cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Ruhamah
Contact Email
Ruhamah.uma@gmail.com
Phone
+6282349499929
Journal Mail Official
dcomputare@gmail.com
Editorial Address
Jln. Latamacelling No. 19 Kota Palopo
Location
Kota palopo,
Sulawesi selatan
INDONESIA
D'computare: Jurnal Ilmiah Teknologi Informasi dan Ilmu Komputer
Published by Universitas Cokroaminoto Palopo
ISSN : 20887388     EISSN : 28084225     DOI : -
Core Subject : Science,
Computer Science & IT
Jurnal ilmiah dcomputare merupakan jurnal ilmiah yang diterbitkan oleh Fakultas Teknik Komputer Universitas Cokroaminoto Palopo yang dimaksudkan sebagai media dokumentasi dan informasi ilmiah yang sekiranya dapat membantu para dosen dan mahasiswa dalam mempublikasikan hasil penelitian, opini dan kajian ilmiah kepada berbagai komunitas ilmiah. Penerbitan Jurnal dcomputare dilakukan 2 kali dalam setahun yakni bulan Januari dan Juli yang terbagi dalam volume dan edisi. Setiap tahun diterbitkan 1 volume dengan dua edisi yakni edisi Januari dan edisi Juli.
Arjuna Subject : Teknik (semua kategori) - Teknik (Lain-Lain)
Articles 82 Documents
 5   6   7   8   9 
SISTEM PENDUKUNG KEPUTUSAN PENERIMA BEASISWA PROGRAM INDONESIA PINTAR DENGAN METODE SMART PADA SMP NEGERI 12 PALOPO BERBASIS WEB Ruhamah, Ruhamah; Akramunnisa, Akramunnisa; Zyah, Muhammad Rafly
D'computare: Jurnal Ilmiah Teknologi Informasi dan Ilmu Komputer Vol 15 No 2 (2025): Edisi Juli 2025
Publisher : Universitas Cokroaminoto Palopo Fakultas Teknik Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30605/dcomputare.v15i2.121

Abstract

Penelitian bertujuan untuk merancang dan membangun website sistem pendukung keptusan penerima beasiswa program Indonesia pintar dengan metode SMART pada SMP Negeri 12 Palopo. Penelitian ini dilaksanakan di SMP Negeri 12 Palopo. Penelitian ini dimulai pada tahap pengumpulan data dengan metode observasi, wawancara, dan studi pustaka. Jenis penelitian yang digunakan adalah Researce and Development (R&D) dengan menggunakan metode pengembangan Waterfall yang terdiri dari lima tahapan yaitu, analisis, desain, Implementation, Testing dan Maintenance. Website ini di bangun menggunakan bahasa pemrograman HTML, PHP, CSS, MYSQL, Sublime Text, Xampp, Balsamiq, UML sebagai pengelolaan basis data dan XAMPP sebagai local. Perangkat keras yang digunakan yaitu, leptop HP Spectre x360m, mouse dan keyboard. Penelitian ini menggunkan pengujian black box dan pengujian ahli. Hasil pengujian ahli mendapatkan rata-rata persentase penilaian sebesar 89,2% yang merupakan kategori sangat baik. Hasil dari penelitian ini adalah sebuah sistem pendukung keputusan penerima beasiswa berbasis website dengan harapan ketika website ini digunanakan nantinya dalam menentukan pengambilan keputusan yang lebih efisien dan akurat.
ANALISIS KINERJA MODEL YOLOv12 NANO TERHADAP KETIDAKSEIMBANGAN DATA PADA DETEKSI TANDAN KELAPA SAWIT DI LINGKUNGAN PERKEBUNAN Djusmin, Vicky Bin; Sukma, Erwin; Susilawati, Fitrah Eka
D'computare: Jurnal Ilmiah Teknologi Informasi dan Ilmu Komputer Vol 15 No 2 (2025): Edisi Juli 2025
Publisher : Universitas Cokroaminoto Palopo Fakultas Teknik Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Ketidakseimbangan distribusi data merupakan tantangan utama dalam penerapan deteksi objek berbasis deep learning pada lingkungan perkebunan kelapa sawit yang kompleks dan dinamis. Penelitian ini bertujuan untuk menganalisis kinerja model YOLOv12-nano dalam mendeteksi tandan buah kelapa sawit (TBS) dengan kondisi data tidak seimbang pada citra UAV di lingkungan perkebunan nyata. Akuisisi data dilakukan di perkebunan kelapa sawit di Sulawesi Selatan menggunakan drone DJI Neo dengan variasi pencahayaan alami, jarak pandang, dan tingkat oklusi vegetasi. Dataset terdiri dari dua kelas, yaitu tandan matang dan tandan mentah, dengan dominasi kelas tandan mentah. Proses praproses meliputi ekstraksi frame, pembersihan data, anotasi bounding box, resize, pembagian dataset, serta augmentasi data latih. Evaluasi performa dilakukan menggunakan metrik precision, recall, F1-score, serta mean Average Precision (mAP) pada berbagai ambang IoU. Hasil pengujian menunjukkan bahwa model YOLOv12-nano terbaik (best model) mencapai precision sebesar 0,97, recall 0,80, F1-score 0,88, serta mAP@0.5 sebesar 0,88 dan mAP@0.5–0.95 sebesar 0,68. Temuan ini menunjukkan bahwa YOLOv12-nano memiliki kemampuan deteksi yang selektif dan stabil meskipun dihadapkan pada ketidakseimbangan data, serta berpotensi diimplementasikan pada sistem monitoring TBS berbasis UAV dan edge computing secara real-time.

Page 9 of 9 | Total Record : 82

 5   6   7   8   9 

Filter by Year

2020 2025


Reset
Filter By Issues
All Issue Vol 15 No 2 (2025): Edisi Juli 2025 Vol 15 No 1 (2025): Edisi Januari 2025 Vol 14 No 2 (2024): Edisi Juli 2024 Vol 14 No 1 (2024): Edisi Januari 2024 Vol 13 No 2 (2023): Edisi Juli 2023 Vol 13 No 1 (2023): Edisi Januari 2023 Vol 12 No 2 (2022): Edisi Juli 2022 Vol 12 No 1 (2022): Edisi Januari 2022 Vol 11 No 2 (2021): Edisi Juli 2021 Vol 11 No 1 (2021): Edisi Januari 2021 Vol 10 No 2 (2020): Edisi Juli 2020 Vol 10 No 1 (2020): Edisi Januari 2020 More Issue