Seminar Nasional Teknologi & Sains

Klasifikasi Jenis Daun Jambu Air dengan Backpropagation

Erry Anggraini, Nur Nafiiyah — Sat, 13 Jan 2024 00:00:00 +0700

Syzygium Aqueum merupakan anggota keluarga jambu-jambuan (Myrtaceae) yang disebut sebagai jambu air. Akar, batang, daun, bunga, buah merupakan ciri bagian dari tanaman. Namun masih banyak masyarakat yang belum terlalu mengenali ciri jenis tanaman dari bagian daun. Kami membuat sistem untuk klasifikasi jenis daun jambu dengan metode Backpropagation. Fitur yang digunakan adalah ciri warna RGB (meanR, meanG, meanB, stdR, stdG, stdB, varR, varG, varB, skewnessR, skewnessG, skewnessB) dan ciri tekstur Gray Level Co-Occurrence Matrix (GLCM) (contrast, energy, correlation, homogeneity). Data yang digunakan sebanyak 367 citra yang dibagi menjadi 2 bagian yaitu 332 data training dan 35 data testing. Kami membuat 2 model arsitektur Backpropagation, yaitu (16-16-3) dan (16-32-3), fitur input sebanyak 16, dan hidden sesuai usulan, dan output ada tiga (Camplong, Cincalo Merah, Madu Deli Hijau). Dengan melakukan pengujian sebanyak 8 kali, setiap pengujian arsitektur Backpropagation dilakukan 4 kali pengujian. Hasil terbaik yang didapat menggunakan arsitektur 16-32-3 dengan tingkat akurasi sebesar 80%.

Implementasi Metode k-Nearest Neighbor (k-NN) untuk Memprediksi Penjualan Buah di Indonesia berbasis Website

Siti Mujilahwati, Lilis Devita Windasari — Sat, 13 Jan 2024 00:00:00 +0700

Badan Pusat Statistik (BPS) merekam data penjualan buah di Indonesia setiap tahun sebagai laporan dan sumber informasi bagi masyarakat. Sayangnya, meskipun data ini disediakan, masih banyak pelaku bisnis yang tidak memanfaatkannya secara optimal. Data penjualan buah memiliki nilai sebagai indikator untuk mengarahkan produksi suatu produk; semakin tinggi penjualan, semakin penting persiapan stok yang matang. Untuk mengatasi tantangan ini, perlu adanya sistem yang mampu melakukan prediksi penjualan buah untuk membantu mengelola stok dan produksi dengan efektif. Dalam studi ini, telah diimplementasikan metode K-Nearest Neighbors (KNN) sebagai alat untuk memprediksi penjualan buah. Metode ini terbukti mampu memberikan hasil yang memuaskan, dengan tingkat akurasi mencapai 70.93%. Prediksi yang dihasilkan menunjukkan peningkatan penjualan pada tahun 2023. Implementasi metode ini memberikan kontribusi positif dalam membantu pelaku bisnis untuk mengambil keputusan yang lebih tepat dalam manajemen stok dan produksi buah, sehingga dapat mengoptimalkan kinerja bisnis mereka.

Implementasi Algoritma Naive Bayes pada Sistem Pendukung Keputusan Rekomendasi Wisata di Lamongan

Indra Dwi Rizqi, Retno Wardhani, Moh. Rosidi Zamroni — Sat, 13 Jan 2024 00:00:00 +0700

Kabupaten Lamongan di Jawa Timur memiliki potensi wisata yang beragam, mencakup alam, buatan, budaya, dan religi. Total wisatawan dari 22 destinasi di Kabupaten Lamongan dari tahun 2015-2021 mencapai 19.167.971 jiwa, dengan mayoritas berasal dari wisatawan nusantara. Dalam menghadapi beragam pilihan destinasi, calon wisatawan seringkali menghadapi dilema dalam memilih tempat wisata yang sesuai. Oleh karena itu, artikel ini mengusulkan solusi berupa pemanfaatan sistem pendukung keputusan. Sistem ini menggunakan algoritma Naive Bayes, sebuah metode probabilistik yang dapat mengatasi data dimensi tinggi dan efisien dalam mengklasifikasikan data besar. Metode penelitian melibatkan pengumpulan data dari Dinas Pariwisata Kabupaten Lamongan dan Google Map, mencakup informasi seperti lokasi, jam buka, harga tiket, fasilitas, ulasan Google Map, jarak, dan kebersihan. Kriteria yang digunakan dalam sistem pendukung keputusan mencakup waktu buka, fasilitas, harga masuk, jarak, kebersihan, dan bintang wisata. Dalam pengujian, sistem ini memiliki akurasi sebesar 94%.

Sistem Pakar Diagnosa Gangguan Pencernaan Balita Dengan Metode Naive Bayes

Emi Milda Prawestina, M.Ghofar Rohman, Moh. Rosidi Zamroni — Sat, 13 Jan 2024 00:00:00 +0700

Gangguan pencernaan pada balita merupakan masalah umum yang sulit dideteksi karena bayi tidak dapat mengungkapkan ketidaknyamanan mereka. Artikel ini membahas pentingnya mendiagnosis gangguan pencernaan balita dengan cepat menggunakan sistem pakar berbasis metode Naive Bayes. Gangguan pencernaan pada balita dapat disebabkan oleh berbagai faktor seperti pola makan yang buruk dan infeksi saluran cerna. Sistem pakar merupakan solusi yang efektif untuk membantu mendiagnosa gangguan pencernaan pada balita. Dengan memanfaatkan metode Naive Bayes, sistem pakar dapat mengidentifikasi gejala-gejala yang mungkin menunjukkan adanya gangguan pencernaan. Artikel ini juga membahas hasil perhitungan dan pengujian sistem pakar menggunakan data gejala dan penyakit yang dikumpulkan dari Puskesmas Sugio Lamongan. Melalui uji coba dengan 100 pengguna, sistem pakar ini mencapai tingkat akurasi sebesar 87%, dengan 87 pasien mendapatkan diagnosis yang sesuai.

Case Based Reasoning Untuk Diagnosa Penyakit Gigi Berbasis Web

Chervin Fradyacsyah, Miftahus Sholihin, Danang Bagus Reknadi — Sat, 13 Jan 2024 00:00:00 +0700

Kesehatan sangat penting bagi setiap orang salah satu yang perlu dijaga adalah kesehatan gigi, gigi merupakan bagian tubuh yang memiliki fungsi penting yaitu untuk melancarkan makanan yang masuk ke dalam mulut karena fungsinya sangat penting, perlu dilakukan pemeriksaan gigi minimal 6 bulan sekali, namun karena ketidaktahuan akan bahaya penyakit gigi apabila dibiarkan terus menerus kemudian keterbatasan waktu yang dimiliki dan lamanya proses pengidentifikasian penyakit oleh dokter membuat orang seringkali malas memeriksakan giginya. Dengan adanya permasalahan tersebut mendorong peneliti untuk membuat sistem pakar diagnosa penyakit gigi dengan menggunakan metode Case Based Reasoning yang dimaksudkan dapat mendiagnosa penyakit gigi secara akurat dan dapat membantu dokter lebih cepat dalam proses identifikasi penyakit, sistem pakar juga disertai dengan informasi dan langsung dikelola oleh pakar, sistem pakar ini menggunakan pemrograman web php dan database mysql. Dengan tujuan dapat menghasilkan perangkat lunak dengan metode sistem pakar Case-Based Reasoning (CBR) berbasis sistem pakar untuk mendiagnosis Gigi dan memudahkan seseorang untuk menggunakan perangkat lunak yang diadopsi dari pakar tanpa menggantikan peran seorang pakar dengan biaya yang relatif kecil. System yang dibangun mampu memberikan hasil diagnosa berdasarkan kasus lama dan menjadikan kasus baru sebagai pengetahuan baru untuk memberikan keputusan dengan menggunakan tingkat kepercayaan berdasarkan presentasi dari hasil perhitungan similarity.

