Article Per Year (5 Year)
p-Index From 2021 - 2026
1.456
P-Index
This Author published in this journals
All Journal JURTEKSI Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal JOURNAL OF SCIENCE AND SOCIAL RESEARCH Jurnal Teknisi Journal Of Indonesian Social Society Journal Computer Science and Applied Technology
Muhammad Amin
Universitas Royal
Religion Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Social Sciences Other

Published : 9 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 9 Documents
Search

 1 
AHP - SAW DECISION SUPPORT SYSTEM FOR AI-BASED TEACHING MATERIAL RECOMMENDATION Muhammad Amin; Hainur Rasyid; Akmal Akmal
JURTEKSI (jurnal Teknologi dan Sistem Informasi) Vol. 12 No. 2 (2026): Maret 2026
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v12i2.4537

Abstract

Abstract: The development of Artificial Intelligence (AI) in education provides significant opportunities for supporting the development of English teaching materials in elementary schools. However, the wide variety of available AI tools makes it difficult for teachers to select the most appropriate tools for their instructional needs. This study aims to analyze and generate recommendations for AI utilization using a Decision Support System (DSS) based on the Analytical Hierarchy Process (AHP) and Simple Additive Weighting (SAW) methods. The AHP method is used to determine the weight of criteria based on their importance, while the SAW method is applied to rank alternative AI tools. This study involves teachers at SDN 15 Padang Genting in identifying criteria and evaluating alternatives. The results show that the proposed DSS model is capable of generating appropriate AI tool recommendations based on predefined criteria. This approach contributes to more objective and systematic decision-making in utilizing AI for developing English teaching materials in elementary education. Keywords: analytical hierarchy proces; artificial intelligence; decision support system; simple additive weighting; teaching materials Abstrak: Perkembangan Artificial Intelligence (AI) dalam pendidikan memberikan peluang dalam penyusunan bahan ajar Bahasa Inggris di sekolah dasar. Namun, banyaknya pilihan tools AI menyebabkan guru mengalami kesulitan dalam menentukan tools yang paling sesuai dengan kebutuhan pembelajaran. Penelitian ini bertujuan untuk menganalisis dan menghasilkan rekomendasi pemanfaatan AI menggunakan Sistem Pendukung Keputusan (SPK) berbasis metode Analytical Hierarchy Process (AHP) dan Simple Additive Weighting (SAW). Metode AHP digunakan untuk menentukan bobot kriteria berdasarkan tingkat kepentingannya, sedangkan metode SAW digunakan untuk melakukan perangkingan alternatif tools AI. Penelitian ini melibatkan guru di SDN 15 Padang Genting dalam proses identifikasi kriteria dan penilaian alternatif. Hasil penelitian menunjukkan bahwa model SPK mampu menghasilkan rekomendasi tools AI yang sesuai dengan kebutuhan pengguna berdasarkan kriteria yang telah ditentukan. Pendekatan ini memberikan kontribusi dalam mendukung pengambilan keputusan yang lebih objektif dan sistematis dalam pemanfaatan AI untuk penyusunan bahan ajar Bahasa Inggris di sekolah dasar. Kata kunci: analisis proses hierarki; bahan ajar; kecerdasan buatan; sistem pendukung keputusan; simple additive weighting.
Edukasi Terintegrasi Local SEO Dan Data Cloud Untuk Penguatan UMKM Bubut Kayu Karya Hainur Rasyid; Muhammad Amin; Junaidi Junaidi
Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal Vol. 9 No. 1 (2026): Januari 2026
Publisher : STMIK Royal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurdimas.v9i1.4450

