Article Per Year (5 Year)
p-Index From 2021 - 2026
3.34
P-Index
This Author published in this journals
All Journal Journal of ICT Research and Applications JURNAL MEDIA INFORMATIKA BUDIDARMA Jurnal Riset Informatika eProceedings of Engineering
Marisa W. Paryasto
Telkom University
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 29 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 25 Documents
Search
Journal : eProceedings of Engineering

 1   2   3 
Analisis Kualitas Dan Ukuran Telur Melalui Citra Digital Menggunakan Support Vector Machine Ghofar, Muhammad Abdul; Prasasti, Anggunmeka Luhur; Paryasto, Marisa W
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak—Telur adalah salah satu komoditas bahan makanan yang paling besar di Indonesia. Telur memiliki berbagai macam jenis berdasarkan jenis induknya. Di dalam tugas akhir ini akan diteliti telur ayam yang dapat dibeli di warung terdekat yang selalu dikomsumsi sehari-hari. Telur ayam ini memiliki beberapa ciri di antara lain kulit telur tidak selalu coklat, ukuran telur tidak semua sama, dan tidak jarang pula melihat ada telur yang pecah atau retak ketika dalam masa perjalanan. SVM adalah salah satu algoritma pembelajaran mesin yang dapat melakukan klasifikasi pada suatu data gambar. Dapat dibuktikan dengan SVM yang dapat mengklasifikasikan kucing dengan anjing dengan sangat baik. Oleh karena itu, pada penelitian tugas akhir ini diuji kemampuan SVM untuk mengklasifikasi gambar digital telur ayam untuk mengklasifikasikan retakan dan warna pucat pada telur ayam. Dan didapatkan untuk model retak memiliki parameter terbaik pada kernel Polynomial dengan nilai C adalah 500 dan nilai gamma 0.00001 dengan akurasi 30%, sedangkan untuk model pucat memiliki parameter terbaik pada kernel RBF dengan nilai C adalah 600 dan nilai gamma 0.00001 dengan akurasi 100%. Hasil dari kualitas telur memiliki tingkat akurasi 100% berdasarkan syarat yang diberikan tetapi dengan kesalahan terjadi dikarenakan tingkat akurasi yang rendah dari model retak.Kata kunci — SVM, telur ayam, ukuran, kualitas, retakan
Analisis Parameter Laju Infeksi Covid-19 dan Prediksi Menggunakan Algoritma Least Square Nugroho, Muhamad Ikhsan; Kalista, Meta; Paryasto, Marisa W.
eProceedings of Engineering Vol. 10 No. 4 (2023): Agustus 2023
Publisher : eProceedings of Engineering

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

Abstract

Corona Virus Disease 2019 atau yang biasa disingkat COVID-19 adalah penyakit menular yang disebabkan oleh SARS-CoV-2, COVID-19 berasal dari kota Wuhan di China dan muncul pada Desember 2019, Sampai saat ini belum diketahui penyebab dari virus corona, diketahui virus ini disebarkan oleh hewan dan mampu menjangkit dari satu spesies ke spesies lainnya termasuk manusia. Untuk Menganalisis parameter laju infeksi COVID-19, dibutuhkan sebuah algoritma yang dapat menganalisis dengan akurat. Algoritma Least Square digunakan untuk mengolah data menjadi lebih akurat dan optimal, Model SIR (Susceptible (S), Infected (I) dan Removed (R)) digunakan untuk menangkap fenomena penyebaran virus Covid-19. Algoritma Least Square diharapkan bisa membantu mengolah data yang akan digunakan untuk menentukan laju infeksi COVID-19 secara optimal dan akurat. Analisis parameter laju COVID-19 disajikan dengan bentuk GUI di dalam aplikasi matlab yang sudah dibuat dan diteliti.Kata Kunci— COVID-19, algoritma least square, optimasi
Analisis Parameter Laju Infeksi COVID-19 Menggunakan Algoritma Particle Swarm Optimization Heriansyah, Rifqi Baihaqi Putra; Kalista, Meta; Paryasto, Marisa W.
eProceedings of Engineering Vol. 10 No. 4 (2023): Agustus 2023
Publisher : eProceedings of Engineering

