Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal SISFOTENIKA Jurnal Kewarganegaraan Electron: Jurnal Ilmiah Teknik Elektro
Richo Richo
Politeknik Perkapalan Negeri Surabaya
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Energy Social Sciences Other

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

Found 3 Documents
Search

 1 
Efektivitas Perencanaan Ketepatan Koordinat Kapal Melalui Smart Display Data Comunication dan GPS System di PT. PAL Indonesia Anggie Oktavia Putri; Richo Richo; Dimas Aditya Prabowo; Viky Aldianto; Imam Sutrisno; Edy Setiawan; Galih Anindita; Alif Zuhri Arfianto; Tri Mulyatno Budhi Hartanto
Jurnal Kewarganegaraan Vol 6 No 2 (2022): Desember 2022
Publisher : UNIVERSITAS PGRI YOGYAKARTA

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (416.495 KB) | DOI: 10.31316/jk.v6i2.3703

Abstract

AbstrakRadar adalah singkatan dari deteksi dan jangkauan radio dan memberikan petunjuk yang cukup besar tentang apa yang dilakukannya dan bagaimana cara kerjanya. Bayangkan sebuah kapal di malam hari di lautan luas. Kru tidak dapat melihat ke mana mereka pergi, jadi mereka menggunakan radar untuk membantu mereka mencapai tujuan mereka. Dengan kata lain, salah satu radar di kapal digunakan untuk mengetahui dan membandingkan keakuratan posisi koordinat kapal dengan sesuatu di sekitarnya. Dalam penelitian ini, tujuannya adalah untuk mengetahui dan membandingkan ketepatan posisi koordinat kapal dari smart display data communication dengan ketepatan koordinat pada GPS System. Penelitian ini mengambil kasus melalui pemantauan data antara Smart Display Data Communication dan GPS System. Tahap selanjutnya adalah analisis dan pengumpulan data serta pengolahan data menggunakan metode Vessel Traffic Services. Setelah analisis, dapat disimpulkan bahwa berdasarkan kriteria distribusi data koordinat kapal, data posisi dapat digunakan untuk memilih atau menentukan distribusi koordinat di sekitar kapal ke ketepatan waktu kapal berdasarkan waktu dan jarak kapal yang dibaca oleh sistem.Kata Kunci: Smart Display, Data Comunication, GPS System AbstractRadar stands for radio detection and ranging and it gives pretty big clues about what it does and how it works. Imagine a ship at night in the vast ocean. The Crew couldn't see where they were going, so they used radar to help them reach their destination. In other words, one of the radars on ships is used to find out and compare the accuracy of the ship's coordinate position with something around it. In this study, the aim is to determine and compare the accuracy of the position of the ship's coordinates from the smart display data communication with the accuracy of the coordinates on the GPS System. This study takes a case through monitoring data between Smart Display Data Communication and GPS System. The next stage will be the analysis and data collection and data processing using the Vessel Traffic Services method. After the analysis, it can be concluded that based on the criteria for the distribution of the ship's coordinate data, the position data can be used to select or determine the distribution of coordinates around the ship to the timeliness of the ship based on the time and distance of the ship that is read by the system.Keyword: Smart Display, Data Comunication, GPS System
Analisis Pengaruh Optimizer pada Model CNN untuk Identifikasi Cacat pada Perekat Kemasan Richo Richo; Ryan Yudha Adhitya; Muhammad Khoirul Hasin; Mat Syai'in; Edy Setiawan
SISFOTENIKA Vol 13, No 2 (2023): SISFOTENIKA
Publisher : STMIK PONTIANAK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30700/jst.v13i2.1447

Abstract

Industri makanan dan minuman yang mengalami peningkatan pesat salah satunya yakni industri produksi tepung terigu. Namun, dalam proses produksi masih mengalami kendala salah satunya klasifikasi kelayakan kemasan produk tepung terigu yang sesuai standard. Penelitian ini bertujuan untuk mengetahui pengaruh optimizer pada model Convolutional Neural Network dalam mendeteksi hasil kelayakan produk kemasan tepung terigu berdasarkan 2 kondisi yakni cacat atau normal. Area deteksi kemasan dilakukan pada area vertikal kemasan dengan indikasi cacat ditentukan berdasarkan kerusakan pada area perekat kemasan yang menimbulkan keluarnya bercak tepung pada area tersebut. Proses deteksi menggunakan webcam untuk capture image yang kemudian akan dilakukan ekstraksi fitur, reduksi citra, dan classification berdasarkan nilai probabilitas tertinggi. Pada penelitian ini kami mengimplementasikan dan membandingkan optimizer pada model CNN untuk meminimalisir terjadinya overfitting serta menghasilkan akurasi terbaik dalam klasifikasi produk cacat atau normal. Optimizer yang dibandingkan yakni optimizer Adadelta, Adagrad, Adam, Adamax, RMSprop, dan SGD. Dataset berjumlah 250 gambar, 125 gambar merupakan kelas cacat dan 125 gambar lainnya merupakan kelas normal. Sementara itu, split data pada proses training dibagi dengan perbandingan 90% data training dan 10% data validation. Setelah dilakukan pengujian diperoleh hasil training model CNN terbaik yakni menggunakan optimizer Adam dengan validation accuracy sebesar 92.77% dan akurasi testing mencapai 90%.Kata kunci— CNN, Optimizer, Kemasan, Tepung Terigu, Klasifikasi.
Analisis Efektifitas Inception-EfficientNet Architecture untuk Klasifikasi Identitas Kartu Tanda Mahasiswa dengan Pendekatan OCR dan Faster R-CNN Richo
ELECTRON Jurnal Ilmiah Teknik Elektro Vol 4 No 2: Jurnal Electron, November 2023
Publisher : Jurusan Teknik Elektro Fakultas Teknik Universitas Bangka Belitung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33019/electron.v4i2.48

Abstract

Student Identity Card has an important role as an individual identification tool in the higher education environment. KTM is often the main tool in identity verification process to access campus facilities, such as library services. However, currently the access system to the library still relies on the manual method which involves staff entering data manually into a computer which is prone to typing errors. This study aims to design an identity recognition system on KTM by combining OCR method and involving the Inception-EfficientNet architecture on the Faster R-CNN model in classifying text and photo found on KTM. The Inception-EfficientNet architecture is designed with 5 convolution and 2 maxpooling layers, and involves RPN (Region Proposal Network) and ROI Pooling which researchers have designed as important elements in establishing the Faster R-CNN method. The data collected includes three classes, namely hafizh, richo, and vandy. The test results of the OCR method in recognizing identities based on characters show a high level of accuracy, which is equal to 98.35%. On the other hand, the Faster R-CNN method is able to classify photos with very good performance which achieves a success accuracy of 91.83%. Based on testing the entire system that combines the OCR method and the Faster R-CNN method, carried out on 10 different data samples, and managed to achieve a success rate of 90%. These findings emphasize the fact that a collaborative approach between the OCR method and Faster R-CNN model has the potential to increase accessibility and reliability KTM identity recognition.
Co-Authors Alif Zuhri Arfianto Anggie Oktavia Putri Dimas Aditya Prabowo Edy Setiawan Galih Anindita Imam Sutrisno Mat Syai'in Muhammad Khoirul Hasin Ryan Yudha Adhitya Tri Mulyatno Budhi Hartanto Viky Aldianto