Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Metta: Jurnal Penelitian Multidisiplin Ilmu Jurnal Informatika Polinema (JIP)
Firmansyah, Nedi
Unknown Affiliation
Religion Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Law, Crime, Criminology & Criminal Justice Library & Information Science Medicine & Pharmacology

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

Found 2 Documents
Search

 1 
Penggunaan Algoritma Greedy untuk Menemukan Jalur ke Rumah Makan Terdekat dari Kampus Melalui Aplikasi Web yang Memperhitungkan Perjalanan Kaki Firdaus, Muhammad; Firmansyah, Nedi; Utami, Dwi
Jurnal Penelitian Multidisiplin Ilmu Vol 3 No 6 (2025): April 2025
Publisher : Melati Institute

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

Abstract

The problem of finding the nearest restaurant from campus is often faced by students. This research proposes a web-based solution that implements the greedy algorithm to find the shortest route. The greedy algorithm was chosen because of its ability to make decisions quickly and produce good solutions in many cases. The system will integrate campus geographic data, restaurant locations, as well as road information and other obstacles. The research results are expected to contribute to the development of more efficient location-based navigation applications.
Klasifikasi Citra Jenis Ikan Air Tawar dan Air Laut Menggunakan Algoritma CNN (Convolutional Neural Network) fatmaauliazahra; Annisa; Firmansyah, Nedi
Jurnal Informatika Polinema Vol. 11 No. 4 (2025): Vol. 11 No. 4 (2025)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v11i4.7600

Abstract

Klasifikasi jenis ikan berdasarkan habitat air tawar dan air laut merupakan tantangan dalam bidang perikanan, terutama jika dilakukan secara manual yang memerlukan waktu dan keahlian khusus. Penelitian ini bertujuan membangun sistem klasifikasi otomatis berbasis citra digital dengan menerapkan algoritma Convolutional Neural Network (CNN) untuk membedakan ikan air tawar dan ikan air laut. Dataset terdiri dari 3.600 gambar yang terbagi secara seimbang untuk pelatihan, validasi, dan pengujian. Model dikembangkan menggunakan arsitektur MobileNetV2 melalui pendekatan transfer learning. Proses pelatihan dilakukan selama 10 epoch dengan preprocessing dan augmentasi untuk meningkatkan generalisasi model. Hasil pengujian menunjukkan bahwa model mencapai akurasi sebesar 94% pada data uji, dengan nilai precision dan recall masing-masing sebesar 96% dan 92% untuk ikan air tawar, serta 93% dan 96% untuk ikan air laut. Evaluasi melalui confusion matrix menunjukkan distribusi klasifikasi yang seimbang tanpa overfitting. Penelitian ini membuktikan bahwa CNN mampu mengklasifikasikan jenis ikan dengan tingkat akurasi tinggi, serta dapat diimplementasikan dalam sistem identifikasi ikan secara otomatis dan efisien. Kata kunci: Klasifikasi citra, Algoritma CNN, ikan air tawar, ikan air laut, MobileNetV2, transfer learning.
Co-Authors Annisa fatmaauliazahra Muhammad Firdaus Muhammad Yusron Maulana El-Yunusi