Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal TIMES Journal of Artificial Intelligence and Engineering Applications (JAIEA)
Edi Wijaya
STMIK TIME
Automotive Engineering Computer Science & IT Control & Systems Engineering

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

Found 3 Documents
Search

 1 
Analisis Penggunaan Algoritma Breadth First Search Dalam Konsep Artificial Intellegencia Edi Wijaya
Jurnal TIMES Vol 2 No 2 (2013)
Publisher : STMIK TIME

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (276.047 KB)

Abstract

Artificial Intelligencia merupakan suatu konsep pemetaan suatu bahasa pemrograman yang dapat membuat suatu kesimpulan berdasarkan pemetaan yang telah dilakukan didalam pemrograman. Dalam hal ini, banyak metode yang dapat digunakan dan dimanfaatkan untuk menyelesaikan permasalahan tersebut. Contohnya seperti masalah Teko Air. Permasalahan ini dapat diselesaikan dengan menerapkan konsep AI yaitu dengan bantuan pohon pelacakan dan menerapkan metode pencarian melebar pertama (breadth-first search / BFS). Pencarian solusi dimulai dari kondisi dimana kedua teko kosong (node akar dari pohon pelacakan). Perangkat lunak ini memiliki kemampuan untuk mencari solusi permasalahan teko air dengan 2 buah kendi dan menampilkan semua langkah – langkah yang dapat diambil untuk mendapatkan solusi atau volume air yang diinginkan.Perangkat lunak dapat mencari solusi terpendek dari permasalahan teko air karena menggunakan metode pencarian melebar pertama (breadth-first search). Pencarian tidak selalu menghasilkan solusi walaupun setelah semua node pada pohon pelacakan diperiksa dan dikembangkan.
Perancangan Sistem Otomatisasi Backup Data Menggunakan File Transfer Protocol Berbasis Jaringan LAN ( Studi Kasus Pada STMIK TIME Medan ) Edi Wijaya; Robet Robet; Robin Robin
Jurnal TIMES Vol 4 No 1 (2015)
Publisher : STMIK TIME

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (343.844 KB)

Abstract

Salah satu harta terpenting didalam dunia IT adalah Data. Data biasanya dapat digunakan kembali walaupun sudah beberapa lama tidak dipakai, dan oleh karena itu penyimpanan data merupakan suatu masalah serius yang harus diperhatikan. Data pada komputer server sangat penting terjaga keamanannya sehingga diperlukan suatu proses backup pada data tersebut ke komputer lain yang dijadikan sebagai cadangan apabila terjadi kerusakan pada hardware maupun software komputer server, oleh karena  itu seorang administrator perlu menjamin agar backup dilakukan secara berkala dan untuk itu diperlukan suatu aplikasi yang dapat melakukan proses backup data secara otomatis dari server ke client. FTP merupakan salah satu penyelesaian masalah dalam menghadapi permasalahan diatas, dimana FTP dapat digunakan untuk melakukan proses Download maupun Upload antara komputer server dan client. Apalgi perancangan ini dilengkapi dengan sebuah sistem Autobot yang dapat bekerja secara otomatis dalam hal penyimpanan data dari client ke server sehingga dapat mempermudah administrator.
Improving Resnet Model In Safety Gear Classification Using Finest Optimizer Robet; Johanes Terang Kita Perangin Angin; Edi Wijaya
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 4 No. 2 (2025): February 2025
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v4i2.703

Abstract

The Occupational accidents that occur in the work environment are increasing day by day. This is caused by workers' non-compliance with the established work safety equipment. Although the supervision of the use of work safety equipment has been carried out, it is still done manually involving less effective human resources. Therefore, it is necessary to develop an intelligent model that can classify the use of work safety equipment more accurately. This study uses the pre-trained ResNet50 model and is combined with the best optimization model to improve accuracy. The results of the study showed that the RMSProp optimization model has better performance with an accuracy value of 97.01% in the 17th epoch of 50 epochs of data training and with training loss and validation loss values ​​of 0.3268 and 0.145, respectively. Testing of 20 images with each image, 10 images using safety equipment, and 10 images not using safety equipment can be classified correctly.
Co-Authors Johanes Terang Kita Perangin Angin Robet Robet Robin Robin