Article Per Year (5 Year)
p-Index From 2020 - 2025
3.457
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Komputer dan Informasi JOIN (Jurnal Online Informatika) Jurnal Pendidikan Fisika JTERA (Jurnal Teknologi Rekayasa) The IJICS (International Journal of Informatics and Computer Science) JURIKOM (Jurnal Riset Komputer) Abdimas Umtas : Jurnal Pengabdian kepada Masyarakat Edsence: Jurnal Pendidikan Multimedia Building of Informatics, Technology and Science JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Media Jurnal Informatika Journal of Software Engineering, Information and Communication Technology Industrial Research Workshop and National Seminar
Muhammad Rizqi Sholahuddin
Politeknik Negeri Bandung
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering Physics Social Sciences Other

Published : 21 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 21 Documents
Search

 1   2   3 
Optimizing YOLOv8 for Real-Time CCTV Surveillance: A Trade-off Between Speed and Accuracy Muhammad Rizqi Sholahuddin; Maisevli Harika; Iwan Awaludin; Yunita Citra Dewi; Fachri Dhia Fauzan; Bima Putra Sudimulya; Vandha Pradiyasma Widarta
JOIN (Jurnal Online Informatika) Vol 8 No 2 (2023)
Publisher : Department of Informatics, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/join.v8i2.1196

Abstract

Real-time video surveillance, especially CCTV systems, requires fast and accurate face detection. Object detection models with slow inference times are ineffective in real-time. This study addresses this challenge by improving the inference speed of the YOLOv8 model, a leading object detection framework known for its accuracy and speed. We focus on pruning the model's architecture, particularly the P5 head section, which detects larger objects. According to Bochkovskiy's 2020 research, this modification enhances the model's performance specifically for medium and small objects in CCTV footage. The standard YOLOv8 model and its modified version were compared for inference time, mean Average Precision (mAP), and model weight. The pruned YOLOv8 model cuts inference time by 15.56%, from 4.5 ms to 3.8 ms, and reduces model weight. The advantages mentioned above are offset by a 1.6% decrease in mean average precision. This research advances object detection technology by demonstrating architectural modifications' efficacy. These changes make the model faster and lighter, making it suitable for real-time surveillance. The accuracy trade-off is slight. The implications of these findings are crucial for implementing efficient object detection systems in CCTV surveillance. These findings also lay the groundwork for future research to improve such systems' speed-accuracy trade-off.
Optimizing YOLOv8 for Real-Time CCTV Surveillance: A Trade-off Between Speed and Accuracy Muhammad Rizqi Sholahuddin; Maisevli Harika; Iwan Awaludin; Yunita Citra Dewi; Fachri Dhia Fauzan; Bima Putra Sudimulya; Vandha Pradiyasma Widarta
JOIN (Jurnal Online Informatika) Vol 8 No 2 (2023)
Publisher : Department of Informatics, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/join.v8i2.1196

Abstract

Real-time video surveillance, especially CCTV systems, requires fast and accurate face detection. Object detection models with slow inference times are ineffective in real-time. This study addresses this challenge by improving the inference speed of the YOLOv8 model, a leading object detection framework known for its accuracy and speed. We focus on pruning the model's architecture, particularly the P5 head section, which detects larger objects. According to Bochkovskiy's 2020 research, this modification enhances the model's performance specifically for medium and small objects in CCTV footage. The standard YOLOv8 model and its modified version were compared for inference time, mean Average Precision (mAP), and model weight. The pruned YOLOv8 model cuts inference time by 15.56%, from 4.5 ms to 3.8 ms, and reduces model weight. The advantages mentioned above are offset by a 1.6% decrease in mean average precision. This research advances object detection technology by demonstrating architectural modifications' efficacy. These changes make the model faster and lighter, making it suitable for real-time surveillance. The accuracy trade-off is slight. The implications of these findings are crucial for implementing efficient object detection systems in CCTV surveillance. These findings also lay the groundwork for future research to improve such systems' speed-accuracy trade-off.
Analisis Data Eksplorasi Klasifikasi Aktivitas Otak yang Berbahaya Putriadhinia, Salma Syawalan; Mulia, Syelvie Ira Ratna; Awaludin, Iwan; Sholahuddin, Muhammad Rizqi; Syakrani, Nurjannah; Hayati, Hashri
Prosiding Industrial Research Workshop and National Seminar Vol 15 No 1 (2024): Prosiding 15th Industrial Research Workshop and National Seminar (IRWNS)
Publisher : Politeknik Negeri Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35313/irwns.v15i1.6234

