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 29 Documents
Search

 1   2   3 
Sistem Deteksi Pelanggaran Zebra Cross Pada Kendaraan Sepeda Motor Menggunakan Algoritma YOLOv4 Chianyung, Chianyung; Setianingsih, Casi; 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—Kecelakaan lalu lintas akhir-akhir ini harus menjadi perhatian khusus bagi kita semua. Kecelakaan terjadi karena kurangnya kesadaran diri dari masyarakat akan peraturan lalu lintas itu sendiri. Polisi sebagai institusi yang membantu masyarakat dalam mengedukasi pentingnya mematuhi peraturan lalu lintas harus tidak boleh lelah dalam menjalankan tugasnya. Salah satu cara edukasi yang dilakukan kepolisian adalah dengan cara pengawasan lalu lintas. Mereka turun ke lapangan untuk menindak pelanggar-pelanggar yang tidak mematuhi aturan, tentunya cara seperti ini memiliki beberapa kekurangan seperti SDM yang terbatas dan juga waktu yang terbatas. Dengan itu teknologi sebenarnya dapat dimanfaatkan untuk melakukan fungsi pengawasan yang lebih fleksibel. Sistem berbasis object detection dapat digunakan sebagai solusi untuk menindak pelanggaran khususnya kendaraan sepeda motor yang seringkali diam di area zebra cross saat lampu merah sedang menyala. Hasil dari penelitian yang telah dilakukan pada tugas akhir ini menunjukan bahwa sistem pendeteksi pelanggar kendaraan sepeda motor pada zebra cross berbasis deteksi objek menggunakan algoritma YOLO ini mendapatkan hasil Precision 100%, Recall 100%, F1-Score 100%, Average IoU 82.23%, Average Loss 2.31%, mAP 99.99% serta akurasi yang didapatkan mencapai 99.66% dengan parameter yang digunakan adalah rasio data latih 70% : 30% data uji, Batchsize 64, Learning Rate 0.004, dan Max Batches 4000.Kata kunci —  deep learning, lalu lintas, deteksi objek, YOLO
Sistem Deteksi Pengendara Sepeda Motor Tanpa Helm Menggunakan Algoritma SSD Fuadi, Farhan; Setianingsih, Casi; 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—Pelanggaran lalu lintas sudah banyak terjadi untuk saat ini. Salah satu pelanggaran yang terjadi, disebabkan oleh pengendara sepeda motor. Banyak dari pengendara sepeda motor tidak menggunakan helm saat bepergian, sehingga dapat meningkatkan risiko kematian jika terjadi kecelakaan. Salah satu penyebab banyaknya pengendara sepeda motor melanggar peraturan lalu lintas yaitu tidak adanya pengawasan dari polisi lalu lintas secara real-time.Oleh karena itu, pada Tugas Akhir ini dibuat sebuah sistem deteksi pelanggaran helm pada kendaraan roda dua menggunakan algoritma SSD yang dapat mempermudah pendeteksian pelanggaran tidak menggunakan helm pada saat mengendarai sepeda motor. Cara kerja sistem ini yaitu kamera yang telah dipasang di tempat yang ditentukan, akan mendeteksi motor yang lewat. Jika kamera mendeteksi pelanggaran pada tempat yang telah dipasangi kamera, maka nantinya akan mengirimkan pesan notifikasi ke pihak kepolisian. Dari hasil penelitian tugas akhir sistem deteksi pengendara tanpa helm pada kendaraan roda dua menggunakan algoritma SSD  memperoleh nilai mAP@50IOU 79,2% dan AR@100 61.4% dengan variabel konfigurasi yang digunakan adalah rasio data train 90%  dan data test 10% , learning rate 0.004, epochs 1, dan batch size 24.Kata kunci —  deteksi sepeda motor, deteksi helm, SSD
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.
RESTAURANT DENSITY PREDICTION SYSTEM USING FEED FORWARD NEURAL NETWORK Muhammad Kurnia Sandi; Anggunmeka Luhur Prasasti; Marisa W. Paryasto
Jurnal Riset Informatika Vol. 3 No. 2 (2021): March 2021 Edition
Publisher : Kresnamedia Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34288/jri.v3i2.58

Abstract

In this day and age, information about something is so important. The level of trust of modern society depends on the testing of information. Tested and accurate information will have a good impact on the community. One of the important but often missed information is information about the density of a restaurant. Information about restaurant density is important to know because it can affect the actions of someone who will visit the restaurant. This information is also useful to provide information in advance so that diners avoid full restaurants to avoid the spread of the Covid-19 virus, among other things. With limited operating hours as well as the number of restaurant visitors, information about the density of a restaurant becomes much needed. The lack of information on restaurant density is a major problem in the community. The needs of the community, made this study aims to predict the density of a restaurant an hour later. Based on survey data and existing literature data, with simulation methods and also system analysis built using feedforward neural network artificial intelligence architecture and then trained with Backpropagation algorithms produced an accuracy of 97.8% with literature data.
ALEXNET ARCHITECTURE AND FUZZY ANALYSIS ON TALENT JUDGE DECISION PREDICTION BASED ON FACIAL EXPRESSION Muhammad Zaki; Anggunmeka Luhur Prasasti; Marisa W. Paryasto
Jurnal Riset Informatika Vol. 4 No. 4 (2022): September 2022
Publisher : Kresnamedia Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (706.456 KB) | DOI: 10.34288/jri.v4i4.171

Abstract

The expression on the human face is a means of non-verbal communication. In the talent search event, the facial expressions shown by the judges when watching the participants’ performances became one of the components to see whether the contestant who was performing could qualify for the next round or he would fail. Haar cascade is used to provide the location of the face in the frame and to classify the expressions on the face, a CNN model with modified AlexNet architecture is used which increases the accuracy by 5% from the original alexnet. A fuzzy Algorithm is used to predict the judge’s decision based on how many facial expressions appear during the participant’s appearance. The decision prediction system for talent search judges based on facial expressions using fuzzy is considered effective in predicting decisions, after being tested the system can predict decisions with an accuracy rate of 83%.
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