Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal JRIIN :Jurnal Riset Informatika dan Inovasi AI dan SPK : Jurnal Artificial Intelligent dan Sistem Penunjang Keputusan
Prayoga, Bayu
Unknown Affiliation
Aerospace Engineering Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management

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

Found 2 Documents
Search

 1 
Jumlah Kepala Sekolah dan Guru Menurut Kelompok Umur Provinsi Kalimantan Timur, Maluku Utara, Riau, Bengkulu Tahun 2023/2024 Gunawan Hadi, Muh; Prayoga, Bayu; Ardiansyah, Ferdy; Faozi Waruwu, Jihdal; Rosyani, Perani
Jurnal Riset Informatika dan Inovasi Vol 2 No 6 (2024): JRIIN: Jurnal Riset Informatika dan Inovasi
Publisher : shofanah Media Berkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan untuk menganalisis jumlah kepala sekolah dan guru berdasarkan kelompok umur di provinsi Kalimantan Timur, Maluku Utara, Riau, dan Bengkulu pada tahun ajaran 2023/2024. Metode yang digunakan dalam penelitian ini adalah pendekatan kuantitatif dengan pengumpulan data melalui survei dan analisis dokumen resmi dari Dinas Pendidikan masing-masing provinsi. Hasil penelitian menunjukkan adanya variasi signifikan dalam distribusi kepala sekolah dan guru menurut kelompok umur, yang dapat mempengaruhi dinamika pendidikan di setiap daerah. Secara khusus, Riau tercatat memiliki jumlah tenaga pendidik tertinggi di hampir semua kelompok umur, terutama pada rentang usia produktif 36-40 tahun. Sementara itu, distribusi umur tenaga pendidik di Kalimantan Timur lebih merata dibandingkan provinsi lainnya. Temuan ini mengindikasikan bahwa kelompok umur yang lebih tua cenderung memiliki pengalaman yang lebih baik dalam pengelolaan pendidikan, sedangkan kelompok yang lebih muda membawa inovasi dan energi baru ke dalam sistem pendidikan. Penelitian ini memberikan wawasan penting bagi pengambil kebijakan dalam merumuskan strategi pengembangan sumber daya manusia di sektor pendidikan. Selain itu, rekomendasi untuk program pelatihan yang sesuai dengan kebutuhan kelompok umur yang berbeda sangat diperlukan untuk meningkatkan kualitas pendidikan secara keseluruhan. Penelitian juga menekankan perlunya perhatian lebih terhadap kesejahteraan dan pengembangan profesional kepala sekolah dan guru agar dapat berkontribusi secara optimal terhadap peningkatan mutu pendidikan.
Deteksi Kendaraan dengan Metode YOLO Prayoga, Bayu; Anwar, Borneo Paradis; Arrizqi, Ichsan; Aliek, Teguh Munanzar; Rosyani, Perani
AI dan SPK : Jurnal Artificial Intelligent dan Sistem Penunjang Keputusan Vol. 3 No. 2 (2025): Jurnal AI dan SPK : Jurnal Artificial Inteligent dan Sistem Penunjang Keputusan
Publisher : CV. Shofanah Media Berkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Deteksi kendaraan merupakan komponen penting dalam berbagai sistem berbasis visi komputer, termasuk manajemen lalu lintas, sistem identifikasi kendaraan, serta pengembangan teknologi kendaraan cerdas. Salah satu pendekatan yang banyak digunakan untuk tugas deteksi objek secara real-time adalah algoritma YOLO (You Only Look Once), yang dikenal karena efisiensi dan kecepatan pemrosesannya. Penelitian ini menyajikan studi tinjauan literatur mengenai penerapan algoritma YOLO dalam mendeteksi kendaraan pada data citra maupun video. Algoritma YOLO bekerja dengan memprediksi lokasi objek dan kategorinya secara simultan dalam satu proses, sehingga mampu mempercepat waktu inferensi tanpa melalui tahap pencarian kandidat objek secara terpisah. Tujuan dari penelitian ini adalah mengkaji performa algoritma YOLO dalam deteksi kendaraan, termasuk kelebihan serta keterbatasannya berdasarkan hasil penelitian terdahulu. Hasil tinjauan menunjukkan bahwa YOLO mampu memberikan kinerja yang baik dalam mendeteksi kendaraan dengan waktu komputasi yang singkat dan tingkat akurasi yang kompetitif. Metode ini telah banyak diadopsi dalam berbagai aplikasi yang membutuhkan respons cepat. Meskipun demikian, beberapa studi melaporkan bahwa YOLO masih menghadapi tantangan dalam mengenali objek berukuran kecil serta objek yang saling berdekatan. Oleh karena itu, penelitian selanjutnya disarankan untuk mengembangkan atau memodifikasi arsitektur YOLO guna meningkatkan kemampuan deteksi kendaraan secara lebih optimal.
Co-Authors Aliek, Teguh Munanzar Anwar, Borneo Paradis Arrizqi, Ichsan Faozi Waruwu, Jihdal Ferdy Ardiansyah, Ferdy Gunawan Hadi, Muh Perani Rosyani