Abstract

Elektroensefalografi (EEG) merupakan alat yang vital dalam rekaman dan analisis aktivitas listrik otak, sering digunakan dalam penelitian dan perawatan medis. Peletakan elektroda EEG mengikuti sistem internasional 10-20, dengan huruf dan angka tertentu untuk menandakan lokasi spesifik di otak. Kualitas pengukuran EEG sangat penting, dengan upaya mengeliminasi artifact yang bisa berasal dari sumber biologis maupun nonbiologis. Monitoring EEG di ICU telah meningkat, terutama untuk mendeteksi pola IIIC yang berbahaya. Pola tersebut sulit dibedakan dari kejang biasa dan dapat menyebabkan kerusakan otak. Penelitian ini bertujuan untuk melakukan analisis terhadap dataset EEG yang memiliki pola IIIC sehingga harapannya dapat berguna untuk peneliti yang hendak menggunakan data tersebut. Penelitian ini menggunakan dataset dari platform Kaggle, tepatnya HMS – Harmful Brain Activity Classification. Dataset tersebut memiliki data mentah EEG dan spektogram yang sudah dianotasi oleh ahli. Analisis data menunjukkan bahwa dataset tersebut memiliki keseimbangan jumlah data yang dianotasi untuk masing-masing kategori IIIC. Dalam dataset tersebut, terdapat data rekaman EEG dan data spektogram yang memiliki nilai kosong (null value) sehingga perlu dilakukan penangan terlebih dahulu sebelum diolah lebih lanjut.
Dataset Citra Papan Sirkuit Tercetak dengan Komponen yang Terbakar Awaludin, Iwan; Gelar, Trisna; Sholahuddin, Muhammad Rizqi; Melinia, Gina; Kadhafi, Irvan; Sitepu, Rezky Wahyuda
Building of Informatics, Technology and Science (BITS) Vol 3 No 3 (2021): December 2021
Publisher : Forum Kerjasama Pendidikan Tinggi

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (593.375 KB) | DOI: 10.47065/bits.v3i3.1025

Abstract

The application of artificial intelligence, especially in the automatic optical inspection of printed circuit boards or PCBs, is increasingly being carried out by researchers. Unfortunately, the data used to train and test artificial intelligence models is synthetic data. Printed circuit boards in good condition are imaged and then changed by software to give the impression of defects. In addition, the type of damage is limited to pre-operation, namely when the PCB is not yet operational. After the PCB is operational, damage can occur, for example, burned components. Until now, there is no data set of PCB images with burned components. This study, therefore, explores data retrieval techniques that can produce the required data set. This data collection technique includes hardware setup and PCB data sources. Based on the exploration results, it is concluded that a trinocular digital microscope with high resolution can produce sharp PCB images. The obstacle that arises is the difficulty of getting PCBs with burned components. The solution was obtained by referring to the PCB repair video from the Youtube channel. Several data were collected and tested with EfficientDet with 90% mAP.
Rancang Bangun Sistem SCADA Sebagai Media Pembelajaran Distribusi Tenaga Listrik Menggunakan Standar Modbus Sofyan, Yusuf; Fitriani, Sofy; Santosa, Yoseph; Sholahuddin, Muhammad Rizqi
JTERA (Jurnal Teknologi Rekayasa) Vol 8, No 2: December 2023
Publisher : Politeknik Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31544/jtera.v8.i2.2023.217-226