Abstract

Abstract: Micro, Small, and Medium Enterprises (MSMEs) play a strategic role in local economic development; however, the utilization of digital technology among MSMEs is often limited to basic promotion and is rarely supported by structured data management. This community service program is a continuation of previous assistance and aims to strengthen the capacity of UMKM Bubut Kayu Karya in Kisaran Timur through education on Local SEO strategies and cloud-based customer data management. The program employed a participatory education and training approach, including Google Business Profile optimization, customer data recording and analysis using Google Sheets, and basic digital security awareness. The results indicate improvements in the partner’s understanding and skills in managing location-based business visibility, utilizing customer data for marketing decision-making, and protecting digital business assets. This community service offers an innovative contribution in the form of a low-cost, context-based, and continuation-oriented empowerment model that integrates location-based digital marketing and simple data utilization. The proposed model is recommended to be replicated for MSMEs with similar characteristics to support gradual and sustainable digital transformation. Keywords: local SEO; customer data management; cloud-based systems; digital literacy; MSMEs Abstrak: Usaha Mikro, Kecil, dan Menengah (UMKM) memiliki peran strategis dalam pengembangan ekonomi lokal, namun pemanfaatan teknologi digital oleh UMKM masih cenderung terbatas pada promosi sederhana dan belum didukung oleh pengelolaan data yang terstruktur. Kegiatan pengabdian kepada masyarakat ini merupakan kelanjutan dari program pendampingan sebelumnya dan bertujuan untuk memperkuat kapasitas UMKM Bubut Kayu Karya di Kisaran Timur melalui edukasi strategi Local SEO dan pengelolaan data pelanggan berbasis cloud. Metode yang digunakan adalah pendidikan masyarakat dan pelatihan dengan pendekatan edukatif-partisipatif, meliputi optimalisasi Google Business Profile, pencatatan dan analisis data pelanggan menggunakan Google Sheets, serta peningkatan kesadaran keamanan digital dasar. Hasil kegiatan menunjukkan adanya peningkatan pemahaman dan keterampilan mitra dalam mengelola visibilitas usaha berbasis lokasi, memanfaatkan data pelanggan sebagai dasar pengambilan keputusan pemasaran, serta melindungi aset digital usaha. Keunikan kegiatan pengabdian ini terletak pada pendekatan lanjutan yang berbiaya rendah, kontekstual, dan berorientasi keberlanjutan dengan mengintegrasikan strategi pemasaran berbasis lokasi dan literasi data sederhana. Model pengabdian ini direkomendasikan untuk direplikasi pada UMKM dengan karakteristik serupa sebagai upaya penguatan daya saing usaha berbasis literasi digital. Kata kunci: local SEO; pengelolaan data pelanggan; cloud computing; literasi digital; UMKM
Pemanfaatan Artificial Intelligence Sebagai Media Pembelajaran Bahasa Inggris di SDN 15 Padang Genting Muhammad Amin; Hainur Rasyid; Akmal
Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal Vol. 9 No. 2 (2026): April 2026
Publisher : STMIK Royal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurdimas.v9i2.4571

Abstract

Abstract: The development of Artificial Intelligence (AI) technology offers substantial potential for providing interactive educational media, yet its implementation at the elementary education level is frequently impeded by educators' limited digital literacy. This situation was observed at SDN 15 Padang Genting, where English language instruction remains dominated by conventional methods with minimal utilization of adaptive digital media. Therefore, this community service program aims to enhance teachers' competencies and skills in utilizing AI technology as a medium for English language learning. The implementation adopted a Capacity Building approach comprising three structured stages: initial evaluation (pre-test), hands-on practice training, and final evaluation (post-test). The training focused on introducing text and visual generative AI, along with basic prompt engineering techniques. The results demonstrated a highly significant increase in teachers' capacity; comprehension of basic AI concepts surged from 15% to 85%, and the perceived ease of using the technology rose from 20% to 85%. Furthermore, the program successfully facilitated participants in independently producing educational media, such as interactive vocabulary flashcards and bilingual short stories. The hands-on training approach proved effective in overcoming the anxiety of non-technical teachers while accelerating their creativity in designing English learning materials that are relevant and engaging for digital-generation students. Keywords: artificial intelligence; capacity building; english language; learning media; teacher training. Abstrak: Perkembangan teknologi Artificial Intelligence (AI) menawarkan potensi besar dalam penyediaan media pendidikan yang interaktif, namun implementasinya di tingkat pendidikan dasar seringkali terhambat oleh keterbatasan literasi digital pendidik. Kondisi ini ditemukan di SDN 15 Padang Genting, di mana pembelajaran Bahasa Inggris masih didominasi oleh metode konvensional dan minimnya pemanfaatan media digital adaptif. Oleh karena itu, kegiatan pengabdian kepada masyarakat ini bertujuan untuk meningkatkan kompetensi dan keterampilan guru dalam memanfaatkan teknologi AI sebagai media pembelajaran Bahasa Inggris. Pelaksanaan kegiatan ini mengadopsi pendekatan Capacity Building yang mencakup tiga tahapan terstruktur: evaluasi awal (pre-test), pelatihan berbasis praktik langsung (hands-on practice), dan evaluasi akhir (post-test). Pelatihan difokuskan pada pengenalan AI generatif teks dan visual serta teknik rekayasa prompt dasar. Hasil kegiatan menunjukkan peningkatan kapasitas guru yang sangat signifikan; pemahaman konsep dasar AI melonjak dari 15% menjadi 85%, dan persepsi terhadap kemudahan penggunaan teknologi meningkat dari 20% menjadi 85%. Lebih lanjut, kegiatan ini berhasil memfasilitasi peserta untuk memproduksi luaran media pembelajaran secara mandiri, seperti flashcard vocabulary interaktif dan naskah cerita dwibahasa. Pendekatan pelatihan berbasis praktik terbukti efektif meruntuhkan kecemasan guru non-teknis, sekaligus mengakselerasi kreativitas mereka dalam merancang materi Bahasa Inggris yang relevan dan menarik bagi siswa generasi digital. Kata kunci: artificial intelligence; capacity building; media pembelajaran; bahasa inggris; pelatihan guru
DETERMINATION OF KIP KULIAH SCHOLARSHIP RECIPIENTS THROUGH PROFILE MATCHING APPROACH AT ROYAL UNIVERSITY Muhammad Amin
JURNAL TEKNISI Vol. 5 No. 1 (2025): February 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/teknisi.v5i1.2712

