Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Biner : Jurnal Ilmu Komputer, Teknik dan Multimedia PROCEEDINGS OF THE INTERNATIONAL CONFERENCE ON DATA SCIENCE AND OFFICIAL STATISTICS
Atut Pindarwati
Department Of Computer Science, Pamulang University
Humanities Computer Science & IT Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Transportation

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Perancangan Dan Implementasi Sistem Monitoring Jaringan Berbasis Web PT. Maxindo Mitra Solusi Adji Nurfebrian; Atut Pindarwati; Rian Hidayat
BINER : Jurnal Ilmu Komputer, Teknik dan Multimedia Vol. 1 No. 2 (2023): BINER : Jurnal Ilmu Komputer, Teknik dan Multimedia
Publisher : CV. Shofanah Media Berkah

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

Abstract

Sistem monitoring jaringan berbasis web telah menjadi salah satu solusi yang penting dalam mengelola dan memantau jaringan komputer yang kompleks. Dalam artikel ini, kami mempresentasikan perancangan dan implementasi sebuah sistem monitoring jaringan berbasis web yang bertujuan untuk memberikan pemantauan yang efisien dan waktu nyata terhadap kinerja jaringan. Metodologi penelitian ini melibatkan pemilihan dan penggunaan perangkat keras dan perangkat lunak yang tepat untuk mendapatkan data yang diperlukan. Perangkat keras yang digunakan seperti database yang menyimpan data-data. Data ini kemudian diolah menggunakan perangkat lunak onitoring khusus yang dirancang untuk menganalisis dan memvisualisasikan data tersebut.Sistem monitoring yang diimplementasikan berbasis web, sehingga memungkinkan pengguna untuk mengakses dan memantau jaringan dari lokasi yang jauh melalui antarmuka web yang intuitif. Antarmuka tersebut menyajikan informasi penting seperti nama perusahaan, status jaringan, log aktifitas, dan statistik lalu lintas dalam bentuk grafik dan tabel yang mudah dipahami. Penelitian ini menghasilkan sistem monitoring jaringan berbasis web yang efisien dan dapat diandalkan. Sistem ini dapat digunakan oleh administrator jaringan atau customer service untuk mengidentifikasi masalah kinerja jaringan secara cepat dan mengambil tindakan yang diperlukan. Dengan adanya sistem ini, diharapkan dapat meningkatkan efisiensi operasional, memperbaiki waktu tanggap terhadap masalah, dan meningkatkan kualitas layanan jaringan secara keseluruhan.
Automatic Detection and Counting of Urban Housing and Settlement in Depok City, Indonesia: An Object-Based Deep Learning Model on Optical Satellite Imageries and Points of Interests Atut Pindarwati; Arie Wahyu Wijayanto
Proceedings of The International Conference on Data Science and Official Statistics Vol. 2023 No. 1 (2023): Proceedings of 2023 International Conference on Data Science and Official St
Publisher : Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34123/icdsos.v2023i1.349

Abstract

Detecting urban housing and settlements has a substantial position in decision-making problems such as monitoring housing and development, not to mention the widelyrequired urban mapping application. One of the most important goals in the United NationsSustainable Development Goals (SDGs) is to improve urban living conditions globally by2030. We propose an automatic detection of urban housing and settlements on remote sensingsatellite imagery data using object detection-based deep learning using semantic segmentationand the potential availability of remote sensing datasets at high spatial resolutions, Open StreetMap (OSM) geolocation point of interest dataset, and Sentinel-2 optical satellite imagery data.The detection model using Mask Region-based Convolutional Neural Networks (Mask R-CNN) is implemented in Depok City, Indonesia. These regions were chosen because it is thesecond most populous suburb in Indonesia and the tenth most populous globally and, making itchallenging to extract building features from satellite imagery. This model categorizes dense,moderate, and sparse conditions and has a promising result of an average precision of 100%and an F1-score of 67% with evaluation performance metrics only considering pointsassociated with buildings, not building boundaries or the intersection over union (IoU). Themodel performance has been compared to ground check results of field surveys, and itperforms best in sparse conditions. Our findings offer the potential implementation of themodel for fast and accurate monitoring of housing, settlement, and regional planning in urbanareas.
Co-Authors Adji Nurfebrian Arie Wahyu Wijayanto Rian Hidayat