Article Per Year (5 Year)
p-Index From 2019 - 2024
0.61
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan Journal of Innovation Information Technology and Application (JINITA)
Davito Rasendriya Rizqullah Putra
Universitas Muhammadiyah Sidoarjo
Computer Science & IT Decision Sciences, Operations Research & Management Engineering

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

Found 3 Documents
Search

 1 
IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK MENDETEKSI PENGGUNAAN MASKER PADA GAMBAR Davito Rasendriya Rizqullah Putra; Reyhan Adi Saputra
Jurnal Informatika dan Teknik Elektro Terapan Vol 11, No 3 (2023)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v11i3.3286

Abstract

Dalam era pandemi COVID-19, penggunaan masker telah menjadi langkah penting dalam mencegah penyebaran virus. Namun, secara manual, seringkali sulit untuk mendeksi apakah seseorang menggunakan masker atau tidak dalam gambar atau foto. Oleh karena itu, penelitian ini bertujuan untuk mengimplementasikan Convolutional Neural Network (CNN) guna mendeteksi penggunaan masker pada gambar secara otomatis. Dataset yang digunakan terdiri dari 3.828 gambar orang yang tidak memakai masker dan 3.725 gambar orang yang memakai masker. Proses pelatihan model yang dikembangkan mencapai tingkat akurasi sebesar 93% pada data uji. Melalui penelitian ini, diharapkan implementasi CNN untuk mendeteksi penggunaan masker pada gambar dapat memberikan kontribusi dalam memantau dan memastikan kepatuhan terhadap protokol kesehatan yang sangat penting selama masa pandemi ini.
A Classification Data Packets Using the Threshold Method for Detection of DDoS Sukma Aji; Davito Rasendriya Rizqullah Putra; Imam Riadi; Abdul Fadlil; Muhammad Nur Faiz
Journal of Innovation Information Technology and Application (JINITA) Vol 6 No 1 (2024): JINITA, June 2024
Publisher : Politeknik Negeri Cilacap

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35970/jinita.v6i1.2224

Abstract

Computer communication is done by first synchronizing one computer with another computer. This synchronization contains Data Packages which can be detrimental if done continuously, it will be categorized as an attack. This type of attack, when performed against a target by many computers, is called a distributed denial of service (DDoS) attack. Technology and the Internet are growing rapidly, so many DDoS attack applications result in these attacks still being a serious threat. This research aims to apply the Threshold method in detecting DDoS attacks. The Threshold method is used to process numeric attributes so obtained from the logfile in a computer network so that data packages can be classified into 2, namely normal access and attack access. Classification results using the Threshold method after going through the fitting process, namely detecting 8 IP Addresses as computer network users and 6 IP addresses as perpetrators of DDoS attacks with optimal accuracy.
IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK MENDETEKSI PENGGUNAAN MASKER PADA GAMBAR Davito Rasendriya Rizqullah Putra; Reyhan Adi Saputra
Jurnal Informatika dan Teknik Elektro Terapan Vol 11, No 3 (2023)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v11i3.3286

Abstract

Dalam era pandemi COVID-19, penggunaan masker telah menjadi langkah penting dalam mencegah penyebaran virus. Namun, secara manual, seringkali sulit untuk mendeksi apakah seseorang menggunakan masker atau tidak dalam gambar atau foto. Oleh karena itu, penelitian ini bertujuan untuk mengimplementasikan Convolutional Neural Network (CNN) guna mendeteksi penggunaan masker pada gambar secara otomatis. Dataset yang digunakan terdiri dari 3.828 gambar orang yang tidak memakai masker dan 3.725 gambar orang yang memakai masker. Proses pelatihan model yang dikembangkan mencapai tingkat akurasi sebesar 93% pada data uji. Melalui penelitian ini, diharapkan implementasi CNN untuk mendeteksi penggunaan masker pada gambar dapat memberikan kontribusi dalam memantau dan memastikan kepatuhan terhadap protokol kesehatan yang sangat penting selama masa pandemi ini.
Co-Authors Abdul Fadlil Imam Riadi Muhammad Nur Faiz Reyhan Adi Saputra Sukma Aji