Article Per Year (5 Year)
p-Index From 2021 - 2026
0.751
P-Index
This Author published in this journals
All Journal PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Jurnal Pengabdian Mandiri Jurnal Teknik Indonesia
Bagus Hardiansyah
Universitas 17 Agustus 1945 Surabaya
Humanities Computer Science & IT Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Social Sciences Transportation Other

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
PEMANFAATAN SOSIAL MEDIA INSTAGRAM SEBAGAI SARANA DIGITAL MARKETING DI ERA PANDEMI COVID 19 Bagus Hardiansyah; Aidil Primasetya Armin
JURNAL PENGABDIAN MANDIRI Vol. 1 No. 7: Juli 2022
Publisher : Bajang Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (516.314 KB)

Abstract

Di masa pandemi Covid-19, penggunaan media sosial pasti meningkat. Penelitian ini membahas tentang bagaimana pemanfaatan media sosial dalam pemasaran produk-produk warga Desa Badal kecamatan ngadiluwih Kabupaten Kediri. Tujuan penelitian adalah untuk mengenalkan produk-produk warga Desa Badal kepada masyarakat luas agar mendapatkan potensi pasar yang lebih besar. Pemanfaatan media sosial memberikan prospek yang baik untuk menaikkan angka penjualan produk-produk warga Desa Badal kecamatan ngadiluwih Kabupaten Kediri yang mengalami dampak pandemi Covid-19. Hal itu disebabkan karena sistem pemasaran digital menyediakan platform Instagram untuk jual beli secara daring, agar memudahkan proses pemesanan dan pembelian. Sehingga pembeli dapat berinteraksi dengan pemilik produk untuk melakukan transaksi secara langsung.
Enhanced Face Image Super-Resolution Using Generative Adversarial Network Bagus Hardiansyah; Elvianto Dwi Hartono
PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Vol 10 No 1 (2022): March 2022
Publisher : LPPM Universitas Islam 45 Bekasi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33558/piksel.v10i1.4158

Abstract

We proposed an Enhanced Face Image Generative Adversarial Network (EFGAN). Single image super-resolution (SISR) using a convolutional is often a problem in enhancing more refined texture upscaling factors. Our approach focused on mean square error (MSE), validation peak-signal-to-noise ratio (PSNR), and Structural Similarity Index (SSIM). However, the peak-signal-to-noise ratio has a high value to detail. The generative Adversarial Network (GAN) loss function optimizes the super-resolution (SR) model. Thus, the generator network is developed with skip connection architecture to improve performance feature distribution.
Enhanced Face Image Super-Resolution Using Generative Adversarial Network Bagus Hardiansyah; Elvianto Dwi Hartono
PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Vol. 10 No. 1 (2022): March 2022
Publisher : LPPM Universitas Islam 45 Bekasi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33558/piksel.v10i1.4158

Abstract

We proposed an Enhanced Face Image Generative Adversarial Network (EFGAN). Single image super-resolution (SISR) using a convolutional is often a problem in enhancing more refined texture upscaling factors. Our approach focused on mean square error (MSE), validation peak-signal-to-noise ratio (PSNR), and Structural Similarity Index (SSIM). However, the peak-signal-to-noise ratio has a high value to detail. The generative Adversarial Network (GAN) loss function optimizes the super-resolution (SR) model. Thus, the generator network is developed with skip connection architecture to improve performance feature distribution.
Analisis Pengenalan Aktivitas Manusia Menggunakan Deep Learning Leon Nathanniel Christopher Davidson; Bagus Hardiansyah
Jurnal Teknik Indonesia Vol. 5 No. 3 (2026): Jurnal Teknik Indonesia
Publisher : Publica Scientific Solution

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58860/jti.v5i3.964

Abstract

Teknologi pengenalan aktivitas manusia (Human Activity Recognition / HAR) berbasis visual saat ini menghadapi tantangan besar dalam melakukan generalisasi model pada lingkungan riil yang dinamis akibat adanya domain shift, variasi pencahayaan, dan gangguan objek latar belakang. Penelitian ini bertujuan untuk menganalisis kinerja model hybrid berbasis Deep Learning yang mengintegrasikan algoritma YOLOv11 Pose Estimation sebagai ekstraktor koordinat rangka (keypoints) dan Convolutional Neural Network (CNN) sebagai pengklasifikasi aktivitas manusia. Eksperimen dilakukan menggunakan Dataset Merged sebanyak 2.624 citra yang menggabungkan dataset sekunder YOLO-mark dari Roboflow dan dataset primer hasil perekaman mandiri pada berbagai kondisi spasial terkontrol. Model dilatih secara mendalam menggunakan tiga skenario iterasi, yaitu 100, 150, dan 200 epochs. Hasil pengujian menunjukkan bahwa skenario 200 epochs merupakan model paling optimal dengan kurva loss yang mencapai titik konvergensi stabil dan berhasil memperoleh nilai metrik akurasi mean Average Precision (mAP@0.5) sebesar 0.986 serta F1-score sebesar 0.98. Melalui validasi dekomposisi biner (One-vs-Rest Confusion Matrix), model membuktikan tingkat reliabilitas klasifikasi yang merata di setiap kelas dengan rata-rata akurasi spesifik per kategori pose di atas 98.9%. Pengujian uji riil terhadap 10 citra mandiri acak mengonfirmasi ketangguhan model dalam menghasilkan rata-rata confidence score di atas 0.90. Kesimpulan dari penelitian ini membuktikan bahwa integrasi YOLOv11-CNN tidak hanya unggul di atas kertas, tetapi juga siap diimplementasikan sebagai antarmuka sistem kendali nirkabel tanpa sentuh (touchless gesture controller interface) yang adaptif dan responsif.
Co-Authors Aidil Primasetya Armin Hartono, Elvianto Dwi Leon Nathanniel Christopher Davidson