Identifikasi Tingkat Kesadaran Pengemudi dari Data Video dengan Menggunakan Convolutional Long Short Term Memory

Sat, 13 Jan 2024 00:00:00 +0700

Mengemudi dalam keadaan tidak sadar atau mengantuk merupakan salah satu penyebab utama terjadinya kecelakaan lalu lintas. Meskipun demikian, penumpang biasanya tidak akan menyadari jika pengemudi kendaraan yang mereka kendarai dalam keadaan mengantuk. Untuk mendeteksi kantuk pengemudi pada umumnya adalah dengan menggunakan model pembelajaran mesin. Akan tetapi model pembelajaran mesin biasanya hanya dapat mengenali pola dari sebuah data tanpa memperhatikan deret waktu pada data sekuensial atau time series. Metode yang digunakan adalah Convolutional Long Short Term Memory. Convolutional Long Short Term Memory adalah salah satu bentuk Recurrent Neural Network yang dapat digunakan untuk mengatasi masalah korelasi deret waktu baik dalam waktu singkat maupun lama pada data spatial time series. Data yang digunakan adalah data yang berupa video dari seseorang yang sedang mengemudi. Data video merupakan data berurutan yang terdiri atas banyak frame yang berupa citra. Pada penelitian ini setiap frame tersebut dilakukan deteksi wajah untuk mendapatkan citra wajah pengemudi, sedangkan Convolutional Long Short Term Memory digunakan untuk mempelajari pola perubahan ekspresi wajah pengemudi seiring waktu. Hasil menunjukkan model memiliki akurasi sebesar 75% yang menunjukkan bahwa model memiliki kemampuan yang signifikan dalam memprediki kantuk pengemudi.

Penerapan Penerapan Jaringan Syaraf Tiruan Backpropagation untuk Klasifikasi Akreditasi Sekolah Menengah Pertama

Rachel Elisa Utama, Eko Hari Parmadi — Sat, 13 Jan 2024 00:00:00 +0700

Akreditasi merupakan salah satu bagian yang penting dalam peningkatan mutu Pendidikan. Banyaknya instrumen akreditasi, membuat pengelola sekolah kesulitan dalam mengklasifikasi sekolah mereka termasuk terakreditasi A, B, C atau tidak terakreditasi. Melalui penerapan Jaringan Syaraf Tiruan Backpropagation proses klasifikasi akreditasi dapat ditentukan berdasarkan 12 atribut yaitu: Persentase Guru Ijazah Kurang Dari S1, Persentase Guru Ijazah S1 Atau Lebih, Persentase Guru Sertifikasi, Persentase Guru Belum Sertifikasi, Standar Sarana dan Prasarana, Standar Isi, Standar Penilaian, Standar Pengelolaan, Standar Kelulusan, Standar Tenaga Pendidik, Standar Pembiayaan, serta Standar Proses. Pengguna dapat memasukan skor untuk 12 atribut tersebut dan sistem akan memberikan hasil berupa prediksi akreditasinya. Arsitektur optimal dari Jaringan Syaraf Tiruan ini menghasilkan akurasi sebesar 93,4925%. Adapun neuron yang digunakan dalam hidden layer pertama berjumlah 10 dan hidden layer dua berjumlah 20 dengan fungsi aktivasi tansig pada hidden layer pertama dan logsig pada hidden layer kedua serta menggunakan fungsi training trainlm. Sedangkan jumlah hidden layer yang digunakan adalah dua. Lanjutan dari penelitian ini dapat berupa penambahan atribut lain yang berpengaruh dalam akreditasi.

Korelasi antara Kekuatan Militer dan Faktor-Faktor Multidimensi: Analisis Tahun 2021

Fathul Am, Riky Ananda Setyanto, Imanuel Puspa Wardaya, Ari Hendrawan — Sat, 13 Jan 2024 00:00:00 +0700

Kekuatan militer adalah konsep yang kompleks dan multidimensi yang bergantung pada berbagai faktor, seperti ukuran, kualitas, kesiapan angkatan bersenjata, ketersediaan sumber daya, teknologi, geopolitik, dan dukungan domestik dan internasional. Memahami korelasi antara kekuatan militer dan faktor-faktor lain dapat membantu untuk menilai kekuatan relatif dan potensi negara-negara yang berbeda, serta untuk mengidentifikasi peluang dan tantangan yang mereka hadapi di arena global. Penelitian ini menganalisis setiap faktor dengan tujuan mengidentifikasi faktor yang paling signifikan dalam menentukan kekuatan militer suatu negara. Penelitian ini mengusulkan penggunaan metode korelasi Pearson untuk menganalisis faktor yang paling berpengaruh terhadap kekuatan militer. Hasil penelitian menunjukkan korelasi antar sektor yang paling mendekati nilai -1 adalah sektor Land yang bernilai -0.3076. Hasil rata-rata korelasi antara Military Power index dengan sektor Navy Strength bernilai -0.2714, hasil rata-rata korelasi antara Military Power index sektor Airforce bernilai -0.2640, hasil rata-rata korelasi antara Military Power sektor Finance bernilai -0.2140, hasil rata-rata korelasi antara Military Power sektor Geography bernilai -0.1780 dan hasil rata-rata korelasi antara Military Power sektor Logistic bernilai -0.1733. Sebagai kesimpulan, penelitian ini memberikan kontribusi dalam mengatasi kurangnya pengetahuan tentang faktor-faktor yang memengaruhi kekuatan militer. Secara khusus, penelitian menunjukkan bahwa sektor Land memiliki korelasi terbaik dengan Military Power, dengan nilai korelasi sebesar -0.3076.

Otomatisasi Pemisah Minyak dan Air Laut Menggunakan Separator pada Kapal Berbasis IoT

Sat, 13 Jan 2024 00:00:00 +0700

Perancangan alat pemisah minyak dan air laut berbasis Internet of Things (IoT) telah dilakukan untuk menanggulangi permasalahan tumpahan minyak pada ekosistem air. Sistem dirancang menggunakan separator sebagai metode pemisahan minyak dan air laut dengan memanfaatkan berat massa cairan minyak dan air laut, sistem yang dirancang memiliki kelebihan dapat mendeteksi keberadaan alat pemisah minyak dan air laut serta dapat mengukur minyak yang telah dipisahkan, kedua data tersebut nantinya akan dikirim menggunakan LoRa agar dapat dilihat di aplikasi kodular pada handphone. Hasil penelitian menunjukan minyak yang bisa dipisahkan sebesar 91%. Harapan sistem dirancang dapat memisahkan minyak yang terdapat pada ekosistem air tanpa mencemari kembali ekosistem air tersebut.

