Claim Missing Document
Check
Articles

Found 2 Documents
Search

Implementation of You Only Look Once Version 8 Algorithm to Detect Multi-Face Drivers and Vehicle Plates Saputra S, Kana; Taufik, Insan; Ramadhani, Irham; Siregar, Angginy Akhirunnisa; Pinem, Josua; Lubis, Afiq Alghazali; Pane, Yeremia Yosefan; Putri, Rezkya Nadilla
Jurnal Informatika Vol 11, No 2 (2024): October
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/inf.v11i2.22026

Abstract

Checking the identity of motorcycle owners when leaving the college area is a mandatory activity for security officers to ensure that vehicles entering and exiting the college are the same driver. The conventional checking process often causes the impact of vehicle queues when the volume of vehicles increases. Therefore, an intelligent system is needed to detect multi-plate vehicles automatically. One approach in the world of image detection of an object is the use of the YOLO (You Only Look Once) algorithm. This algorithm predicts bounding boxes and possible classes in a single frame. This research divides objects into 3 classes, namely vehicles, driver's faces, and vehicle plates. The dataset used was 74 varied images consisting of 50 training data, 12 validation data and 12 testing data. The image was trained using 300 epochs and a batch size of 8 and resulted in an F1 score calculation for detecting objects reaching 92%.
Klasifikasi Akun Buzzer Menggunakan Algoritma K-Nearest Neighbor pada Tagar #STYTanpaDiasporaNol di Media Sosial X Lubis, Afiq Alghazali; Idrus, Said Iskandar Al; Indra, Zulfahmi; S, Kana Saputra; Chairunisah, Chairunisah
Blend Sains Jurnal Teknik Vol. 4 No. 2 (2025): Edisi Oktober
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/blendsains.v4i2.1093

Abstract

Peningkatan pengguna media sosial X pada tahun 2024 sebesar 639 ribu mengakibatkan penyebaran informasi yang sangat masif, menjadikan buzzer berperan dalam mengarahkan opini publik dan memicu konflik sosial, seperti yang terlihat pada tren #STYTanpaDiasporaNol usai gugurnya tim nasional Indonesia di ASEAN Championship 2024. Penelitian ini bertujuan untuk membangun model machine learning dalam klasifikasi akun buzzer menggunakan algoritma K-Nearest Neighbor (KNN). Data yang akan digunakan dalam penelitian ini berasal dari kumpulan tweet dari sosial media X dalam tagar #STYTanpaDiasporaNol. Penelitian ini memiliki prosedur penelitian, di antaranya pengumpulan data, pra-pemrosesan data (cleaning, labelling, feature engineering dan standardization), splitting data, pemrosesan data, dan evaluasi model. Hasil penelitian ini mendapatkan model dengan akurasi terbaik yaitu varian model perbandingan split data 80:20 dan K = 5 dengan nilai akurasi sebesar 89% serta nilai precision dan recall sebesar 89% lalu nilai F1-score sebesar 88%. Model sangat baik dalam memprediksi kelas mayoritas namun kesulitan dalam memprediksi kelas minoritas. Kemudian dilakukan eksperimen resampling data dengan tujuan membuat keseimbangan data. Hasil didapatkan bahwa varian pada split data 70:30 dengan K = 9 diperoleh akurasi sebesar 91% dengan precision, recall dan accuracy juga sebesar 91%. Model eksperimen ini cukup baik mendeteksi kelas mayoritas maupun kelas minoritas.