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)
Andika Maulana, Sandy
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
PENERAPAN METODE MONTE CARLO DALAM MEMPREDIKSI PRODUKSI DAGING SAPI DI PROVINSI SULAWESI UTARA Andika Maulana, Sandy
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.v8i4.9967

Abstract

Penelitian ini bertujuan untuk memprediksi produksi daging sapi di Provinsi Sulawesi Utara menggunakan metode Monte Carlo. Pentingnya daging sapi sebagai sumber protein hewani dan peningkatan permintaan seiring dengan kesadaran masyarakat terhadap makanan bergizi. Permasalahan yang diangkat adalah fluktuasi produksi daging sapi di Sulawesi Utara dengan permintaan pasar yang tidak bisa diprediksi naik dan turunnya jumlah daging sapi yang dibutuhkan. Maka dari itu penelitian ini bertujuan untuk memberikan prediksi yang lebih akurat mengenai produksi daging sapi dengan menggunakan metode Monte Carlo. Metode penelitian ini melibatkan pengumpulan data dari Badan Pusat Statistik dan penerapan random sampling dalam metode Monte Carlo. Berdasarkan hasil yang didapat menggunakan data tahun 2015-2023. Dari hasil simulasi diketahui meningkatnya jumlah produksi daging sapi terjadi pada tahun 2017 dan 2020 dengan tingkat akurasi 96.8% di tahun 2017 dan 95.6% di tahun 2020. Dari hasil simulasi tersebut juga diketahui menurunnya produksi daging sapi terjadi pada tahun 2018 dengan akurasi sebesar 88,2% dengan tingkat akurasi rata-rata keseluruhan yaitu 88.5%. Disimpulkan bahwa penelitian menunjukkan bahwa metode Monte Carlo dapat memberikan gambaran produksi daging sapi terendah dan tertinggi per tahun, membantu penjual, investor dan pemerintah dalam perencanaan produksi.
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 Hermawan Syahputra Husna Batubara, Shabrina Permata Putri Pasaribu, Yohanna Ramadhani, Fanny