Abstract

Abstrak: Royal University, located in Kisaran City, North Sumatra, is one of the institutions receiving KIP Scholarship allocations from LLDIKTI Region 1. However, the selection process for scholarship recipients is still conducted manually, making it prone to bias and inaccuracies. This study aims to develop a Decision Support System (DSS) using the Profile Matching method to optimize the recipient selection process. The system evaluates candidates based on five criteria: income, dependents, social status, academic achievement, and housing status. The Profile Matching method calculates gaps between candidate profiles and ideal criteria, assigning weighted scores for ranking. The results show that the system successfully automates and enhances the accuracy, efficiency, and transparency of recipient selection. The final ranking aligns with manual calculations, confirming the system’s reliability. Putri Alya Ramadhani was ranked as the most eligible recipient. The implementation of this system significantly reduces human error and subjectivity, ensuring that scholarships are awarded to truly deserving students. This research demonstrates that a DSS based on Profile Matching can serve as an effective solution for fair and efficient scholarship distribution at Royal University.Keywords: KIP scholarship; profile matching; decision support system. Abstrak : Universitas Royal, yang berlokasi di Kota Kisaran, Sumatera Utara, merupakan salah satu perguruan tinggi yang menerima alokasi beasiswa KIP Kuliah dari LLDIKTI Wilayah 1. Namun, proses seleksi penerima beasiswa masih dilakukan secara manual, sehingga rentan terhadap bias dan ketidaktepatan. Penelitian ini bertujuan untuk mengembangkan Sistem Pendukung Keputusan (SPK) berbasis metode Profile Matching guna mengoptimalkan proses seleksi penerima. Sistem ini menilai kandidat berdasarkan lima kriteria utama: penghasilan, tanggungan, status sosial, prestasi akademik, dan status rumah. Metode Profile Matching menghitung selisih antara profil kandidat dengan kriteria ideal, lalu memberikan bobot untuk menentukan peringkat. Hasil penelitian menunjukkan bahwa sistem ini mampu mengotomatisasi serta meningkatkan akurasi, efisiensi, dan transparansi dalam seleksi penerima beasiswa. Hasil perangkingan sistem sejalan dengan perhitungan manual, yang membuktikan keandalannya, dengan Putri Alya Ramadhani sebagai kandidat terbaik. Implementasi sistem ini secara signifikan mengurangi kesalahan manusia dan subjektivitas, sehingga memastikan beasiswa diberikan kepada mahasiswa yang benar-benar berhak. Penelitian ini membuktikan bahwa SPK berbasis Profile Matching dapat menjadi solusi yang efektif dalam distribusi beasiswa yang lebih adil dan efisien di Universitas Royal.Kata Kunci: beasiswa kip kuliah; profile matching; sistem pendukung keputusan.
Classification of Obesity Using The Naïve Bayes Method and K-Nearest Neighbor Ilham Asy Ari; Muhammad Amin; Andi Saputra; Irianto Irianto; Nuriadi Manurung
JURNAL TEKNISI Vol. 6 No. 1 (2026): February 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/teknisi.v6i1.5529

