cover
Contact Name
-
Contact Email
peripheraljurnal@gmail.com
Phone
+6285261455244
Journal Mail Official
peripheraljurnal@gmail.com
Editorial Address
Peripheral: Jurnal Ilmu Komputer adalah jurnal ilmiah dalam ilmu komputer, teknologi informasi, dan teknologi komputer yang berisi literatur ilmiah tentang studi penelitian murni dan terapan dalam ilmu komputer, teknologi informasi, dan teknologi komputer. Tinjauan publik tentang pengembangan teori, metode dan ilmu terapan yang terkait dengan subjek dan objek. Peripheral: Jurnal Ilmu Komputer diterbitkan oleh Universitas Cokroaminoto Palopo
Location
Kota palopo,
Sulawesi selatan
INDONESIA
Peripheral: Jurnal Ilmu Komputer
ISSN : -     EISSN : 3089560X     DOI : https://doi.org/10.30605/peripheral.v1i2.6584
Core Subject : Science,
Peripheral: Jurnal Ilmu Komputer dimaksudkan sebagai media kajian ilmiah hasil penelitian, pemikiran dan kajian analisis-kritis mengenai penelitian Rekayasa Sistem, Teknik Informatika/Teknologi Informasi, Manajemen Informatika dan Sistem Informasi. Sebagai bagian dari semangat menyebarluaskan ilmu pengetahuan hasil dari penelitian dan sebagai sumber referensi akademisi di bidang Teknologi dan Informasi. Peripheral: Jurnal Ilmu Komputer menerima artikel ilmiah dengan lingkup penelitian pada: Rekayasa Sistem Sistem Pakar Sistem Penunjang Keputusan Data Mining Kecerdasan Buatan Jaringan Komputer Teknik Komputer Pengolahan Citra Algoritma Genetik Perancangan Sistem Informasi Business Intelligence and Knowledge Management Database System Big Data Enterprise Computing Cloud Computing Technology Management Topik kajian lainnya yang relevan
Articles 5 Documents
Search results for , issue "vol. 2 no. 3 (2026)" : 5 Documents clear
Performa YOLO26n dalam Mendeteksi Tandan Buah Kelapa Sawit berbasis Citra UAV Shindy Ekawati; Andi Wahyu; Akramunnisa Akramunnisa
Peripheral: Jurnal Ilmu Komputer Vol. 2 No. 3 (2026)
Publisher : Universitas Cokroaminoto Palopo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30605/res20531

Abstract

Penelitian ini bertujuan untuk mengevaluasi performa model YOLOv26-nano dalam mendeteksi tandan buah kelapa sawit berbasis citra UAV pada kondisi lapangan nyata. Data diperoleh menggunakan drone dengan variasi kondisi pencahayaan, sudut pengambilan, serta gangguan lingkungan seperti occlusion dan noise visual. Tahapan penelitian meliputi akuisisi data, preprocessing (ekstraksi frame, cleaning, anotasi, resizing), pembagian dataset (training, validation, testing), serta pelatihan model menggunakan arsitektur YOLOv26 dengan parameter default. Evaluasi dilakukan menggunakan metrik precision, recall, dan mean Average Precision (mAP). Hasil penelitian menunjukkan bahwa pada proses pelatihan, model mencapai precision sebesar 0.90–0.93, recall 0.88–0.92, serta mAP50 sebesar 0.91–0.94, yang menunjukkan kemampuan deteksi yang sangat baik. Pada tahap pengujian, model terbaik (best model) memperoleh precision 0.936–0.938, recall 0.775–0.799, mAP50 0.773–0.851, dan mAP50–95 sebesar 0.631–0.643. Sementara itu, model terakhir (last model) menunjukkan performa yang sedikit lebih rendah. Hasil ini menunjukkan bahwa YOLOv26 memiliki kemampuan yang baik dalam mendeteksi objek, namun masih memiliki keterbatasan dalam lokalisasi bounding box pada objek kecil dan kompleks. Penelitian ini membuktikan bahwa YOLOv26 efektif digunakan untuk deteksi tandan kelapa sawit berbasis UAV, meskipun masih memerlukan pengembangan lebih lanjut untuk meningkatkan akurasi pada kondisi lapangan yang kompleks.
Analisis Dinamika Fungsi Loss dalam Pelatihan Model Deteksi Objek Berbasis YOLO: Studi Konvergensi, Generalisasi, dan Anomali Data pada Log Pelatihan 100 Epoch Akramunnisa Akramunnisa; Dianradika Prasti; Muhammad Idham Rusdi; Erwin Sukma
Peripheral: Jurnal Ilmu Komputer Vol. 2 No. 3 (2026)
Publisher : Universitas Cokroaminoto Palopo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30605/e3psps26

