Garuda - Garba Rujukan Digital

Development of YOLO-Based Mobile Application for Detection of Defect Types in Robusta Coffee Beans Nugroho, Eko Dwi; Verdiana, Miranti; Algifari, Muhammad Habib; Afriansyah, Aidil; Firmansyah, Hafiz Budi; Rizkita, Alya Khairunnisa; Winarta, Richard Arya; Gunawan, David
Journal of Applied Informatics and Computing Vol. 9 No. 1 (2025): February 2025
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v9i1.8886

Improving the quality of Robusta coffee beans is a crucial challenge in the coffee industry to ensure that consumers receive high-quality products. However, the identification of defects in coffee beans is still largely performed manually, making the process error-prone and time-consuming. This study aims to develop a YOLO-based mobile application to detect defects in Robusta coffee beans quickly and accurately. The method employed in this study is YOLO, a deep learning-based object detection algorithm known for its real-time object detection capabilities. The application was tested using a dataset of Robusta coffee beans containing various defects, such as broken, black, and wrinkled beans. The test results indicate that the application achieves high detection accuracy, with the black bean class achieving 95.3% accuracy, while the moldy or bleached bean class records the lowest accuracy at 62.2%. This application is expected to assist farmers and coffee industry stakeholders in improving the quality of Robusta coffee beans and enhancing the efficiency of the sorting process.

The Development and Implementation of M-Edupayment: A Multi-Payment Platform for SMK Negeri 7 Bandar Lampung Praseptiawan, Mugi; Utoro, Meida Cahyo; Ashari, Ilham Firman; Algifari, Muhammad Habib; Afriansyah, Aidil
Jurnal Pengabdian kepada Masyarakat (Indonesian Journal of Community Engagement) Vol 11, No 1 (2025): March
Publisher : Direktorat Pengabdian kepada Masyarakat Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/jpkm.100850

This community engagement activity aimed to develop a mini bank website, m-EduPayment, integrated with the iPaymu payment gateway as an Application Programming Interface (API). The project was implemented at SMK Negeri 7 Bandar Lampung. System development followed the Personal Extreme Programming (PXP) method, which included the stages of Requirements, Planning, Iteration Initialization, Design, Implementation, and System Testing. PXP, a variant of Extreme Programming, was specifically adapted for individual developers. The activity involved 31 respondents, consisting of 10th and 11th-grade students, who evaluated the system using the System Usability Scale (SUS) to measure its usability. Interviews with teachers (superadmins) and student administrators were also conducted to identify initial requirements and gather feedback on the system design. Data analysis utilized a Likert scale, where respondents rated various system aspects on a scale from 1 (strongly disagree) to 5 (strongly agree). SUS scores were calculated using standard formulas to determine a final score, which was then classified into usability categories. The average SUS score was 91, falling under the "Excellent" category (Grade A). The development of the mini bank website introduced new features, including online payment services for tuition fees (SPP), waste banks, and savings. System testing achieved a 99% functional success rate, demonstrating the platform’s high usability in the school environment. Respondents provided overwhelmingly positive feedback, affirming the successful implementation and functionality of the website.

COMPARATIVE OF LSTM AND GRU FOR TRAFFIC PREDICTION AT ADIPURA INTERSECTION, BANDAR LAMPUNG Ilham Firman Ashari; Verlina Agustine; Aidil Afriansyah; Nela Agustin Kurnianingsih; Andre Febrianto; Eko Dwi Nugroho
JITK (Jurnal Ilmu Pengetahuan dan Teknologi Komputer) Vol. 10 No. 4 (2025): JITK Issue May 2025
Publisher : LPPM Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33480/jitk.v10i4.6569

The Tugu Adipura intersection in Bandar Lampung is a vital traffic hub connecting four major roads. Rapid population growth and increasing vehicle numbers challenge traffic flow and urban quality of life. Despite its importance, there is limited research using predictive models to analyze traffic patterns at complex intersections in mid-sized Indonesian cities. This study addresses that gap by examining traffic growth on four connected roads using deep learning models. Traffic data were collected hourly from June 1, 2021, to July 31, 2023. A comparative analysis of Long Short-Term Memory (LSTM) and Gated Recurrent Unit (GRU) models was conducted, with SGD and Adam as optimizers. Results show the GRU model with Adam achieved the lowest RMSE (0.23) on road section 1, indicating its superior ability to model short-term fluctuations and non-linear growth in traffic volume. The study offers practical implications for traffic management by highlighting GRU’s capacity to capture seasonal trends and rapid growth, supporting proactive infrastructure planning and congestion mitigation strategies. These findings demonstrate the value of data-driven approaches in enhancing transportation systems in growing urban areas.