PERANCANGAN SISTEM INFORMASI JDIH BERBASIS WEB DENGAN METODE PROTOTYPE

RONALDO ARSAD, Muhamad Son Muare — Sat, 13 Jan 2024 00:00:00 +0700

Perkembangan hukum dan perundang-undangan yang pesat menuntut kebutuhan akan Sistem Informasi yang efisien dan terintegrasi. Pada perumda tirta musi palembang belum terdapat JDIH (Jaringan Dokumentasi Informasi Hukum). sehingga penelitian ini bertujuan untuk membuat Jaringan Dokumentasi dan Informasi Hukum sebagai wadah pendayagunaan dokumen hukum secara tertib, terpadu, dan berkesinambungan, serta merupakan sarana pemberian pelayanan informasi hukum secara lengkap, akurat, mudah, dan cepat. Pengembangan JDIH menggunakan metode prototype secara berurut sesuai dengan tahapan metode tersebut pengembangan sistem ini menggunkan PHP, XAMPP, MySQL, dan Sublimetext3. Penelitian ini menghasilkan sistem JDIH (Jaringan Dokumentasi dan Informasi Hukum) yang berisikan tentang nformasi, berita, dan surat pemberitahuan yang berada pada PDAM Tirta Musi Palembang berbasis website. Maka dari hal tersebut penelitian ini penting di lakukan dengan harapkan dapat mempermudah dalam pencarian informasi hukum.

Optimasi Model Prediksi Kesuksesan Startup Menggunakan StandartScaler Tranform

Wulan Sri Lestari — Sat, 13 Jan 2024 00:00:00 +0700

Pertumbuhan pesat startup di era teknologi modern menimbulkan tantangan kompleks dalam memprediksi kesuksesan suatu startup. Berdasarkan data yang diperoleh, 90 dari 100 startup gagal mencapai tingkat pendanaan yang diinginkan. Keberhasilan sebuah startup tidak hanya mencerminkan prestasi bisnis individu tetapi juga memiliki dampak yang luas pada dinamika ekonomi global. Oleh karena itu, perlu dikembangkan model prediksi yang handal sebagai dasar pengambilan keputusan yang efektif dalam pengembangan startup. Untuk mengatasi masalah ini, penelitian ini menggunakan integrasi Deep Neural Networks dengan StandartScaler Transform untuk mengoptimalkan model prediksi kesuksesan startup. StandartScaler Transform digunakan untuk menormalkan distribusi data sebelum diterapkan pada Deep Neural Networks. Hasil eksperimen pada model prediksi kesuksesan startup menunjukkan peningkatan akurasi sebesar 35,25% pada tahap training, dan peningkatan tambahan sebesar 36,95% pada tahap testing. Model prediksi kesuksesan startup yang dibangun berhasil mengatasi masalah overfitting/underfitting, sehingga menjadikannya sebagai dasar untuk pengembangan aplikasi prediksi kesuksesan startup.

Review Komprehensif: Ekstraksi Fitur GLCM, GLRLM, dan LBP untuk Pendeteksian Korosi

Sat, 13 Jan 2024 00:00:00 +0700

Penelitian ini mengeksplorasi solusi untuk mengatasi masalah korosi yang dapat mengancam pertumbuhan industri di Indonesia. Dengan tingginya tingkat investasi dalam sektor-sektor kunci seperti Transportasi, Gudang, Telekomunikasi, dan Pertambangan, risiko korosi menjadi perhatian serius. Korosi dapat menyebabkan kerusakan signifikan pada infrastruktur dan peralatan, menciptakan beban finansial yang besar jika tidak ditangani dengan cepat. Dalam penelitian ini, diajukan metode deteksi dini korosi dengan memanfaatkan ekstraksi fitur GLRLM, GLCM, dan LBP. Melibatkan model pendeteksi berbasis MLP, penelitian ini menitikberatkan pada sektor-sektor investasi utama di Indonesia. Hasil eksperimen menunjukkan keberhasilan metode ini, dengan tingkat akurasi berturut-turut sebesar 74,02%, 79,61%, dan 84,36%. Metode deteksi dini ini memberikan kontribusi besar terhadap upaya pencegahan korosi sejak dini, memungkinkan industri untuk mengidentifikasi potensi kerusakan pada tahap awal. Hal ini dapat mengurangi biaya perbaikan dan penggantian aset yang terkena dampak, memberikan keuntungan finansial bagi perusahaan dan negara secara keseluruhan. Penelitian ini relevan dengan pertumbuhan industri di Indonesia dan dapat menjadi landasan bagi strategi pencegahan korosi yang lebih efektif, khususnya dalam sektor-sektor yang menjadi pilar investasi utama negara. Dengan adanya solusi ini, diharapkan dapat meningkatkan ketahanan dan keberlanjutan infrastruktur industri di Indonesia.

Deteksi Parasit Malaria Menggunakan Metode Gray Level Co-Occurance Matrix (GLCM)

Sat, 13 Jan 2024 00:00:00 +0700

Malaria adalah salah satu penyakit menular paling mematikan di dunia. Deteksi dini malaria sangat penting untuk mencegah penyebaran penyakit ini. Tradisionalnya, deteksi malaria dilakukan dengan pemeriksaan mikroskopis darah. Namun, metode ini membutuhkan waktu dan usaha yang relatif lama. Dalam penelitian ini, deteksi parasit malaria dilakukan menggunakan metode Gray Level Co-occurrence Matrix (GLCM). Metode GLCM digunakan untuk mengekstraksi fitur tekstur dari gambar sel darah merah yang terinfeksi malaria. Fitur tekstur ini kemudian digunakan untuk melatih model klasifikasi. Hasil penelitian menunjukkan bahwa metode GLCM dapat digunakan untuk mendeteksi parasit malaria dengan akurasi 89%. Studi ini menyarankan bahwa metode GLCM memiliki potensi sebagai metode deteksi malaria yang lebih cepat dan akurat.

Klasifikasi Jeruk Segar dan Busuk Melalui GLCM dan HSV dengan Menggunakan Metode ANN

Sat, 13 Jan 2024 00:00:00 +0700

Evolusi pesat teknologi komputer berdampak besar pada berbagai sektor, termasuk pertanian, di mana inovasi digital memiliki peran yang sangat penting. Dalam penelitian ini, kami membahas klasifikasi kualitas jeruk menggunakan teknik computer vision. Dengan memanfaatkan dataset yang terdiri dari 1.466 gambar jeruk segar dan 1.595 gambar jeruk busuk, penelitian ini menggunakan metode ekstraksi fitur GLCM dan HSV untuk mengekstrak informasi tekstur dan warna. Fokusnya adalah menyederhanakan proses klasifikasi berdasarkan warna dan tekstur kulit untuk meningkatkan akurasi. Penelitian ini berpotensi besar untuk meningkatkan penilaian terhadap kualitas jeruk, memberikan keuntungan yang signifikan bagi penjual, pembeli, dan komunitas peneliti di sektor pertanian. Hasil penelitian ini menunjukkan kinerja model yang memuaskan, dengan akurasi mencapai 86,88% dengan penerapan metode ANN.

Klasifikasi Tumor Otak Menggunakan CNN Dengan Arsitektur Resnet50

Sat, 13 Jan 2024 00:00:00 +0700

Penelitian ini mengusulkan penggunaan Convolutional Neural Network (CNN) dengan model ResNet-50 untuk mengklasifikasikan jenis tumor otak berdasarkan gambar MRI. Dataset terdiri dari empat kelas: Glioma, Hipofisis, Meningioma, dan Normal. Metode penelitian melibatkan pengumpulan data, preprocessing, desain arsitektur CNN, pelatihan model, dan evaluasi. Hasil pengujian menunjukkan bahwa model mampu mengklasifikasikan jenis tumor otak dengan akurasi yang memuaskan. Penerapan ResNet-50 meningkatkan kinerja dengan mengatasi masalah hilangnya gradien. Berdasarkan penelitian tersebut, klasifikasi tumor otak menggunakan CNN dengan arsitektur Resnet50 dapat mendukung deteksi dini tumor otak untuk meningkatkan akurasi diagnostik. Pada penelitian ini akurasi terbaik diperoleh sebesar 96% pada percobaan epoch ke-11.

