Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Jurnal Informatika Polinema (JIP)
Irawati Nurmala Sari
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Library & Information Science

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

Found 2 Documents
Search

 1 
RANCANG BANGUN PENGHITUNG BENIH IKAN MENGGUNAKAN BINARY THRESHOLDING PADA RASPBERRY PI SECARA REAL TIME Rosa Andrie A; Irawati Nurmala Sari; Vivid Ichtarosa Arinda
Jurnal Informatika Polinema Vol. 4 No. 1 (2017): Vol 4 No 1 (2017)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v4i1.137

Abstract

Benih yang baru dipanen biasanya akan menurun kondisinya. Untuk memulihkannya ada beberapa cara salah satunya adalah menampung benih di dalam wadah penampungan sementara ketika panen dilakukan. Selain ditampung, benih juga harus dihitung untuk mengetahui jumlahnya. Perhitungan juga harus dilakukan dengan cepat dan tepat agar benih tidak menjadi lemah, lalu mati. Selama ini petani ikan masih melakukan perhitungan benih secara manual yaitu dengan menghitung satu per satu atau menggunakan volume (gelas). Sehingga selain memakan waktu yang lama, benih ikan terkadang stress dikarenakan perhitungan yang masih manual. Penelitian ini mendesain dan mengembangkan alat yang mampu menghitung benih ikan dengan mengimplementasikan pengolahan citra sebagai solusi untuk mengatasi permasalahan para petani ikan. Sistem yang dirancang dan diimplementasikan menggunakan HTML, Python, serta pengolahan citra yang menggunakan metode Thresholding, Morphology, serta pelabelan. Sistem ini diterapkan secara real time, serta dapat menghitung objek yang mendekati perhitungan yang sebenarnya. Sistem ini telah diuji menggunakan 4 data set yaitu benih yang diuji tiap kelipatan 10 dan berakhir pada pengujian 40 benih ikan. Tingkat keakuratan tertinggi mencapai 99.9977 % untuk pengujian perhitungan 40 benih.
Analisis Komparatif Arsitektur CNN untuk Klasifikasi Sampah: Studi Trade-Off Efisiensi vs Akurasi (Studi Pada MobileNetV3, ResNet50, Dan EfficientNetB3) Muhammad Harish Rahmatullah; Setiawan, Budi Darma; Irawati Nurmala Sari
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 2 (2026): Februari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penelitian ini melakukan analisis komparatif terhadap tiga arsitektur Convolutional Neural Network (CNN) modern—MobileNetV3, ResNet50, dan EfficientNetB3—untuk aplikasi klasifikasi sampah berbasis pengolahan citra digital. Latar belakang penelitian didasari oleh tantangan pengelolaan sampah di Indonesia yang menghasilkan 21,1 juta ton sampah per tahun dengan hanya 65,71% dikelola dengan baik, dimana proses pemilahan manual masih dominan dan tidak efisien. Dataset custom berisi 2.840 gambar sampah dalam empat kategori (botol plastik, kaleng logam, kardus kertas, dan organik) diimplementasikan menggunakan framework PyTorch pada platform komputasi standar. Evaluasi mencakup metrik akurasi klasifikasi (precision, recall, F1- score) dan metrik efisiensi komputasi (jumlah parameter, ukuran model, waktu inferensi). Hasil menunjukkan ResNet50 mencapai akurasi tertinggi dengan trade-off kompleksitas komputasi besar (25,6 juta parameter), MobileNetV3 unggul dalam efisiensi untuk deployment edge device dengan parameter minimal (5,4 juta), sedangkan EfficientNetB3 memberikan keseimbangan optimal antara akurasi dan efisiensi (12 juta parameter). Analisis trade-off menghasilkan rekomendasi arsitektur spesifik sesuai keterbatasan infrastruktur dan kebutuhan implementasi praktis untuk sistem pengelolaan sampah otomatis yang sustainable.
Co-Authors Budi Darma Setiawan Muhammad Harish Rahmatullah Rosa Andrie A Vivid Ichtarosa Arinda