validasi dilakukan terhadap data yang telah dianotasi secara manual, dengan evaluasi menggunakan metrik presisi, recall, dan kecepatan pemrosesan dalam satuan frame per second (FPS). Hasil pengujian menunjukkan bahwa model dengan backbone MobileNetV3 Small menghasilkan FPS rata-rata sebesar 8,66, lebih tinggi dibandingkan dengan model default yang hanya mencapai 6,94. Dari sisi akurasi, model kustom menunjukkan nilai presisi sebesar 85%, sedangkan model default mencapai nilai recall sebesar 85,7%. Meskipun segmentasi yang dihasilkan oleh model default lebih menyeluruh, model kustom memiliki arsitektur yang lebih ringan dan efisien. Oleh karena itu, model kustom lebih sesuai untuk aplikasi waktu nyata pada perangkat dengan sumber daya terbatas. Temuan ini menunjukkan bahwa penggunaan MobileNetV3 Small sebagai backbone pada arsitektur Mask R-CNN mampu meningkatkan efisiensi inferensi tanpa menurunkan tingkat akurasi secara signifikan.
SOSIALISASI PENGGUNAAN DETEKSI KENDARAANBERMOTOR DENGAN COMPUTER VISION Kiki Ahmad Baihaqi; Ahmad Fauzi; Jamaludin Indra
JURNAL BUANA PENGABDIAN Vol. 8 No. 1 (2026): JURNAL BUANA PENGABDIAN
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat, Universitas Buana Perjuangan Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36805/qq5mmn10

Abstract

Perkembangan teknologi pengolahan cita digital berkembang pesat dari waktu-kewaktu, merambah semua sendi-sendi dan bidang kehidupan. Pada Pengabdian masyarakat ini bertujuan untuk mengimplementasikan teknologi computer vision dalam deteksi kendaraan bermotor sebagai solusi untuk memantau dan mengontrol lalu lintas secara efisien. Dengan memanfaatkan metode deteksi objek yang canggih, penelitian ini akan mengembangkan sistem yang mampu mengenali jenis-jenis kendaraan, menghitung jumlah kendaraan yang melintas, serta memonitor kondisi lalu lintas secara real-time. Implementasi teknologi ini diharapkan dapat meningkatkan pengaturan lalu lintas yang lebih efektif dan mengurangi potensi kemacetan di area yang diuji coba. Hasilnya berupa pengetahuan yang diberikan ke peserta dan menunjukan hasil penelitian berupa prototype.
Co-Authors AA Sudharmawan, AA Abdul Gapur Achmad, Syifa Latifah Adi Rizky Pratama Agung Susilo Yuda Irawan Ahmad Afifur Rahman Ahmad Fauzi Ahmad Fauzi Ahmad Rahman Al Fathir Rizal Januar Alif Kirana Amansyah, Ilham Anton Romadoni Junior Apriade Voutama April Hananto Ardiansyah, Fikri Arif Nurman Arip Solehudin Aris Martin Kobar Arum Puspita Lestari, Santi Asep Jamaludin Aviv Yuniar Rahman Awal, Elsa Elvira Ayu Juwita Azis Saputra Azzahra, Wava Lativa Baihaqi, Kiki Ahmad Cici Emilia Sukmawati Dadang Yusup Deden Wahiddin Deny Maulana Dwi Sulistya Kusumaningrum Dwi Vina Wijaya Eko Pramono Fadmadika, Fadilla Faisal, Sutan Fauzi Ahmad Muda Fauzi, Ahmad Firdaus, Thoriq Janati Firmansyah Maulana Fitri Nur Masruriyah, Anis Garno . Garno, Garno Gugy Guztaman Munzi Hananto, Agustia Hanny Hikmayanti Handayani Hanung Pangestu Rahman Hilda Fitriana Dewi Hilda Novita Hilda Yulia Novita Holila, Holila Irma Putri Rahayu Juwita, Ayu Ratna Karyanto, Dony Dwi Khoirull Munazzal Kusumaningrum, Dwi Sulistya Lestari, Santi Arum Puspita M Andrian Agustyan Maharina, Maharina Maliah Andriyani Mudzakir, Tohirin Al Muhammad Arya Suhendi Muhammad Cesar Afriansyah Arief Muhammad Deden Miftah Fauzi Muhammad Imam Naufal Muhammad Khoiruddin Harahap Muhammad Raja Nurhusen Muhammad Romadhon Nazori AZ Novalia, Elfina Nugraha, Najmi Cahaya Nurdin, Cherry Januar Nurlaelasari, Euis Nursyawalni, Reva Paryono, Tukino Pratama, Adi Rizky Purnama, Ariya Purnomo, Indarto Aditya Rahmat Hidayat Rahmat Rahmat Rahmat Rahmat Ratna Juwita, Ayu Rifaldi, Rizky Rija Nur Hijriyya Rissa Ilmia Agustin Rizki, Lutfi Trisandi Robinson Nababan Rohana, Tatang Romlah Saefulloh, Nandang Sandi Susanto Santi Lestari Sihabudin Sihabudin, Sihabudin Siregar, Amril Mutoi Siti Robiah Suparno Sutan Faisal Syahrul Azis Tatang Rohana Tatang Rohana Tia Astiyah Hasan Tohirin Al Mudzakir Tohirin Mudzakir Toif Muhayat Tri Vicika, Vikha Ulfa Amelia Vikha Tri Vicika Wahiddin, Deden Wildan Amin Wiharja Yana Cahyana Yogi Firman Alfiansyah