Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Multimedia
Aditya Dwi Putro
Purwokerto Telkom Institute of Technology
Computer Science & IT

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

Found 2 Documents
Search

 1 
Hybrid Algoritma Vgg16-Net Dengan Support Vector Machine Untuk Klasifikasi Jenis Buah dan sayuran Aditya Dwi Putro; Henri Tantyoko
Jurnal Teknologi Informasi dan Multimedia Vol. 5 No. 2 (2023): August
Publisher : Sekawan Institut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35746/jtim.v5i2.335

Abstract

Arsitektur deep learning VGG16 terbukti efektif dalam hal melakukan klasifikasi citra pada dataset ImageNet, akan tetapi memiliki keterbatasan dalam jumlah parameter sangat banyak dan potensi overfitting pada dataset kecil. SVM memiliki kelebihan dalam hal menangani masalah overfitting pada dataset yang relatif kecil, sementara VGG16 memiliki keunggulan dalam mengekstraksi fitur yang berkualitas dari citra dengan performa yang sangat baik. SVM juga dapat membantu memperbaiki kinerja klasifikasi pada VGG16 dengan meminimalkan risiko overfitting dan meningkatkan akurasi klasifikasi pada dataset yang relatif kecil. Oleh karena itu, penulis memilih untuk hybrid algoritma VGG16Net Dengan Support Vector Machine Untuk Klasifikasi Jenis buah dan sayuran, yang nantinya arsitektur VGG16 digunakan untuk ekstraksi fitur dari citra dan fitur-fitur tersebut dijadikan input untuk SVM. Keputusan menggunakan VGG16 digabungkan dengan SVM adalah untuk meningkatkan akurasi klasifikasi dataset citra buah dan sayuran, Namun, penggunaan SVM membutuhkan pemilihan parameter yang tepat dan teknik prapemrosesan data yang tepat untuk mencapai hasil yang baik. Dan dalam penelitian ini penulis berhasil mengklasifikasikan citra buah dan sayuran, akurasi sebelum hybrid svm mendapatkan 94.52% training accuracy dan testing (validation) accuracy sebesar 87.85%. dan hasil loss mendapat training loss sebesar 0.58 dan testing loss accuracy sebesar 12.5%. Setelah dilakukan hybrid vgg16 dengan svm didapatkan training accuracy sebesar 99.87 % dan testing (validation) accuracy sebesar 91.76 %. Untuk hasil loss mendapat training loss sebesar 0.13 dan testing loss accuracy sebesar 8.24%. Oleh karena itu, arsitektur CNN VGG-16Net digabungkan dengan SVM dapat menghasilkan model klasifikasi yang baik, terutama pada dataset yang relatif kecil dan dapat menjadi pilihan yang sesuai dalam klasifikasi citra.
Implementasi Smart Home pada Platform Apple Homekit dan Google Home dengan Raspberry Pi 4B Abdul Jabbar Robbani; Fifi Alfiaturrohmah; Maulana Rafi Nurdiansyah; Amanda Salsabila Maharani; Aditya Dwi Putro
Jurnal Teknologi Informasi dan Multimedia Vol. 5 No. 4 (2024): February
Publisher : Sekawan Institut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35746/jtim.v5i4.480

Abstract

This research examines the significant impact of technological advances, especially in the Internet of Things (IoT) paradigm, on various aspects of human life strongly manifested during the In-dustrial Revolution Era 4.0. The main focus of this research is on the application of advanced and innovative IoT concepts in the context of smart homes, integrating popular platforms such as Apple HomeKit and Google Home. The temperature sensor (DHT11) and light sensor (LDR) play a key role as important input elements, enabling the optimization of smart home automation functions. Raspberry Pi 4B was chosen as the main platform, the "brain" of the system, providing reliable computing capabilities. Using four-channel relays, this research specifically aims to increase ef-ficiency and integration in controlling devices in the smart home ecosystem. By emphasizing the concept of optimization, this research proposes a smart solution that is expected to not only provide an integrated and efficient experience for smart home users but also unlock the potential for further development of IoT technology. As a result, the implementation of the solutions proposed in this research is expected to create a smart home that is not only technologically smart but also responsive to the needs and preferences of its occupants, paving the way for further in-novation in the development and application of the Internet of Things in various contexts of human life.
Co-Authors Abdul Jabbar Robbani Amanda Salsabila Maharani Fifi Alfiaturrohmah Henri Tantyoko Maulana Rafi Nurdiansyah