Abstract

Abstract: Obesity is a major health problem that significantly impacts quality of life and can trigger various chronic diseases. Early detection of obesity levels is crucial for public health management, but traditional methods such as BMI often have limitations. Solution: This study proposes a data mining-based approach using feature engineering techniques to improve the accuracy of obesity classification. The purpose of this study is to classify obesity levels and compare the performance of Naïve Bayes and K-Nearest Neighbor (KNN) methods. This research method includes preprocessing stages, feature extraction using Principal Component Analysis (PCA) and Linear Discriminant Analysis (LDA), feature selection using CFS and Chi-Square, classification with Naïve Bayes and KNN, and model evaluation using accuracy and confusion matrix on 2,111 data sets from Kaggle. The results of this study show that on the original data without LDA, KNN achieves a higher accuracy (88.41%) than Naïve Bayes (63.82%). However, after using LDA, the accuracy of Naïve Bayes increased sharply to 93.61%, surpassing KNN's 92.19%. The study concluded that KNN was more effective on raw data, while Naïve Bayes was more optimal when combined with LDA-based dimensionality reduction. Keyword:  classification_ naïve_bayes; data mining; k-nearest neighbor; obesity; LDA; PCA.  Abstract: Obesitas merupakan salah satu masalah kesehatan utama yang berdampak signifikan pada kualitas hidup dan dapat memicu berbagai penyakit kronis. Deteksi dini tingkat obesitas sangat krusial untuk manajemen kesehatan masyarakat, namun metode tradisional seperti BMI seringkali memiliki keterbatasan. Solusi: Penelitian ini mengusulkan pendekatan berbasis penambangan data (data mining) menggunakan teknik rekayasa fitur untuk meningkatkan akurasi klasifikasi tingkat obesitas. Tujuan penelitian ini adalah untuk mengklasifikasikan tingkat obesitas dan membandingkan kinerja metode Naïve Bayes dan K-Nearest Neighbor (KNN). Metode penelitian ini mencakup tahap prapemrosesan, ekstraksi fitur menggunakan Principal Component Analysis (PCA) dan Linear Discriminant Analysis (LDA), seleksi fitur menggunakan CFS dan Chi-Square, klasifikasi dengan Naïve Bayes dan KNN, serta evaluasi model menggunakan accuracy dan confusion matrix pada 2.111 data dari Kaggle. Hasil penelitian ini menunjukkan bahwa pada data asli tanpa LDA, KNN mencapai akurasi lebih tinggi (88,41%) dibandingkan Naïve Bayes (63,82%). Namun, setelah penggunaan LDA, akurasi Naïve Bayes meningkat tajam menjadi 93,61%, melampaui KNN yang mencapai 92,19%. Kesimpulan dari penelitian ini adalah KNN lebih efektif pada data mentah, sedangkan Naïve Bayes menjadi lebih optimal ketika dikombinasikan dengan reduksi dimensi berbasis LDA. Keywords: klasifikasi naïve bayes; k-nearest neighbor; obesitas; PCA; penambangan data; LDA
Pengenalan Hak Kekayaan Intelektual (HAKI) Terhadap Produk Digital Bagi Pelajar LKP Mutiara Informatika Sudarmin Sudarmin; Nuriadi Manurung; Irianto Irianto; Muhammad Amin
Journal Of Indonesian Social Society (JISS) Vol. 4 No. 1 (2026): JISS - Februari
Publisher : PT. Padang Tekno Corp

