cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Ali Ibrahim
Contact Email
jurnaljcsitppmi@gmail.com
Phone
+6281271525366
Journal Mail Official
jurnaljcsitppmi@gmail.com
Editorial Address
Perum Taman Asri 1 Blok C2 RT 31 RW 06 Palembang South Sumatra 30149
Location
Kota palembang,
Sumatera selatan
INDONESIA
Journal of Computer Science and Information Technology
Published by Yayasan Nuraini Ibrahim Mandiri
ISSN : -     EISSN : 30318467     DOI : https://doi.org/10.59407/jcsit.v1i2
Core Subject : Economy, Science, Social,
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Environmental Science Social Sciences
Journal of Computer Science and Information Technology (JCSIT) is a national journal for scientific research, thinking, and critical-analytical studies on Biomedical Application Computer Network and Architecture, Data Mining, E-Business, E-Commerce, E-Government E-Learning, Embedded Systems, Environmental Systems, Fuzzy Logics, Genetic Algorithms, Geographic Information System, High-Performance Computing, Human-Computer Interaction, Image Processing, Internet of Things (IoT), Computer Vision, Information Security, Information Retrieval, Modeling System and Control, Mobile Technology, Neural Networks, Pattern Recognition, Remote Sensing, Robotics, Signal Processing, Smart Home, Smart Sensor Networks
Arjuna Subject : Ilmu Komputer (semua kategori) - Sistem Informasi
Articles 135 Documents
 10   11   12   13   14 
PENERAPAN ALGORITMA GAUSSIAN NAIVE BAYES UNTUK KLASIFIKASI TINGKAT RISIKO PELANGGAN POTENSIAL PENUNGGAK TAGIHAN LISTRIK PADA DATA PLN Ari Ahmad Dahril; Rizki Yusliana Bakti; Muhammad Faisal
Journal of Computer Science and Information Technology Vol. 3 No. 4 (2026): September
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jcsit.v3i4.4434

Abstract

Penunggakan pembayaran tagihan listrik pascabayar merupakan salah satu permasalahan yang berdampak pada arus kas PT Perusahaan Listrik Negara (Persero). Mekanisme penanganan tunggakan yang masih bersifat reaktif menyebabkan biaya operasional yang tinggi sehingga diperlukan pendekatan prediktif berbasis data untuk mengidentifikasi pelanggan berisiko sejak dini. Penelitian ini menerapkan algoritma Gaussian Naive Bayes untuk mengklasifikasikan tingkat risiko pelanggan listrik pascabayar PLN UP3 Makassar Selatan ke dalam tiga kategori, yaitu Rendah, Sedang, dan Tinggi, berdasarkan pola historis pembayaran. Data riwayat pembayaran diagregasi menjadi 670 data pelanggan dengan delapan atribut prediktor. Tahapan penelitian meliputi preprocessing data, standardisasi menggunakan StandardScaler, seleksi fitur dengan SelectKBest (ANOVA F-test), pembagian data 80:20 menggunakan Stratified Split, optimasi hyperparameter var_smoothing melalui Bayesian Optimization, serta evaluasi akhir menggunakan 5-Fold Stratified Cross Validation. Hasil pengujian menunjukkan model memperoleh akurasi sebesar 85,07%, dengan precision, recall, dan F1-score tertinggi pada kelas Rendah (0,90; 0,84; 0,87) dan performa lebih rendah pada kelas Tinggi (0,74; 0,57; 0,64) akibat jumlah data yang tidak seimbang. Atribut jumlah pembayaran tepat waktu, jumlah keterlambatan, dan status pembayaran bulan terakhir merupakan fitur yang paling berpengaruh dalam proses klasifikasi. Hasil ini menunjukkan bahwa Gaussian Naive Bayes efektif digunakan sebagai model pendukung Early Warning System bagi PLN dalam mengidentifikasi pelanggan yang berpotensi menunggak. Kata Kunci: Tunggakan Listrik, Gaussian Naive Bayes, Klasifikasi, Risiko Pelanggan, Data Mining.
SISTEM PREDIKSI MULTI-PENYAKIT BERBASIS GEJALA DENGAN KELUARAN PROBABILITAS TIGA TERATAS MENGGUNAKAN ALGORITMA RANDOM FOREST Hardita Subanda; Fahrim Irhamna Rachman; Muhammad Faisal
Journal of Computer Science and Information Technology Vol. 3 No. 4 (2026): September
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jcsit.v3i4.4478

