Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) ICTEE (Engineering Journals of Information, control, telecommunication and electrical)
Fadlan Raka Satura
Institut Teknologi Telkom Purwokerto
Computer Science & IT Electrical & Electronics Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Comparative Study of VGG16 and MobileNetV2 for Masked Face Recognition Faisal Dharma Adhinata; Nia Annisa Ferani Tanjung; Widi Widayat; Gracia Rizka Pasfica; Fadlan Raka Satura
Jurnal Ilmiah Teknik Elektro Komputer dan Informatika Vol 7, No 2 (2021): August
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jiteki.v7i2.20758

Abstract

Indonesia is one of the countries affected by the coronavirus pandemic, which has taken too many lives. The coronavirus pandemic forces us to continue to wear masks daily, especially when working to break the chain of the spread of the coronavirus. Before the pandemic, face recognition for attendance used the entire face as input data, so the results were accurate. However, during this pandemic, all employees use masks, including attendance, which can reduce the level of accuracy when using masks. In this research, we use a deep learning technique to recognize masked faces. We propose using transfer learning pre-trained models to perform feature extraction and classification of masked face image data. The use of transfer learning techniques is due to the small amount of data used. We analyzed two transfer learning models, namely VGG16 and MobileNetV2. The parameters of batch size and number of epochs were used to evaluate each model. The best model is obtained with a batch size value of 32 and the number of epochs 50 in each model. The results showed that using the MobileNetV2 model was more accurate than VGG16, with an accuracy value of 95.42%. The results of this study can provide an overview of the use of transfer learning techniques for masked face recognition.
Pengukur Kecepatan Kendaraan Menggunakan Algoritma Image Subtracting Fadlan Raka Satura; Alfan Adi Chandra; Faisal Dharma Adhinata
Journal ICTEE Vol 2, No 2 (2021): Juli
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jictee.v2i2.1287

Abstract

Pengendara di jalan raya dengan kecepatan yang tinggi mampu memicu kecelakaan lalu lintas yang akan mengakibatkan tabrakan antara pengendara lain. Pada alat pengukur kecepatan ini dapat meminimalisir terjadinya kecelakan di jalan raya, yang akan meningkatkan kedisiplinan dalam lalu lintas. Sistem perhitungan kecepatan ini menggunakan metode Image Subtracting dan metode Gaussian Mixture Model (GMM) untuk mendeteksi objek yang bergerak. Kemudian dilakukan perhitungan menggunakan garis pendeteksi objek dari awal bergerak pada garis pertama sampai dengan garis kedua. Dari informasi tersebut didapatkan kecepatan suatu kendaraan.
Pengembangan Chatbot Informasi Mahasiswa Berbasis Telegram dengan Metode Natural Language Processing Alfan Adi Chandra; Vincent Nathaniel; Fadlan Raka Satura; Faisal Dharma Adhinata
Journal ICTEE Vol 3, No 1 (2022): Januari
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jictee.v3i1.1886

Abstract

Perkembangan teknologi IT menuntuk manusia untuk selalu berinovasi dalam memecahkan masalah. Sebagai contoh dikalangan mahasiswa sering adanya komunikasi antar mahasiswa. Mahasiswa sering berkomunikasi perihal mata kuliah yang diberikan dikampus, baik tugas-tugasnya maupun materi yang diajarkan dikelas. Saat ini telah ada aplikasi seperti Telegram yang memudahkan komunikasi mahasiswa. Pada telegram terdapat salah satu fitur bot yang memberikan pesan otomatis kepada pengguna. Disetiap kampus biasanya terdapat informasi jadwal mahasiswa, informasi kampus, biaya semester kuliah dan lainnya. Oleh karena itu kami membuat bot untuk menyediakan informasi tersebut menggunakan teknologi Artificial Intelligence (AI) khususnya pada bidang Natural Language Processing (NLP). Hasil rata-rata akurasi sistem bot yang kami kembangkan adalah 91%. Hasil ini menunjukkan sistem bot dapat membantu mahasiswa dalam memperoleh informasi yang akurat terkait dunia kampus.
Co-Authors Alfan Adi Chandra Faisal Dharma Adhinata Gracia Rizka Pasfica Nia Annisa Ferani Tanjung Vincent Nathaniel Widi Widayat