Article Per Year (5 Year)
p-Index From 2021 - 2026
1.8
P-Index
This Author published in this journals
All Journal IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Jurnal Informatika dan Teknik Elektro Terapan International conference on Information Technology and Business (ICITB) JURNAL INSTEK (Informatika Sains dan Teknologi) JASIEK (Jurnal Aplikasi Sains, Informasi, Elektronika dan Komputer) Jifosi Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Emerging Statistics and Data Science Journal
Wahyu Syaifullah Jauharis Saputra
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Mathematics

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
VERIFIKASI OTOMATIS SERTIFIKAT MENGGUNAKAN IMPROVED SIFT DAN RANSAC BERBASIS ANALISIS VISUAL LOGO DAN STEMPEL Maulidya Prastita Syah; Wahyu Syaifullah Jauharis Saputra; Alfan Rizaldy Pratama
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 11 No 1 (2026): APRIL
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v11i1.66776

Abstract

Proses verifikasi sertifikat prestasi pada jalur Seleksi Nasional Berdasarkan Prestasi (SNBP) masih dilakukan secara manual dan menghadapi tantangan akibat tingginya jumlah dokumen serta variasi kualitas citra. Kondisi ini meningkatkan risiko kesalahan dalam menilai kredibilitas sertifikat, khususnya pada elemen visual seperti logo dan stempel yang tidak valid. Penelitian ini bertujuan mengembangkan metode otomatis dalam mengidentifikasi kredibilitas sertifikat berbasis analisis fitur visual. Metode yang digunakan adalah Improved Scale Invariant Feature Transform (Improved SIFT) untuk mengekstraksi fitur lokal yang stabil, serta Random Sample Consensus (RANSAC) untuk menyaring kecocokan fitur berdasarkan konsistensi geometris. Pencocokan dilakukan antara citra sertifikat dan citra parameter berupa logo dan stempel yang telah diidentifikasi sebagai tidak valid. Pengujian dilakukan pada 200 citra sertifikat yang terdiri dari dua kelas, yaitu kredibel dan tidak kredibel yang menunjukkan Improved SIFT mampu meningkatkan kualitas representasi fitur dengan akurasi sebesar 0.47 dibandingkan SIFT standar sebesar 0.16. Selanjutnya, RANSAC mampu menyaring false match dengan peningkatan akurasi dari 0.47 menjadi 0.91 setelah RANSAC. Kontribusi penelitian ini adalah mengintegrasikan Improved SIFT dan RANSAC untuk meningkatkan validitas pencocokan fitur visual dalam mendeteksi indikasi ketidak-kredibelan sertifikat pada citra dengan variasi kualitas tinggi. Dengan demikian, metode yang diusulkan mampu meningkatkan keandalan sistem dalam proses verifikasi otomatis berbasis analisis visual.
Optimization of Palm Fruit Ripeness Detection With Yolov11 on CPU Iqbal Ramadhan Anniswa; Wahyu Syaifullah JAUHARIS SAPUTRA; Mohammad Idhom; Alfan Rizaldy Pratama; I Gede Susrama Mas Diyasa
IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol 19, No 4 (2025): October
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijccs.111253

Abstract

The palm oil industry is one of the strategic sectors that contributes significantly to the Indonesian economy. However, this industry still faces various challenges, particularly in terms of operational efficiency and the implementation of digitalization, especially at the level of independent farmers who often still use manual methods to determine the ripeness of the fruit. This manual process is prone to subjectivity, which can impact harvest quality and supply chain efficiency. To address this issue, this study proposes a palm oil fruit ripeness detection system based on the YOLOv11 algorithm, chosen for its advantages in inference speed and detection accuracy, especially when run on devices with limited resources. The developed model was then implemented using the ONNX Runtime Framework. This enables accelerated inference processes and supports portability on hardware with limited resources. Test results show that the model achieves an mAP@50 accuracy of 90.2% with an average latency of around 255 ms to 300 ms. With these achievements, this system is not only reliable in detecting fruit ripeness, but also efficient in processing time and relevant to support digital transformation in the palm oil plantation sector.
Co-Authors Abdillah, Indah Rahma Agus Arifin, Agus Alfan Rizaldy Pratama Alfath Daryl Alhajir Amellia Harmaimun Hidayah Anny Yuniarti Aviolla Terza Damaliana Aziz, Rizky Diana Novitasari Dwi Arman Prasetya Eva Yulia Puspaningrum Faris Nur Tsani Herdianti, Rahmalia Anindya I Gede Susrama Mas Diyasa Iqbal Ramadhan Anniswa Kartika Maulida Hindrayani Made Hanindia Prami Swari Maulidya Prastita Syah Mohammad Idhom Muhammad Hakam Fardana Renaldy Al Ikhsan Salsabila, Nada Shindi Shella May Wara Taruna Ardianto Tresna Maulana Fahrudin Yisti Vita Via