Article Per Year (5 Year)
p-Index From 2020 - 2025
0.778
P-Index
This Author published in this journals
All Journal JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Automata JITSI : Jurnal Ilmiah Teknologi Sistem Informasi
Arrie Kurniawardhani
Unknown Affiliation
Computer Science & IT

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

Found 3 Documents
Search

 1 
Deteksi Kesegaran Daging Ikan Bersifat Non-Destructive Pada Aplikasi Mobile Menggunakan YOLOv4 dan YOLOv4-Tiny Malik Abdul Aziz; Dhomas Hatta Fudholi; Arrie Kurniawardhani
JATISI (Jurnal Teknik Informatika dan Sistem Informasi) Vol 10 No 4 (2023): JATISI (Jurnal Teknik Informatika dan Sistem Informasi)
Publisher : Lembaga Penelitian dan Pengabdian pada Masyarakat (LPPM) STMIK Global Informatika MDP

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jatisi.v10i4.5885

Abstract

Fish is one of the ingredients for consumption that provides high-quality protein and can help form a healthy lifestyle. The perishable quality of fish meat demands that consumers be smart in sorting out the fish to be consumed. Therefore, knowledge about the freshness condition of fish meat is important for consumers. This study tries to build a mobile-based application that applies the Deep Learning model, using architecture You Look Only Once (YOLOv4) and YOLOv4-Tiny to detect the freshness level of fish based on the eyes and skin of the fish. The level of freshness used is fresh, medium, and spoil. The dataset used by the model are images of Deho tuna fish (Euthynnus Affinis), Manglah fish (Priacanthus Tayenus), Solok fish (Rastrelliger Brachysoma), Mackerel fish (Scomber Australasicus), Kuwe Lilin fish (Caranx Melanophygus), Teribang fish (Nemipterus virgatus), Banyar fish (Restrelliger Kanagurta), and Kolong fish (Atule mate). The mAP achieved by YOLOv4 is 99.17% and YOLOv4-Tiny is 97.25%. The fastest processing time, the freshness level of fish meat in the application reaches 2.5 seconds per image for YOLOv4 and 0.15 seconds for YOLOv4-Tiny.
Deteksi Objek untuk Produk Retail dengan TensorFlow 2 Ahmad Azzam Alhanafi; Arrie Kurniawardhani
JITSI : Jurnal Ilmiah Teknologi Sistem Informasi Vol 5 No 4 (2024)
Publisher : SOTVI - Society of Visual Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62527/jitsi.5.4.298

Abstract

On-shelf availability is a crucial aspect in the retail industry, directly impacting customer satisfaction and sales. Artificial intelligence-based object detection technology can enhance efficiency in monitoring product availability. This study examines the implementation of TensorFlow 2 for detecting retail products on shelves, using the SSD MobileNetV2 FPNLite architecture. Three model variations were developed based on input image sizes: 320x320, 640x640, and 1024x1024. The models were trained using transfer learning with a dataset containing 128 retail product classes. Evaluation results show that the 640x640 model achieved the best performance in terms of the trade-off between precision and speed, with a mAP of 0.72049 and an inference time of 0.283 seconds. The 320x320 model had the fastest inference time of 0.073 seconds, making it suitable for real-time applications. This study offers a solution to improve retail stock management through automatic object detection, aiming to reduce the risk of out-of-stock situations.
Analisis Karakteristik Gim Pembelajaran Bahasa Inggris Bagi Anak Menggunakan Pendekatan Technology Acceptance Model (TAM) (Studi Kasus : Aplikasi Duolingo) Zuhrival, Girendra Egie; Arrie Kurniawardhani
AUTOMATA Vol. 5 No. 1 (2024)
Publisher : AUTOMATA

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

Abstract

Dewasa ini dunia gim sudah berkembang sangat jauh, pada pengembangan awalnya gim hanya dimainkan melalui media konvensional, sampai pada masanya gim terus dikembangkan hingga gim kini telah menjadi suatu bisnis digital. Seiring berkembangnya waktu gim tidak hanya dimainkan oleh orang dewasa namun juga dimainkan oleh anak-anak. Dengan menyampingkan dampak baik gim, faktanya masyarakat hanya cenderung fokus pada dampak buruknya dimana gim secara tidak langsung telah dicap memiliki pengaruh buruk pada penggunanya. Oleh karena itu inovasi gim khususnya edukasi sangat perlu ditingkatkan terlebih untuk anak-anak sehingga pandangan negatif masyarakat terhadap gim dapat berubah. Dilain sisi kebutuhan tentang pentingnya pembelajaran berbahasa asing khususnya bahasa inggris juga perlu diperhatikan. Kemampuan ini harus diajarkan mulai dari masa anak-anak dan tahap demi tahap. Tujuan dari penelitian ini adalah untuk menganalisis karakteristik gim pembelajaran bahasa inggris sehingga didapatkan karakteristik yang sesuai dengan kebutuhan anak dan diharapkan dapat diterima baik oleh anak. Metode pendekatan yang digunakan dalam penelitian ini adalah technology acceptance model (TAM) yaitu metode yang menempatkan faktor kemudahan dan kebermanfaatan pengguna sebagai faktor utama. Gim pembelajaran yang digunakan dalam kasus penelitian ini adalah duolingo yaitu aplikasi pembelajaran bahasa inggris yang sudah dipakai lebih dari 120 jt pengguna di dunia. Hasil dari penelitian ini memberikan informasi mengenai rekomendasi karakteristik apa saja dalam sebuah gim pembelajaran yang dapat diterima dengan baik oleh anak sehingga diharapkan dapat membantu proses pembelajaran, diantaranya adalah rekomendasi tentang pemilihan warna dalam sebuah gim pembelajaran, bagaimana bentuk penyajian materi, bagaimana penggunaan audio yang lebih diterima oleh anak, dan juga bagaimana cara kontrol permainan.
Co-Authors Ahmad Azzam Alhanafi Dhomas Hatta Fudholi Malik Abdul Aziz Rafif Wicaksana Putra Zuhrival, Girendra Egie