Amanda Iza Sofiani
Unknown Affiliation

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

Found 2 Documents
Search

PENERAPAN ALGORITMA WELCH POWELL PADA PEWARNAAN GRAF UNTUK MENENTUKAN DESTINASI WISATA KULINER DI KOTA JAMBI Amanda Iza Sofiani; Nabila Febrisa Anggraini; Muhammad Alfares; Ulfa Khaira
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 1 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v13n1.p182-189

Abstract

Kuliner merupakan salah satu daya tarik utama dalam perjalanan wisata, dengan setiap destinasi menyajikan makanan khas yang unik. Kota Jambi, yang kaya akan berbagai jenis kuliner seperti pindang ikan dan pempek, memiliki banyak pilihan tempat makan yang dapat membingungkan wisatawan. Beragamnya pilihan tempat makan seringkali membuat wisatawan menghabiskan waktu yang cukup lama hanya untuk memilih tempat yang tepat. Oleh karena itu, diperlukan sistem yang dapat memberikan rekomendasi tempat makan secara efisien. Penelitian ini menggunakan metode pewarnaan graf untuk menyelesaikan masalah tersebut. Algoritma Welch-Powell diterapkan untuk mewarnai graf berdasarkan derajat simpul, dengan simpul mewakili tempat makan dan sisi mewakili jenis makanan yang ditawarkan. Hasil dari penelitian ini adalah graf yang menghasilkan 6 warna, masing-masing menggambarkan kelompok tempat makan yang menawarkan jenis makanan yang serupa. Dengan demikian, penelitian ini menghasilkan 6 rekomendasi tempat makan yang dapat membantu wisatawan menemukan pilihan yang sesuai dengan selera kuliner mereka.
Penerapan Model YOLO Untuk Deteksi Kerusakan Jalan Berdasarkan Citra Visual Amanda Iza Sofiani; Nazwa Eka Hervy; Fitri Dwi Lestari; M. Rizky Ardiansyah Putra; Mutia Fadhila Putri; Ulfa Khaira; Pradita Eko Prasetyo Utomo
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 3 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v13n3.p196-204

Abstract

Kerusakan jalan seperti retak dan lubang menjadi permasalahan infrastruktur yang mengganggu keselamatan dan kelancaran lalu lintas. Metode identifikasi manual yang selama ini digunakan dinilai kurang efisien. Penelitian ini bertujuan untuk menerapkan model YOLOv8 dalam mendeteksi kerusakan jalan secara otomatis melalui citra visual. Metode yang digunakan adalah pendekatan kuantitatif eksperimental dengan pelatihan model deep learning menggunakan 200 citra yang dianotasi secara manual. Data dibagi ke dalam skema pelatihan, validasi, dan pengujian (70:20:10). Hasil pelatihan menunjukkan bahwa YOLOv8 mampu mendeteksi dua jenis kerusakan utama, yaitu retak dan berlubang, dengan performa yang cukup baik. Model menunjukkan peningkatan nilai precision hingga 0.4 dan recall lebih dari 0.3. Sementara itu, nilai mAP50 mencapai sekitar 0.27, dan mAP50-95 lebih dari 0.1. Temuan ini mengindikasikan bahwa model cukup andal dalam mengenali kerusakan jalan dengan akurasi memadai, serta memiliki potensi untuk diintegrasikan dalam sistem monitoring infrastruktur secara real-time. Kata Kunci: citra visual, deep learning, deteksi kerusakan jalan, object detection, YOLOv8