Article Per Year (5 Year)
p-Index From 2019 - 2024
0.562
P-Index
This Author published in this journals
All Journal LOGIC : Jurnal Ilmu Komputer dan Pendidikan AI dan SPK : Jurnal Artificial Intelligent dan Sistem Penunjang Keputusan Open Access DRIVERset
Kevin Tri Anggoro
Universitas Pamulang
Aerospace Engineering Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
ALGORITMA GENETIKA PENJADWALAN MESIN BERTIPE SISTEM PRODUKSI UNTUK MEMINIMALKAN WAKTU PROSES PRODUKSI Muhammad Hafiz; Dio Rahman Alfateh; Alya Azzahrah Muhjah; Tiara Oktaviani; Muhammad Syahdan Gintana; Kevin Tri Anggoro; Perani Rosyani
LOGIC : Jurnal Ilmu Komputer dan Pendidikan Vol. 1 No. 2 (2023): LOGIC : Jurnal Ilmu Komputer dan Pendidikan
Publisher : Shofanah Media Berkah

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

Abstract

Penjadwalan sistem produksi merupakan permasalahan yang kompleks yang sering disebut np-hard problem di mana waktu penyelesaian masalah akan meningkat secara eksponensial seiring dengan berkembangnya luas permasalahan secara linear. Pada penelitian ini penjadwalan memiliki 146 produksi dalam simulasi waktu satu bulan. Penjadwalan ini memiliki 12 macam proses permesinan yang berbeda-beda, namun setiap produksi paling banyak melewati 4 proses permesinan. Selain itu, setiap proses permesinan memiliki sejumlah mesin yang dapat digunakan secara paralel, sehingga apabila suatu mesin sibuk maka produksi akan dialihkan ke mesin yang sama yang idle. Dalam penjadwalan ini juga diterapkan sistem grouping kelompok komponen satu produk, sehingga terdapat sekumpulan produksi yang harus dikerjakan dalam rentan waktu yang sama berdasarkan grup produk yang sama. Metode penjadwalan yang sedang dilakukan oleh PT.X adalah Earliest Due Date (EDD) dan Shostest Processing Time (SPT). EDD dan SPT ini akan dibandingkan dengan penjadwalan pendekatan kecerdasan buatan yaitu menggunakan metode Algoritma Genetika (AG). Parameter yang digunakan dalam AG ditentukan dengan metode Design of Experiment dengan 33 factorial design. Pada penelitian ini dibuat empat variasi model penjadwalan sebagai alternatif pilihan untuk penggunaan asumsi yang digunakan. Pada empat variasi model penjadwalan menggunakan AG tersebut, keempat variasi menunjukkan AG mampu menghasilkan makespan yang lebih singkat dibandingkan dengan metode EDD dan SPT. Pada asumsi satu mesin di setiap proses, metode EDD dan SPT memberikan makespan sebesar 135,1 jam sedangkan AG memberikan makespan sebesar 112,5 jam untuk sistem produksi acak dan 115,9 jam untuk sistem produksi grup produk. Pada asumsi semua mesin digunakan, metode EDD dan SPT memberikan makespan sebesar 38,1 jam sedangkan AG memberikan makespan sebesar 33,9 jam untuk sistem produksi acak dan 34,6 jam untuk sistem produksi grup produk.
Implementasi Algoritma Yolo Dalam Pendeteksian Tingkat Kematangan Pada Buah Pepaya Aditya Kusuma; Arya Rangga Syahputra Nurrohman; Kevin Tri Anggoro; Radja Susun Pakpahan
AI dan SPK : Jurnal Artificial Intelligent dan Sistem Penunjang Keputusan Vol. 1 No. 1 (2023): Jurnal AI dan SPK : Jurnal Artificial Inteligent dan Sistem Penunjang Keputusan
Publisher : CV. Shofanah Media Berkah

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

Abstract

− Buah segar memiliki karakter dan ciri khas tersendiri. Oleh karena itu, sangat penting untuk membuat perbedaan yang jelas antara buah segar dan buah mentah agar buah yang dipilih tidak kehilangan nutrisi dan vitamin yang terkandung di dalamnya. Nutrisi yang dikandungnya mungkin berupa antioksidan yang dapat melindungi tubuh dari virus dan penyakit. Kandungan serat dan airnya juga sangat membantu dalam meningkatkan metabolisme. Metode yang digunakan dalam penelitian ini adalah metode review Studi Literature untuk mendeteksi kematangan buah melalui pengamatan, pengumpulan dan pengolahan data.Implementasi algoritma YOLO dalam deteksi kematangan buah khususnya pepaya memiliki akurasi yang tinggi. Studi ini juga menunjukkan bahwa algoritma YOLO dapat digunakan secara real-time untuk mendeteksi tingkat kematangan buah. Selain itu, penelitian ini juga membandingkan hasilnya dengan metode lain seperti K-Nearest Neighbor, ekstraksi fitur warna, dan Analisis Diskriminan Linear, dan menunjukkan bahwa algoritma YOLO memberikan hasil yang lebih baik. implementasi algoritma YOLO dalam pendeteksian tingkat kematangan buah memiliki potensi untuk dikembangkan lebih lanjut dalam teknologi pendeteksian buah yang lebih efisien dan akurat.
Implementasi Algoritma Yolo Dalam Pendeteksian Tingkat Kematangan Pada Buah Pepaya Aditya Kusuma; Arya Rangga Syahputra Nurrohman; Kevin Tri Anggoro; Radja Susun Pakpahan
AI dan SPK : Jurnal Artificial Intelligent dan Sistem Penunjang Keputusan Vol. 1 No. 1 (2023): Jurnal AI dan SPK : Jurnal Artificial Inteligent dan Sistem Penunjang Keputusan
Publisher : CV. Shofanah Media Berkah

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

Abstract

− Buah segar memiliki karakter dan ciri khas tersendiri. Oleh karena itu, sangat penting untuk membuat perbedaan yang jelas antara buah segar dan buah mentah agar buah yang dipilih tidak kehilangan nutrisi dan vitamin yang terkandung di dalamnya. Nutrisi yang dikandungnya mungkin berupa antioksidan yang dapat melindungi tubuh dari virus dan penyakit. Kandungan serat dan airnya juga sangat membantu dalam meningkatkan metabolisme. Metode yang digunakan dalam penelitian ini adalah metode review Studi Literature untuk mendeteksi kematangan buah melalui pengamatan, pengumpulan dan pengolahan data.Implementasi algoritma YOLO dalam deteksi kematangan buah khususnya pepaya memiliki akurasi yang tinggi. Studi ini juga menunjukkan bahwa algoritma YOLO dapat digunakan secara real-time untuk mendeteksi tingkat kematangan buah. Selain itu, penelitian ini juga membandingkan hasilnya dengan metode lain seperti K-Nearest Neighbor, ekstraksi fitur warna, dan Analisis Diskriminan Linear, dan menunjukkan bahwa algoritma YOLO memberikan hasil yang lebih baik. implementasi algoritma YOLO dalam pendeteksian tingkat kematangan buah memiliki potensi untuk dikembangkan lebih lanjut dalam teknologi pendeteksian buah yang lebih efisien dan akurat.
Co-Authors Aditya Kusuma Alya Azzahrah Muhjah Arya Rangga Syahputra Nurrohman Dio Rahman Alfateh Muhammad Hafiz Muhammad Syahdan Gintana Perani Rosyani Radja Susun Pakpahan Tiara Oktaviani