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59435/jiss.v4i1.632

Abstract

Perkembangan teknologi digital mendorong pelajar untuk aktif menghasilkan berbagai produk digital seperti desain grafis, aplikasi sederhana, dan konten multimedia. Namun, pelajar di LKP Mutiara Informatika masih memiliki keterbatasan pemahaman mengenai Hak Kekayaan Intelektual (HAKI), khususnya terkait perlindungan hukum terhadap produk digital yang mereka hasilkan. Kurangnya pengetahuan ini berpotensi menimbulkan pelanggaran hak cipta serta hilangnya nilai ekonomi dari karya digital. Kegiatan Pengabdian Kepada Masyarakat (PKM) ini bertujuan untuk meningkatkan pemahaman dan kesadaran pelajar tentang konsep dasar HAKI, jenis-jenis HAKI, serta prosedur perlindungan produk digital. Metode yang digunakan meliputi penyuluhan, diskusi interaktif, dan studi kasus sederhana. Hasil sementara menunjukkan adanya peningkatan pemahaman peserta, di mana sekitar 80% pelajar mampu menjelaskan pengertian HAKI dan 75% pelajar memahami pentingnya perlindungan produk digital setelah kegiatan PKM dilaksanakan. Kegiatan ini diharapkan dapat mendorong pelajar untuk lebih menghargai dan melindungi karya digital mereka secara hukum.
TRANSFORMASI DIGITAL RUMAH SUSUN SEWA TANJUNGBALAI MENGGUNAKAN SISTEM INFORMASI BERBASIS WEB Ulul Azmi Siahaan; Muhammad Amin; Arridha Zikra Syah
Journal Computer Science and Applied Technology Vol. 3 No. 2 (2025): J-CSAT - Agusutus
Publisher : PT. Cahaya Pena Tech

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.67401/j-csat.v3i2.28

Abstract

Perkembangan teknologi informasi mendorong instansi untuk menerapkan sistem terkomputerisasi guna meningkatkan efektivitas administrasi. Rusunawa Tanjungbalai masih menggunakan pencatatan manual dalam pengelolaan pembayaran sewa, listrik, dan air sehingga proses pengolahan data, pencarian informasi, dan pembuatan laporan menjadi kurang efisien serta rentan terhadap kesalahan. Penelitian ini bertujuan merancang sistem informasi administrasi pembayaran berbasis web untuk membantu pengelolaan data pembayaran penghuni secara cepat, akurat, dan terintegrasi. Metode penelitian yang digunakan meliputi observasi, wawancara, dan studi pustaka. Hasil penelitian diharapkan mampu meningkatkan kualitas pelayanan administrasi dan efisiensi pengelolaan data pembayaran penghuni Rusunawa.
PENERAPAN MFEP DALAM MEREKOMENDASIKAN PENERIMA PINJAMAN MODAL USAHA KECIL MENENGAH DI BUMDES TANJUNG ASRI Irianto Irianto; Muhammad Amin; Cecep Maulana
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 2 (2025): May 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i2.3085

Abstract

Abstract: Determining loan recipients for Small and Medium Enterprises (SMEs) at BUMDes Tanjung Asri requires an objective method to ensure that assistance is provided to truly eligible parties. This study applies the Multi-Factor Evaluation Process (MFEP) method to provide more structured recommendations based on relevant criteria. The evaluation process includes factors such as business feasibility, loan repayment ability, business experience, and other financial aspects. Data were collected through interviews and document studies, then analyzed using the MFEP method to rank loan applicants. The results indicate that the implementation of MFEP enhances transparency and accuracy in decision-making compared to conventional methods. With an MFEP-based system, BUMDes Tanjung Asri can allocate funds more effectively, ensuring targeted financial support and promoting sustainable local economic growth. Keywords: MFEP, Recommendation, Business Loan, UKM, BUMDes Abstrak: Penentuan penerima pinjaman modal bagi Usaha Kecil Menengah (UKM) di BUMDes Tanjung Asri memerlukan metode yang objektif agar bantuan dapat diberikan kepada pihak yang benar-benar layak. Penelitian ini menerapkan metode Multi-Factor Evaluation Process (MFEP) untuk memberikan rekomendasi yang lebih terstruktur dan berbasis kriteria yang relevan. Faktor-faktor yang digunakan dalam proses evaluasi meliputi kelayakan usaha, kemampuan pengembalian pinjaman, pengalaman usaha, serta aspek finansial lainnya. Data dikumpulkan melalui wawancara dan studi dokumentasi, kemudian dianalisis menggunakan metode MFEP untuk menghasilkan peringkat calon penerima pinjaman. Hasil penelitian menunjukkan bahwa penerapan MFEP dapat meningkatkan transparansi dan akurasi dalam pengambilan keputusan dibandingkan metode konvensional. Dengan adanya sistem berbasis MFEP, BUMDes Tanjung Asri dapat mengalokasikan dana secara lebih tepat sasaran, sehingga mendukung pertumbuhan ekonomi lokal secara berkelanjutan. Kata kunci: MFEP, Rekomendasi, Pinjaman Modal, UKM, BUMDes
PENERAPAN TEKNOLOGI DEEP LEARNING DENGAN YOLOV4 DAN ALGORITMA SEGMENTASI SEMANTIK UNTUK MENDETEKSI JALAN BERLUBANG DALAM PENINGKATAN INFRASTRUKTUR TRANSPORTASI Muhammad Amin; Irianto Irianto; Feby Ariska
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 3 (2025): August 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i3.4070