Abstract

Beberapa penyakit umum seperti malaria, demam berdarah dengue (DBD), tifoid, infeksi saluran pernapasan akut (ISPA), dan Gastroenteritis memiliki gejala awal yang saling tumpang tindih sehingga sering menyulitkan identifikasi dini pada fasilitas kesehatan tingkat pertama, salah satunya Klinik Banda Neira yang saat ini masih melakukan identifikasi gejala secara manual. Penelitian ini bertujuan membangun sistem pendukung keputusan (decision support system) berbasis web menggunakan algoritma Random Forest sebagai alat bantu skrining awal bagi tenaga kesehatan, bukan sebagai penentu diagnosis mutlak, yang menampilkan tiga kemungkinan penyakit dengan probabilitas tertinggi (top-3 probability) berdasarkan gejala yang diinput pengguna. Dataset penelitian merupakan integrasi 4.027 data yang terdiri atas 886 data (22%) rekam medis Klinik Banda Neira dan 3.141 data (78%) dataset publik; sebelum digabungkan, kedua sumber data diselaraskan (harmonisasi) terlebih dahulu ke dalam struktur atribut yang identik, yaitu sepuluh variabel gejala biner (demam, batuk, mual, muntah, diare, sakit kepala, nyeri otot, menggigil, sesak napas, dan ruam merah) serta lima label penyakit yang sama. Tahapan penelitian meliputi preprocessing data, pembagian data latih-uji secara stratified (80:20), pelatihan model, hyperparameter tuning menggunakan GridSearchCV, serta evaluasi menggunakan accuracy, precision, recall, F1-score, confusion matrix, dan 5-fold cross-validation. Pengujian black box terhadap sembilan skenario menunjukkan seluruh fitur sistem berjalan sesuai rancangan. Hasil evaluasi menunjukkan algoritma Random Forest menghasilkan akurasi 87,59%, precision (weighted) 89,09%, recall (weighted) 87,59%, F1-score (weighted) 87,78%, serta rata-rata akurasi cross-validation 87,24% (standar deviasi 1,28%). Confusion matrix menunjukkan kesalahan klasifikasi terbesar antara kelas DBD dan Tifoid akibat kemiripan gejala awal, sedangkan feature importance menunjukkan gejala batuk sebagai fitur dengan kontribusi tertinggi. Dengan demikian, algoritma Random Forest terbukti mampu memberikan kinerja klasifikasi yang baik dan stabil sebagai sistem pendukung keputusan awal bagi tenaga medis, dengan keterbatasan utama berupa representasi gejala yang masih bersifat biner tanpa mempertimbangkan derajat keparahan
PENGARUH HEDONIC MOTIVATION, HABIT, DAN PERCEIVED VALUE TERHADAP NIAT PENGGUNAAN APLIKASI FLO MENGGUNAKAN METODE UTAUT 2 Muhamad Alif Mandani; Mourin Aulia Renata; Arini Winur Baeti; Muhamad Rizky Khairussalam; Rio Darmawanto; Ryan Putra Laksana
Journal of Computer Science and Information Technology Vol. 3 No. 4 (2026): September
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jcsit.v3i4.4273

Abstract

Penelitian dirancang secara kuantitatif untuk menjelaskan hubungan antara kesenangan, kebiasaan, nilai aplikasi, dan niat menggunakan Flo. Pendekatan ini dipilih karena penelitian bertujuan mengukur pengaruh variabel kesenangan, kebiasaan, dan nilai aplikasi terhadap niat penggunaan aplikasi Flo. Pengumpulan data dilakukan melalui kuesioner daring berbasis Google Form dengan teknik purposive sampling, yaitu responden dipilih berdasarkan kriteria tertentu (wanita, belum menikah, berusia 15–30 tahun, serta memiliki perhatian terhadap siklus kesehatan wanita). Data diperoleh melalui formulir survei daring. Responden dipilih secara terarah berdasarkan kesesuaiannya dengan karakteristik yang telah ditentukan dalam penelitian. Instrumen penelitian disusun menggunakan skala Likert 1–5, mulai dari skor 1 (sangat tidak setuju) hingga skor 5 (sangat setuju), untuk mengukur persepsi responden terhadap setiap indikator variabel. Setiap pernyataan diukur dengan lima tingkat respons, dari penolakan paling kuat hingga persetujuan paling kuat. Data yang terkumpul selanjutnya dianalisis melalui uji validitas, uji reliabilitas, statistik deskriptif, serta regresi linear berganda.
ANALISIS DESKRIPTIF PERSEPSI FoMO DAN KONSTRUK UTAUT2 DALAM PENGGUNAAN MEDIA SOSIAL PADA MAHASISWA Farhana Wahidiyah; Lailita Ayuningtias; Muhammad Dika Aditya Fazrulillah; Ahmad Solih Darmawan; Rifalsya Dwi Putra Safe'i; Ryan Putra Laksana
Journal of Computer Science and Information Technology Vol. 3 No. 4 (2026): September
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jcsit.v3i4.4274

