Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Computing Insight: Journal of Computer Science
Binuri, Moch. Ghulam Abrari
Unknown Affiliation
Computer Science & IT

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Deteksi Kecelakaan Lalu Lintas Berbasis Algoritma Jaringan Syaraf Tiruan YOLO Binuri, Moch. Ghulam Abrari; Haryanti, Tining; Haq, Muhamad Amirul
Computing Insight : Journal of Computer Science Vol 4 No 2 (2022)
Publisher : Universitas Muhammadiyah Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30651/comp_insight.v4i2.22524

Abstract

Penerapan algoritma YOLOv7 dalam deteksi kecelakaan lalu lintas menggunakan google colab pada data training dari dataset robolow "accident 1" yang terdiri dari total 1522 gambar, dengan parameter batch size 1, epoch 40 dan menggunakan optimizer SGD menghasilkan model dengan tingkat precision sebesar 65.1%, recall 45.3%, mAP@.5 52.1%, dan mAP@.5:.95 26.4%, dengan waktu pelatihan 2.319 hours berdasarkan hasil tersebut untuk deteksi kurang memuaskan. Analisis pada grafik training data menunjukkan bahwa untuk mencapai hasil yang lebih memuaskan, diperlukan jumlah epoch yang lebih besar saat melatih data. Dari hasil grafik training data, terlihat bahwa semakin banyak epoch pelatihan, semakin akurat data trainingnya. Oleh karena itu, disarankan untuk melatih data lebih dari 40 epoch guna meningkatkan kualitas model dan deteksi kecelakaan lalu lintas.
AUDIT SISTEM INFORMASI AKADEMIK MENGGUNAKAN KERANGKA KERJA COBIT 5 DOMAIN EDM PADA UNIVERSITAS SWASTA DI YOGYAKARTA Binuri, Moch. Ghulam Abrari; Haryanti, Tining
Computing Insight : Journal of Computer Science Vol 5 No 2 (2023)
Publisher : Universitas Muhammadiyah Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30651/comp_insight.v5i2.18745

Abstract

Penelitian ini dilakukan melalui studi kasus di salah satu Universitas swasta di Yogyakarta dengan tujuan mengukur tingkat kematangan tata kelola teknologi informasi di website kampus tersebut menggunakan kerangka kerja COBIT 5 Dari hasil evaluasi tata kelola Teknologi Informasi pada Sistem Informasi Akademik Universitas swasta di Yogyakarta, evaluasi menggunakan pendekatan tingkat kematangan dalam domain Evaluate, Direct, and Monitor COBIT 5 menunjukkan bahwa tingkat kematangan saat ini berada pada level 3 dengan proses yang dikelola dengan baik dan memperoleh nilai sebesar 3.25 dan adanya gab sebersar 0.75 dari angka yang diharapkan. Hal ini mengindikasikan bahwa proses TI telah dijalankan, mencapai tujuan yang ditetapkan, dan dikelola dengan baik namun masih perlu pengembangan, salah satu contohnya dalam peningkatan informasi berita dan kegiatan yang menarik diharapkan dapat meningkatkan citra universitas dan menarik minat calon mahasiswa baru untuk mendaftar dan berkuliah di sana.   Kata kunci: Audit sistem informasi, COBIT 5, EDM, sistem informasi akademik, tata kelola teknologi informasi.
Deteksi Kecelakaan Lalu Lintas Berbasis Algoritma Jaringan Syaraf Tiruan YOLO Binuri, Moch. Ghulam Abrari; Haryanti, Tining; Haq, Muhamad Amirul
Computing Insight : Journal of Computer Science Vol 4 No 2 (2022)
Publisher : Universitas Muhammadiyah Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30651/comp_insight.v4i2.22524

Abstract

Penerapan algoritma YOLOv7 dalam deteksi kecelakaan lalu lintas menggunakan google colab pada data training dari dataset robolow "accident 1" yang terdiri dari total 1522 gambar, dengan parameter batch size 1, epoch 40 dan menggunakan optimizer SGD menghasilkan model dengan tingkat precision sebesar 65.1%, recall 45.3%, mAP@.5 52.1%, dan mAP@.5:.95 26.4%, dengan waktu pelatihan 2.319 hours berdasarkan hasil tersebut untuk deteksi kurang memuaskan. Analisis pada grafik training data menunjukkan bahwa untuk mencapai hasil yang lebih memuaskan, diperlukan jumlah epoch yang lebih besar saat melatih data. Dari hasil grafik training data, terlihat bahwa semakin banyak epoch pelatihan, semakin akurat data trainingnya. Oleh karena itu, disarankan untuk melatih data lebih dari 40 epoch guna meningkatkan kualitas model dan deteksi kecelakaan lalu lintas.
Co-Authors Haq, Muhamad Amirul Haryanti, Tining