Peningkatan Kualitas Hidup Masyarakat Desa Margasari LabuhanMaringgai Lampung Timur melalui Pelatihan Pengelolaan Sampahdan Teknologi Pendidikan Aidil Afriansyah; Andre Febrianto; Mugi Praseptiawan; Hafiz Budi Firmansyah; Naufal Raki
Jurnal Relawan dan Pengabdian Masyarakat REDI Vol. 2 No. 4 (2025): Mei
Publisher : Yayasan REDI Tiga Monas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69773/tk72p376

Kegiatan Kuliah Kerja Nyata (KKN) yang dilaksanakan di Desa Margasari, Kecamatan Labuhan Maringgai,Lampung Timur bertujuan untuk mengatasi permasalahan utama di bidang lingkungan dan pendidikan.Kegiatan ini melibatkan penyuluhan pengelolaan sampah dan pemanfaatan tanaman obat keluarga(TOGA), pelatihan pembuatan kerajinan dari bahan limbah, serta penggunaan teknologi informasi untukpendidikan. Hasil kegiatan menunjukkan peningkatan pemahaman masyarakat tentang pengelolaansampah dari 40% menjadi 70%, serta peningkatan kemampuan siswa dalam penggunaan komputer dari20% menjadi 70%. Dampak positif dari kegiatan ini adalah peningkatan pendapatan keluarga melaluipenjualan kerajinan dan peningkatan motivasi belajar siswa. Evaluasi kegiatan menunjukkan antusiasmemasyarakat yang tinggi dan keinginan untuk melanjutkan program serupa di masa depan. Saran untukperbaikan mencakup peningkatan durasi pelatihan dan kerjasama dengan pihak pemerintah serta sektorswasta untuk memperluas cakupan program

Evaluasi Logistic Regression dan Neural Network pada Klasifikasi Gagal Jantung Berbasis Threshold Anggraini, Leslie; Akram Abdillah, Attar; Kartadilaga, Muhammad Qaessar; Verdiana, Miranti; Nugroho, Eko; Afriansyah, Aidil; Febrianto, Andre; Bagaskara, Radhinka
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 10 No. 1 : Tahun 2025
Publisher : LPPM UNIKA Santo Thomas

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

Kardiovaskular adalah sistem jantung dan pembuluh darah dalam tubuh manusia yang bertanggung jawab atas sirkulasi darah dalam jantung, pembuluh darah, dan darah sendiri. Gangguan pada fungsi sistem ini dapat menyebabkan penyakit kardiovaskular, seperti gagal jantung, yang menjadi salah satu penyebab utama kematian di seluruh dunia. Kematian yang disebabkan oleh gagal jantung mempengaruhi 1.5 juta pasien di seluruh dunia. Dikarenakan oleh data statistik tersebut, maka ada kebutuhan untuk dapat memprediksi dampak gagal jantung untuk membantu tingkat kelangsungan hidup pasien. Sebagai bentuk kontribusi terhadap kebutuhan tersebut, penelitian ini akan menganalisis sebuah dataset pelayanan kesehatan, yaitu dataset rekam gagal jantung dari UCI. Dataset tersebut akan digunakan untuk mengklasifikasi dan memprediksi peluang kematian dari pasien gagal jantung. Kami akan membandingkan antara dua metode klasifikasi dari machine learning, yaitu Logistic Regression (LR), dan deep learning, yaitu Shallow Neural Network (SNN). Mutual Information (MI) dipilih sebagai metode pemilihan fitur. Hasil menunjukkan bahwa SNN menghasilkan akurasi lebih tinggi dengan skor 0.75, dibandingkan LR dengan akurasi sebesar 0.63.

