Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Mantik Jurnal Teknoinfo
Dedi Triyanto
Universitas Bina Sarana Informatika
Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Library & Information Science

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

Found 2 Documents
Search
Journal : Jurnal Teknoinfo

 1 
SISTEM PERINGATAN DINI KANTUK PENGEMUDI MENGGUNAKAN MODEL YOLOV11N BERBASIS CITRA WAJAH Adi Supriyatna; Deny Kurniawan; Mochamad Wahyudi; Lise Pujiastuti; Sumanto Sumanto; Dedi Triyanto
Jurnal Teknoinfo Vol. 19 No. 2 (2025): July 2025 Period
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/teknoinfo.v19i2.732

Abstract

Kecelakaan lalu lintas akibat kantuk saat mengemudi merupakan salah satu penyebab utama kematian di jalan raya dan menjadi isu keselamatan yang krusial. Studi menunjukkan bahwa 20–30% kecelakaan disebabkan oleh pengemudi yang mengantuk, sehingga diperlukan sistem peringatan dini yang mampu mendeteksi kondisi ini secara akurat dan real-time. Penelitian ini bertujuan untuk mengembangkan model deteksi kantuk berbasis visi komputer menggunakan algoritma YOLOv11n, yang dikenal sebagai varian ringan dan cepat dari keluarga YOLO. Model dilatih menggunakan dataset citra wajah yang telah diproses dan diaugmentasi melalui platform Roboflow, dengan tujuan untuk mendeteksi tanda-tanda kantuk secara visual. Hasil evaluasi model menunjukkan performa yang sangat baik, dengan nilai mAP50 sebesar 0,9710 dan mAP50-95 sebesar 0,6796. Selain itu, precision mencapai 0,9382 dan recall sebesar 0,9280, yang mengindikasikan kemampuan deteksi yang tinggi serta tingkat kesalahan yang rendah. Temuan ini membuktikan bahwa YOLOv11n dapat diimplementasikan secara efektif dalam sistem peringatan dini untuk meningkatkan keselamatan pengemudi, bahkan pada perangkat dengan sumber daya terbatas. Penelitian ini tidak hanya menjawab tantangan efisiensi dan akurasi deteksi kantuk, tetapi juga memberikan kontribusi nyata bagi pengembangan sistem keselamatan kendaraan berbasis kecerdasan buatan. Ke depan, pengembangan sistem deteksi multimodal yang menggabungkan citra wajah dengan data fisiologis seperti EOG dan detak kepala disarankan untuk meningkatkan keandalan sistem dalam kondisi nyata.
KOMPARASI ALGORITMA K-NEAREST NEIGHBOR, SUPPORT VECTOR MACHINE, DAN NEURAL NETWORK UNTUK KLASIFIKASI PENYAKIT DAUN JERUK Deny Kurniawan; Dedi Triyanto; Mochamad Wahyudi; Lise Pujiastuti; Sumanto Sumanto; indra Chaidir
Jurnal Teknoinfo Vol. 19 No. 2 (2025): July 2025 Period
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/teknoinfo.v19i2.751

Abstract

Jeruk merupakan salah satu buah tropis yang banyak dikonsumsi masyarakat karena kandungan nutrisinya yang tinggi, khususnya vitamin C. Namun, produksi jeruk kerap mengalami penurunan akibat serangan penyakit, terutama pada bagian daun. Identifikasi penyakit secara manual dinilai kurang efisien dan rawan kesalahan, sehingga diperlukan sistem otomatis berbasis machine learning untuk membantu proses deteksi secara cepat dan akurat. Penelitian ini bertujuan untuk membandingkan tiga algoritma klasifikasi K-Nearest Neighbor (KNN), Support Vector Machine (SVM), dan Neural Network (NN) dalam mengidentifikasi penyakit daun jeruk berdasarkan fitur tekstur. Dataset yang digunakan terdiri dari lima kategori: Black Spot, Canker, Greening, Melanose, dan Healthy, dengan total 609 citra daun yang dibagi secara proporsional untuk pelatihan dan pengujian. Hasil evaluasi menunjukkan bahwa model Neural Network memberikan performa terbaik dengan akurasi 87,5%, diikuti oleh SVM sebesar 82,4%, dan KNN sebesar 77,5%. Penelitian ini menunjukkan bahwa pendekatan machine learning, khususnya Neural Network, efektif dalam klasifikasi penyakit daun jeruk dan berpotensi untuk diimplementasikan lebih lanjut dalam bentuk aplikasi praktis bagi petani.
Co-Authors Adi Supriyatna Deny Kurniawan Indra Chaidir, Indra Lise Pujiastuti Lise Pujiastuti Mochamad Wahyudi Sumanto, Sumanto