Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Indonesian Journal of Science, Technology, and Humanities SAINTEK
Yusuf Putra Bintang Satria
Unknown Affiliation
Religion Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Engineering Industrial & Manufacturing Engineering Mathematics Social Sciences

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

Found 2 Documents
Search

 1 
Perbandingan Kinerja MobileNetV2 dan ResNet50V2 dalam Klasifikasi Tingkat Kematangan Tomat Ravansa Rahman Santosa; Anindia Sasikirana; Zidan Lutfi Ramadhan; Yusuf Putra Bintang Satria; Agung Nugroho
Indonesian Journal of Science, Technology and Humanities Vol. 3 No. 1 (2025): IJSTECH - June 2025
Publisher : PT. INOVASI TEKNOLOGI KOMPUTER

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.60076/ijstech.v3i1.1335

Abstract

Perkembangan teknologi deep learning telah mendorong pemanfaatan arsitektur Convolutional Neural Network (CNN) dalam berbagai tugas klasifikasi citra. Di antara arsitektur yang populer, MobileNet dan ResNet memiliki karakteristik yang berbeda dalam hal efisiensi dan akurasi. Penelitian ini bertujuan untuk membandingkan performa dua arsitektur CNN, yaitu MobileNetV2 dan ResNet50V2, dalam mengklasifikasikan tingkat kematangan tomat ke dalam tiga kategori: mentah, setengah matang, dan matang. Dataset citra tomat digunakan dalam pelatihan dan pengujian model, dengan evaluasi berdasarkan metrik akurasi, presisi, recall, F1-score, serta waktu pengujian. Hasil penelitian menunjukkan bahwa MobileNetV2 unggul dalam efisiensi komputasi dengan akurasi sebesar 98,33% dan waktu pengujian lebih cepat, sedangkan ResNet50V2 mencapai akurasi 93,33% dengan kompleksitas model yang lebih tinggi. Berdasarkan hasil tersebut, MobileNetV2 direkomendasikan untuk implementasi pada perangkat dengan sumber daya terbatas, sementara ResNet50V2 lebih cocok untuk aplikasi dengan kebutuhan akurasi tinggi dan ketersediaan sumber daya yang memadai
Penerapan Metode TF-IDF dan Cosine Similarity pada Chatbot Informasi Pilkada Bekasi 2024 Berbasis Telegram Nur Pratama; Zidan Lutfi Ramadan; Yusuf Putra Bintang Satria; Dean Adriansyah Asy’ari
Prosiding Sains dan Teknologi Vol. 4 No. 1 (2025): Seminar Nasional Sains dan Teknologi (SAINTEK) ke 4 - Februari 2025
Publisher : DPPM Universitas Pelita Bangsa

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

Abstract

Pemilihan Kepala Daerah (Pilkada) merupakan proses penting dalam demokrasi yang membutuhkan akses masyarakat terhadap informasi secara cepat dan tepat. Namun, keterbatasan akses terhadap informasi seperti profil calon, jadwal, dan visi-misi masih menjadi kendala. Penelitian ini bertujuan untuk mengembangkan chatbot berbasis Telegram yang memanfaatkan metode Term Frequency-Inverse Document Frequency (TF-IDF) dan Cosine Similarity untuk menyediakan informasi Pilkada Bekasi 2024. Metode TF-IDF digunakan untuk menentukan bobot kata dalam kumpulan data, sedangkan Cosine Similarity digunakan untuk mencocokkan input pengguna dengan data yang relevan. Implementasi chatbot ini dirancang untuk memberikan respons yang relevan dan memudahkan masyarakat dalam memperoleh informasi Pilkada. Hasil pengujian menunjukkan bahwa chatbot mampu menjawab pertanyaan dengan tingkat relevansi yang baik dengan akurasi jawaban sebesar 93.33%, menjadi solusi praktis untuk meningkatkan aksesibilitas informasi Pilkada.
Co-Authors Agung Nugroho Anindia Sasikirana Dean Adriansyah Asy’ari Nur Pratama Ravansa Rahman Santosa Zidan Lutfi Ramadan Zidan Lutfi Ramadhan