Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jatilima : Jurnal Multimedia Dan Teknologi Informasi Journal of Artificial Intelligence and Digital Business
Hamsar , Ali
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering

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

Found 2 Documents
Search

 1 
Identification of Base Transceiver Station Device Health Using Fuzzy Multi Criteria Decision Making Method on Telkomsel Site Hamsar , Ali; Maulana , Fajar; Hendra , Yomei
Jurnal Multimedia dan Teknologi Informasi (Jatilima) Vol. 6 No. 02 (2024): Jatilima : Jurnal Multimedia Dan Teknologi Informasi
Publisher : Cattleya Darmaya Fortuna

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54209/jatilima.v6i02.661

Abstract

The condition of the Base Transceiver Station (BTS) equipment plays an important role in supporting telecommunications services. One of the many complaints from the public about the quality of Telkomsel's network is that it is caused by an unhealthy condition of BTS equipment.In this issue, the aim is to provide information to the Engineer about the health conditions of Telkomsel's BTS devices.The number of BTS identified in this study was 20 BTS in Rokanhulu, Riau. In identifying the health of BTS devices using the Fuzzy Multi Criteria decision making method (FMCDM).The results of the identification of this BTS device in the form of a Dashboard display that becomes the Engineer's information source in determining their work priorities.It can be concluded in this study, the results of the study can help the Telkomsel Engineer to determine the health condition of Telkomsel BTS devices.
Metode Deteksi dan Estimasi Luas Lubang Jalan Menggunakan Deep Learning Berbasis YOLOv11 Takyudin, Takyudin; Rais , Muhammad Sandi; Putra , Jonni Adi; Hamsar , Ali
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 2 (2025): Mei - Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i2.1760

Abstract

Kondisi infrastruktur jalan yang rusak khususnya keberadaan lubang jalan dapat berdampak signifikan terhadap keselamatan berkendara. Efisiensi transportasi serta biaya distribusi barang menjadi komponen penting perekonomian. Deteksi kerusakan jalan secara manual dinilai kurang efisien dan rentan terhadap kesalahan manusia, terutama dalam skala besar dan waktu nyata. Penelitian ini bertujuan untuk mengembangkan sistem deteksi dan estimasi luas lubang jalan secara real-time menggunakan algoritma YOLOv11 berbasis deep learning. Model YOLOv11 dipilih karena kemampuannya dalam mendeteksi objek berukuran kecil dengan presisi tinggi serta kecepatan inferensi yang optimal. Sistem yang dibangun melibatkan proses pengumpulan data citra jalan berlubang, pelatihan model menggunakan dataset relevan, serta pengembangan aplikasi web berbasis Flask untuk mempermudah pengguna dalam mengunggah gambar dan melihat hasil deteksi. Berdasarkan hasil pelatihan, model menunjukkan performa yang stabil dan konvergen dengan nilai mAP@0.5 mencapai 0.8. Evaluasi model melalui confusion matrix menghasilkan nilai precision sebesar 75,1%, recall 76,6%, dan F1-score sebesar 75,8%, yang menunjukkan bahwa model memiliki kemampuan deteksi yang baik dan seimbang. Sistem ini diharapkan dapat menjadi solusi awal yang inovatif untuk mendukung pemeliharaan jalan yang lebih akurat, cepat, dan efisien, serta membantu instansi terkait dalam pengambilan keputusan perbaikan infrastruktur secara berkelanjutan.
Co-Authors Hendra, Yomei Maulana , Fajar Putra , Jonni Adi Rais , Muhammad Sandi Takyudin, Takyudin