Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Pustaka AI : Pusat Akses Kajian Teknologi Artificial Intelligence
Surya Editya, Arda
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Mathematics

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

Found 2 Documents
Search

 1 
INVESTIGASI FORENSIK KECELAKAAN KENDARAAN BERMOTOR MENGGUNAKAN METODE DEEP LEARNING Erik Zubair Rohman, Muhammad; Surya Editya, Arda
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.14170

Abstract

Meningkatnya jumlah kecelakaan kendaraan bermotor di jalan raya memerlukan metode analisis forensik yang lebih efektif dan akurat untuk menginvestigasi penyebab kecelakaan, sedangkan metode konvensional seringkali memiliki keterbatasan dalam mengidentifikasi dan mengklasifikasikan objek-objek penting pada rekaman kecelakaan secara tepat dan real-time. Penelitian ini bertujuan untuk mengembangkan sistem investigasi forensik kecelakaan kendaraan bermotor menggunakan metode deep learning berbasis YOLO untuk mendeteksi dan mengklasifikasikan kejadian kecelakaan secara otomatis. Metode yang digunakan adalah penerapan algoritma YOLO yang dioptimalkan untuk mendeteksi objek pada video rekaman kecelakaan, dengan dataset yang diperoleh dari berbagai sumber dan evaluasi kinerja menggunakan metrik Presisi, Recall, F1-Score, dan mAP. Hasil penelitian menunjukkan bahwa metode YOLO mampu mendeteksi dan mengklasifikasikan objek-objek penting dalam kecelakaan seperti kendaraan dan penumpang dengan akurasi tinggi, serta membuktikan keandalan metode ini dalam pengolahan real-time, sehingga dapat mendukung analisis forensik secara efektif dan berpotensi menjadi alat bantu berharga bagi lembaga penegak hukum dalam mengidentifikasi penyebab kecelakaan serta merancang langkah-langkah pencegahan yang lebih efektif.
Sistem Penilaian Esai Otomatis Berbasis Web Menggunakan Model BERT dan Levenshtein Distance Febrianti Azzaroh, Aisya; Surya Editya, Arda; Khoir Al-Haq , Ahmad
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 5 No 2 (2025): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

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

Abstract

Sistem penilaian esai secara manual memiliki keterbatasan dalam hal efisiensi waktu dan objektivitas. Untuk mengatasi hal tersebut, penelitian ini mengembangkan sistem penilaian otomatis berbasis web menggunakan model BERT dan Levenshtein Distance. Sistem ini menggabungkan penilaian semantik dengan model BERT (80%) dan penilaian sintaksis menggunakan Levenshtein Distance (20%). Platform ini dibangun menggunakan framework Flask dan menyediakan dua tampilan utama: tampilan siswa untuk menjawab soal dan memperoleh hasil secara langsung, serta tampilan guru untuk mengelola soal, kunci jawaban, data siswa, hasil penilaian, histogram nilai, dan akurasi sistem. Hasil pengujian menunjukkan bahwa sistem mampu memberikan penilaian yang mendekati penilaian manual dengan akurasi yang cukup tinggi. Sistem ini diharapkan dapat membantu guru dalam menilai secara efisien dan konsisten.
Co-Authors Erik Zubair Rohman, Muhammad Febrianti Azzaroh, Aisya Khoir Al-Haq , Ahmad