Abstract

Media sosial telah menjadi bagian integral dari aktivitas digital mahasiswa, digunakan untuk memperoleh informasi, hiburan, dan berinteraksi secara sosial. Penelitian ini bertujuan mendeskripsikan persepsi mahasiswa terhadap Fear of Missing Out (FoMO), empat konstruk UTAUT2 (social influence, hedonic motivation, habit, dan facilitating conditions), serta intensitas penggunaan media sosial, sebagai studi eksploratif deskriptif awal. Penelitian menggunakan pendekatan kuantitatif deskriptif dengan metode survei terhadap 206 mahasiswa aktif jenjang S1, D3, dan D4 berusia 18–25 tahun yang dipilih melalui purposive sampling, dengan instrumen skala Likert 1–5 yang disebarkan melalui Google Forms. Data dianalisis secara deskriptif melalui persentase jawaban pada setiap indikator, tanpa menyertakan rincian angka per konstruk agar fokus pada pola umum. Hasil penelitian menunjukkan bahwa kemudahan akses teknis dan kebiasaan menjadi faktor yang paling menonjol dalam persepsi mahasiswa terhadap penggunaan media sosial, melampaui peran motivasi kesenangan dan pengaruh sosial. Pada aspek FoMO, perilaku penggunaan berulang tampak lebih menonjol dibandingkan kekhawatiran emosional yang dinyatakan secara eksplisit, mengindikasikan bahwa penggunaan media sosial mahasiswa cenderung berlangsung secara otomatis dan berulang. Intensitas penggunaan media sosial pada mahasiswa secara umum tergolong tinggi, memperkuat gambaran bahwa media sosial telah menjadi bagian dominan dari aktivitas digital sehari-hari. Temuan ini bersifat deskriptif dan eksploratif; penelitian tidak dimaksudkan untuk menguji atau menyimpulkan hubungan sebab-akibat antarvariabel, dan pengujian inferensial direkomendasikan bagi penelitian lanjutan.
ANALISIS PERSEPSI MAHASISWA KABUPATEN TANGERANG TERHADAP MINAT PEMAKAIAN GoPay MENGGUNAKAN MODEL UTAUT2 Qolbi Alya Nurul; Putri Adellita Meliana; Muhamad Ilham Suparno; Afifah Tiara; Andhika Mirza Dwi; Laksana Ryan Putra
Journal of Computer Science and Information Technology Vol. 3 No. 4 (2026): September
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jcsit.v3i4.4275

