Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Komputer dan Matematika
Hafni Aulida
Universitas Muhammadiyah Kudus
Computer Science & IT Control & Systems Engineering Mathematics

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

Found 2 Documents
Search

 1 
KLASIFIKASI JENIS GOLONGAN KENDARAAN DI GERBANG TOL MENGGUNAKAN ARSITEKTUR CONVOLUTIONAL NEURAL NETWORK VGG16 Khoirul Umam Haqiqi; Fida Maisa Hana; Hafni Aulida
JURNAL ILMU KOMPUTER DAN MATEMATIKA Vol 5, No 1 (2024): JURNAL ILMU KOMPUTER DAN MATEMATIKA
Publisher : Universitas Muhammadiyah Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26751/jikoma.v5i1.2194

Abstract

Kendaraan yang melintasi gerbang tol memainkan peran vital dalam sistem transportasi. Untuk meningkatkan pengelolaan lalu lintas dan efisiensi koleksi tol, metode otomatis yang akurat diperlukan untuk mengklasifikasikan jenis kendaraan di gerbang tol. Penelitian ini bertujuan untuk mengembangkan model deep learning yang mampu mengklasifikasikan berbagai jenis kendaraan dengan menggunakan arsitektur Convolutional Neural Network (CNN) VGG16, dengan dataset yang berasal dari sumber data Mendeley. Dataset terdiri dari 1225 gambar kendaraan yang diambil dari berbagai perspektif di gerbang tol. Dataset ini diambil dari sumber data Mendeley yang memiliki variasi jenis kendaraan yang luas, memastikan representasi yang memadai dalam pelatihan dan pengujian model. Untuk meningkatkan kemampuan generalisasi model, dataset diperkaya melalui augmentasi data. Model CNN VGG16 diimplementasikan tanpa penggunaan Dropout dan dilatih dengan learning rate sebesar 0.001. Melalui proses fine-tuning yang cermat, model berhasil mencapai akurasi validasi sebesar 90%. Keberhasilan model dalam mengenali jenis kendaraan di gerbang tol menawarkan potensi untuk meningkatkan efisiensi operasional gerbang tol serta pengaturan lalu lintas secara keseluruhan. Hasil penelitian ini menunjukkan bahwa model Convolutional Neural Network VGG16 memiliki kemampuan klasifikasi yang kuat dalam mengidentifikasi berbagai jenis kendaraan di gerbang tol. Dengan akurasi sebesar 99%, model ini dapat dijadikan sebagai solusi otomatisasi yang efektif dalam mengenali kendaraan di gerbang tol, potensial mengurangi antrian, serta meningkatkan efisiensi pengumpulan tol dan manajemen lalu lintas secara signifikan.
KLASIFIKASI EMPAT JENIS DAUN HERBAL MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK Mahdarul Huda Ahmad; Fida Maisa Hana; Taftazani Ghazi Pratama; Hafni Aulida
JURNAL ILMU KOMPUTER DAN MATEMATIKA Vol 4, No 2 (2023): JURNAL ILMU KOMPUTER DAN MATEMATIKA
Publisher : Universitas Muhammadiyah Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26751/jikoma.v4i2.2012

Abstract

Begitu banyaknya jenis daun herbal yang mirip menyebabkan kesulitan dalam mengenali daun herbal secara langsung. Saat ini, proses klasifikasi daun herbal masih dilakukan menggunakan pengamatan mata secara langsung. Oleh karena itu, diperlukan sebuah system dalam mengklasifikasi daun herbal melalui pendekatan pengolahan citra dan neural network dengan tujuan agar klasifikasi dapat dilakukan secara efektif dan efisien. Pada penelitian ini, terdapat empat jenis daun herbal yang diklasifikasi, yaitu daun kari, daun kelor, daun mint, dan daun sirih. Metode yang digunakan pada penelitian ini adalah Convolutional Neural Network dan VGG16. Penelitian ini menggunakan 800 data secara keseluruhan dengan augmentasi data untuk melatih model deep learning yang akan digunakan untuk klasifikasi empat jenis daun herbal. Model terbaik yang dihasilkan penelitian ini adalah model VGG16 transfer learning dengan learning rate 0.001 dan dropout dengan rate 50% yang berhasil mengklasifikasikan empat jenis daun herbal dengan akurasi 96.2%.
Co-Authors Fida Maisa Hana Khoirul Umam Haqiqi Mahdarul Huda Ahmad Taftazani Ghazi Pratama