Analisis Hubungan dan Prediksi Depresi Mahasiswa Berdasarkan Faktor Akademik dan Gender Verdiana, Miranti; Dwi Nugroho, Eko; Anggraini, Leslie; Bagaskara, Radhinka; Yulita, Winda; Afriansyah, Aidil; Habib Algifari, Muhammad
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 10 No. 1 : Tahun 2025
Publisher : LPPM UNIKA Santo Thomas

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

This study aims to analyze the level of depression among university students by examining gender and several academic indicators. The dataset includes responses from 27,901 students across various regions, with variables covering age, gender, academic pressure, study satisfaction, work/study hours, CGPA, and depression status. The analytical methods applied in this study include the chi-square test to eval_uate the association between gender and depression status, point-biserial correlation to examine relationships between numeric variables and depression, and logistic regression to develop a prediction model. The chi-square test results revealed no significant relationship between gender and depression (p = 0.774), indicating that depression affects both genders. In contrast, academic pressure exhibited the strongest correlation with depression status (r = 0.47), followed by work/study hours (r = 0.209) and study satisfaction (r = -0.168). The Logistic Regression model constructed using the four most relevant variables demonstrated satisfactory performance, achieving 75.5% accuracy and 82.1% recall in identifying students experiencing depression. These findings highlight the critical role of academic-related factors—particularly academic pressure—in influencing students’ mental health. Therefore, targeted academic support strategies are essential to mitigate depression risks in higher education environments. Keywords— Student Depression, Academic Pressure, Gender, Logistic Regression, Mental Health Prediction

Co-Fit: Menjaga Kesehatan melalui Aplikasi Health Profiling dalam Pencegahan dan Deteksi Gejala Covid-19 Afriansyah, Aidil; Annisa, Resty
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 6 No. 2 : Tahun 2021
Publisher : LPPM UNIKA Santo Thomas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54367/jtiust.v6i2.1500

Menjaga kesehatan kebutuhan utama manusia khususnya sekarang pada saat pendemi COVID-19. Setiap manusia memiliki kebutuhan yang berbeda dalam menjaga kesehatan. Dimasa pandemi mengharuskan kita membatasi kegiatan diluar rumah namun tetap menerapkan pola hidup sehat diantaranya adalah berolahraga dalam upaya untuk menjaga kondisi kesehatan, penulis terinspirasi membangun sebuah sistem yang dapat mendukung hal tersebut. Sistem yang dibangun harus dapat memahami profil kesehatan (Health Profiling) dari user. Setiap hari user mendapat notifikasi untuk melakukan pengecekan kesehatan dengan cara menjawab beberapa pertanyaan tentang kesehatan khususnya gejala COVID-19, Jika user terdeteksi gejala COVID-19, akan ditampilkan notifikasi segera melakukan pengecekan ke klinik kesehatan terdekat. Setelah terdeteksi gejala dini COVID-19 oleh pihak klinik, system akan memberikan informasi rekomendasi ke rumah sakit rujukan COVID-19. System ini juga dapat memberikan informasi cara menjaga kesehatan dengan pemberitahuan untuk berolahraga beserta program latihannya (exercises) dan informasi terbaru mengenai COVID-19. Hal ini sebagai tindakan deteksi dini pencegahan COVID-19. Metode yang digunakan pada perancangan system ini yaitu User-Centered Design yang mengacu pada user experience calon pengguna. Tujuan utama dari metode tersebut adalah untuk membuat suatu sistem informasi yang user-friendly dengan tingkat usability yang tinggi

Evaluasi Logistic Regression dan Neural Network pada Klasifikasi Gagal Jantung Berbasis Threshold Anggraini, Leslie; Akram Abdillah, Attar; Kartadilaga, Muhammad Qaessar; Verdiana, Miranti; Nugroho, Eko; Afriansyah, Aidil; Febrianto, Andre; Bagaskara, Radhinka
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 10 No. 1 : Tahun 2025
Publisher : LPPM UNIKA Santo Thomas