Pendeteksian Kecurangan Ujian Melalui CCTV Menggunakan Algoritma YOLOv5

Fitri Bimantoro, I Gede Pasek Suta Wijaya, Mizanul Ridho Aohana — Sat, 13 Jan 2024 00:00:00 +0700

Penggunaan teknologi di sektor pendidikan, khususnya ketika ujian, masih menghadapi tantangan berupa tingkat kecurangan yang tinggi. Salah satu penerapan teknologi ini adalah pendeteksian kecurangan saat ujian menggunakan CCTV. YOLO merupaan salah satu metode yang cukup handal untuk melakukan deteksi objek, dan YOLOv5 adalah salah satu varian YOLO yang mampu memberikan performa baik pada perangkat yang minim.Penelitian ini mengusulkan penerapan algoritma YOLOv5 untuk mendeteksi kecurangan melalui CCTV. Penelitian ini fokus pada efisiensi dan performa, dengan membandingkan tiga varian YOLOv5, yaitu YOLOv5l, YOLOv5m, dan YOLOv5s. Dataset yang digunakan merupakan rekaman video CCTV yang berada pada ruang kelas, dimana dataset ini terdiri dari 5 kelas (1 kelas normal, dan 4 kelas tindakan kecurangan). Pengujian dilakukan dengan membandingkan performa dari ketiga varian YOLOv5. Berdasarkan hasil pengujian, beban komputasi YOLOv5s saat pelatihan adalah 9,1 ms, 7x jauh lebih kecil dari pada YOLOv5l dan 3x lebih kecil dari YOLOv5m. Selain itu performa YOLOv5s lebih baik dibandingkan dengan YOLOv5l dan YOLOv5m, dengan akurasi, AP, AR dan mAP:50 sebesar 0,43, 0,492, 0,431,dan 0,549 secara berurutan. Hasil tersebut menegaskan bahwa YOLOv5s yang terbaik baik secara beban komputasi maupun performa. Meskipun demikian, perlu dilakukan perbaikan kualitas dan kuantitas dataset dan juga metode untuk meningkatkan performa dari pendeteksi kecurangan melalui CCTV ini.

Analisis Sentimen di Twitter: Mengungkap Persepsi dan Emosi Publik Seputar Konflik Palestina-Israel

Rizki Azhar, Muhammad Farid Wijayanto — Sat, 13 Jan 2024 00:00:00 +0700

Konflik yang terjadi antara Palestina dan Israel masih menjadi konflik yang belum terselesaikan hingga saat ini. Konflik dimulai dengan berdirinya negara Israel yang diakui PBB pada tahun 1948 di tanah yang sebelumnya dikuasai Inggris, dan konflik dimulai dengan serangan negara-negara Arab terhadap Israel dan memprovokasi perang. Mayoritas penduduk Palestina beragama Islam dan mendapat dukungan dari negara-negara Timur Tengah dan mayoritas penduduknya beragama Islam. Terlebih lagi, Israel terus berjuang dalam konflik ini dengan dukungan negara-negara Barat. Opini publik merupakan sumber informasi penting untuk membentuk opini mengenai konflik ini. Analisis sentimen terhadap data media sosial seperti tweet adalah metode yang berguna untuk mengubah sejumlah besar data menjadi informasi yang berguna. Analisis sentimen menggunakan pemrosesan bahasa alami (NLP) membantu memahami emosi dan mengkategorikannya sebagai positif atau negatif, memberikan informasi penting untuk evaluasi merek, evaluasi, dan penyaringan opini yang mendukung perusahaan dan masyarakat. Indonesia adalah negara yang menjunjung tinggi perdamaian sesuai pembukaan UUD 1945,tetapi masyarakat terus memperdebatkan konflik antara Palestina dan Israel.

KLASIFIKASI DAN PENGENALAN POLA PENYAKIT CABAI DENGAN METODE CNN (Convolution Neural Network)

Sat, 13 Jan 2024 00:00:00 +0700

Penelitian ini mengusulkan sistem klasifikasi menggunakan Convolutional Neural Network (CNN) untuk identifikasi penyakit pada buah cabai. Dalam pengujian dengan 162 citra, algoritma mencapai akurasi 100%. Namun, saat diuji dengan 236 citra, termasuk data penyakit lalat yang belum dikenali sistem, akurasi menurun drastis menjadi 45%. Penyakit seperti bercak abu, virus kuning cabai, dan layu bakteri telah berhasil diidentifikasi dengan presisi tinggi. Meskipun demikian, tantangan muncul Ketika data penyakit baru diuji, menyebabkan penurunan signifikan dalam performa sistem. Hasil ini menggarisbawahi pentingnya pengembangan model yang responsive terhadap penyakit baru serta kebutuhan akan dataset yang lebih luas dan respresentatif. Sistem ini menawarkan potensi besar dalam mendukung petani cabai dalam mendeteksi penyakit, namun membutuhkan peningkatan agar dapat mengenali variasi penyakit yang lebih luas dan tetap handal dalam situasi lingkungan

Implementasi Convolutional Neural Network (CNN) dalam Pengenalan Pola Penulisan Tangan

Sat, 13 Jan 2024 00:00:00 +0700

Era modern ini semakin mendorong manusia untuk mengembangkan suatu inovasi yang lebih baru berteknologi Artificial Intelegence (AI). Pengenalan pola penuliasn tangan merupakan bidang penelitian yang terus berkembang dengan pesat, terutama dalam konteks pengembangan sistem otomatisasi deteksi tulisan tangan. Salah satu pendekatan efektif untuk mencapai tujuan adalah menggunakan Convolutional Neural Network (CNN), yang merupakan sebuah jenis arsitektur jaringan sarad yang terbukti efektif dalam memproses data citra. Metodologi penelitian mencangkup pengumpulan dataset besar yang mencangkup berbagai gaya tulisan tangan, pemrosesan citra, dan pelatihan model CNN. Pada model yang telah dibuat mengalami suatu hal yang disebut overfitting atau “terlalu belajar”, dengan kata lain model terlalu mempelajari data training dalam jumlah besar sehingga melakukan pengenalan data-data yang lebih detail dan kurang berguna. Dengan ada nya overfitting ini, model yang dibuat tetap bisa mengenali pola tulisan tangan namun masih perlu beberapa pengembangan lagi untuk mendapatkan hasil yang lebih akurat. Dengan demikian, penelitian ini memberikan kontribusi positif terhadap pengembangan teknologi pengenalan pola penulisan tangan, memperluas pemaham tentang implementasi CNN dalam konteks ini, dan membuka peluang untuk pengembangan lebih lanjut di masa depan.

Pengembangan Media Game Bertema Serious Game Sebagai Pembelajaran Berbasis Ice Breaking

Candra Bagus Pratama — Sat, 13 Jan 2024 00:00:00 +0700

Game akhir- akhir ini telah menjadi alat yang cukup efektif dalam konteks pendidikan. Serious Game adalah salah satu pendekatan yang inovatif meningkatkan kognitif siswa selain game bertema puzzle. Penelitian ini bertujuan untuk menghasilkan media pembelajaran berupa serious game. Jenis penelitian yang digunakan adalah penelitian dan pengembangan (R&D). Memiliki langkah – langkah berdasarkan Bord dan Gall namun berhenti pada tahapan ke 3 dari 10 tahapan. Meliputi Research and information collecting, Planning dan Develop preliminary form of product. Serious Game ini dikembangkan dengan software unity dengan tahap perencanaan melalui tahap persiapan, tahap analis, dan tahap desain memerlukan waktu 3 bulan. Produk media yang dikembangkan dapat dikolaborasikan dengan proses pembelajaran sekolah untuk memajukan kognitif siswa. Penelitian yang dilakukan masih diperlukan pengembangan dan penerapan sehingga masih diperlukan penelitian lanjutan untuk dapat menyempurnakan produk yang ada.

