Article Per Year (5 Year)
p-Index From 2020 - 2025
1.829
P-Index
This Author published in this journals
All Journal Journal of Economics, Business, & Accountancy Ventura Petra International journal of Business Studies (IJBS) Jurnal Manajemen Bisnis dan Kewirausahaan Business, Economics and Entrepreneurship Jurnal Pengabdian Multidisiplin Jurnal Ilmiah MEA (Manajemen, Ekonomi, dan Akuntansi) SmartComp JIPOWER : Journal of Intellectual Power
Tjandrasa, Benny Budiawan
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Humanities Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Languange, Linguistic, Communication & Media Public Health Social Sciences Other

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : SmartComp

 1 
Pengenalan Permukaan Berbasis Sensor IMU Menggunakan Random Forest Classifier Lehman, Andrew Sebastian; Tjandrasa, Benny Budiawan; Sanjaya, Joseph
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 1 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i1.7347

Abstract

Dengan meningkatnya tantangan yang dihadapi oleh robot akibat kemajuan teknologi dan keragaman kasus, input yang diperlukan oleh robot menjadi lebih banyak dan variatif, sehingga tidak dapat diselesaikan hanya dengan if conditional yang sederhana. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan model machine learning yang dapat membantu robot navigasi untuk mengidentifikasi permukaan yang optimal dengan tingkat akurasi yang tinggi. Penelitian ini menggunakan random forest sebagai algoritma machine learning yang termasuk dalam kategori supervised learning untuk menghasilkan prediksi berdasarkan data latih. Data latih di augmentasi dengan data dari yang telah disintesis menggunakan CTGAN, yaitu sebuah metode yang menggunakan jaringan saraf tiruan untuk menghasilkan data tabular heterogen yang mirip dengan data asli. Metode ini juga dapat melindungi privasi data asli dengan menggunakan privasi diferensial dan pembelajaran federasi. Setelah model machine learning dibangun, model diuji dengan data uji yang dibuat. Model machine learning yang berbasis random forest ini menunjukkan kinerja yang baik dengan mencapai akurasi 90% pada prediksi data uji.
Sistem Deteksi Pothole Menggunakan Convulutional Neural Network Dengan Squeezenet Network Lehman, Andrew Sebastian; Widjaja, Andreas; Tjandrasa, Benny Budiawan; Sanjaya, Joseph
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 3 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i3.8323

Abstract

Lubang di jalan merupakan salah satu permasalahan utama yang dihadapi pengguna jalan, karena dapat menyebabkan kerusakan serius pada kendaraan serta meningkatkan risiko kecelakaan lalu lintas. Selain berdampak pada keselamatan pengemudi, terutama mereka yang tidak familiar dengan kondisi jalan, keberadaan lubang juga dapat memicu kemacetan dan meningkatkan emisi karbon akibat perlambatan lalu lintas. Untuk mengatasi permasalahan ini, studi ini mengusulkan sistem deteksi lubang secara real-time berbasis Convolutional Neural Network (CNN) dengan arsitektur ringan SqueezeNet. Sistem dirancang untuk bekerja dengan memanfaatkan gambar yang diambil oleh kamera kendaraan yang sedang bergerak, guna mengidentifikasi lubang yang berpotensi membahayakan. Model CNN dilatih menggunakan dataset gambar yang telah diberi label berdasarkan keberadaan lubang. Kinerja sistem dievaluasi menggunakan metrik precision, recall, dan F1-score guna mengukur keakuratannya dalam mendeteksi lubang. Hasil penelitian menunjukkan bahwa pendekatan ini berpotensi tinggi untuk diterapkan dalam sistem transportasi cerdas, guna meningkatkan keselamatan jalan serta mengurangi biaya perawatan kendaraan akibat kerusakan yang disebabkan oleh lubang jalan.
Co-Authors Agus Ariwibowo, Agus Andreas Widjaja Aribowo, Agus Carolin, Angelina Cen Lu Herlina Herlina Ida Ida, Ida Iskandar, Dini Jewarut, Rofinus Lehman, Andrew Sebastian Maya Malinda Sanfa, Adiska Shabrina Sanjaya, Joseph Saragih, John Salmar Siregar, Yosua Tjandraningtyas, Jacqueline Mariae Trisandy, Yudhi Vera Intanie Dewi Wattimena, Sophia Isabella Wilson Bangun Yusan, Budi Oktavianus