Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Seminar Nasional Teknologi dan Multidisiplin Ilmu Jurnal Komputasi
Admi Syarif
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Social Sciences

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Implementasi YOLOv10 untuk Deteksi Kerapatan dan Transparansi Tajuk Pohon melalui Aplikasi Mobile Alkhadafi Saddam Simparico; Rico Andrian; Rahmat Safe'i; Admi Syarif
JURNAL FASILKOM Vol. 15 No. 2 (2025): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v15i2.9581

Abstract

Kerapatan dan transparansi tajuk pohon merupakan indikator penting kesehatan hutan yang berpengaruh terhadap keseimbangan ekosistem dan keanekaragaman hayati. Penelitian ini mengembangkan sistem deteksi real-time berbasis model YOLOv10 yang dioptimalkan untuk perangkat mobile melalui konversi ke TensorFlow Lite, sehingga memungkinkan inferensi cepat dan efisien di lapangan tanpa memerlukan perangkat komputasi besar. Dataset yang digunakan terdiri dari 5.000 citra tajuk pohon yang mencakup sepuluh kelas variasi kerapatan dan transparansi, mewakili lima jenis daun jarum dan lima jenis daun lebar dengan perbedaan morfologi dan karakteristik transmisi cahaya. Pengambilan data dilakukan pada berbagai sudut pandang untuk meningkatkan ketahanan model terhadap kondisi nyata di lapangan. Data dibagi menjadi 70% untuk pelatihan, 10% untuk validasi, dan 20% untuk pengujian. Hasil evaluasi menunjukkan akurasi 97,7% dengan nilai precision, recall, dan F1-score yang tinggi di setiap kelas. Sistem ini berpotensi mempercepat proses survei lapangan, meningkatkan akurasi pemantauan ekosistem, dan menjadi alat pendukung pengambilan keputusan dalam pengelolaan hutan serta program konservasi. Pendekatan ini menawarkan solusi praktis dan terukur untuk pemantauan hutan berkelanjutan dengan memanfaatkan teknologi computer vision mutakhir di perangkat mobile
DEEP LEARNING ALGORITHM INVENTORY FOR SUGAR CANE LEAF DISEASE DETECTION Zaidal, Nisar; Admi syarif; Mahfut Mahfut
Seminar Nasional Teknologi dan Multidisiplin Ilmu (SEMNASTEKMU) Vol. 5 No. 1 (2025): SEMNASTEKMU
Publisher : Universitas Sains dan Teknologi Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/ccz51528

Abstract

Tebu (Saccharum spp.) merupakan komoditas industri utama yang produktivitasnya sangat dipengaruhi oleh penyakit daun, sehingga deteksi dini dan akurat menjadi faktor penting dalam menjaga keberlanjutan produksi. Deep learning menawarkan solusi canggih dan non-destruktif untuk diagnosis penyakit melalui analisis citra secara otomatis. Namun, penelitian yang ada mengenai deteksi penyakit daun tebu masih bersifat terfragmentasi, dengan variasi pada dataset, metode praproses, serta metrik evaluasi yang menyulitkan perbandingan langsung antar algoritma. Penelitian ini secara sistematis melakukan inventarisasi dan evaluasi algoritma deep learning yang diterapkan pada deteksi penyakit daun tebu, termasuk Convolutional Neural Networks (CNN), Vision Transformers (ViT), dan arsitektur hibrida CNN–Transformer. Sintesis komparatif terhadap berbagai model pretrained yang banyak digunakan—seperti ResNet, EfficientNet, DenseNet, dan MobileNet—dilakukan untuk mengidentifikasi kinerja relatif serta adaptabilitasnya terhadap citra lapangan dan UAV. Studi ini juga mengusulkan rekomendasi metodologis terstandar terkait praproses, augmentasi, dan evaluasi guna meningkatkan replikasi serta penerapan di tingkat lapangan. Hasil penelitian ini menjembatani kesenjangan antara kemajuan teoretis dan aplikasi praktis dalam pertanian presisi, serta memberikan kerangka acuan bagi peneliti dan praktisi untuk memilih pendekatan deep learning yang paling sesuai dalam pemantauan kesehatan tebu di kondisi nyata.  
Implementasi REST API Menggunakan JSON WEB Token (JWT) Pada Sistem Monitoring KPI Berbasis Mobile di PT Industri Kereta API (Persero) Dewi Asiah Shofiana; Saddam Surya Mardiansyah; M. Iqbal Parabi; Admi Syarif
Jurnal Komputasi Vol. 12 No. 2 (2024): Jurnal Komputasi
Publisher : Jurusan Ilmu Komputer Fakultas MIPA Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/komputasi.v12i2.272

Abstract

In today's competitive and dynamic business environment, modern companies increasingly recognize the importance of Key Performance Indicators (KPIs) for monitoring and ensuring performance. PT Industri Kereta Api (Persero) faces challenges in managing and monitoring numerous KPIs. This research aims to develop a KPI monitoring system using a REST API to handle significant data volumes and ensure relevant and reliable information. Implementing REST API addresses data complexity and ensures efficient operations, providing optimal benefits for the company's management policies. With REST API, the KPI monitoring system can operate across various platforms, such as web and mobile, enhancing information flexibility and accessibility for users. The research focuses on developing an integrated KPI monitoring system, applying REST API for efficient and real-time data access, designing and testing a mobile application, and conducting comprehensive testing. Security testing indicates a good level of system security, performance testing shows the application can handle high loads with stable response times, black box testing demonstrates that the system functions well and meets specifications without significant errors, and user acceptance testing (UAT) achieved a satisfaction index of "Very Satisfactory" with an 88.75% result. This research uses the Personal Extreme Programming (PXP) method, an iterative process suitable for individual software engineers, ensuring flexibility and responsibility in handling changing requirements.
Co-Authors Alkhadafi Saddam Simparico Andrian, Rico M. Iqbal Parabi Mahfut Nisar Zaidal Rahmat Safe'i Saddam Surya Mardiansyah Shofiana, Dewi Asiah