Article Per Year (5 Year)
p-Index From 2021 - 2026
1.845
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Tibyani
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
ANALISIS PERBANDINGAN MODEL YOLOV11 YANG DITINGKATKAN TERHADAP PENDETEKSIAN OBJEK KECIL PADA DOMAIN MARITIM BERBASIS UAV Ali, Mustafa; Tibyani; Yudistira, Novanto
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 12 (2025): Desember 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Deteksi objek kecil pada citra maritim berbasis Unmanned Aerial Vehicle (UAV) merupakan tantangan krusial dalam operasi keselamatan maritim dan Search and Rescue (SAR) akibat kondisi visual laut yang kompleks. Penelitian ini mengusulkan peningkatan arsitektur YOLOv11n melalui integrasi Bidirectional Feature Pyramid Network (BiFPN) untuk memperkuat representasi fitur multi-skala, dan Convolutional Block Attention Module (CBAM) untuk meningkatkan selektivitas fokus terhadap noise latar belakang. Berdasarkan eksperimen pada dataset SeaDronesSee, model yang ditingkatkan (YOLOv11n+BiFPN+CBAM) terbukti memberikan kinerja paling baik dengan mAP50-95 mencapai 0.450 (meningkat 9,2% dari model standar) dan peningkatan Precision tertinggi hingga 0.910,. Hasil ini mengindikasikan bahwa integrasi kedua modul berhasil menekan tingkat deteksi palsu (false positive) secara signifikan dibandingkan penggunaan modul tunggal. Meskipun integrasi ini meningkatkan beban komputasi dengan latensi 16.51 ms, sistem tetap mampu beroperasi pada kecepatan 60.58 FPS, dua kali lipat di atas standar minimum real-time (30 FPS). Penelitian ini menyimpulkan bahwa penggabungan mekanisme fusi fitur dan atensi visual menawarkan trade-off paling optimal antara kinerja tinggi dan efisiensi sistem deteksi real-time, menjadikannya solusi andal untuk deteksi objek pada domain maritim yang membutuhkan kepastian deteksi tinggi.
Perbandingan Kinerja YOLO11 dan YOLO11-Pear dalam Mendeteksi Tandan Buah Segar (TBS) Kelapa Sawit Varel Antoni, Muhammad; Tibyani; Bayu Rahayudi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 01 (2026): Januari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Kelapa sawit merupakan komoditas strategis Indonesia yang kualitas produksinya sangat bergantung pada ketepatan waktu panen, namun metode penilaian manual saat ini masih subjektif dan rentan kesalahan. Penelitian ini bertujuan membandingkan kinerja model YOLO11 standar dengan varian modifikasi YOLO11-Pear yang mengintegrasikan C2PSS Attention Module, DySample, dan lapisan deteksi 160×160 untuk mengatasi tantangan oklusi serta variasi ukuran buah. Berdasarkan pengujian pada epoch ke-200 menggunakan dataset citra lima kelas kematangan, model YOLO11-Pear mencapai kinerja optimal dengan Precision 0.9631, Recall 0.9635, dan mAP50 0.9876. Meskipun peningkatan metrik mAP50-95 tergolong marginal sebesar 0,22% dibandingkan model standar, secara kualitatif YOLO11-Pear menunjukkan stabilitas deteksi yang lebih tinggi, confidence score yang lebih baik, serta kemampuan meminimalkan kesalahan deteksi pada objek yang tertutup sebagian, sehingga terbukti lebih andal untuk diterapkan di lingkungan perkebunan yang kompleks.
Analisis Sentimen Pengguna Twitter / X Terhadap Fenomena #KaburAjaDulu Menggunakan Metode Support Vector Machine dan IndoBERT Embedding Gozali, Muhammad Rivaro Farrelino; Tibyani; Brata, Dwija Wisnu
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 2 (2026): Februari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Fenomena tagar #KaburAjaDulu di platform Twitter/X mencerminkan keresahan generasi muda terhadap tekanan hidup, ketidakpastian ekonomi, serta lingkungan kerja yang tidak sehat di era modern. Penelitian ini bertujuan untuk menganalisis persepsi publik terhadap fenomena tersebut melalui pendekatan analisis sentimen berbasis pemrosesan bahasa alami (Natural Language Processing), dengan mengombinasikan IndoBERT sebagai metode embedding kontekstual dan Support Vector Machine (SVM) sebagai algoritma klasifikasi. Data penelitian terdiri dari 12.353 tweet publik yang mengandung tagar #KaburAjaDulu, dikumpulkan menggunakan alat bantu TweetHarvest dalam rentang waktu 1 Oktober 2024 hingga 30 Agustus 2025. Data kemudian di pre-processing serta dilabeli menggunakan metode automatic labelling dengan alat bantu IndoBERTweet yang kemudian divalidasi oleh tiga validator hasil automatic labelling tersebut. Hasil penelitian menunjukkan bahwa kombinasi IndoBERT dan SVM dengan kernel Linear memberikan performa terbaik dengan akurasi 95,91%, F1-score (weighted) 0,9581, dan F1-score (macro) 0,8870 pada skema 70% data latih dan 30% data uji. Analisis sentimen memperlihatkan bahwa 77,30% tweet bersentimen negatif, mencerminkan dominasi ekspresi ketidakpuasan terhadap situasi sosial-ekonomi di Indonesia. Temuan ini membuktikan efektivitas pendekatan gabungan IndoBERT dan SVM dalam menganalisis sentimen media sosial Twitter/X berbahasa Indonesia, serta memberikan wawasan empiris dan kontekstual mengenai pola persepsi serta dinamika emosi publik di ruang digital.
Co-Authors Adam Ibrahim, Muhammad Agus Wahyu Widodo Akbar Syamsuri, Moch Danial Rasyid Ali, Mustafa Arkan, Mohammad Ilham Bayu Rahayudi Dion, Milenium Putri Djoko Pramono Dwija Wisnu Brata fakhri, abdullah hasan mufid Gozali, Muhammad Rivaro Farrelino Hanifah Muslimah Az-Zahra Issa Arwani Kurniawan, Choirunnizar Ade Novanto Yudistira Pratama Putra, Ferdinand Pratama, Bagas Ramadhani Purnomo, Welly Ricco Hermawan, Dennis Utaminingrum, Fitri Varel Antoni, Muhammad Welly Purnomo Wibisono Sukmo Wardhono Zakaria Hermansah, Fauzan