Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah KOMPUTASI Jurnal Ilmiah Matrik
Elfitrin Syahrul
Universitas Gunadarma
Computer Science & IT

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Instance Segmentation Rumput laut dengan Metode Longline Menggunakan Citra UAV dan Detectron2 Faisal Akbar; Lulu Chaerani M.; Nuryuliani; Elfitrin Syahrul; Nur Azmi Ratna Setyawidati
Jurnal Ilmiah KOMPUTASI Vol. 21 No. 1 (2022): Jurnal Ilmiah Komputasi Volume: 21 No. 1, Maret 2022
Publisher : Lembaga Penelitian STMIK Jakarta STI&K

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

Abstract

Target produksi budidaya rumput laut di Indonesia saat ini terus meningkat, didukung oleh luas lahan yang masih berpotensi dimanfaatkan sebagai lahan budidaya rumput laut dan kebutuhan pasar baik di dalam maupun luar negri. Dukungan teknologi untuk memonitoring secara intensif dan ekstensif diperlukan agar produksi dapat tercapai untuk memenuhi kebutuhan pasar tersebut. Tujuan dari penelitian ini adalah untuk mendeskripsikan hasil akuisisi dan mengetahui sejauh mana kemampuan unmanned aerial vehicle (UAV) jenis multirotor untuk mendeteksi pertumbuhan rumput laut yang ditinjau dari efisiensi teknologi, tingkat akurasi dan biaya. Daerah yang akan dikaji merupakan daerah budidaya dengan karakteristik perairan dangkal (< 10 m) dengan substrat dasar perairan pasir berlumpur. Metodologi penelitian terdiri atas akuisisi data menggunakan UAV jenis multirotor, visualisasi dan proses pengolahan citra menggunakan deep learning framework detectron2 dengan algoritma mask RCNN dan platform cloud base. Hasil penelitian ini menunjukan dengan iterasi sebanyak 600 detectron2 mampu untuk mendeteksi rumput laut dengan baik walaupun akurasi yang didapatkan masih lebih rendah dibandingkan dengan iterasi lebih dari 600 tetapi dengan waktu pelatihan yang lebih singkat dan belum terjadi overfitting menjadi nilai lebih. Selanjutnya dalam tulisan ini akan disampaikan kelebihan dan kekurangan dari pemanfaatan deep learning dengan framework detectron2 menggunakan citra UAV ini dalam mendeteksi rumput laut dan bagaimana mengoptimalkan kemampuan dan menyiasati kelemahan ftamework tersebut.
Instance Segmentation Rumput laut dengan Metode Longline Menggunakan Citra UAV dan Detectron2 Faisal Akbar; Lulu Chaerani M.; Nuryuliani; Elfitrin Syahrul; Nur Azmi Ratna Setyawidati
Jurnal Ilmiah Komputasi Vol. 21 No. 1 (2022): Jurnal Ilmiah Komputasi Volume: 21 No. 1, Maret 2022
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.21.1.2802

Abstract

Target produksi budidaya rumput laut di Indonesia saat ini terus meningkat, didukung oleh luas lahan yang masih berpotensi dimanfaatkan sebagai lahan budidaya rumput laut dan kebutuhan pasar baik di dalam maupun luar negri. Dukungan teknologi untuk memonitoring secara intensif dan ekstensif diperlukan agar produksi dapat tercapai untuk memenuhi kebutuhan pasar tersebut. Tujuan dari penelitian ini adalah untuk mendeskripsikan hasil akuisisi dan mengetahui sejauh mana kemampuan unmanned aerial vehicle (UAV) jenis multirotor untuk mendeteksi pertumbuhan rumput laut yang ditinjau dari efisiensi teknologi, tingkat akurasi dan biaya. Daerah yang akan dikaji merupakan daerah budidaya dengan karakteristik perairan dangkal (< 10 m) dengan substrat dasar perairan pasir berlumpur. Metodologi penelitian terdiri atas akuisisi data menggunakan UAV jenis multirotor, visualisasi dan proses pengolahan citra menggunakan deep learning framework detectron2 dengan algoritma mask RCNN dan platform cloud base. Hasil penelitian ini menunjukan dengan iterasi sebanyak 600 detectron2 mampu untuk mendeteksi rumput laut dengan baik walaupun akurasi yang didapatkan masih lebih rendah dibandingkan dengan iterasi lebih dari 600 tetapi dengan waktu pelatihan yang lebih singkat dan belum terjadi overfitting menjadi nilai lebih. Selanjutnya dalam tulisan ini akan disampaikan kelebihan dan kekurangan dari pemanfaatan deep learning dengan framework detectron2 menggunakan citra UAV ini dalam mendeteksi rumput laut dan bagaimana mengoptimalkan kemampuan dan menyiasati kelemahan ftamework tersebut.
PENAJAMAN CITRA REMOTE SENSING MENGGUNAKAN METODE FILTERING DI AREA PEMBUDIDAYAAN RUMPUT LAUT Muhammad Sesio Dhia Ramadhan; Nuryuliani Nuryuliani; Lulu C Munggaran; Elfitrin Syahrul
Jurnal Ilmiah Matrik Vol 21 No 3 (2019): Jurnal Ilmiah Matrik
Publisher : Direktorat Riset dan Pengabdian Pada Masyarakat (DRPM) Universitas Bina Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (464.836 KB) | DOI: 10.33557/jurnalmatrik.v21i3.718

Abstract

Abstract : Indonesia has excellent natural potential for seaweed industry. To help farmers understand the harvest period, an application needs to be built. In this research, a preprocessing application for processing seaweed image processing is taken through remote sensing. Preprocessing is using the Unsharp Mask Filtering and Laplacian Filtering methods. The performace metrics results using the SSIM method show that Laplacian level 2 filtering method gives better result.
Co-Authors Faisal Akbar Lulu C Munggaran Lulu Chaerani M. Muhammad Sesio Dhia Ramadhan Nur Azmi Ratna Setyawidati Nur Azmi Ratna Setyawidati Nuryuliani Nuryuliani