Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : SainsTech Innovation Journal

Model Deteksi Jumlah Kendaraan Bermotor Menggunakan Algoritma You Only Look Once (Yolo) V4 Di Parkiran Universitas Qamarul Huda Badaruddin Bagu Ega Silpia Aulia; Syuhada, Fahmi Syuhada; Asno Azzawagama Firdaus
SainsTech Innovation Journal Vol. 7 No. 2 (2024): SIJ VOLUME 7 NOMOR 2 TAHUN 2024
Publisher : LPPM Universitas Qamarul Huda Badaruddin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37824/sij.v7i2.2024.756

Abstract

Kemajuan teknologi yang pesat telah mendorong berbagai inovasi dalam sistem berbasis Internet of Things (IoT), termasuk pada konsep smart city. Salah satu tantangan di era ini adalah manajemen parkir, terutama dalam mendeteksi keberadaan kendaraan bermotor. Keterbatasan ruang parkir di lingkungan pendidikan, seperti Universitas Qomarul Huda Badaruddin Bagu, sering kali menjadi penyebab kemacetan. Sistem parkir konvensional yang diawasi oleh petugas sering kali tidak efisien dan tidak menyediakan informasi real-time mengenai ketersediaan tempat parkir. Penelitian ini bertujuan untuk mengembangkan model deteksi kendaraan bermotor di area parkir Universitas Qomarul Huda Badaruddin Bagu menggunakan metode YOLO (You Only Look Once) V4. Data yang digunakan berupa gambar parkiran yang diambil dari kamera CCTV di area parkir kampus. Model YOLO diimplementasikan untuk mendeteksi kendaraan, khususnya motor, dan hasil deteksinya dibandingkan dengan perhitungan manual untuk mengevaluasi akurasinya. Program yang dihasilkan diharapkan mampu memberikan solusi yang lebih efektif dalam memantau kapasitas parkir dan memudahkan pengelolaan fasilitas parkir di kampus.
CLUSTERING DAFTAR PEMILIH TETAP (DPT) DI DESA KEREMBONG PADA PILKADA 2024 MENGGUNAKAN ALGORITMA K-MEANS DENGAN RAPIDMINER Arifin, Samsul; Sa'adati, Yuan; Firdaus, Asno Azzawagama; Afriansyah, M.; Saputra, Joni; Saadati, Yuan
SainsTech Innovation Journal Vol. 8 No. 2 (2025): SIJ VOLUME 8 NOMOR 2 TAHUN 2025
Publisher : LPPM Universitas Qamarul Huda Badaruddin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37824/sij.v8i2.2025.1120

Abstract

Pemilihan Kepala Daerah (Pilkada) merupakan elemen krusial dalam sistem demokrasi yang menuntut pengelolaan Daftar Pemilih Tetap (DPT) secara akurat dan efisien. Penelitian ini bertujuan untuk mengelompokkan Daftar Pemilih Tetap (DPT) di Desa Kerembong pada Pilkada 2024 menggunakan algoritma K-Means dengan bantuan RapidMiner. Latar belakang penelitian ini adalah masih ditemukannya penempatan pemilih yang tidak sesuai dengan domisili dusun, sehingga berpotensi menurunkan partisipasi pemilih. Metode penelitian meliputi tahap pra-pemrosesan data (preprocessing), konversi data kategorikal menjadi numerik dengan operator Nominal to Numerical, pelaksanaan clustering K-Means dengan nilai K = 12, serta evaluasi hasil menggunakan Davies-Bouldin Index (DBI). Jumlah data yang digunakan sebanyak 5.554 pemilih. Hasil clustering menunjukkan bahwa seluruh data berhasil dikelompokkan ke dalam 12 klaster yang mewakili pola lokasi tempat tinggal serupa. Nilai DBI sebesar 0.093 menunjukkan pemisahan antar klaster yang baik. Analisis perbandingan data sebelum dan sesudah clustering juga menunjukkan adanya TPS yang mengalami peningkatan jumlah pemilih hingga 70,11% (TPS 6) dan penurunan hingga 43,12% (TPS 7), sedangkan Tps 9 dan Tps 12 tetap stabil. Kesimpulan dari penelitian ini adalah algoritma KMeans efektif membantu Komisi Pemilihan Umum (KPU) dalam menata ulang distribusi pemilih agar penempatan TPS lebih tepat sasaran, logistik lebih efisien, dan partisipasi pemilih dapat meningkat.