Abstract

Gardu distribusi (GD) merupakan salah satu komponen penting dalam suatu sistem kelistrikan, khususnya pada proses distribusi tenaga listrik. Ilmu terkait ketenagalistrikan sangat penting diberikan terutama sebagai media pembelajaran dan pelatihan untuk pengalaman di dunia industri. Penelitian ini bertujuan untuk merancang prototipe sistem Supervisory Control and Data Acquisition (SCADA) pada distribusi tenaga listrik. Adapun metode yang digunakan menggunakan model Analysis, Design, Development, Implementation, and Evaluation (ADDIE). Tahapan pada model ini diawali analisis dengan menentukan kompetensi dan tujuan pembuatan penelitian ini. Tahapan kedua adalah desain dengan membuat sistem secara sitematis untuk perancangan modul. Pada tahapan development sudah dapat ditentukan spesifikasi kebutuhan seperti parameter pengukuran, sistem komunikasi menggunakan standar Modbus, perancangan perangkat keras yang akan dibuat, alat yang digunakan untuk pembacaan pengukuran, dan lain sebagainya. Dari keseluruhan ini akan diimplementasikan menjadi sebuah modul yang dapat dikontrol menggunakan SCADA. Sistem akan dievaluasi berdasarkan pengukuran yang muncul pada alat yang sudah dibuat dengan pembacaan paramter pengukuran dengan menggunakan software Modbus-Poll (MBP). Berdasarkan penelitian yang sudah dilakukan, keseluruhan modul sudah berjalan dengan baik. Hal ini ditandai dengan hasil pengukuran menunjukkan pembacaan dari Digital Meter (DM) dengan Modbus-Poll hanya memiliki selisih sekitar 0,3V.
Implementasi Finite State Automata pada Desain Sistem Dialog Interaktif Non-Player Character dalam Game "Legenda Guardian Kuno" Atqiya, Firas; Sholahuddin, Muhammad Rizqi; Suharsih, Ririn
Media Jurnal Informatika Vol 16, No 2 (2024): Media Jurnal Informatika
Publisher : Teknik Informatika Universitas Suryakancana Cianjur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35194/mji.v16i2.4828

Abstract

Interaksi antara pemain dan Non-Player Character (NPC) merupakan elemen kunci dalam pengalaman bermain game, terutama dalam genre role-playing game (RPG). Sistem dialog yang adaptif dan responsif dapat meningkatkan imersi dan keterlibatan pemain. Penelitian ini bertujuan untuk mengimplementasikan konsep Finite State Automata (FSA) dalam sistem dialog NPC pada game "Legenda Guardian Kuno" guna meningkatkan kualitas interaksi dan fleksibilitas percakapan. Model FSA dikembangkan dan diintegrasikan dengan data dialog dalam format JSON, yang memudahkan pengelolaan dan pemeliharaan sistem dialog. Metode penelitian meliputi perancangan model FSA yang merepresentasikan alur percakapan, implementasi kode program menggunakan bahasa Python dengan data dialog disimpan dalam format JSON, serta pengujian fungsionalitas dan validasi sistem. Hasil penelitian menunjukkan bahwa penggunaan FSA efektif dalam mengelola percakapan bercabang, memungkinkan NPC memberikan respons dinamis dan kontekstual berdasarkan pilihan pemain, sehingga meningkatkan imersi dan keterlibatan pemain. Sistem yang dikembangkan mampu mengakomodasi berbagai jalur percakapan yang kompleks, memastikan alur cerita berjalan logis dan konsisten. Penelitian ini menunjukkan  bahwa  FSA  merupakan pendekatan yang efektif dalam pengembangan sistem dialog interaktif.
Penggunaan MediaPipe untuk Pengenalan Gesture Tangan Real-Time dalam Pengendalian Presentasi Agustiani, Amelia Dewi; Sholahuddin, Muhammad Rizqi; Putri, Salsabila Maharani; Hidayatullah, Priyanto
Media Jurnal Informatika Vol 16, No 2 (2024): Media Jurnal Informatika
Publisher : Teknik Informatika Universitas Suryakancana Cianjur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35194/mji.v16i2.4788

