Article Per Year (5 Year)
p-Index From 2020 - 2025
5.096
P-Index
This Author published in this journals
All Journal Voteteknika (Vocational Teknik Elektronika dan Informatika) JOIV : International Journal on Informatics Visualization International Journal of Artificial Intelligence Research JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Building of Informatics, Technology and Science Jurnal Mantik Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Progresif: Jurnal Ilmiah Komputer Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) Jurnal Informatika dan Sistem Informasi JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Jurnal Pendidikan dan Teknologi Indonesia Journal of Information Technology (JIfoTech) Jurnal Abdimas Bina Bangsa COMSERVA: Jurnal Penelitian dan Pengabdian Masyarakat Jurnal Informatika Teknologi dan Sains (Jinteks) Malcom: Indonesian Journal of Machine Learning and Computer Science DEVOTE: Jurnal Pengabdian Masyarakat Global Jurnal INFOTEL SmartComp SAINTEK Infact: Jurnal Sains dan Komputer Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) UPGRADE: Jurnal Pendidikan Teknologi Informasi
Haeni Budiati
Universitas Kristen Immanuel
Humanities Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mathematics Social Sciences Other

Published : 41 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi

 1 
Analisis Beban Kendaraan Terhadap Karakteristik Jalan Menggunakan Metode YOLOv5 Dan Perhitungan ESAL Wanda, Melifan; Himamunanto, Agustinus Rudatyo; Budiati, Haeni
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 14, No 2: Agustus 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v14i2.2713

Abstract

Roads are essential infrastructure supporting various types of vehicles; however, excessive loads are a primary cause of surface damage. The increasing volume of vehicles and imbalanced infrastructure development contribute significantly to road deterioration, leading to a reduction in road service life and increased maintenance costs. This study aims to address these issues by developing a system for vehicle detection, classification, and load estimation using the YOLO (You Only Look Once) algorithm a deep learning method capable of detecting and classifying vehicle objects in real time with high speed and accuracy. The data were obtained from CCTV surveillance video recordings. The results indicate that a total of 4,395 vehicles were successfully detected. These detections were then used to estimate the vehicle load using the Equivalent Single Axle Load (ESAL) method. The estimated total daily traffic reached 632,880 vehicles, with a corresponding daily load estimation of 284,214.74 ESAL. The findings highlight the significant impact of vehicle loads on road characteristics and demonstrate the effectiveness of YOLOv5 as a real time tool for monitoring and detecting vehicular load.Keywords: Computer Vision; YOLOv5; Vehicle detection; Vehicle load; Equivalent Single Axle LoadAbstrakJalan merupakan infrastruktur yang penting dalam  menopang berbagai jenis  kendaraan, namun beban berlebih menjadi penyebab utama kerusakan permukaan  pada jalan. Volume kendaraan yang meningkat dan pembangunan infrastruktur yang tidak seimbang  menyebabkan kerusakan pada jalan   yang menyebabkan  pengurangan umur jalan dan meningkatkan biaya perbaikan. Penelitian ini bertujuan untuk mengatasi permasalahan tersebut yaitu dengan membangun Pendeteksi, Klasifikasi dan menghitung  beban kendaraan berbasis Algoritma YOLO (You Only Look Once), sebuah algoritma deep learning yang mampu mendeteksi dan mengklasifikasikan objek kendaraan secara  real-time dengan kecepatan dan akurasi  yang sangat baik. Data yang digunakan diambil dari  rekaman video pengawas CCTV.  Hasil penelitian menunjukan  kendaraan  yang terdeteksi sebanyak 4.395 unit, kendaraan yang  berhasil terdeteksi kemudian dilakukan untuk  perhitungan estimasi beban kendaraan menggunakan perhitungan  Equivalent Single Axle Load (ESAL). Hasil  terhitung dengan total lalu lintas harian mencapai 632.880 unit kendaraan dengan estimasi beban harian sebesar 284.214,74 ESAL. Hasil penelitian menegaskan adanya  pengaruh signifikan beban kendaraan terhadap karakteristik jalan serta menunjukkan efektivitas YOLOv5 sebagai alat dalam memantau  dan mendeteksi beban kendaraan secara  real time 
Penerapan ESP32-CAM dan TinyML dalam Klasifikasi Gambar Buah dan Sayuran Ziliwu, Johni Revormasi; Setyawan, Gogor C; Budiati, Haeni
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 13, No 1: April 2024
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v13i1.1869

