Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Technologia: Jurnal Ilmiah International Journal of Electrical and Intelligent Engineering
M. Imamudin
Universitas Islam Negeri Maulana Malik Ibrahim Malang
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy Engineering

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

Found 2 Documents
Search

 1 
Ball Detection in Wheeled Soccer Robot Using the YOLOv8 Model Aqza Tri Ananda HAT; Shoffin Nahwa Utama; M. Imamudin; Yunifa Miftachul Arif; Ajib Hanani
International Journal of Electrical and Intelligent Engineering Vol 1, No 2 (2025)
Publisher : Department of Electrical Engineering Universitas Islam Negeri Maulana Malik Ibrahim Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18860/ijeie.v1i2.39317

Abstract

This research designs and builds a wheeled soccer robot using YOLOv8 for real-time ball detection and distance estimation, aiming to improve efficiency in technology competitions. The system includes Arduino Uno R3, Raspberry Pi 3 model b, detection system, and navigation design. 691 ball image use as dataset that consist of 552 image as training dataset and 249 image as valid dataset. YOLOv8 demonstrated exceptional reliability in ball detection during testing, achieving an average accuracy of 100%, 100% precision, and 94% recall. Navigation testing toward the ball had an acceptable average error of 8.0466%. The results confirm that YOLOv8 is excellent for simplifying high-accuracy ball detection and distance estimation in wheeled soccer robots. Future work should consider a higher-spec Raspberry Pi, a high-resolution camera, additional sensors, and advanced systems to improve detection and obstacle avoidance (opponent robots, goal).
ANALISIS PERBANDINGAN ALGORITMA MACHINE LEARNING UNTUK KLASIFIKASI TUTUPAN LAHAN DI KABUPATEN BANJAR Tegar Diwantara; Sri Harini; M. Imamudin
Technologia : Jurnal Ilmiah Vol 16 No 4 (2025): Technologia (Oktober)
Publisher : Fakultas Teknologi Informasi, Universitas Islam Kalimantan Muhammad Arsyad Al Banjari, di bawah koordinasi UPT Publikasi dan Pengelolaan Jurnal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v16i4.20683

Abstract

Perubahan tutupan lahan di kawasan cepat tumbuh menuntut sistem pemantauan yang efisien dan presisi berbasis citra satelit. Kajian mutakhir menegaskan bahwa klasifikasi berbantuan machine learning meningkatkan reliabilitas peta Land Use Land Change dibanding metode tradisional.Penelitian ini bertujuan untuk mengidentifikasi model klasifikasi terbaik dalam menentukan jenis tutupan lahan di wilayah Kabupaten Banjar. Metode yang digunakan adalah pendekatan machine learning dengan membandingkan 2 algoritma klasifikasi, khususnya metode Random Forest dan Support Vector Machine. Proses pelaksanaan mencakup pengolahan data citra, ekstraksi fitur, pelatihan model, serta evaluasi akurasi menggunakan data validasi. Teknik analisis dilakukan dengan menguji berbagai parameter model untuk mendapatkan kombinasi terbaik dalam meningkatkan performa klasifikasi. Hasil penelitian menunjukkan bahwa metode Random Forest dengan 700 pohon (RF_700trees) memberikan akurasi tertinggi sebesar 91,3%, sedangkan metode Support Vector Machine dengan kernel linier mencapai akurasi 87%. Penambahan jumlah pohon pada metode Random Forest  terbukti meningkatkan akurasi hingga titik tertentu, namun setelah melewati batas optimal justru mengalami penurunan performa. Pemilihan parameter yang tepat sangat mempengaruhi kinerja model secara keseluruhan. Berdasarkan hasil tersebut, metode Random Forest dengan 700 pohon (RF_700trees) menjadi model paling optimal untuk klasifikasi tutupan lahan pada data yang digunakan dalam penelitian ini.
Co-Authors Ajib Hanani Aqza Tri Ananda HAT Shoffin Nahwa Utama Sri Harini Tegar Diwantara Yunifa Miftachul Arif