Implementasi NLP(Natural Language Processing) Dasar pada Analisis Sentiment Review Spotify

Marsha Prasetya, Miftakhul Wulandari, Siti Alvi Nikmah — Sat, 13 Jan 2024 00:00:00 +0700

Dalam Penelitian ini, analisis sentiment terhadap ulasan Spotify dilakukan dengan menggunakan teknik Natural Language Processing(NLP). Langkah-langkah prapemrosesan khusus diimplementasikan untuk meningkatkan kinerja klasifikasi sentiment, yang bertujuan untuk mencapai hasil yang lebih unggul dibandingkan dengan solusi berbasis NLP (Natural Language Processing). Prosedur prapemrosesan ini sangat penting dalam mengategorikan emosi secara efektif. Analisis sentiment yang dihasilkan mengelompokkan sentiment kedalam tiga kelas : negative, netral dan positif. Kelas-kelas turunan ini menjadi sasaran analisis komparatif yang menggunakan metodologi machine learning. Penilaian komparatif menentukan bawha metode Naïve bayes dan Logistic Regression menunjukan kinerja klasifikasi yang lebih sukses dibandingkan dengan pendekatan lainnya. Untuk mengatasi ketidakseimbangan data dalam dataset, berbagai metode penanganan ketidakseimbangan digunakan dan disandingkan satu sama lain melalui investigasi ini. Penelitian ini berkontribusi pada pemahaman yang lebih komprehensif tentang analisis sentiment dalam konteks ini. Pada kedua metode ini juga pasti terdapat perbedaan hasil antara algoritma naïve bayes dan juga algoritma logistic regression, untuk mengetahui algortima mana yang lebih unggul untuk mendapatkan akurasi tertinggi dalam pengolahan dataset spotify ini, maka harus dilakukan antara perbandingan algoritmat Naive bayes dan algoritma Logistic Regression.

Perancangan Desain Sistem Informasi Pariwisata Kota Kediri Menggunakan Aplikasi MampirSek

Muhamad jallu Alfatih, Teddy Restyono, Muhamad Saiful Adi Ibrahim — Sat, 13 Jan 2024 00:00:00 +0700

Pariwisata adalah rangkaian aktivitas dan kegiatan perjalanan yang dilakukan oleh perorangan, kelompok atau keluarga ke suatu tempat secara sementara dengan tujuan mencari ketenangan, kedamaian, keseimbangan, keserasian dan kebahagiaan jiwa. Pariwisata didukung berbagai fasilitas serta layanan yang disediakan oleh masyarakat, pengusaha, pemerintah dan pemerintah daerah. Searah dengan berkembangnya kota Kediri yang akan menjadi kota transit maka sektor pariwisata akan menjadi peluang besar untuk perputaran ekonomi di Kota Kediri. Namun para pendatang masih belum tahu ada apa saja sektor pariwisata yang ada di Kota Kediri, untuk itu penelitian ini bertujuan untuk merancang sebuah aplikasi MampirSek yang memuat tentang beberapa kategori tempat wisata yang ada di Kota Kediri berbasis Android. Perancangan aplikasi ini menggunakan diagram Unifed Modeling Language (UML) antara lain menggunakan Use Case untuk menggambarkan apa saja yang ada pada aplikasi MampirSek. Aplikasi MampirSek dirancang untuk memudahkan para wisatawan yang transit di Kota Kediri memilih tempat bersantai sejenak sebelum pindah ke kota tujuan mereka.

Perancangan Sistem Presensi Siswa Menggunakan Kartu Tanda Pelajar Dengan Penerapan Teknologi QR Code

Prima Sanubari, Budi Dermawan, M. Husain D.M — Sat, 13 Jan 2024 00:00:00 +0700

Abstrak – Penerapan teknologi barcode pada kartu tanda pelajar memiliki dampak positif terhadap pengelolaan kehadiran siswa. Barcode sebagai penyimpan data digital unik memungkinkan pencatatan yang akurat dan otomatis, mengurangi kesalahan manusiawi, dan meningkatkan efisiensi waktu. Selain itu, teknologi barcode menciptakan integrasi antara dunia fisik dan digital di lingkungan sekolah, memfasilitasi akses cepat dan mudah terhadap informasi kehadiran siswa melalui sistem digital. Penggunaan presensi ini tidak hanya memonitor kehadiran tetapi juga memberikan dasar data yang kuat untuk kebijakan dan perbaikan proses pendidikan. Pemanfaatan teknologi barcode pada kartu tanda pelajar juga membuka peluang untuk pengembangan inovasi lebih lanjut, termasuk integrasi dengan sistem akademik dan perpustakaan. Hal ini menciptakan lingkungan pendidikan yang terhubung, memperkaya pengalaman siswa, dan mendukung kemajuan sekolah dalam mengikuti perkembangan zaman. Metode prototipe digunakan dalam pengembangan sistem, memanfaatkan model awal untuk menguji ide dan mendapatkan umpan balik dari pengguna sejak awal. Dengan demikian, penggunaan teknologi barcode pada kartu tanda pelajar tidak hanya memperbaiki proses presensi tetapi juga membuka peluang untuk pengembangan sistem yang lebih maju dan terintegrasi dalam lingkungan pendidikan.

Smart City, Konsep Kota Pintar Deteksi Objek Pada CCTV Lalu Lintas di Kota Nganjuk

Burhanudin Burhanudin, Dicky Candra Zulkarnain, Ramadhan Bayu Aji — Sat, 13 Jan 2024 00:00:00 +0700

Penggunaan CCTV untuk menghasilkan rekaman kondisi lalu lintas yang bisa dimanfaatkan untuk berbagai keperluan antara lain merancang sistem informasi lalu lintas pada Kota Nganjuk berbasis CCTV sehingga pola pengaturan / rekayasa lalu lintas di jalan raya bisa dilakukan dengan cepat dan efisien Salah satunya adalah untuk mendeteksi jenis kendaraan atau jumlah kendaraan yang melalui jalan tersebut seperti motor, mobil, dan truck. Mengenali suatu objek dalam citra dapat dilakukan dengan cara mengidentifikasi pola objek tersebut. Proses deteksi adanya citra objek dalam sebuah gambar dapat dilakukan dalam OpenCV (Open Computer Vision) yang diintegrasikan dengan software pemrograman. Dibuat nya aplikasi ini juga untuk mendeteksi pergerakan kendaraan saat melintas, serta dapat mengetahui jumlah kendaraan yang melintas setiap detiknya. Selain untuk membatu permasalahan saat dilalu lintas, aplikasi ini juga dapat sebagai kamera pengawasan. Metode untuk mendeteksi objek yaitu dengan menggunakan Frame Difference dan Frame Substraction. Metode tersebut berhasil di implementasikan kedalam aplikasi pada CCTV. Hasilakhir dari penelitian ini yaitu, aplikasi berjalan dengan baik dan akan diimplementasikan ke berbagai CCTV di wilayah kota nganjuk. Dengan adanya aplikasi ini diharapkan dapat membantu permasalahan yang ada di kota nganjuk dan dapat menjadikan kota nganjuk sebagai smart city yang lebih berkembang.