Abstract

The classification of fruit and vegetable images still requires high costs, posing challenges in developing efficient solutions. Fruits and vegetables are crucial in healthy food, so efficiency in managing their images impacts the agricultural industry. The aim of this study is to apply ESP32-CAM and TinyML in Fruit and Vegetable Image Classification with efficiency and low cost. The method involves Edge Impluse Studio and training the model with Convolutional Neural Network (CNN). From the testing, the F1 score accuracy reached 68.3% for each class of fruit and vegetables. From the demonstration using ESP32-CAM, the obtained accuracies are Apple (89%), Banana (91%), Orange (89%), Carrot (83%), and Cabbage (66%). The results indicate that applying ESP32-CAM and TinyML has the potential to improve efficiency and reduce costs in managing images.Keywords: ESP32-CAM; TinyML; Image Clasification; Fruit and Vegetables; Solution Efficiency; AbstrakPengklasifikasian gambar buah dan sayuran masih memerlukan biaya yang tinggi, sehingga menghadirkan kesulitan dalam mengembangkan solusi yang efisien. Buah dan sayuran penting dalam makanan sehat, sehingga efisiensi dalam pengelolaan gambar mereka berdampak pada industri pertanian. Tujuan penelitian ini adalah menerapkan ESP32-CAM dan TinyML dalam Klasifikasi Gambar Buah dan Sayuran dengan efisiensi dan biaya rendah. Metode melibatkan Edge Impluse Studio dan pelatihan model dengan Convolutional Neural Network (CNN). Dari pengujian, akurasi F1 score mencapai 68.3% untuk setiap kelas buah dan sayuran. Dari demonstrasi menggunakan ESP32-CAM, akurasi yang diperoleh adalah Apel (89%), Pisang (91%), Jeruk (89%), Wortel (83%), dan Kubis (66%). Hasil menunjukkan penerapan ESP32-CAM dan TinyML memiliki potensi untuk meningkatkan efisiensi dan mengurangi biaya pengelolaan gambar. 
Analisis Sentimen Opini Masyarakat Terhadap Presiden Jokowi Sebelum Dan Sesudah Pilpres 2024 Menggunakan Metode Naive Bayes Classification Nehe, Pius Hermanto; Berutu, Sunneng Sandino; Budiati, Haeni
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 13, No 1: April 2024
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v13i1.1841

Abstract

The 2024 presidential election in Indonesia is an important moment in political dynamics. This research analyzes changes in public sentiment towards President Jokowi before and after the 2024 Presidential Election using the naive bayes classification method. Datasets consist of 10,014 tweets that have gone through the process of crawling, preprocessing, translating, labeling, classification, and model evaluation. The analysis results show that before the 2024 presidential election, positive sentiment reached 41.17%, neutral sentiment 34.30%, and negative sentiment 24.53%. After the 2024 presidential election, positive sentiment decreased to 39.08%, neutral sentiment increased to 37.59%, and negative sentiment decreased to 23.33%. Prediction accuracy increased to 64 and neutral sentiment had a precision of 88, with a dataset focusing on President Jokowi after the 2024 Presidential Election, while recall for positive sentiment was 87, and f1-score for neutral sentiment was 69, with a dataset of President Jokowi before the 2024 Presidential Election. Keywords: Presiden Jokowi; Public opinion dynamics; Naive Bayes Classification; Presidential Election 2024; Sentiment AbstrakPemilihan Presiden 2024 di Indonesia merupakan momen penting dalam dinamika politik. Penelitian ini menganalisis perubahan sentimen publik terhadap Presiden Jokowi sebelum dan sesudah Pilpres 2024 dengan menggunakan metode klasifikasi naive bayes. Datasets terdiri dari 10.014 tweets yang telah melalui proses crawling, preprocessing, translating, labeling, classification, dan evaluation model. Hasil analisis menunjukkan bahwa sebelum Pilpres 2024, sentimen positif mencapai 41,17%, sentimen netral 34,30%, dan sentimen negatif 24,53%. Setelah Pilpres 2024, sentimen positif menurun menjadi 39,08%, sentimen netral meningkat menjadi 37,59%, dan sentimen negatif menurun menjadi 23,33%. Akurasi prediksi meningkat menjadi 64 dan Sentimen netral memiliki precision 88, dengan dataset yang berfokus pada Presiden Jokowi setelah pelaksanaan Pilpres 2024, sementara recall untuk sentimen positif adalah 87, dan f1-score untuk sentimen netral adalah 69, dengan dataset Presiden Jokowi sebelum Pilpres 2024.
Co-Authors Agustinus Rudatyo Himamunanto Antonius Bima Murti Wijaya Apriani, Apriani Barita Suci Vernando Zebua Bobby Girsang Bolo, Naomi Tena Budet, Vincensa Woytimena Delima Zai Emerita Setyowati Febe Maedjaja Febe Maedjaja Fornieli Gulo Gallu, Apliana Gogor Christmass Setyawan Gulo, Eniria Heri Wijayanto Hermas Rizzal Himamunanto, A. R. Himamunanto, AR Himamunanto, AR. Ina, Osmanila Tamo Jatmika Jatmika Jatmika Jatmika Jatmika Jatmika Juli Supriyanto Gea Kristian Juri Damai Lase Laia, Yardiana Lase, Anan Sosmita Lase, Kristian J.D. Liefson Jacobus, Liefson Lukas Agung Heriputranto Mendrofa, Milka Justine Nauli, Sumitta Nehe, Pius Hermanto Niasiska, Niasiska Olam, Enos Nikodemus P.Hurit, Lud Gerdus Peter1 Putri, Farelia Devi Julia Rudatyo Himamunanto, Agustinus Setiawan Matangkin, Jimmi Setyawan, Gogor C Sumihar, Yo'el Pieter Sumihar, Yo’el Pieter Sunneng Sandino Berutu Supriadi, Joseph Surjawirawan Dwiputranto Swasono, Natan Enggal Tasane, Elshaddai L Timothy Ageng Pracaya Veren, Yolanda Wanda, Melifan Yeong-Chin Chen Yo’el Pieter Sumihar Zalukhu, Talenta Teholi Zendrato, Agus Dirgahayu Ziliwu, Johni Revormasi