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

Abstract

Virus Covid-19 merupakan virus baru yang berawal mula dari Wuhan, hingga saat ini virus tersebut masih menyebar di seluruh penjuru dunia, salah satunya Indonesia yang juga terkena dampak pada virus Covid-19. Laju penyebaran kasus Covid-19 secara sistematika dapat dianalisis menggunakan model matematika SIR Susceptible (S), Infected (I) dan Removed (R). Penggunaan istilah Removed pada artikel ini dikarenakan populasi ini terdiri dari atas individu yang sembuh (Recovered) dan Meninggal (Death) yang dimana laju penyebaran tersebut dapat diperoleh menggunakan metode optimasi yaitu Particle Swarm Optimization (PSO) Dalam hal ini, Metode PSO dapat memperoleh nilai dari laju penyebaran dengan cukup optimal dan cepat. Algoritma Particle Swarm Optimization (PSO) memiliki berbagai fungsi sebegai optimasi laju dari Covid-19 harus memiliki fungsi dasar untuk menentukan penyebaran dari suatu nilai. PSO dapat memiliki beberapa bagian terpenting seperti N (jumlah populasi), C (kemampuan individu (cognitive) dan pengaruh sosial (group) dan menunjukkan nilai dari posisi sebuah partikel terhadap memori dari kelompok), Maxit, W, WD. Untuk percobaan yang telah dilakukan bahwa suatu nilai dari setiap posisi partikel semakin tinggi nilai posisi partikel semakin tinggi nilai terhadap beta dan delta yang dihasilkan. Pada pengujian algoritma Particle Swarm Optimization (PSO) nilai jumlah populasi yang paling optimal adalah 10, dengan nilai beta 0,9581, delta 0,9453 dan time 12,45081.Kata Kunci— particle swarm optimization (PSO), Covid-19, optimasi.
Integrasi Streamlit pada Aplikasi Berbasis Web dengan Algoritma YOLO V8 dan Teknologi Drone untuk Identifikasi Jenis dan Estimasi Tinggi Pohon Toscana, Alwi Zulfauzi; Setianingsih, Casi; Paryasto, Marisa W.
eProceedings of Engineering Vol. 11 No. 3 (2024): Juni 2024
Publisher : eProceedings of Engineering

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

Abstract

Penelitian ini mencerminkan penerapan drone dan kecerdasan buatan (AI), khususnya menggunakan algoritmaYOLOv8, dalam mendeteksi jenis pohon dengan cepat dan efisien.Pohon memiliki peran penting dalam ekosistem dan perubahan iklim, serta dalam upaya konservasi hutan dan pengelolaansumber daya alam. Dengan kemajuan teknologi drone, AI, dancomputer vision, proses ini dapat dioptimalkan untuk menghematwaktu dan tenaga manusia. Penerapan drone memungkinkan akses ke daerah yang sulit dijangkau, sementara AI denganalgoritma YOLOv8 yang dioptimalkan untuk computer vision dapat secara otomatis mendeteksi dan mengidentifikasi pohondalam gambar atau video. Meskipun tantangan utamanya adalahketerbatasan dataset untuk melatih model AI, perkembangan dalam teknologi drone, AI, dan computer vision membawa potensi besar untuk meningkatkan efisiensi dan akurasi dalam deteksijenis pohon. Temuan dari penelitian ini menunjukkan bahwapenerapan drone dan algoritma YOLOv8 efektif dan akurat dalammengukur dan mengklasifikasikan pohon tinggi. Model yangdibangun mencapai kinerja dengan nilai presisi sebesar 88,57%,recall 86,14%, mAP50 93,98%, dan mAP50-90 68,10%. Sistemyang dikembangkan juga memiliki akurasi yang cukup baikdengan skor kepercayaan rata-rata 87%. Teknologi ini memilikipotensi besar dalam mendukung berbagai aplikasi, termasukpemantauan pertumbuhan hutan, konservasi sumber daya alam,serta penilaian dampak perubahan iklim terhadap ekosistem hutan. Kata kunci— Algoritma YOLOv8, Deteksi Pohon, Drone, Kecerdasan Buatan (AI), Optimisasi Teknologi Drone
Implementasi YOLOv8 Pada Deteksi Jenis Pohon Menggunakan Drone Islam , Muhammad Izzudin; Setianingsih, Casi; Paryasto, Marisa W
eProceedings of Engineering Vol. 11 No. 3 (2024): Juni 2024
Publisher : eProceedings of Engineering