Abstract

Penelitian ini membahas masalah pengendalian presentasi yang terbatas pada penggunaan perangkat fisik seperti mouse atau keyboard, yang sering mengurangi fleksibilitas pengguna. Untuk mengatasi hal ini, penelitian ini mengusulkan implementasi MediaPipe, sebuah framework pengolahan citra dan video, untuk pengenalan gestur tangan secara real-time. Metode ini memungkinkan pengguna mengontrol presentasi PowerPoint secara intuitif melalui gerakan tangan tanpa kontak fisik dengan perangkat. Pengendalian dilakukan dengan mendeteksi dan menginterpretasikan gestur tangan menggunakan teknologi pengenalan pola berbasis jaringan saraf tiruan. Studi ini bertujuan meningkatkan efisiensi dan kenyamanan dalam mengendalikan presentasi, khususnya dalam situasi yang membutuhkan interaksi jarak jauh. Hasil penelitian menunjukkan implementasi ini mampu memberikan respons cepat terhadap perubahan gestur dalam berbagai kondisi penggunaan. Model pengenalan gestur tangan yang diusulkan menunjukkan performa sangat baik, dengan nilai macro average precision, recall, dan F1-score masing-masing mencapai 97%, yang berkontribusi pada pengembangan antarmuka pengguna yang lebih intuitif dan efisien.
Developing a Recipe Chatbot: Integrating Regular Expressions with the Tasty API for Enhanced Culinary Information Retrieval Atqiya, Firas; Suharsih, Ririn; Sholahuddin, Muhammad Rizqi
Journal of Software Engineering, Information and Communication Technology (SEICT) Vol 5, No 2: December 2024
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/seict.v5i2.76112

Abstract

This paper explores the development of a recipe chatbot that leverages regular expressions and the Tasty API to provide users with a seamless and intuitive culinary information retrieval experience. By combining the power of natural language processing techniques with a vast recipe database, the chatbot aims to enhance user interaction and provide accurate and relevant recipe recommendations and cooking instructions. The system employs regular expressions to interpret user queries, enabling flexible and natural language input. Integration with the Tasty API allows the chatbot to access a wide range of recipes and detailed information, including ingredients, instructions, and nutritional values. The chatbot's performance is evaluated based on its accuracy in understanding user requests and providing relevant information. This research highlights the potential of combining regular expressions and APIs in developing intelligent chatbots for specific domains, such as culinary arts.
Preprocessing Impact on SAR Oil Spill Image Segmentation Using YOLOv8 Syakrani, Nurjannah; Kurniawan, Dimas; Nugraha, Wili Akbar; Hidayatullah, Priyanto; Firdaus, Lukmannul Hakim; Sholahuddin, Muhammad Rizqi
Jurnal Ilmu Komputer dan Informasi Vol. 18 No. 1 (2025): Jurnal Ilmu Komputer dan Informasi (Journal of Computer Science and Informatio
Publisher : Faculty of Computer Science - Universitas Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21609/jiki.v18i1.1380

