{"data":[{"deskripsi_kategori_portofolio":"Data Science \/ Big Data","deskripsi_singkat":"

Project tentang deteksi objek otomatis menggunakan YOLOv11<\/strong> untuk mengidentifikasi hama dan penyakit pada buah kakao<\/strong>. Fokusnya adalah membantu petani mengenali masalah seperti penyakit busuk buah<\/strong>, hama Helopeltis<\/strong>, dan hama Penggerek Buah Kakao (PBK)<\/strong> secara cepat dan akurat. Dengan memanfaatkan dataset gambar beranotasi yang terdiri dari 2000 gambar, model dilatih melalui Google Colaboratory<\/strong>. Dataset ini dikelola melalui Roboflow<\/strong> dan dioptimalkan untuk kompatibilitas dengan YOLOv11.<\/p>","email":"elatrilia2206@gmail.com","foto_portofolio":"2024-12-06_140335_98803_foto_portofolio.png","foto_user":"2024-10-29_19174940766.jpg","id_course":507,"id_customer":40644,"id_customer_course":115099,"id_kategori_portofolio":2,"id_portofolio":6371,"is_delete":0,"jumlah_like":1,"nama_course":"Master Class On Job Training : Data Science","nama_kategori_portofolio":"Data Science \/ Big Data","nama_portofolio":"OBJECT DETECTION-PESTS AND DISEASES OF COCOA FRUIT","nama_user":"Ella Trilia Oviana","sosmed_instagram":"https:\/\/www.instagram.com\/ellatrilia_\/","sosmed_linkedin":"https:\/\/www.linkedin.com\/in\/ellatriliaoviana\/","status_portofolio":2,"waktu_approve":"Sun, 15 Dec 2024 07:04:55 GMT","waktu_submit":"Fri, 06 Dec 2024 14:05:06 GMT"},{"deskripsi_kategori_portofolio":"Data Science \/ Big Data","deskripsi_singkat":"

Proyek ini menggunakan YOLOv11, model deteksi objek canggih, untuk mengidentifikasi kendaraan seperti motor dan mobil pada gambar atau video. Model ini dilatih dengan dataset khusus menggunakan metode terkini untuk mencapai akurasi tinggi dengan efisiensi komputasi yang lebih baik. Dataset yang digunakan diambil dari hasil video yang direkam di area parkir Kampus UPI Cibiru. Video ini menunjukkan berbagai jenis kendaraan, terutama mobil dan motor, yang diparkir. Proses ekstraksi dataset dimulai dari perekaman video menggunakan perangkat dengan resolusi tinggi, dilanjutkan dengan pemotongan video menjadi bagian-bagian pendek, dan diakhiri dengan pengambilan frame pada interval tertentu menggunakan software seperti OpenCV. Proses pengembangan dataset bertujuan menciptakan dataset berkualitas tinggi dengan mencakup berbagai jenis kendaraan dalam kondisi berbeda. Proyek ini juga bertujuan melatih model deteksi objek menggunakan YOLOv11, yang terkenal karena efisiensi dan akurasinya. Model ini dioptimalkan melalui parameter pelatihan seperti learning rate dan batch size, sehingga mampu mengenali kendaraan secara cepat dan andal di berbagai situasi. Hasil dari proyek ini diharapkan dapat diterapkan dalam berbagai aplikasi nyata, termasuk pengawasan lalu lintas, sistem parkir otomatis, dan kendaraan otonom. Dengan memanfaatkan teknologi ini, proyek memberikan kontribusi pada pengembangan sistem transportasi yang lebih efisien dan aman.<\/p>","email":"muhammad.fajarjati@gmail.com","foto_portofolio":"2025-01-21_143314_55674_foto_portofolio.png","foto_user":"2024-12-04_09183440598.jpg","id_course":507,"id_customer":40476,"id_customer_course":114683,"id_kategori_portofolio":2,"id_portofolio":6832,"is_delete":0,"jumlah_like":1,"nama_course":"Master Class On Job Training : Data Science","nama_kategori_portofolio":"Data Science \/ Big Data","nama_portofolio":"Sistem Deteksi Kendaraan Menggunakan YOLOv11","nama_user":"Muhammad Fajar Jati Permana ","sosmed_instagram":"https:\/\/www.instagram.com\/mfajarjati","sosmed_linkedin":"https:\/\/www.linkedin.com\/in\/mfajarjati","status_portofolio":2,"waktu_approve":"Wed, 22 Jan 2025 13:25:32 GMT","waktu_submit":"Wed, 22 Jan 2025 10:19:15 GMT"},{"deskripsi_kategori_portofolio":"Data Science \/ Big Data","deskripsi_singkat":"

Penelitian ini menganalisis pengaruh diskon, metode pembayaran, dan ulasan pelanggan terhadap frekuensi transaksi pembayaran di era digital. Menggunakan dataset 3.900 transaksi dari Kaggle, analisis regresi linear diterapkan untuk mengukur hubungan signifikan antar variabel, dilengkapi dengan uji korelasi untuk memvalidasi temuan. Hasil regresi menunjukkan bahwa diskon 30\u201350% memiliki dampak positif tertinggi pada peningkatan frekuensi transaksi (\u03b2 = 0.72, p < 0.01), terutama pada pembeli mingguan\/bi-mingguan. Metode pembayaran digital (PayPal, kartu kredit\/debit) secara signifikan mendominasi transaksi dengan diskon tinggi (R\u00b2 = 0.65), sementara ulasan pelanggan berkorelasi positif dengan diskon \u226530% (r = 0.48). Temuan ini menyoroti pentingnya optimasi strategi diskon dan integrasi metode pembayaran digital untuk meningkatkan frekuensi transaksi serta kepuasan konsumen.<\/p>","email":"232410101074@mail.unej.ac.id","foto_portofolio":"2025-02-27_212057_38121_foto_portofolio.png","foto_user":"2025-02-12_14143342343.jpg","id_course":507,"id_customer":42221,"id_customer_course":120225,"id_kategori_portofolio":2,"id_portofolio":6955,"is_delete":0,"jumlah_like":1,"nama_course":"Master Class On Job Training : Data Science","nama_kategori_portofolio":"Data Science \/ Big Data","nama_portofolio":" Analyzing Insights from Consumer Behavior Data","nama_user":"Tiara Salsabella Ayuningtyas","sosmed_instagram":"https:\/\/www.instagram.com\/satir.ara_01?igsh=MWVlNTNsMXA3NWJxbw== ","sosmed_linkedin":"https:\/\/www.linkedin.com\/feed\/?legoTrackingToken=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","status_portofolio":2,"waktu_approve":"Fri, 28 Feb 2025 10:46:59 GMT","waktu_submit":"Thu, 27 Feb 2025 21:27:14 GMT"}],"offset":"3","page":"1","row_count":21,"status_code":200}