Abstract

Penelitian ini menyajikan kajian kuantitatif atas catatan (log) proses pelatihan sebuah model deteksi objek berbasis arsitektur YOLO (You Only Look Once) sepanjang 100 epoch, dengan fokus kajian pada tiga komponen fungsi loss, yaitu box loss, classification loss, dan distribution focal loss, pada masing-masing partisi data latih dan data validasi. Metode analisis yang digunakan meliputi statistik deskriptif, visualisasi tren, deteksi outlier berbasis metode Interquartile Range (IQR), serta analisis korelasi antarvariabel. Hasil kajian menunjukkan bahwa classification loss dan distribution focal loss menunjukkan pola konvergensi yang baik pada kedua partisi data, sementara box loss pada data validasi cenderung stagnan pada nilai yang relatif tinggi, sebuah indikasi yang mengarah pada kemungkinan terjadinya kesenjangan generalisasi pada model. Selain itu, teridentifikasi pula sejumlah titik data yang menyimpang secara signifikan dari pola tren lokalnya, yang secara lebih kuat diduga merupakan kesalahan pemformatan angka dibandingkan representasi fenomena pelatihan yang aktual. Berdasarkan temuan tersebut, penelitian ini merekomendasikan perlunya audit kualitas data log secara sistematis serta penerapan ukuran statistik yang tahan terhadap outlier (outlier-robust) dalam praktik pemantauan pelatihan model ke depannya.
Evaluasi Interaksi Pengguna dalam Media Pembelajaran Virtual Reality Bangun Ruang Berbasis Millealab dengan Pendekatan Human Computer Interaction Menggunakan SUS Jumarniati Jumarniati; Dianradika Prasti; Shindy Ekawati; Akramunnisa Akramunnisa
Peripheral: Jurnal Ilmu Komputer Vol. 2 No. 3 (2026)
Publisher : Universitas Cokroaminoto Palopo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30605/akhwkp31

Abstract

Penelitian ini bertujuan untuk mengevaluasi interaksi pengguna dalam media pembelajaran Virtual Reality bangun ruang berbasis MilleaLab menggunakan pendekatan Human-Computer Interaction (HCI) dengan metode System Usability Scale (SUS). Penelitian ini menggunakan pendekatan kuantitatif dengan metode evaluatif yang melibatkan 20 siswa SMP sebagai subjek penelitian. Data dikumpulkan melalui kuesioner SUS yang terdiri dari 10 pernyataan dengan skala Likert 5 poin setelah responden mencoba media pembelajaran VR bangun ruang. Hasil penelitian menunjukkan skor rata-rata SUS sebesar 76,625 yang termasuk dalam kategori Baik/Acceptable (Grade B) dan berada di atas skor rata-rata standar SUS yaitu 68. Hal ini menunjukkan bahwa media pembelajaran VR bangun ruang berbasis MilleaLab memiliki tingkat usability yang baik, dengan antarmuka dan navigasi yang cukup intuitif, meskipun masih terdapat aspek kejelasan instruksi dan kenyamanan penggunaan perangkat yang perlu ditingkatkan. Dari perspektif HCI, sistem ini telah memenuhi prinsip kemudahan penggunaan, efisiensi, dan kepuasan pengguna, sehingga layak digunakan sebagai media pembelajaran matematika khususnya pada materi bangun ruang.
Pengembangan Sistem Penilaian Employee Experience Berbasis Analisis Ekspresi Wajah pada Citra Digital Siaulhak Siaulhak; Syafriadi Syafriadi; M.Ilham Arief
Peripheral: Jurnal Ilmu Komputer Vol. 2 No. 3 (2026)
Publisher : Universitas Cokroaminoto Palopo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30605/rtvzan37

