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
Mahendra, Reyhan
Unknown Affiliation
Computer Science & IT 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 Aceh, Jambi, Bali, dan Papua Tahun 2023/2024 Merly; Rifqi Alfaris, Muhammad; Di Caprio Kadju, Reinardus; Mahendra, Reyhan; Rosyani, Perani
Jurnal Riset Informatika dan Inovasi Vol 2 No 7 (2024): JRIIN: Jurnal Riset Informatika dan Inovasi
Publisher : shofanah Media Berkah

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

Abstract

Penelitian ini menyoroti jumlah dan distribusi kepala sekolah serta guru berdasarkan kelompok umur di empat provinsi di Indonesia: Aceh, Jambi, Bali, dan Papua. Dengan menggunakan metode deskriptif kuantitatif dan data sekunder dari Kementerian Pendidikan, penelitian ini bertujuan untuk memberikan gambaran mengenai perbedaan demografis dalam sektor pendidikan pada tahun ajaran 2023/2024. Analisis statistik seperti histogram, poligon frekuensi, dan ogive menunjukkan bahwa distribusi tenaga pendidik bervariasi secara signifikan antarprovinsi, di mana Aceh memiliki jumlah tertinggi, sedangkan Papua yang terendah. Hasil penelitian ini diharapkan dapat menjadi acuan bagi pengambil kebijakan dalam menyusun strategi pendidikan yang lebih efektif dan sesuai dengan kebutuhan setiap provinsi.
Deteksi Objek Anjing dan Kucing Menggunakan Faster R-CNN Hadi, Muh Gunawan; Susanto, Nugroho Noto; Mahendra, Reyhan; Rosyani, Perani
Jurnal Riset Informatika dan Inovasi Vol 3 No 9 (2026): JRIIN : Jurnal Riset Informatika dan Inovasi (INPRESS)
Publisher : shofanah Media Berkah

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

Abstract

Penelitian ini bertujuan untuk mengatasi tantangan dalam deteksi objek hewan peliharaan, khususnya anjing dan kucing, yang memiliki variasi intra-kelas yang tinggi serta kemiripan visual yang signifikan antar ras. Metode yang diusulkan adalah arsitektur Deep Learning Faster R-CNN dengan backbone ResNet50-FPN. Untuk meningkatkan performa model pada dataset Oxford-IIIT Pet yang memiliki keterbatasan jumlah sampel dan ketidakseimbangan kelas, penelitian ini menerapkan strategi modifikasi berupa augmentasi data lanjutan menggunakan pustaka Albumentations dan teknik Gradient Accumulation. Augmentasi data diterapkan untuk memperkaya variasi pose dan kondisi pencahayaan, sedangkan Gradient Accumulation digunakan untuk menstabilkan proses pelatihan pada batch size kecil akibat keterbatasan memori GPU. Hasil eksperimen menunjukkan bahwa model yang dimodifikasi mampu mencapai performa optimal pada Epoch ke-11 dengan skor Mean Average Precision (mAP) sebesar 0.7519. Analisis kurva loss menunjukkan konvergensi yang stabil antara data latih dan validasi, mengindikasikan bahwa teknik augmentasi yang diterapkan efektif dalam mencegah overfitting. Penelitian ini membuktikan bahwa integrasi strategi augmentasi geometris dan akumulasi gradien dapat meningkatkan ketahanan model deteksi objek secara signifikan pada domain hewan peliharaan.
Co-Authors Di Caprio Kadju, Reinardus Hadi, Muh Gunawan Merly Perani Rosyani Rifqi Alfaris, Muhammad Susanto, Nugroho Noto