Abstract

Perkembangan dompet digital telah mengubah pola transaksi mahasiswa, tetapi kajian yang secara khusus memetakan penerimaan GoPay pada mahasiswa Kabupaten Tangerang dengan seluruh konstruk UTAUT2 masih terbatas. Penelitian ini bertujuan menganalisis persepsi mahasiswa terhadap minat pemakaian GoPay menggunakan Unified Theory of Acceptance and Use of Technology 2 (UTAUT2). Penelitian menggunakan pendekatan kuantitatif dengan metode survei terhadap 212 responden yang dipilih melalui purposive sampling. Kuesioner daring disebarkan kepada mahasiswa di Kabupaten Tangerang pada Juni 2026. Instrumen terdiri atas sembilan pernyataan berskala Likert yang merepresentasikan performance expectancy, effort expectancy, social influence, facilitating conditions, hedonic motivation, price value, habit, dan behavioral intention. Data dianalisis secara deskriptif melalui frekuensi, persentase, proporsi jawaban positif, dan rerata skor. Hasil menunjukkan bahwa facilitating conditions memperoleh respons positif tertinggi sebesar 88,68%, diikuti performance expectancy sebesar 85,38%, effort expectancy sebesar 81,60% pada kedua indikator, dan hedonic motivation sebesar 74,53%. Behavioral intention juga menunjukkan kecenderungan positif; 58,49% responden tertarik menggunakan GoPay apabila didukung promo atau cashback, dengan rerata skor 3,70. Temuan menegaskan bahwa kesiapan fasilitas, manfaat, dan kemudahan menjadi kekuatan utama, sedangkan nilai ekonomi dan pengaruh sosial masih perlu diperkuat. Keterbatasan penelitian adalah sebagian konstruk hanya diwakili satu indikator sehingga hasil belum menggambarkan setiap konstruk secara mendalam. Secara praktis, penelitian ini berkontribusi bagi pengguna mahasiswa melalui rekomendasi peningkatan promo yang relevan, penurunan biaya administrasi, penyederhanaan antarmuka, peningkatan stabilitas layanan, serta pemeliharaan keamanan agar penggunaan GoPay lebih mudah, ekonomis, dan sesuai kebutuhan transaksi sehari-hari.
ANALISIS PENERIMAAN PENGGUNAAN CHATGPT DALAM AKADEMIK MAHASISWA DENGAN PENDEKATAN TAM Niken Rahma Diasri; Cindy Fitria Maharani; Raihan Isad; Muhammad Rafi Abdul Khalid; Damar Aditya; Ryan Putra Laksana
Journal of Computer Science and Information Technology Vol. 3 No. 4 (2026): September
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jcsit.v3i4.4276

Abstract

Penelitian ini bertujuan menganalisis penerimaan mahasiswa terhadap penggunaan ChatGPT dalam kegiatan akademik menggunakan Technology Acceptance Model (TAM). Penelitian dilakukan pada mahasiswa aktif Universitas Esa Unggul Kampus Tangerang/Citra Raya angkatan 2022–2025 dengan pendekatan kuantitatif deskriptif. Data dikumpulkan melalui kuesioner Google Forms yang disusun berdasarkan variabel TAM, yaitu persepsi kegunaan, persepsi kemudahan penggunaan, sikap terhadap penggunaan, dan niat perilaku menggunakan. Dari populasi 19.735 mahasiswa, diperoleh 200 responden berdasarkan perhitungan rumus Slovin dengan margin of error 7,1%, sehingga telah memenuhi jumlah sampel minimum. Analisis data dilakukan secara deskriptif dan disajikan dalam bentuk persentase melalui tabel. Hasil penelitian menunjukkan bahwa ChatGPT memperoleh penerimaan yang positif di kalangan mahasiswa. Sebanyak 74,4% responden menggunakan ChatGPT secara rutin untuk mendukung aktivitas akademik. Mayoritas responden menilai ChatGPT membantu mempercepat penyelesaian tugas, mempermudah pemahaman materi, serta meningkatkan efektivitas belajar. Selain itu, ChatGPT dinilai mudah digunakan sebagai media pendukung pembelajaran. Namun, niat untuk terus menggunakan ChatGPT tercatat lebih rendah dibandingkan persepsi terhadap manfaat dan kemudahan penggunaannya. Pemanfaatan ChatGPT dalam kegiatan akademik tetap perlu disertai dengan etika akademik, tanggung jawab, dan kemampuan berpikir kritis
OPTIMASI RANDOM FOREST-SSO UNTUK KLASIFIKASI RISIKO DIABETES BERBASIS REKOMENDASI Zelvia Zelvia; Darniati Darniati; Ida Mulyadi
Journal of Computer Science and Information Technology Vol. 3 No. 4 (2026): September
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jcsit.v3i4.4362