Aplikasi Pengontrolan Energi Berbasis Smart Plug, Stop Kontak Otomatis Pada Rumah Pintar (Smart Home)

Sadam Hidayatullah, Muhammad Krishna Luthfi, M Galihleo Yafan Dolar Febriliant — Sat, 13 Jan 2024 00:00:00 +0700

Kemajuan teknologi yang berkembang saat ini sudah pada 4.0 dimana semua pekerjaan menggunakan AI saat dipergunakan dimanapun dan kapanpun.Hal ini memicu peneliti untuk melakukan uji coba stop kontak otomatis melalui IOT.Pada saat ini gejala arus listrik memicu terjadinya konsleting dalam penggunaan yang tidak benar sehingga terjadinya kebakaran.Tujuannya mempermudah kebutuhan manusia dalam kehidupan sehari – hari sehingga meminimalisir terjadinya kebakaran.Maka dari pada itu peneliti membuat aplikasi Pengontrolan Energi Berbasis Smart Plug, Stop Kontak Otomatis Pada Rumah Pintar (Smart Home) yang dimana aplikasi tersebut bekerja untuk mengontrol arus listrik dari stop kontak.

Perancangan Sistem Elektronik Pajak Bumi dan Bangunan

Mohammad Aqil Muhaimin, Ahmad Mudhofar Yusuf, Ahmad Fatkhur Rozi — Sat, 13 Jan 2024 00:00:00 +0700

Membayar pajak merupakan salah satu bentuk kewajiban dari warga negara yang wajib dibayarkan tiap tahun. Adapun fungsi dari pajak yaitu sebagai pendapatan negara untuk kebutuhan negara seperti pemeliharaan, dan pembangunan infrastruktur yang ada di negara ini, dan lain sebagainya. Namun sistem pembayaran pajak yang sedang berjalan saat ini masih kurang efektif. Jarak yang jauh dari instansi, lupa dikarenakan kesibukan yang padat kerap kali menjadi kendala masyarakat dalam membayar pajak. Maka dibuatlah Sistem Aplikasi E-PBB (Elektronik Pajak Bumi dan Bangunan) Berbasis Android merupakan inovasi terkini dalam perancangan dan pengelolaan perpajakan properti. Tujuan utama dari sistem ini adalah meningkatkan efisiensi dan transparansi dalam proses pembayaran pajak oleh wajib pajak. Dengan antarmuka yang user-friendly, E-PBB dirancang untuk memudahkan interaksi wajib pajak dengan otoritas pajak. Pengguna aplikasi akan mendapatkan bukti pembayaran, melakukan pengisian saldo, melihat tenggat pembayaran pajak berikutnya dan akan mendapatkan notifikasi dari aplikasi saat mendekati tenggat pembayaran pajak.

Perancangan Aplikasi Smart Transportation Tracking Bus Sekolah di Daerah Kabupaten Nganjuk Berbasis Android

Nailusofa Al Mukhtari, Muhammad Setyo Budi, Bayu Dwi Cahyono — Sat, 13 Jan 2024 00:00:00 +0700

Bus sekolah merupakan salah satu alat transportasi yang digunakan untuk mengurangi penggunaan kendaraan untuk para pelajar dan juga dapat digunakan untuk mengurangi polusi yang sekarang semakin buruk. Tetapi untuk penggunaan bus sekolah sendiri masih kurang diminati karena fasilitas dan armada yang kurang memadai. Armada yang kurang memadai menyebabkan kurangnya efisiensi untuk para pelajar sehingga menyebabkan keterlambatan masuk sekolah untuk para pelajar. Penelitian ini dibuat bertujuan untuk melakukan perancangan aplikasi tracking bus sekolah di daerah Kabupaten Nganjuk pada platform Android. Perancangan aplikasi ini menggunakan tiga diagram Unified Modeling Language (UML) antara lain use case diagram, activity diagram dan class diagram untuk menggambarkan aplikasi yang akan dibuat. Aplikasi yang dibuat dirancang untuk memudahkan para pelajar untuk melihat informasi bus sekolah antara lain rute bus sekolah, posisi bus sekolah, lokasi halte, serta dapat memberikan informasi tentang estimasi waktu kedatangan bus dan dapat memberikan informasi keadaan bus dalam kondisi penuh penumpang atau tidak.

Perancangan E-arsip Disposisi surat Di Kecamatan Pace

Ahmad Ilham Aldiansyah, Farouk Ryan Hidayat, Avif Bayu Saputra — Sat, 13 Jan 2024 00:00:00 +0700

– Perkembangan teknologi dan informasi dalam pengelolaan arsip masih menjadi masalah terutama dalam instansi pemerintahan, khususnya di kecamatan pace, seperti berkas arsip yang masih menggunakan cara manual sehingga rentan akan kehilangan data dan juga kurang efisien dalam segi waktu. Penelitian ini ditujukan untuk menangani masalah dan meningkatkan kualitas pengelolaan arsip pada daerah kecamatan pace, oleh karena itu dibuatlah sistem e-arsip untuk disposisi surat. Penelitian ini diharapkan dapat mengurangi risiko kehilangan data, meningkatkan efisiensi pengarsipan pada kecamatan pace, dan juga sebagai upaya modernisasi pengelolaan arsip tingkat daerah.

Perancangan Sistem E-Arsip Pengolahan Data Klinik Nusa Medika Lestari

Muhammad Rokhmad, Yoga Pradana, Rizky Nurwahyudi — Sat, 13 Jan 2024 00:00:00 +0700

E-arsip merupakan sistem aplikasi yang mengutamakan penyimpanan data secara online. Sistem ini sering digunakan pada perusahaan dan instansi-instansi yang mengutamakan pengolahan data secara cepat. Klinik Nusa Medika Lestari merupakan klinik kesehatan yang dioperasikan oleh PT. Nusantara Medika Utama, yang merupakan anak perusahaan dari PT. Perkebunan Nusantara X. Klinik Nusa Medika Lestari merupakan instansi kesehatan yang memerlukan sistem aplikasi ini, karena pengolahan datanya masih menggunakan secara manual peranan komputer hanya sebatas pada pembuatan surat. Menjadikan data arsip pada klinik nusa medika lestari sulit didapat karena tidak tertata rapi, rusak dan hilang. Dengan semakin banyaknya penumpukan kertas dan membutuhkan tempat yang lebih luas untuk menyimpan tumpukan kertas, masalah yang harus ditangani serta diperlukannya untuk memberikan informasi yang bersangkutan secara cepat dan tepat akan membutuhkan waktu yang lama, maka tidak efisien lagi bila penanganannya hanya dikerjakan secara manual. Sistem aplikasi ini dibuat mempermudah sistem pengarsipan pada klinik. Sistem aplikasi ini memiliki fungsi untuk menyimpan surat masuk, surat keluar, data pasien, rujukan pasien, ketersediaan obat-obatan, sampai data penyuluhan kesehatan masyarakat. Diharap atas dibuatnya sistem aplikasi ini, pengolahan data dapat dipermudah dalam skala yang besar.

PERANCANGAN SISTEM INFORMASI E-SURAT PENGANTAR DESA JATIREJO KECAMATAN NGANJUK

Dela Karmeylia Putri, Dewi Zulaikah, Tata Jeniarta — Sat, 13 Jan 2024 00:00:00 +0700

Perkembangan teknologi informasi semakin pesat dan canggih dalam berbagai bidang yang diterapkan. Tuntutan perkembangan teknologi membuat setiap bidang pekerjaan dalam pelayanan masyarakat harus ikut berkembang maju. Salah satunya pelayanan masyarakat pada bidang administrasi. Sejalan dengan keluhan atau masalah yang ada pada masyarakat di desa Jatirejo terhadap pelayanan instansi pemerintahan desa yaitu minimnya informasi terhadap pelayanan administrasi kependudukan pemerintahan desa. Permasalahan yang terjadi dikarenakan pelayanan adminstrasi kependudukan di desa Jatirejo masih menggunakan cara yang manual untuk mengelola data tertulis dan metode pengarsipan. Sehingga dapat ditarik dari permasalahan di atas tujuan dibuat perancangan sistem informasi tentang surat pengantar di desa yaitu mempermudah masyarakat di desa khususnya desa Jatirejo untuk melakukan pembuatan surat dalam hal ini terkait surat pengantar desa. Metode ini menggunakan metode SDLC dalam pengembangan sistemnya. Hasil dari penelitian ini didapatkan bahwa perancangan sistem ini mempermudah masyarakat Jatirejo untuk membuat surat pengantar tanpa perlu datang ke lokasi, bisa di akses melalui web.

