Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Elektron Jurnal Ilmiah
Novira, Aulia
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering

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

Found 2 Documents
Search

 1 
Segmentasi Area Perkebunan Sawit Melalui Aerial Images Menggunakan Deep Learning Novi, Novi; Hendrick, Hendrick; Rohfadli, Muhammad; Novira, Aulia
Elektron : Jurnal Ilmiah Vol 16 No 2 (2024)
Publisher : Teknik Elektro Politeknik Negeri Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30630/eji.16.2.544

Abstract

Pemantauan lahan sawit secara konvensional biasanya dilakukan dengan cara manual oleh petani yang mengerahkan beberapa orang untuk menyebar di area lahan. Namun, pendekatan ini membutuhkan waktu dan tenaga yang cukup besar, serta rentan terhadap ketidakakuratan dalam pemantauan. Sebagai alternatif, perusahaan besar yang mengelola lahan sawit umumnya menggunakan teknologi drone untuk memantau lahan, diikuti dengan penggunaan perangkat lunak analisis yang kompleks. Namun, pemanfaatan teknologi ini seringkali memerlukan biaya dan peralatan yang mahal. Penelitian ini bertujuan untuk mengembangkan sistem pemantauan lahan sawit menggunakan teknologi yang lebih terjangkau dan praktis, yaitu dengan memanfaatkan drone yang tersedia di pasaran serta NVIDIA Jetson Nano sebagai perangkat pemrosesan gambar portabel. Sistem ini menggunakan metode deep learning, dengan mengimplementasikan algoritma You Only Look Once (YOLO) untuk deteksi objek dan Instance Segmentation untuk segmentasi area lahan sawit. YOLO memungkinkan pendeteksian objek secara real-time dengan akurasi tinggi, sementara Instance Segmentation memfasilitasi pemisahan area sawit secara lebih detail, yang akan membantu dalam analisis lebih mendalam. Dengan menggunakan peralatan yang lebih terjangkau dan portabel, penelitian ini bertujuan untuk mempermudah petani atau pihak terkait dalam memantau dan menganalisis kondisi lahan sawit secara efektif, efisien, dan dengan biaya yang lebih rendah dibandingkan dengan teknologi pemantauan konvensional atau yang digunakan perusahaan besar.
Deteksi Dini Diabetes Melitus melalui Analisis Citra Lidah Berbasis Deep Learning Novira, Aulia; Madona, Era; Widyagustin, Hazimah
Elektron : Jurnal Ilmiah Vol 17 No 1 (2025): Volume 17 Nomor 1 Tahun 2025
Publisher : Teknik Elektro Politeknik Negeri Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30630/eji.17.1.594

Abstract

Diabetes melitus merupakan penyakit metabolik kronis yang prevalensinya terus meningkat secara global. Deteksi dini menjadi kunci untuk mencegah komplikasi jangka panjang, namun metode diagnostik konvensional umumnya bersifat invasif dan membutuhkan fasilitas laboratorium. Penelitian ini mengusulkan pendekatan non-invasif untuk mendeteksi diabetes berdasarkan citra lidah menggunakan metode Convolutional Neural Network (CNN). Citra lidah diperoleh dari pasien diabetes dan non-diabetes, kemudian diproses melalui tahapan preprocessing seperti normalisasi ukuran, augmentasi data, dan segmentasi area lidah. Model CNN dirancang untuk mengekstraksi fitur visual utama seperti warna, tekstur, dan bentuk dari citra yang telah diproses. Hasil pelatihan menunjukkan bahwa model mampu mencapai akurasi 97% . Evaluasi dilakukan pula terhadap citra uji, di mana model secara konsisten dapat mengklasifikasikan lidah pasien dengan benar ke dalam kelas diabetes maupun non-diabetes. Temuan ini menunjukkan bahwa pendekatan berbasis deep learning memiliki potensi besar dalam pengembangan sistem deteksi dini diabetes yang cepat, efisien, dan non-invasif, terutama untuk diterapkan pada perangkat mobile atau layanan kesehatan berbasis teknologi.
Co-Authors Anggara Nasution, Anggara Era Madona Hendrick Hendrick Novi Novi Rohfadli, Muhammad Widyagustin, Hazimah Yulastri Zulfakhri, Fadhilah