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

Kardiovaskular adalah sistem jantung dan pembuluh darah dalam tubuh manusia yang bertanggung jawab atas sirkulasi darah dalam jantung, pembuluh darah, dan darah sendiri. Gangguan pada fungsi sistem ini dapat menyebabkan penyakit kardiovaskular, seperti gagal jantung, yang menjadi salah satu penyebab utama kematian di seluruh dunia. Kematian yang disebabkan oleh gagal jantung mempengaruhi 1.5 juta pasien di seluruh dunia. Dikarenakan oleh data statistik tersebut, maka ada kebutuhan untuk dapat memprediksi dampak gagal jantung untuk membantu tingkat kelangsungan hidup pasien. Sebagai bentuk kontribusi terhadap kebutuhan tersebut, penelitian ini akan menganalisis sebuah dataset pelayanan kesehatan, yaitu dataset rekam gagal jantung dari UCI. Dataset tersebut akan digunakan untuk mengklasifikasi dan memprediksi peluang kematian dari pasien gagal jantung. Kami akan membandingkan antara dua metode klasifikasi dari machine learning, yaitu Logistic Regression (LR), dan deep learning, yaitu Shallow Neural Network (SNN). Mutual Information (MI) dipilih sebagai metode pemilihan fitur. Hasil menunjukkan bahwa SNN menghasilkan akurasi lebih tinggi dengan skor 0.75, dibandingkan LR dengan akurasi sebesar 0.63.

Analisis Hubungan dan Prediksi Depresi Mahasiswa Berdasarkan Faktor Akademik dan Gender Verdiana, Miranti; Dwi Nugroho, Eko; Anggraini, Leslie; Bagaskara, Radhinka; Yulita, Winda; Afriansyah, Aidil; Habib Algifari, Muhammad
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 10 No. 1 : Tahun 2025
Publisher : LPPM UNIKA Santo Thomas

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

This study aims to analyze the level of depression among university students by examining gender and several academic indicators. The dataset includes responses from 27,901 students across various regions, with variables covering age, gender, academic pressure, study satisfaction, work/study hours, CGPA, and depression status. The analytical methods applied in this study include the chi-square test to eval_uate the association between gender and depression status, point-biserial correlation to examine relationships between numeric variables and depression, and logistic regression to develop a prediction model. The chi-square test results revealed no significant relationship between gender and depression (p = 0.774), indicating that depression affects both genders. In contrast, academic pressure exhibited the strongest correlation with depression status (r = 0.47), followed by work/study hours (r = 0.209) and study satisfaction (r = -0.168). The Logistic Regression model constructed using the four most relevant variables demonstrated satisfactory performance, achieving 75.5% accuracy and 82.1% recall in identifying students experiencing depression. These findings highlight the critical role of academic-related factors—particularly academic pressure—in influencing students’ mental health. Therefore, targeted academic support strategies are essential to mitigate depression risks in higher education environments. Keywords— Student Depression, Academic Pressure, Gender, Logistic Regression, Mental Health Prediction

Co-Fit: Menjaga Kesehatan melalui Aplikasi Health Profiling dalam Pencegahan dan Deteksi Gejala Covid-19 Afriansyah, Aidil; Annisa, Resty
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 6 No. 2 : Tahun 2021
Publisher : LPPM UNIKA Santo Thomas

Menjaga kesehatan kebutuhan utama manusia khususnya sekarang pada saat pendemi COVID-19. Setiap manusia memiliki kebutuhan yang berbeda dalam menjaga kesehatan. Dimasa pandemi mengharuskan kita membatasi kegiatan diluar rumah namun tetap menerapkan pola hidup sehat diantaranya adalah berolahraga dalam upaya untuk menjaga kondisi kesehatan, penulis terinspirasi membangun sebuah sistem yang dapat mendukung hal tersebut. Sistem yang dibangun harus dapat memahami profil kesehatan (Health Profiling) dari user. Setiap hari user mendapat notifikasi untuk melakukan pengecekan kesehatan dengan cara menjawab beberapa pertanyaan tentang kesehatan khususnya gejala COVID-19, Jika user terdeteksi gejala COVID-19, akan ditampilkan notifikasi segera melakukan pengecekan ke klinik kesehatan terdekat. Setelah terdeteksi gejala dini COVID-19 oleh pihak klinik, system akan memberikan informasi rekomendasi ke rumah sakit rujukan COVID-19. System ini juga dapat memberikan informasi cara menjaga kesehatan dengan pemberitahuan untuk berolahraga beserta program latihannya (exercises) dan informasi terbaru mengenai COVID-19. Hal ini sebagai tindakan deteksi dini pencegahan COVID-19. Metode yang digunakan pada perancangan system ini yaitu User-Centered Design yang mengacu pada user experience calon pengguna. Tujuan utama dari metode tersebut adalah untuk membuat suatu sistem informasi yang user-friendly dengan tingkat usability yang tinggi

Title

Found 42 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 42 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 42 Documents
Search