Claim Missing Document
Check
Articles

Found 2 Documents
Search

EDUKASI LINGKUNGAN DAN PENGELOLAAN SAMPAH BERBASIS MASYARAKAT UNTUK MEMBANGUN DESA MANDIRI DALAM MENJAGA KELESTARIAN ALAM DAN EKOSISTEM Tri Hadianto; Hafidz, M atsal; M Galang fajar; M Taufik Faturahman; Wafaunnisa; Ayang marliani; Nenden putri; Isep teddy; M Irsyad fauzan; Winda sugesti; Viery bagja; Januar aditia; Isfa hani; Syafaat juliansyah; Nakita syaila; Elga indah; Nabila putri; Maria rukmawati
Jurnal Abdi Nusa Vol. 5 No. 1 (2025): Februari 2025
Publisher : LPPM Universitas Nusa Putra

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52005/abdinusa.v5i1.296

Abstract

Masalah pengelolaan sampah menjadi tantangan besar bagi banyak negara, termasuk Indonesia. Sampah yang tidak dikelola dengan baik dapat menyebabkan berbagai masalah lingkungan, seperti pencemaran tanah, air dan udara. Hal tersebut bisa terjadi disebabkan oleh Masyarakat yang membuang sampah sembarangan. Solusinya adalah dengan membuat bank sampah agar sampah bisa terkontrol dan terarah dengan baik. Dengan melakukan observasi dan wawancara dengan Masyarakat kita mengetahui permasalahan sampah yang tidak terkontrol dengan baik. Setelah terlaksana nya program pengelolaan dan pembuatan bank sampah Masyarakat menjadi lebih sadar akan dampak dari sampah.
Perbandingan Teknik Jaringan Syaraf Tiruan dalam Pengenalan Wajah Menggunakan Backpropagation dan Learning Vector Quantization Tri Hadianto; Muhammad Raihan Asshafwat; Muhammad Dafik Kholik Firdaus; Mirna Kamilah; Lufita Alvira; Ivana Lucia Kharisma
Prosiding Seminar Nasional Teknologi Informasi, Mekatronika, dan Ilmu Komputer Vol 4 (2025): Sentimeter 2025
Publisher : Prosiding Seminar Nasional Teknologi Informasi, Mekatronika, dan Ilmu Komputer

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

Abstract

Pengenalan wajah telah menarik minat penelitian yang signifikan, terutama melalui penerapan jaringan saraf buatan (ANN) untuk tugas-tugas seperti keamanan dan autentikasi. Studi ini membandingkan kinerja dua algoritma ANN terkemuka Backpropagation dan Learning Vector Quantization (LVQ) dalam sistem pengenalan wajah. Meskipun kedua algoritma memetakan masukan ke keluaran yang benar, keduanya berbeda dalam mekanisme pembelajaran dan karakteristik. Penelitian ini mengevaluasi efektivitasnya dalam hal akurasi, kecepatan komputasi, dan ketahanan terhadap variasi wajah, memanfaatkan kumpulan data dari Kaggle dan Labeled Faces in the Wild. Hasilnya menunjukkan bahwa model Backpropagation mencapai akurasi validasi sebesar 97%, mengungguli LVQ yang mencatat 78%, menyoroti keunggulan model Backpropagation dalam menangkap pola gambar kompleks dan menangani data berdimensi tinggi.