Abstract

Tujuan penelitian ini adalah mengembangkan sistem penilaian Employee Experience berbasis analisis ekspresi wajah pada citra digital guna memperoleh evaluasi yang lebih objektif terhadap kepuasan dan keterlibatan karyawan. Topik ini penting karena persepsi subjektif sering kali tidak merepresentasikan kondisi sebenarnya, sehingga diperlukan pendekatan berbasis teknologi untuk mendukung pengambilan keputusan manajemen sumber daya manusia. Penelitian ini menggunakan metode pengolahan citra digital dengan MATLAB, meliputi tahap akuisisi citra, praproses data, ekstraksi ciri menggunakan algoritma Local Binary Pattern (LBP), dan klasifikasi ekspresi wajah dengan metode K-Nearest Neighbors (K-NN). Sistem ini dirancang untuk mendeteksi enam jenis ekspresi dasar yang mencerminkan pengalaman kerja karyawan. Uji coba dilakukan pada dataset citra wajah karyawan dengan hasil akurasi pengenalan ekspresi sebesar 89,3%. Hasil tersebut menunjukkan bahwa pendekatan ini efektif dalam mengidentifikasi ekspresi emosional yang relevan dengan pengalaman kerja. Temuan penelitian ini diharapkan dapat menjadi dasar pengembangan sistem penilaian employee experience secara otomatis dan membantu perusahaan dalam merumuskan kebijakan peningkatan kesejahteraan karyawan secara lebih tepat.
Rancang Bangun Sistem IoT untuk Monitoring Tabungan Siswa TK Menggunakan ESP32 dan Sensor Warna TCS3200 dengan Notifikasi Telegram Nurul Ariza; Rosmiati Rosmiati; Tri Bondan Kriswinarso
Peripheral: Jurnal Ilmu Komputer Vol. 2 No. 3 (2026)
Publisher : Universitas Cokroaminoto Palopo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30605/t2qses65

Abstract

Tujuan penelitian ini adalah merancang dan membangun sistem IoT untuk memonitoring tabungan siswa di TK Negeri Pembina Walenrang guna mengatasi kendala pencatatan manual yang tidak efisien dan kurang transparan. Metode penelitian yang digunakan adalah Research and Development (R&D) dengan pendekatan Prototyping yang meliputi tahap pengumpulan kebutuhan, pembangunan prototipe, evaluasi, pengkodean, pengujian, dan implementasi. Sistem ini mengintegrasikan mikrokontroler ESP32 sebagai pusat pemrosesan, sensor warna TCS3200 untuk klasifikasi nominal uang kertas, RFID MFRC522 untuk identifikasi identitas siswa, serta aplikasi Telegram sebagai media notifikasi real-time bagi orang tua dan guru. Hasil pengujian black box dan validasi ahli menunjukkan bahwa sistem mampu berfungsi dengan tingkat akurasi tinggi. Selain itu, pengujian langsung kepada pengguna menunjukkan persentase kelayakan sebesar 94,7%, yang mengkategorikan sistem ini "Sangat Layak" untuk digunakan. Implementasi sistem ini terbukti berhasil mempermudah tugas guru dalam administrasi tabungan serta meningkatkan transparansi informasi keuangan bagi orang tua/wali siswa

Page 1 of 1 | Total Record : 5