Rancangan Sistem Tata Laksana Kependudukan Pada Kelurahan Warujayeng

Ainun Usnaini, Yuniswatin Nahdiyah, Duwita Yuli Harsasi — Sat, 13 Jan 2024 00:00:00 +0700

roses tata laksana atau pengurusan pelayanan administrasi kependudukan di Kelurahan Warujayeng masih dilakukan secara manual. Pelayanan yang dilakukan secara manual tentunya membutuhkan waktu yang lebih lama. Selain itu proses yang dilakukan tentunya akan semakin rumit sertanya keluhan dari masyarakat. Kemungkinan terjadinya kehilangan file dokumen juga besar, sehingga menyulitkan para petugas dalam melaksanakan tugasnya. Tujuan dari penelitian ini adalah dengan membuat sebuah sistem yang digunakan untuk membantu dalam melakukan pengurusan administrasi bagi masyarakat agar menjadi lebih mudah dan efisien. Dengan memanfaatkan perkembangan teknologi yang semakin canggih dibuatlah sebuah sistem yang berbasis website dan sistem dirancang agar mudah digunakan oleh masyarakat. Penggunaan database untuk menyimpan data agar tidak hilang dan tersimpan dengan baik. Hasil dari penelitian ini adalah sebuah sistem yang mempermudah dalam pelayanan administrasi kependudukan dan keluaran yang dihasilkan dari sistem berupa surat yang dapat diunduh dalam bentuk file pdf.

Klasifikasi Penyakit Pneumonia Citra Digital X-Ray Menggunakan Metode Convolutional Neural Network dan RGB Equalization

Muhammad Attiqi Alghozali, Johan Rizky Triosaputra, Arwienda Kayan — Sat, 13 Jan 2024 00:00:00 +0700

Paru-paru basah atau yang biasa disebut dengan pneumonia, penyakit yang menyebabkan kematian tertinggi terutama pada anak-anak. Penyakit ini dapat disebabkan oleh virus, bakteri, ataupun jamur dan kurangnya dalam menjaga Kebugaran tubuh juga dapat menyebabkan penyakit ini menyerang pada organ paru-paru. Dalam identifikasi penyakit ini dapat dilakukan tes berupa pengambilan X-ray pada bagian dada. Pengambilan X-ray ini merupakan Tindakan cepat yang dilakukan agar penyakit segera teridentifikasi, saat membaca atau mengamati citra X-ray yang didapatkan dokter memerlukan waktu untuk mengatinya. Sehingga dalam penelitian ini dilakukan pembangunan sistem untuk melakukan klasifikasi penyakit pneumonia dengan citra X-ray menggunakan metode Convolution Neural Network dan histogram Equalization. Penggunaan pengolahan citra tersebut guna memperbaiki kualitas citra dan mempertajam kontras. Dengan total dataset 771 Gambar dari 4 kelas X-ray pneumonia, covid-19, normal, dan tuberculosis. Dataset gambar tersebut didapatkan dari website Kaggle, lalu dilakukan pengujian model CNN dan pengolahan citra X-ray didapatkan akurasi sebesar 91% memberikan performa dalam melakukan klasifikasi dengan sangat baik.

Deteksi Ketersediaan Lahan Parkir Dengan Menggunakan OpenCV

Anwar Muzaki, Tsalina Tsaniatul Mabruroh, Rahmad Ibrahim, Resty Wulaningrum — Sat, 13 Jan 2024 00:00:00 +0700

Deteksi ketersediaan lahan parkir sangat diperlukan baik di ruang terbuka maupun ruang tertutup di suatu instansi, pemilihan lahan parkir seringkali menjadi permasalahan dikarenakan ruang parkir yang terbatas dan pengelola parkir yang tidak selalu mengatur ketersedian kendaraan, sehingga seringkali pengguna kendaraan yang akan masuk pada area parkir tidak mengetahui bahwa area parkir tersebut sudah penuh ataupun masih tersedia. Sistem deteksi ketersediaan lahan parkir ini menggunakan library OpenCv pada bahasa pemrograman Python yang dimulai dengan menginput file citra dengan format .PNG / .JPG dan citra video dengan format .MP4, kemudian diproses seperti rectangle pada objek citra, citra blur, threshold, dilate dan hasil sistem menampilkan klasifikasi ketersediaan ruang parkir berupa video. Parkir yang tersedia maka rectangle akan berwarna hijau dan sebaliknya jika parkir penuh maka rectangle berwarna merah.

Implementasi Local Binary Pattern Histogram Dalam Multiple Face Recognition

Sat, 13 Jan 2024 00:00:00 +0700

Face recognition pada umumnya hanya dapat melakukan pengenalan pada satu wajah dalam satu waktu bersamaan. dalam beberapa kasus seperti sistem keamanan, sistem presensi hal ini menjadi tidak efisien dikarenakan harus di eksekusi satu persatu. Berdasarkan pemaparan latar belakang diatas ditemukan rumusan masalah adalah bagaimana membuat sebuah sistem pengenalan wajah yang mampu mendeteksi dan mengenali beberapa wajah dalam satu waktu dan seberapa besar nilai akurasi yang didapatkan dalam sistem face recognition tersebut.Oleh karena itu sistem yang dapat melakukan pengenalan lebih dari satu wajah atau multiple face recognition diperlukan. Algoritma yang digunakan dalam penelitian ini adalah Local Binary Pattern Histogram (LBPH). Local Binary Pattern Histogram (LBPH) adalah metode ekstraksi fitur tekstur dari sebuah gambar yang menggunakan local binary pattern (LBP) dan mengubah kedalam bentuk statistik menggunakan histogram dengan metode Histogram of Oriented Gradient (HOG) . Hasil pengujian menunjukan bahwa akurasi algoritma LBPH dalam melakukan multiple face recognition sebesar 56%. Hasil akurasi tergolong rendah dikarenakan pencahayaan yang kurang optimal dan kamera yang masih kurang memadai.

Penerapan Metode Convolutional Neural Network (CNN) Dalam Klasifikasi Penyakit Tanaman Jagung

Arfan Maulana, Ary Yoggyanto, Diky Tri Cahyo A — Sat, 13 Jan 2024 00:00:00 +0700

Jagung adalah tanaman pangan terbesar ketiga dan merupakan salah satu tanaman serealia yang penting. Tanaman ini mengandung peran strategis dalam ekonomi negara dan memiliki banyak fungsi, seperti memberi makan ternak dengan kata lain, jagung juga dapat digunakan sebagai sebagai bahan baku pangan. Tanaman jagung juga memliki beberapa penyakit. Untuk mengetahui penyakit tanaman jagung maka dibuatkanlah sebuah alat pendeteksi penyakit jagung. Dalam penelitian deteksi penyakit daun jagung ini , menggunakan Convolutional Neural Network (CNN) untuk mengenali penyakit pada tanaman jagung telah menunjukkan hasil yang menjanjikan dalam mengklasifikasikan masalah kesehatan tanaman ini. Dengan melibatkan metode yang menyeluruh, hasil penelitian menunjukkan bahwa model yang dikembangkan berhasil mencapai akurasi pelatihan sebesar 91,5% dan akurasi validasi 91%.

