Article Per Year (5 Year)
p-Index From 2020 - 2025
3.866
P-Index
This Author published in this journals
All Journal Jurnal Edukasi Elektro TELKOMNIKA (Telecommunication Computing Electronics and Control) Bulletin of Electrical Engineering and Informatics JURNAL ELEKTRO ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika EMITTER International Journal of Engineering Technology CogITo Smart Journal TESLA: Jurnal Teknik Elektro Indonesian Journal of Electrical Engineering and Computer Science Jurnal Bakti Masyarakat Indonesia Jurnal Industrial Galuh Sewagati Jurnal Pengabdian Masyarakat Charitas Jurnal Informatika: Jurnal Pengembangan IT
Nova Eka Budiyanta
Program Studi Teknik Elektro, Universitas Katolik Indonesia Atma Jaya
Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Public Health Social Sciences Other

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Informatika: Jurnal Pengembangan IT

 1 
Sistem Deteksi Kemurnian Beras berbasis Computer Vision dengan Pendekatan Algoritma YOLO Nova Eka Budiyanta; Melisa Mulyadi; Harlianto Tanudjaja
Jurnal Informatika: Jurnal Pengembangan IT Vol 6, No 1 (2021): JPIT, Januari 2021
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/jpit.v6i1.2309

Abstract

Penelitian ini bertujuan untuk menerapkan sistem deteksi kemurnian beras terhadap campuran kotoran untuk dapat digunakan sebagai parameter nilai untuk mensortir kotoran yang terdeteksi pada proses kontrol kualitas beras. Sistem yang dikembangkan pada penelitian ini berbasis computer vision menggunakan kamera sebagai sensor. Data citra yang didapat dari kamera selanjutnya diproses untuk mengenali objek beras yang murni dan objek kotoran yang tercampur pada kumpulan beras. Penelitian ini berfokus pada algoritma deteksi objek batu atau kerikil (gravel) pada proses produksi beras. Proses deteksi objek pada penelitian ini menggunakan metode You Only Look Once (YOLO) v3. Secara keseluruhan sistem deteksi objek pada penelitian ini berjalan baik. Proses pelatihan model berhasil meminimalisir loss secara signifikan dengan nilai loss sebesar 1.89 di iterasi ke 1000 menjadi 0.16 di iterasi ke 15000. Seiring dengan keberhasilan proses pelatihan model, pengujian model pada penerapan proses deteksi juga berjalan baik yang ditunjukkan dengan nilai rerata akurasi sebesar 86.11%.
Rancang Bangun Mesin Presensi berbasis Metode Pengenalan Wajah HoG berbantuan Proses Klasifikasi Linear SVM Samuel Matthew; Ferry Rippun Gideon Manalu; Nova Eka Budiyanta
Jurnal Informatika: Jurnal Pengembangan IT Vol 7, No 1 (2022): JPIT, Januari 2022
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/jpit.v7i1.2843

Abstract

Di dalam daerah perkantoran, salah satu benda yang sering disentuh adalah alat presensi/pencatat kehadiran. Studi ini bertujuan untuk menerapkan sistem presensi berbasis metode pengenalan wajah menggunakan Raspberry Pi dan kamera dilengkapi dengan sensor pendeteksi suhu tubuh berbantuan aplikasi web. Pendekatan pengenalan wajah yang dilakukan dalam studi ini adalah Histogram of Oriented Gradients (HoG) didukung dengan linear Support Vector Machine (SVM). Hasil yang didapatkan dalam studi ini berupa sebuah mesin presensi yang mampu mengenali wajah pengguna yang sudah terdaftar dengan tingkat akurasi sebsar 98% pada 43,02 frame per detik (idle) dan 2,90 frame per detik (aktif) dengan menggunakan dataset berisikan 20 data tiap wajah (20 data x 20 wajah = 400 data). Sensor yang digunakan dapat mengukur suhu dengan akurasi ±0,5°C. Daftar kehadiran dapat diakses oleh pihak yang berkepentingan melalui situs web yang menampilkan data dari basis data. Untuk menanggulangi kesalahan sistem pada saat uji coba, presensi secara manual dapat dilakukan melalui aplikasi berbasis web.
Co-Authors Achmad Holil Noor Ali Aditama, Wira Ardyono Priyadi Arif Djunaidy Aulia Sidharta, Hanugra Bachri, Karel Octavianus Basuki, Widodo Widjaja Catherine Olivia Sereati Darmawan, Ilham Akbar Darwin Darwin Diah Risqiwati Divka, Princessa Sissy Doli Ramli W Effendy, Kevin Julianto Eko Mulyanto Yuniarno Evans Karlin Faizal Mahananto Fernando, Nico Ferry Rippun Gideon Manalu Harlianto Tanudjaja Henry, Carolus Herianto, David Isa Hafidz Kartadinata, Budi Kevin Julianto Effendy Kristiana, Stefani Prima Dias Kusumawardhani, Renny Pradina Lailatul Husniah Lukas Lukas Lukas Lukas Lukas, Lukas Maria Angela Kartawidjaja Mauridhi Hery Purnomo Mega Cynthia Wishnu Meilani, Maulidiya Melisa Mulyadi Mulyanto, Edy Nugroho, Y. Prasetyo Adi Purnama, I Putu Adhitya Pratama Mangku Purwaningsih, Agustina Ekwin Rahmanisa, Fathia Raras Tyasnurita Retno Aulia Vinarti Rikasakomara, Edwin Rizki Surya Permana Samuel Matthew Sidharta, Hanugra Aulia SUGIYANTO Sugiyanto - Veronica Windha Mahyastuty Vivi Triyanti WAHYUDI, CELINE GABRIELLA Wijayanti, Linda Wiwik Anggraeni