Klaim Artikel Anda
Verifikasi kepemilikan artikel akademik
Apakah artikel-artikel ini milik Anda?
Daftarkan diri Anda sebagai author untuk mengklaim artikel dan dapatkan profil akademik terverifikasi dengan fitur lengkap.
Badge Verifikasi
Profil terverifikasi resmi
Statistik Lengkap
H-index, sitasi, dan metrik
Visibilitas Tinggi
Tampil di direktori author
Kelola Publikasi
Dashboard artikel terpadu
Langkah-langkah Klaim Artikel:
- 1. Daftar akun author dengan email akademik Anda
- 2. Verifikasi email dan lengkapi profil
- 3. Login dan buka menu "Klaim Artikel"
- 4. Cari dan klaim artikel Anda
- 5. Tunggu verifikasi dari admin (1-3 hari kerja)
Menampilkan 1–2 dari 2 artikel
Deteksi Aktivitas Vape Berbasis Yolov8 pada Citra dan Video dengan Pendekatan Deep Learning
Lahuddin, Lahuddin
; Larasati, Pamela
; Hasbi, Abdilah
; Lahuddin, Lahuddin
; Larasati, Pamela
; Hasbi, Abdilah
Perkembangan teknologi artificial intelligence, khususnya dalam bidang computer vision dan deep learning, telah mendorong lahirnya berbagai sistem otomatis dalam analisis citra dan video. Salah satu implementasi yang banyak digunakan adalah deteksi objek secara real-time menggunakan algoritma YOLO (You Only Look Once). Di sisi lain, penggunaan rokok elektronik atau vape semakin meningkat, terutama di lingkungan pendidikan, sehingga diperlukan sistem pengawasan otomatis yang mampu mendeteksi akti...
Google Scholar
DOI
Implementasi Metode Vision Transformer (ViT) Dalam Klasifikasi Jenis Tanah
Hasbi, Abdilah
; Ardollynata, Ardollynata
; Tumanggor, Benelekser
; Hasbi, Abdilah
; Ardollynata, Ardollynata
; Tumanggor, Benerlekser
JUISI : Jurnal Ilmiah Sistem Informasi
Vol 5
, No 1
(2026)
This study applies the Vision Transformer (ViT) method to soil-type classification and evaluates its accuracy using digital images. The Vision Transformer (ViT) is a Deep Learning architecture that uses self-attention to extract global features from images, enabling it to recognize texture and color patterns more comprehensively than other convolutional methods. The dataset used consists of eight soil types, each containing 77 image data in “.jpg” format. Each image was processed and augmented t...
Google Scholar
DOI