cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Dr. Ermatita, M.Kom
Contact Email
wayan.widi@upnvj.ac.id
Phone
-
Journal Mail Official
wayan.widi@upnvj.ac.id
Editorial Address
-
Location
Kota depok,
Jawa barat
INDONESIA
Informatik : Jurnal Ilmu Komputer
Published by Universitas Pembangunan Nasional Veteran Jakarta
ISSN : 02164221     EISSN : 2655139X     DOI : -
Core Subject : Science,
Computer Science & IT
Informatik menerima artikel ilmiah dengan area penelitian pada area Internet Business & Application, Networking & Cyber Security, Statistics & Computation, Elearning & Multimedia, Robotics & Intelligene.
Arjuna Subject : -
Articles 182 Documents
 15   16   17   18   19 
Analisis Komparasi Model Deep Learning CNN dengan VGG16 dalam Klasifikasi Jenis Bunga Rumui, Nelson; Mualo, Ardhyansyah; Rahayaan, Jacob; Batjo, Lourdes; Mokansi, Misael
Informatik : Jurnal Ilmu Komputer Vol 21 No 1 (2025): April 2025
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v21i1.11105

Abstract

Klasifikasi citra bunga merupakan tantangan penting dalam visi komputer karena citra bunga memiliki tingkat variasi yang tinggi dalam hal bentuk, warna, latar belakang, dan sudut pengambilan gambar, yang sering kali menyulitkan proses klasifikasi secara akurat. Permasalahan ini mendorong dilakukannya penelitian untuk mengembangkan dan membandingkan efektivitas dua pendekatan deep learning, yaitu arsitektur Convolutional Neural Network (CNN) yang dibangun dari awal dan model VGG16 pre-trained yang diterapkan melalui metode transfer learning. Tujuan dari penelitian ini adalah untuk mengevaluasi kinerja kedua model dalam mengklasifikasikan lima jenis bunga daisy, dandelion, rose, sunflower, dan tulip berdasarkan akurasi, efisiensi pelatihan, dan kemampuan generalisasi. Dataset yang digunakan bersifat open-source dan diperoleh dari platform Kaggle, kemudian dibagi menjadi data pelatihan dan pengujian. Hasil eksperimen menunjukkan bahwa model CNN standar hanya mencapai akurasi sebesar 48%, sementara model berbasis VGG16 mencapai akurasi hingga 90%. Temuan ini menegaskan bahwa transfer learning dengan VGG16 merupakan pendekatan yang lebih unggul dan efektif untuk tugas klasifikasi citra bunga, terutama dalam skenario yang menuntut akurasi tinggi.  Penelitian ini memberikan wawasan penting bagi pengembangan sistem klasifikasi visual berbasis deep learning.
Implementasi Fuzzy Logic pada Sistem Robotik Ball Balancing Table dengan Konfigurasi Ball Joint untuk Stabilitas Dinamis Khoirunnisa, Hilda; Suryatini, Fitria; Pancono, Suharyadi; Al Ghafara, Muhamad; Ramdani, Cepi
Informatik : Jurnal Ilmu Komputer Vol 21 No 1 (2025): April 2025
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v21i1.11168

Abstract

Penelitian ini bertujuan untuk menerapkan Fuzzy Logic Controller (FLC) pada sistem Ball Balancing Table (BBT) dengan konfigurasi struktur mekanik Ball Joint untuk stabilitas dinamis. Sistem ini dirancang untuk dapat menempatkan bola pada posisi tertentu. Posisi bola dideteksi secara real-time menggunakan panel touchscreen resistif dan sinyal posisi diproses oleh kontroler fuzzy pada NI myRIO, yang kemudian mengendalikan aktuator motor servo untuk menyesuaikan kemiringan permukaan meja. Hasil pengujian menunjukkan bahwa sistem mampu menempatkan bola pada posisi target dengan tingkat akurasi yang baik sebesar 93.63% untuk sumbu X dan 90.41% untuk sumbu Y. Rerata Kesalahan posisi bola pada sumbu X tercatat sebesar 17.33 mm sedangkan pada sumbu Y sebesar 14.55 mm. Untuk waktu respons penempatan bola terhadap titik target, hasil pengujian mencatat waktu tercepat 10.8 detik dan waktu terlama 16.82 detik. Hasil ini menunjukkan bahwa implementasi fuzzy logic dan struktur mekanik Ball Joint menghasilkan sistem kendali yang cukup akurat dan responsif.

Page 19 of 19 | Total Record : 182

 15   16   17   18   19 

Filter by Year

2018 2025


Reset
Filter By Issues
All Issue Vol 21 No 2 (2025): Agustus 2025 Vol 21 No 1 (2025): April 2025 Vol 20 No 3 (2024): Desember 2024 Vol 20 No 2 (2024): Agustus 2024 Vol 20 No 1 (2024): April 2024 Vol 19 No 3 (2023): Desember 2023 Vol 19 No 2 (2023): Agustus 2023 Vol 19 No 1 (2023): April 2023 Vol 18 No 3 (2022): Desember 2022 Vol 18 No 2 (2022): Agustus 2022 Vol 18 No 1 (2022): April 2022 Vol 17 No 3 (2021): Desember 2021 Vol 17 No 2 (2021): Agustus 2021 Vol 17 No 1 (2021): April 2021 Vol 16 No 3 (2020): Desember 2020 Vol 16 No 2 (2020): Agustus 2020 Vol 16 No 1 (2020): April 2020 Vol 15, No 3 (2019): Desember 2019 Vol 15 No 3 (2019): Desember 2019 Vol 15 No 2 (2019): Agustus 2019 Vol 15, No 1 (2019): April 2019 Vol 15 No 1 (2019): April 2019 Vol 14 No 3 (2018): Desember 2018 Vol 14 No 2 (2018): Agustus 2018 Vol 14 No 1 (2018): April 2018 Vol 1, No 1 (2018): Informatik More Issue