Abstract

Diabetes melitus merupakan penyakit kronis yang memerlukan klasifikasi risiko secara sistematis untuk mendukung proses skrining dan pemantauan pasien. Penelitian ini mengoptimalkan Random Forest menggunakan Salp Swarm Optimization (SSO) untuk mengklasifikasikan risiko diabetes ke dalam kategori Normal, Pra-Diabetes, dan Diabetes serta memberikan rekomendasi awal. Dataset terdiri atas 500 data hasil pemeriksaan pasien UPTD Puskesmas Larompong tahun 2025 dengan 11 variabel masukan. Tahapan penelitian mencakup preprocessing, feature engineering, pembagian data 80% untuk pelatihan dan 20% untuk pengujian, pembangunan model baseline, optimasi enam hyperparameter menggunakan empat salp selama 40 iterasi, serta evaluasi model. Random Forest baseline memperoleh accuracy 88,00% dan macro F1-score 88,90%. Optimasi SSO menghasilkan n_estimators 247, max_depth 16, max_features 0,80, min_samples_split 4, min_samples_leaf 1, dan class_weight balanced. Model Random Forest-SSO memperoleh accuracy 90,00% serta macro precision, macro recall, dan macro F1-score sebesar 90,75%. Hasil tersebut menunjukkan bahwa SSO meningkatkan kinerja Random Forest dan mengurangi kesalahan klasifikasi antara kelas Pra-Diabetes dan Diabetes. Hasil prediksi digunakan sebagai dasar rekomendasi awal tanpa menggantikan pemeriksaan atau keputusan tenaga kesehatan.
IMPLEMENTASI NLP UNTUK SUMMARIZATION DOKUMEN AKADEMIK BERBAHASA INDONESIA MENGGUNAKAN TEXTRANK DAN TRANSFORMER MT5 Yaumul Furqan; Muhyiddin A.M Hayat; Titin Wahyuni
Journal of Computer Science and Information Technology Vol. 3 No. 4 (2026): September
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jcsit.v3i4.4363

Abstract

Perkembangan dokumen akademik digital meningkatkan kebutuhan akan sistem automatic text summarization yang mampu menyajikan informasi secara ringkas tanpa menghilangkan makna utama. Penelitian ini mengimplementasikan Natural Language Processing (NLP) pada sistem summarization dokumen akademik berbahasa Indonesia berbasis web menggunakan metode TextRank dan Transformer mT5. Dataset terdiri atas dua dokumen akademik yang dievaluasi menggunakan gold summary. Tahapan penelitian meliputi ekstraksi teks, preprocessing, pembangkitan ringkasan, dan evaluasi menggunakan ROUGE-1, ROUGE-2, dan ROUGE-L. Model Transformer mT5 diimplementasikan dengan konfigurasi maksimum input 512 token, output 256 token, beam search 4, length penalty 1,0, dan repetition penalty 1,2. Hasil pengujian menunjukkan bahwa performa kedua metode dipengaruhi oleh karakteristik dokumen. TextRank memperoleh rata-rata ROUGE-1 F1-score sebesar 0,4363, sedangkan Transformer mT5 memperoleh 0,4329. TextRank menghasilkan kesesuaian leksikal yang lebih tinggi terhadap gold summary, sedangkan Transformer mT5 mampu menghasilkan ringkasan yang lebih ringkas berdasarkan hasil observasi. Penelitian ini menunjukkan bahwa kedua pendekatan memiliki karakteristik yang saling melengkapi dalam automatic text summarization dokumen akademik berbahasa Indonesia.
ANALISIS KLASIFIKASI TINGKAT KEKERUHAN AIR BERBASIS CITRA MENGGUNAKAN HYBRID RESNET50 DAN SUPPORT VECTOR MACHINE Tegar Surya Prayoga; emil agusalim habitalib; Muhammad Faisal
Journal of Computer Science and Information Technology Vol. 3 No. 4 (2026): September
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jcsit.v3i4.4365

Abstract

Kualitas air merupakan aspek krusial yang memerlukan pemantauan berkelanjutan, salah satunya melalui tingkat kekeruhan secara visual. Meskipun arsitektur deep learning telah banyak digunakan, lapisan klasifikasi bawaannya sering kali kurang optimal dalam menangani batas keputusan yang kompleks (ambigu) pada citra dengan variasi visual tinggi, sehingga diperlukan integrasi dengan pengklasifikasi margin maksimal. Penelitian ini bertujuan mengembangkan model klasifikasi kekeruhan air berbasis citra menggunakan pendekatan Hybrid ResNet50 dan Support Vector Machine (SVM). Dataset terdiri dari 450 citra yang terbagi secara seimbang ke dalam tiga kelas: Air Jernih, Air Keruh, dan Air Kotor. Tahapan eksperimen meliputi preprocessing (normalisasi dan resize 224×224 piksel), ekstraksi fitur menggunakan ResNet50 (Transfer Learning ImageNet), dan klasifikasi menggunakan SVM Linear (C=0,1). Hasil pengujian menunjukkan bahwa model Hybrid ResNet50-SVM memperoleh Accuracy sebesar 86,67%, Precision 88,03%, Recall 86,67%, dan F1-Score 86,77%. Kinerja model hibrida ini terbukti lebih superior dalam membedakan kelas transisi dibandingkan arsitektur ResNet50-Softmax mandiri (83,33%) dan SVM fitur histogram (74,44%). Penggunaan hybrid ekstraktor fitur mendalam dan pengklasifikasi margin terbukti secara signifikan meningkatkan ketepatan deteksi. Secara praktis, akurasi tinggi dan arsitektur model yang robust ini memberikan fondasi yang kuat untuk implementasi sistem pemantauan kualitas air real-time berbasis Internet of Things (IoT) di lapangan, yang berpotensi memangkas waktu dan biaya operasional instrumen fisik konvensional.
ANALISIS PERBANDINGAN CNN DAN VISION TRANSFORMER DALAM KLASIFIKASI HURUF SEMAPHORE PRAMUKA BERBASIS CITRA Muh. Akbar Haeruddin; Desi Anggreani; Muhyiddin A.M Hayat
Journal of Computer Science and Information Technology Vol. 3 No. 4 (2026): September
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jcsit.v3i4.4366