Abstract

Synthetic Aperature Radar (SAR) is a sensory equipment used in marine remote sensing that emits radio waves to capture a representation of the target scene. SAR images have poor quality, one of which is due to speckle noise. This research uses SAR images containing oil spills as objects that are detected using machine learning with the YOLOv8 model. The dataset was obtained from MKLab by preprocessing to improve the quality of SAR images before processing. Preprocessing involves annotating the dataset, augmenting it with flip augmentation, and filtering it using threshold and median filters in addition to a sharpen kernel that finds the optimal midway value. The default value of the YOLOv8 hyperparameter is used with addition of delta as well as subtraction of the same delta. The implementation of preprocessing and combination of hyperparameters is examined to optimize the YOLOv8 model in detecting oil spills in SAR images. Based on 10 experimental scenarios, initial results with the original MKLab image provide an mAP50 of 49.7%. Implementing Flip augmentation alone on the data set increases the mAP50 value by 18.8%. Followed by the sharpen 1.2 kernel filter increasing the mAP50 value to 68.89%, while the median and thresholding filters tend to reduce the mAP50 value. The combination of experiments with the best results was preprocessing with flip augmentation and sharpen 1.2 kernel filter with hyperparameters: epoch 200, warmup 4.0, momentum 0.9, warmup bias lr 0.01, weight decay 0.005, and learning rate 0.000714, resulting in an mAP50 value of 68.89%. In addition, it was found that the sharpening kernel with a real number midpoint of 1.2 and combination with flipping augmentation had the greatest impact on increasing the MAP50 value in SAR oil spill image segmentation by YOLOv8.
Real-time Convolutional Neural Networks untuk Klasifikasi Emosi Wajah yang Terintegrasi dengan Rekomendasi Konten YouTube Berdasarkan Emosi Secara Rule-Based Gantini, Annisa Dinda; Malika, Adinda Faayza; Elfada, Berliana; Hidayatullah, Priyanto; Sholahuddin, Muhammad Rizqi
Media Jurnal Informatika Vol 17, No 1 (2025): Media Jurnal Informatika
Publisher : Teknik Informatika Universitas Suryakancana Cianjur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35194/mji.v17i1.5100

Abstract

Kemampuan sistem untuk mendeteksi emosi pada citra wajah manusia dan memberikan rekomendasi konten YouTube berdasarkan hasil deteksi tersebut dapat meningkatkan interaksi manusia dengan teknologi. Penelitian ini mengusulkan integrasi baru antara deteksi emosi wajah secara real-time dengan sistem rekomendasi multimedia berbasis emosi, menggunakan kerangka kerja ringan berbasis Convolutional Neural Networks (CNN). Dua arsitektur CNN yang efisien—Sequential Fully-CNN dan Mini-Xception—dibandingkan untuk mengklasifikasikan tujuh emosi pada dataset FER-2013. Kontribusi utama dari penelitian ini adalah penggabungan klasifikasi emosi secara real-time dengan sistem pemetaan berbasis aturan untuk merekomendasikan konten YouTube yang relevan secara emosional, menciptakan pengalaman pengguna yang lebih personal dan adaptif. Hasil pengujian menunjukkan bahwa model CNN yang dikembangkan mampu mendeteksi emosi dengan akurasi tinggi sekaligus menjaga efisiensi komputasi untuk aplikasi waktu nyata. Pendekatan ini diharapkan dapat meningkatkan kualitas interaksi manusia-komputer melalui umpan balik multimedia yang responsif dan relevan secara emosional.
Co-Authors Agustiani, Amelia Dewi Asri Maspupah Bakhrun, Akhmad Bima Putra Sudimulya Carolina Magdalena Lasambouw Dewi, Yunita Citra Dimas Kurniawan Djoni Djatnika Elfada, Berliana Fachri Dhia Fauzan Farida Agoes FENNY MARTHA DWIVANY Firas Atqiya Firdaus, Lukmannul Hakim Gantini, Annisa Dinda Gelar, Trisna Hayati, Hashri Husna Faridah Ihsani, Nisa Iwan Awaludin Kadhafi, Irvan Lukmannul Hakim Firdaus Maisevli Harika Maisevli Harika Maisevli Harika Malika, Adinda Faayza Meilinda, Lina Melinia, Gina Mulia, Syelvie Ira Ratna Neneng Nuryati Nugraha, Wili Akbar Nuri Nurianti Priyanto Hidayatullah, Priyanto Putri, Salsabila Maharani Putriadhinia, Salma Syawalan Santosa, Yoseph Setiadi Rachmat Sitepu, Rezky Wahyuda Siti Dwi Setiarini Sofy Fitriani SONY SUHANDONO Suharsih, Ririn Syakrani, Nurjannah Trianto, Topan Vandha Pradiyasma Widarta Wisnuadhi, Bambang Wulan, Sri Ratna Yunita Citra Dewi Yusuf Sofyan Yusuf Sofyan, Jurusan Teknik Elektro Politeknik Negeri Bandung, Parno Raharjo, Tria Maariz, Jurusan