Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi Jurnal Algoritma
Adi Permana
Universitas Bandar Lampung
Computer Science & IT

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

Found 3 Documents
Search

 1 
Augmented Reality Menggunakan Marker Based Tracking Untuk Informasi Sejarah Kain Tapis Lampung Setiawan, Asep Trisna; Dika Hastanto; Dian Resha Agustina; Adi Permana; Dewi Tresnawati, Dewi Tresnawati
Jurnal Algoritma Vol 22 No 1 (2025): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.22-1.2261

Abstract

Lampung Tapis fabric is one of Indonesia's cultural heritages that possesses its own unique charm and beauty. This fabric originates from Lampung, a province on the island of Sumatra, Indonesia. Lampung Tapis fabric features distinctive patterns, motifs, and production techniques, and is believed to hold significant historical and symbolic value for the Lampung community. In the era of rapidly advancing digital technology, Augmented Reality (AR) has emerged as an innovative tool for preserving, promoting, and safeguarding cultural heritage. AR is a technology that blends the real world with virtual or additional elements through the use of electronic devices such as smartphones or tablets, enabling users to interactively experience digital content within a real-world physical context. One of the main issues is the lack of a complete history of the Lampung Tapis Fabric exhibited at the Ruwa Jurai Museum in Lampung, which poses a challenge as it results in insufficient historical information to understand the origins, development, and value contained within this cultural heritage. As a result, there is a risk of losing valuable information about local cultural heritage. This research has successfully developed an Augmented Reality application that provides information about the Lampung Tapis Cloth, thereby reducing the potential loss of cultural heritage information in Lampung.
Rancang Bangun Smart Greenhouse Berbasis Internet of Things Menggunakan ESP32 dengan Monitoring dan Kontrol Otomatis Adi Permana; Fenty Ariani; Ari Mardiansyah; Nurdianita Nurdianita
EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi Vol 16, No 1 (2026): Juni
Publisher : Universitas Bandar Lampung (UBL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36448/expert.v16i1.4940

Abstract

Keberlangsungan pengelolaan greenhouse menuntut pemantauan berkesinambungan disertai pengaturan kondisi lingkungan demi mempertahankan pertumbuhan tanaman pada keadaan optimum. Keterlambatan merespons perubahan suhu, kelembapan udara, kelembapan tanah, serta intensitas cahaya kerap muncul akibat aktivitas pemantauan yang masih dikerjakan manual. Riset ini memiliki objektif merancang sekaligus membangun prototype Smart Greenhouse berbasis Internet of Things memakai mikrokontroler ESP32 yang sanggup menjalankan Monitoring lingkungan secara real-time beserta pengoperasian aktuator otomatis. Pendekatan Prototype diterapkan melalui identifikasi kebutuhan, penyusunan rancangan sistem, realisasi perangkat keras maupun perangkat lunak, verifikasi, lalu penilaian menyeluruh sistem. Implementasi mengombinasikan sensor DHT22, soil moisture, BH1750, modul relay, pompa air, serta kipas pendingin yang terhubung menuju dashboard berbasis web menggunakan jaringan Wi-Fi. Rerata galat suhu mencapai 0,26°C, galat kelembapan udara mencapai 1%, respons pompa memerlukan 1,82 detik, respons kipas berlangsung 1,2 detik, keterlambatan pengiriman data menuju dashboard mencapai 0,82 detik, sedangkan seluruh skenario fungsional memperoleh keberhasilan 100%. Keseluruhan capaian tersebut menegaskan kemampuan sistem dalam mendukung Monitoring serta pengendalian lingkungan greenhouse secara otomatis dan real-time sehingga efisiensi pengelolaan meningkat sementara ketergantungan terhadap pemantauan manual berkurang.
Face Recognition dengan YOLO 8 dan Convolutional Neural Network (CNN) Asep Trisna Setiawan; Ary Setijadi Prihatmanto; Erlangga Erlangga; Fenty Ariani; Adi Permana
EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi Vol 15, No 2 (2025): December
Publisher : Universitas Bandar Lampung (UBL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36448/expert.v15i2.4658

Abstract

Pengenalan wajah merupakan teknologi penting dalam biometric authentication untuk sistem keamanan dan identifikasi otomatis, namun metode tradisional masih terkendala oleh variasi pose dan pencahayaan. Penelitian ini bertujuan untuk mengembangkan dan mengintegrasikan arsitektur YOLOv8 sebagai face detector dan Convolutional Neural Network (CNN) sebagai face recognizer ke dalam satu pipeline end-to-end yang efisien. Metodologi yang digunakan melibatkan penggunaan YOLOv8 untuk deteksi dan lokalisasi wajah secara real-time, diikuti proses cropping serta alignment, dan diakhiri dengan klasifikasi identitas menggunakan model CNN berbasis transfer learning. Dataset yang digunakan mencakup 38 individu dengan total 380 citra yang dilatih menggunakan GPU NVIDIA GTX 1070. Hasil penelitian menunjukkan bahwa YOLOv8 mencapai performa sangat baik dengan nilai mean Average Precision (mAP@0.5) sebesar 0,972 dan waktu inferensi hanya 12,5 ms per frame. Sementara itu, model CNN berhasil mencapai akurasi pengujian sebesar 93,8% dengan F1-Score 0,93. Meskipun sistem mengalami penurunan performa pada kondisi pencahayaan rendah (low light) dan oklusi, integrasi kedua model ini terbukti tangguh dan layak diimplementasikan untuk aplikasi praktis seperti kontrol akses dan sistem kehadiran otomatis secara real-time. Pengembangan lanjutan disarankan untuk meningkatkan ketahanan model terhadap pose ekstrem dan hambatan visual yang berat.
Co-Authors Ari Mardiansyah Ary Setijadi Prihatmanto Asep Trisna Setiawan Dewi Tresnawati, Dewi Tresnawati Dian Resha Agustina Dika Hastanto Erlangga Erlangga Fenty Ariani Nurdianita Nurdianita