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

Abstract

Penelitian ini menggambarkan pemanfaatan drone dan kecerdasan buatan (AI) khususnya menggunakanalgoritma YOLOv8 dalam pendeteksian jenis pohon secaracepat dan efisien. Pohon memiliki peran vital dalam ekosistemdan perubahan iklim, konservasi hutan, dan pengelolaansumber daya alam. Dengan kemajuan drone, AI, dan teknologicomputer vision, proses ini dapat dioptimalkan, menghematwaktu dan sumber daya manusia. Penggunaan dronememungkinkan akses ke wilayah sulit dijangkau, sementara AIdengan algoritma YOLOv8 yang dioptimalkan untuk computervision dapat digunakan untuk mendeteksi dan mengidentifikasipohon secara otomatis dalam gambar atau video secara realtime. Tantangan utama adalah keterbatasan dataset untukmelatih model AI, tetapi kemajuan dalam teknologi drone, AI,dan computer vision menawarkan potensi besar untukmeningkatkan efisiensi dan akurasi dalam deteksi jenis pohon.Hasil dari penelitian ini menunjukkan bahwa penggunaandrone dan algoritma YOLOv8 merupakan kombinasi yangefisien dan akurat dalam pengukuran dan klasifikasi tinggipohon. Model yang dikembangkan memiliki nilai performancesebesar 88.57% precission, 86.14% recall, 93.98% mAP50 dan68.10% mAP50-90. Serta sistem yang dikembangkan memilikiakurasi yang cukup baik dengan confidence score rata rata87%. Teknologi ini memiliki potensi besar dalam mendukungberbagai aplikasi, termasuk pemantauan pertumbuhan hutan,konservasi sumber daya alam, dan penilaian dampakperubahan iklim terhadap ekosistem hutan. Namun, perludicatat bahwa perbaikan lebih lanjut pada algoritma danpenyesuaian teknis lainnya dapat terus meningkatkan kinerja dan potensi sistem ini dimasa depan. Kata kunci — YOLOv8, Drone, Kecerdasan Buatan, Klasifikasi, Pohon.
Co-Authors Andi Tiana Putra ANGGUNMEKA LUHUR PRASASTI Annisa Farhah Apendi, Siroojuddin Budi Rahardjo Casi Setianingsih Chianyung, Chianyung Fajar Yuliawan Farradita Imanda Firdaus, Ilham Muhamad Fuadi, Farhan Gemilang, Galih Karya GHOFAR, MUHAMMAD ABDUL Heriansyah, Rifqi Baihaqi Putra Ida Wahidah Hamzah Intan Muchtadi Alamsyah Islam , Muhammad Izzudin Jaya Santoso Sirait Kalista, Meta KUSPRIYANTO Luthfy, Dicky M. Luthfan Alwafi Maulana, Erwan Muhammad Kurnia Sandi Muhammad Zaki Muhammad, Ario Syawal Nugroho, Muhamad Ikhsan Pratama, Muhammad Farras Adi Rahma, Alifia Mutiara Riswandi, M. Ghalib Rumani M Rumani M Rumani Rumani Sarfina Adilah Savrylia, Dewi Intan Syam, Rizky Ramadhani Thalib, Wildan Toscana, Alwi Zulfauzi Zakir, Gilman Muslih