Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Syntax Jurnal Informatika Conference on Innovation and Application of Science and Technology (CIASTECH)
Candra Zonyfar
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Computer Science & IT Education Engineering Law, Crime, Criminology & Criminal Justice Social Sciences

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
PENGENALAN JENIS CANDI BERDASARKAN BENTUK DAN MODELNYA MENGGUNAKAN MOTODE CONVOLUTIONAL NEURAL NETWORK (CNN) PADA YOLLO v3 Kiki Ahmad Baihaqi; Candra Zonyfar; Bagja Nugraha
SYNTAX Jurnal Informatika Vol 10 No 02 (2021): Oktober 2021
Publisher : Universitas Singaperbangsa Karawang

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

Abstract

Berkembangnya teknologi yang cepat dan merambah semua sendi kehidupan. Termasuk sistem cerdas yang digunakan pada segmen cagar budaya yang penting untuk diperkenalkan kepada generasi muda bahkan memperkenalkan kepada bangsa lain bahwa ada cagar budaya berupa situs candi yang memiliki beberapa jenis candi dalam 1 komplek situs percandian candi jiwa yang terletak di Kabupaten Karawang. Tentu dengan model dan ciri khas bangunan candi tersebut, perlu pembuktian algoritma Convolutional Neural Network (CNN) dapat diterapkan dalam pendeteksian jenis candi dimana candi memiliki cirinya sendiri. Ada sumber yang menjelaskan bahwa CNN ini merupakan algoritma terbaik dalam sistem deep learning. Proses penarikan kesimpulan dalam algoritma melewati tahap klasifikasi dan tahap pembelajaran menggunakan backpropagation, yaitu setiap neuron dipresentasikan dalam bentuk dua dimensi. Metode pengembangan sistem berdasarkan kecerdasan buatan ini akan belajar dari data yang diinputkan sehingga semakin banyak inputan yang diberikan maka semakin cerdas dalam menarik kesimpulan. Sehingga sistem ini nantinya menghilangkan tahap feature extraction yang dilakukan secara manual pada machine learning. Hasil dari penelitian ini memiliki akurasi lebih dari 70%, sehingga CNN yang ada pada YOLO v3 ini baik untuk mendeteksi bentuk candi.
DETEKSI HIDRASI TUBUH MENGGUNAKAN SENSOR TCS3200 BERDASARKAN WARNA URINE BERBASIS ARDUINO Deny Adi Faldano; Deden Wahiddin; Candra Zonyfar; Kiki Ahmad Baihaqi
Conference on Innovation and Application of Science and Technology (CIASTECH) CIASTECH 2020 "Peranan Strategis Teknologi Dalam Kehidupan di Era New Normal"
Publisher : Universitas Widyagama Malang

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

Abstract

Urine memiliki tingkatan dehidrasi yang dapat dilihat langsung dari urine yang mengalami perubahan warna. Urine normal berwarna jernih transparan berwarna kuning muda dan urine kuning pekat biasanya tidak normal atau terindikasi dehidrasi berat, akan tetapi masyarakat biasanya kurang memperhatikan perubahan warna urine yang terjadi, sekalipun telah ada stiker atau tabel dehidrasi di toilet, masyarakat cenderung lebih sering mengabaikan perubahan warna yang terjadi pada urine padahal hal itu bisa mengakibatkan gangguan kesehatan terutama dehidrasi, maka dibutuhkan sebuah alat untuk mendeteksi dehidrasi dengan menggunakan arduino dan sensor tcs3200 untuk mendeteksi tingkat dehidrasi pada seseorang dengan cara sensor membaca warna urine kemudian akan muncul notifikasi dehidrasi pada lcd. Hasil yang diperoleh dari sensor menunjukan tingkat akurasi dalam membaca urine adalah 83,33 % dengan rata – rata error yaitu 16 %.
Co-Authors Bagja Nugraha Baihaqi, Kiki Ahmad Deden Wahiddin Deny Adi Faldano