Claim Missing Document
Check
Articles

Found 2 Documents
Search

Pengembangan Sistem Prediksi Harga dan Rekomendasi Mobil Bekas Berbasis Machine Learning Anggara, Jerry; Ramadhan, Fauzi Rahmat; Syofian, Achmad Fikri; Panjaitan, Apriansa Arwandi; Fithra, Raka Fazah
Journal of Technology and Informatics (JoTI) Vol. 7 No. 1 (2025): Vol. 7 No.1 (2025)
Publisher : Universitas Dinamika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37802/joti.v7i1.987

Abstract

The used car sales business in Indonesia has been experiencing rapid growth, driven by increasing market demand. However, determining the price of used cars remains a challenge due to various influencing factors such as the year of production, mileage, and vehicle specifications. This research develops a web-based used car price prediction system using the XGBoost Regressor algorithm. The data used undergoes preprocessing and hyperparameter tuning to produce a high-performance model (R²: 97.79% on training data and 89.90% on testing data, MSE: 2.3129, RMSE: 1.5208). Additionally, the system provides a car recommendation feature using a Rule-Based Method, allowing users to filter vehicles based on specific criteria. The results demonstrate that this system effectively assists both buyers and sellers in making more informed, efficient, and transparent decisions in used car transactions.
IMPLEMENTASI OBJECT DETECTION DALAM KLASIFIKASI SAMPAH UNTUK MENINGKATKAN EFISIENSI PENGELOLAAN LIMBAH Anggara, Jerry; Ryansyah, Eddy; Arif Dermawan, Budi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13813

Abstract

Pengelolaan sampah di Indonesia masih menghadapi tantangan besar dengan produksi mencapai 68.5 juta ton per tahun, sementara tingkat daur ulang masih rendah. Salah satu kendala utama adalah proses pemilahan yang masih dilakukan secara manual menyebabkan inefisiensi, tingginya biaya operasional, serta meningkatnya pencemaran lingkungan akibat pembuangan sampah yang tidak terkelola dengan baik. Minimnya kesadaran masyarakat dalam memilah sampah semakin memperburuk kondisi ini. Untuk mengatasi permasalahan tersebut, penelitian ini mengembangkan sistem deteksi dan klasifikasi sampah berbasis algoritma YOLOv8 yang dikenal dengan kecepatan dan akurasi tinggi dalam mendeteksi objek. Model dilatih menggunakan dataset yang terdiri dari 1.822 gambar dalam enam kategori sampah yaitu kertas, plastik, kardus, metal, gelas, dan sampah organik yang diperoleh dari berbagai sumber termasuk Roboflow dan TrashNet. Hasil evaluasi menunjukkan bahwa model memiliki tingkat keakuratan yang cukup tinggi dengan nilai mAP (mean Average Precision) sebesar 0.905. Sistem ini di-deploy dalam bentuk web menggunakan Flask yang dilengkapi dengan fitur unggah gambar/video serta menampilkan hasil deteksi dengan tampilan yang informatif dan mudah digunakan. Penelitian ini menunjukkan bahwa object detection berbasis YOLOv8 dapat mendukung pengelolaan sampah secara lebih efisien.