Abstract

Klasifikasi huruf Semaphore Pramuka merupakan salah satu permasalahan computer vision yang menantang karena kemiripan pose antarkelas, variasi subjek, pencahayaan, serta latar belakang citra. Penelitian ini bertujuan membandingkan kinerja Convolutional Neural Network (CNN) menggunakan model EfficientNetB0 dan Vision Transformer (ViT) menggunakan model DeiT-Tiny dalam mengklasifikasikan citra huruf Semaphore. Dataset terdiri atas 26 kelas huruf A–Z dengan 1.014 citra untuk pelatihan dan validasi serta 234 citra pengujian eksternal. Tahap praproses meliputi konversi citra ke format RGB, resize menjadi 224×224 piksel, normalisasi, dan augmentasi pada data pelatihan. Kedua model dilatih menggunakan transfer learning dengan konfigurasi pelatihan yang setara. Proses pelatihan menggunakan optimizer AdamW dengan learning rate 3×10⁻⁴, weight decay 1×10⁻⁴, batch size 64, penjadwalan cosine annealing, serta label smoothing 0,1, dipadukan dengan early stopping untuk mencegah overfitting. Kedua model kemudian dievaluasi menggunakan metrik accuracy, precision, recall, F1-score, dan confusion matrix. Hasil pengujian menunjukkan bahwa DeiT-Tiny memberikan performa yang lebih baik dibandingkan EfficientNet-B0. DeiT-Tiny memperoleh accuracy 97,01%, precision 97,64%, recall 97,01%, dan F1-score 96,95%, sedangkan EfficientNetB0 memperoleh accuracy 82,05%, precision 85,48%, recall 82,05%, dan F1-score 81,53%. Selain itu, DeiT-Tiny mampu mengklasifikasikan 23 dari 26 kelas secara sempurna dengan jumlah kesalahan yang lebih sedikit. Hasil penelitian menunjukkan bahwa Vision Transformer berbasis DeiT-Tiny lebih efektif dibandingkan EfficientNetB0 dalam klasifikasi citra huruf Semaphore pada dataset yang digunakan. Temuan ini secara teoretis memperkuat bukti bahwa mekanisme self-attention pada ViT mampu menangkap relasi spasial global antarbagian pose secara lebih baik pada dataset berskala kecil, sekaligus memberikan kontribusi praktis sebagai dasar pengembangan sistem pengenalan Semaphore berbasis citra yang lebih akurat, misalnya untuk media pembelajaran maupun penilaian keterampilan Semaphore secara otomatis

Page 12 of 14 | Total Record : 135

 10   11   12   13   14 

Filter by Year

2023 2026


Reset
Filter By Issues
All Issue Vol. 3 No. 4 (2026): September Vol. 3 No. 3 (2026): Juni Vol. 3 No. 2 (2026): Maret Vol. 3 No. 1 (2025): Desember Vol. 2 No. 4 (2025): September Vol. 2 No. 3 (2025): Juni Vol. 2 No. 2 (2025): Maret Vol. 2 No. 1 (2024): Desember Vol. 1 No. 4 (2024): September Vol. 1 No. 3 (2024): Juni Vol. 1 No. 2 (2024): Maret Vol. 1 No. 1 (2023): Desember 2023 More Issue