Article Per Year (5 Year)
p-Index From 2019 - 2024
0.444
P-Index
This Author published in this journals
All Journal Algoritme Jurnal Mahasiswa Teknik Informatika
Yoannita Yoannita
Unknown Affiliation
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Perancangan Aplikasi Simulasi Penyelamatan Diri Dari Gempa Bumi Azizurrahman Marzali; Daniel Udjulawa; Yoannita Yoannita
Jurnal Algoritme Vol 1 No 2 (2021): Jurnal Algoritme
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (958.577 KB) | DOI: 10.35957/algoritme.v1i2.892

Abstract

Menurut The World Risk Index tahun 2019, Indonesia berada pada peringkat 37 dari 180 negara paling rentan bencana. Pada tanggal 5 Agustus 2018 gempa bumi di Lombok menelan korban sebanyak 259 orang meninggal dunia, dan 1.033 mengalami luka berat. Kurangnya kesiap siagaan dan edukasi mengenai bencana gempa bumi menjadi salah satu faktor penyebab banyaknya jumlah korban. Maka dari itu dibuatlah sebuah aplikasi simulasi yang ditujukan untuk mengedukasi masyarakat supaya dapat mengetahui apa saja yang harus dilakukan pada saat terjadi gempa bumi. Aplikasi ini dibuat menggunakan metode prototyping untuk melakukan identifikasi masalah yang ada pada setiap kejadian gempa bumi. Tujuan dari pembuatan aplikasi ini adalah untuk memberikan pengetahuan tentang bagaimana cara menyelamatkan diri dari gempa bumi. Aplikasi ini berbentuk game yang mempunyai sudut pandang First Person yang mempunyai empat stage dan setiap stage mempunyai beberapa misi. Pemain harus menyelesaikan seluruh misi pada setiap stage agar dapat melanjutkan ke stage selanjutnya. Hasil dari penelitian ini yaitu menghasilkan sebuah aplikasi simulasi dalam cara menyelamatkan diri dari gempa bumi. Berdasarkan uji Black-Box yang telah dilakukan, diperoleh hasil uji coba bahwa aplikasi ini dapat dijalankan dengan baik dan sesuai dengan tujuan.
Klasifikasi Ras Anjing Berdasarkan Citra Menggunakan Convolutional Neural Network Axel Leovincent; Yoannita Yoannita
Jurnal Algoritme Vol 3 No 2 (2023): Jurnal Algoritme
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/algoritme.v3i2.3389

Abstract

Dogs are mammals that are much loved and kept. Dogs have 355 breeds worldwide. Each race has its own differences, but in certain races have little or almost similar differences. This study classifies 120 dog breeds using the Convolutional Neural Network (CNN) with the ResNet-50 architectural model and the Adam optimizer. The dataset used consists of 20580 images. The dataset is divided into training data, validation data, and test data with a ratio of 60:20:20. The resolution image is 224x224 pixels in size. In this study, it yielded an accuracy of 99,35%.
Co-Authors Axel Leovincent Azizurrahman Marzali Daniel Udjulawa