Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Permata Putri Pasaribu, Yohanna
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
ANALISIS PREDIKSI HARGA BERAS DI INDONESIA DENGAN METODE MONTE CARLO Permata Putri Pasaribu, Yohanna; Muslim Karo Karo, Ichwanul
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.9962

Abstract

Beras merupakan salah satu bahan pokok yang withering banyak dikonsumsi masyarakat Indonesia dan beras tidak hanya sebagai makanan pokok saja melainkan sebagai sumber nutrisi penting dalam struktur pangan. Pada umumnya harga beras di perdagangan besar Indonesia dari waktu ke waktu mengalami kenaikan, dan jika dilihat dari segi ekonomi, harga beras merupakan salah satu aspek penting yang perlu mendapatkan perhatian, karena jika harga beras terus naik hal tersebut dapat mempengaruhi pada daya beli masyarakat dan daya produksi petani. Tujuan penelitian ini melakukan analasis prediksi menggunaan metode Monte Carlo dalam memprediksi harga beras di Indonesia untuk tahun 2022 dan 2023. Data historis harga beras digunakan sebagai dasar untuk mengembangkan model Monte Carlo, yang kemudian dievaluasi untuk tingkat akurasi prediksi. Hasil menunjukkan bahwa pendekatan Monte Carlo mampu menghasilkan prediksi harga beras dengan tingkat akurasi yang tinggi, dengan rata-rata tingkat akurasi sebesar 97.60% untuk tahun 2022 dan 94.27% untuk tahun 2023.
DETEKSI BURUNG MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN MODEL ARSITEKTUR MOBILENETV2 Andika Maulana, Sandy; Husna Batubara, Shabrina; Permata Putri Pasaribu, Yohanna; Syahputra, Hermawan; Ramadhani, Fanny
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10126

Abstract

Penelitian ini mengimplementasikan model Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2 untuk mendeteksi spesies burung. Permasalahan yang dihadapi yaitu bagaimana meningkatkan akurasi deteksi spesies burung menggunakan model yang efisien untuk perangkat mobile. Tujuan penelitian ini untuk mengembangkan dan mengevaluasi model CNN yang dapat mengenali berbagai spesies burung dengan akurasi tinggi. Metode penelitian meliputi beberapa tahapan: pengunduhan dan ekstraksi data dari TensorFlow Dataset yang terdiri dari 6033 gambar dari 200 spesies burung, visualisasi dan preprocessing data, implementasi model MobileNetV2, training dan validasi model selama 50 epoch dengan batch size 64, serta evaluasi menggunakan metrik loss dan Intersection Over Union (IoU). Hasil penelitian menunjukkan bahwa model mampu mengenali burung dengan akurasi yang memadai. Untuk penelitian selanjutnya, disarankan penambahan jumlah gambar dan spesies burung dalam dataset, eksplorasi arsitektur model lain, teknik augmentasi data, optimisasi hyperparameter, dan penerapan transfer learning. Selain itu, pengujian model pada perangkat mobile diperlukan untuk memastikan efisiensi dan performa di lingkungan nyata, serta mempertimbangkan informasi tambahan seperti habitat atau suara burung untuk meningkatkan akurasi identifikasi.
Co-Authors Andika Maulana, Sandy Hermawan Syahputra Husna Batubara, Shabrina Ichwanul Muslim Karo Karo Ramadhani, Fanny