Abstract

Abstract: Potholes are a serious problem in transportation infrastructure that directly impacts driver safety and travel efficiency. This study proposes a deep learning-based method by integrating the YOLOv4 algorithm for rapid object detection and using semantic segmentation to produce more precise pixel image analysis of various forms of potholes. The YOLOv4 method (You Only Look Once version 4) is used as the main algorithm in the object detection process because of its ability to identify objects in real-time with high speed and optimal accuracy. This study lies in a hybrid approach between object detection using YOLOv4 and semantic segmentation with DeepLab, which enables the system to recognize potholes. Testing was carried out using two methods: by inputting images (PNG/JPG) and using real-time video input via webcam. The dataset used was 1,561 images with various variants of road damage, which were annotated and labeled using Roboflow. The test results of the YOLOv4 model showed a detection accuracy ranging from 90–92%, with the highest performance of 95% for large potholes at close range, and a minimum of 59% for small potholes at long distances. These results confirm the effectiveness of YOLOv4 in quickly and accurately detecting potholes across various road conditions. This research is expected to contribute to the automation of road infrastructure maintenance systems, reduce the risk of traffic accidents, and improve the comfort and safety of road users.Keywords: pothole detection; YOLOv4; deep learning; semantic segmentation; transportation infrastructureAbstrak: Kerusakan jalan berlubang menjadi permasalahan serius dalam infrastruktur transportasi yang berdampak langsung terhadap keselamatan pengendara dan efisiensi perjalanan. Penelitian ini mengusulkan metode berbasis deep learning dengan mengintegrasikan algoritma YOLOv4 untuk deteksi objek secara cepat dan menggunakan  segmentasi semantik guna menghasilkan analisis gambar piksel yang lebih presisi terhadap berbagai bentuk jalan berlubang. Metode YOLOv4 (You Only Look Once versi 4) digunakan sebagai algoritma utama dalam proses deteksi objek karena kemampuannya dalam melakukan identifikasi objek secara real-time dengan kecepatan tinggi dan akurasi yang optimal. Penelitian ini terletak pada pendekatan hibrida antara deteksi objek menggunakan YOLOv4 dan segmentasi semantik dengan DeepLab, yang memungkinkan sistem dapat mengenali jalan berlubang. Pengujian dilakukan dengan dua metode yaitu dengan cara input menggunakan citra (PNG/JPG) dan menggunakan input video real-time melalui webcam. Dataset yang digunakan berjumlah 1.561 citra dengan berbagai varian kerusakan jalan, yang dianotasi dan dilabeli menggunakan Roboflow. Hasil pengujian model YOLOv4 menunjukkan akurasi deteksi berkisar antara 90–92%, dengan performa tertinggi sebesar 95% untuk lubang besar pada jarak dekat, dan minimum 59% untuk lubang kecil pada jarak jauh. Hasil ini menegaskan efektivitas YOLOv4 dalam mendeteksi jalan berlubang secara cepat dan akurat di berbagai kondisi jalan. Penelitian ini diharapkan dapat memberikan kontribusi dalam otomatisasi sistem pemeliharaan infrastruktur jalan, mengurangi risiko kecelakaan lalu lintas, serta meningkatkan kenyamanan dan keselamatan pengguna jalan.Kata kunci: deteksi jalan berlubang; YOLOv4; deep learning; segmentasi semantik; infrastruktur transportasi
Co-Authors Akmal Akmal Akmal Andi Saputra Arridha Zikra Syah Cecep Maulana Feby Ariska Hainur Rasyid Ilham Asy Ari Irianto Irianto Junaidi Junaidi Nuriadi Manurung Sudarmin Sudarmin Ulul Azmi Siahaan