Klasifikasi Tingkat Kerusakan Kayu Menggunakan Metode Convolutional Neural Network (CNN)

Anas Tasia, Ika Maria Daniati, Ricky Agung Sumiranto — Sat, 13 Jan 2024 00:00:00 +0700

Dalam penentuan kayu yang berkualitas untuk dapat digunakan dan diolah menjadi sebuah mebel, diperlukan suatu pertimbangan yang matang tentang kondisi kayu. Penentuan kondisi kayu dapat ditinjau dari segi fisik seperi kerusakan dan kecacatan pada kayu, kerusakan pada kayu dapat terjadi karena disebabkan oleh faktor manusia seperti kesalahan saat pemotongan kayu dan saat proses pengeringan kayu, sedangkan kecacatan pada kayu dapat disebabkan juga oleh faktor alamiah oleh lingkungan, faktor inilah yang tidak dapat dihindari yang dapat menyebabkan kecacatan pada kayu. Untuk dapat diolah menjadi sebuah mebel kayu harus berkulitas tinggi dan layak untuk digunakan. Diperlukan metode untuk menilai kelayakan kondisi kayu dan mengukur persentase kerusakan kayu yang dapat diperbaiki. untuk mengatasi permasalahan tersebut diatas, selanjutnya dikembangkanlah sebuah sistem klasifikasi pengenalan pola untuk mengetahui tingkat kecacatan atau kerusakan pada kayu menggunakan metode Convolutional Neural Network (CNN). Dengan diterapkannya metode CNN pada sistem klasifikasi pengenalan pola kerusakan kayu didapatkan hasil akurasi dengan nilai 94%. Hasil ini menunjukkan efektivitas metode CNN dalam mengidentifikasi dan mengklasifikasikan kerusakan pada kayu secara akurat, yang dapat mendukung peningkatan efisiensi dan ketepatan dalam pemilihan kayu untuk dapat dilakukan perbaikan pada kayu.

Presensi Karyawan Menggunakan Face Recognition Untuk Meningkatkan Kinerja Karyawan

Reza Zakaria, Raul Ardianto, Nandito Arsyad — Sat, 13 Jan 2024 00:00:00 +0700

Pada zaman sekarang ini teknologi sudah semakin berkembang. Banyak sekali modernisasi dengan tujuan agar mempunyai kualitas yang lebih baik. Tak terkecuali sistem presensi karyawan. Pada bulan oktober 2023 bertempat di Showroom Putra Motor Srengat yang berlokasi di Kecamatan Srengat, Kabupaten Blitar. Pada penelitian tersebut ditemukan bahwa presensi karyawan yang dilakukan masih menggunakan cara manual, yaitu dengan menandatangani buku presensi. Oleh karena itu perlunya pengembangan agar sistem presensi lebih efisien. Presensi yang akan dikembangakan menggunakan bahasa pemrograman Python dengan memanfaatkan library Face Recognition. Aplikasi ini dapat mendeteksi wajah secara realtime dan mencocokkan dengan citra wajah yang terdapat pada dataset. Selanjutnya muncul sebuah bounding box berwarna hijau yang menunjukkan bahwa wajah berhasil dikenali. Pada bounding box tersebut juga terdapat informasi mengenai identitas individu dan waktu secara realtime. Kemudian frame tersebut dapat dijadikan sebagai presensi karyawan agar lebih efisien dan tidak membutuhkan waktu yang lama. Hasil penelitian ini dapat membantu pengawas dalam menilai kinerja karyawan dengan baik.

Rancang Bangun Aplikasi Mobile Untuk Klasifikasi Jenis Ikan Koi Menggunakan Algoritma Convolutional Neural Network

Shandy Sadewa Asmoro, M. Farij Amrulloh, Moch. Anas Toybah, Muh Aris Saputra — Sat, 13 Jan 2024 00:00:00 +0700

Ikan koi merupakan ikan hias yang memiliki banyak corak warna dan jenis yang beragam. Corak yang bervariasi membuat orang awam yang baru mengenal ikan koi sulit untuk membedakan jenisnya. Saat ini, tidak ada cara yang cepat dan mudah untuk mengklasifikasikan ikan koi. Penelitian ini bertujuan untuk mengembangkan perangkat lunak yang dapat membantu penjual dan penggemar ikan koi untuk mengidentifikasi jenis ikan koi dengan cepat menggunakan ponsel mereka. Dalam penelitian ini metode yang digunakan adalah Convolutional Neural Network yang akan dibuat sebuah model untuk klasifikasinya. Model diimplementasikan menggunakan aplikasi mobile untuk input menggunakan upload gambar. Data yang digunakan pada penelitian ini didapatkan dari website kaggle.com. Data berjumlah 1700 gambar dengan perbandingan data training, validasi, dan testing yaitu 8:2:2. Berdasarkan hasil pengujian menggunakan aplikasi mobile didapatkan akurasi sebesar 99,12% untuk jenis ikan koi “Bekko”. Untuk jenis ikan yang memiliki akurasi paling rendah yaitu 94,11% untuk jenis ikan “Ghosiki”.

Klasifikasi Batik Menggunakan Algoritma CNN (Convolutional Neural Network)

Dias Ramadhan, Rio Aldi Erwanto, Rony Tan Enwan — Sat, 13 Jan 2024 00:00:00 +0700

Batik adalah warisan budaya Indonesia,yang telah menjadi ciri khas orang Indonesia. Banyak corak dan motif batik, dan setiap corak atau motif memiliki karakteristik unik. Sebagai bagian dari upaya untuk melestarikan batik, penelitian tentang klasifikasi batik digunakan untuk mengidentifikasi motif citra batik. Dengan demikian, penelitian ini dilakukan menggunakan metode pembelajaran dengan data citra batik. Salah satu metode klasifikasi yang akurat dan efisien dengan tingkat akurasi tinggi adalah Convolutional Neural Network (CNN). Convolutional Neural Network (CNN) adalah kombinasi teknik deep learning dan jaringan syaraf tiruan. CNN terdiri dari tiga lapisan utama: lapisan convolutional, lapisan pooling, dan lapisan penuh terhubung. Setelah melakukan pembahasan, analisis ini diakhiri dengan kesimpulan mengenai algoritma Convolutional Neural Network dalam mengklasifikasikan Batik. Berdasarkan penelitian-penelitian sebelumnya, dapat diketahui bahwa convolution neural network dapat bekerja dengan baik untuk klasifikasi citra dengan dataset yang besar. Dengan mengevaluasi metode yang telah dijelaskan dengan mempertimbangkan arsitektur dan tingkat akurasi maka klasifikasi batik menunjukkan bahwa ukuran citra, kualitas citra, pola citra mempengaruhi proses klasifikasi batik. Hasil dari penelitian ini mendapatkan akurasi model pada data pengujian tercapai sebesar 0.5263 atau sekitar 52.63%.

Klasifikasi Tingkat Roasting Biji Kopi Dengan Metode CNN

Ilham Alfiantama, Michael Ilham, Andres Putra — Sat, 13 Jan 2024 00:00:00 +0700

Penelitian ini mengusulkan penggunaan Convolutional Neural Network (CNN) untuk mengklasifikasikan tingkat roast pada biji kopi berdasarkan gambar digital. Tingkat roast kopi dapat mempengaruhi rasa dan aroma kopi, sehingga penentuan tingkat roast yang tepat menjadi penting dalam industri kopi. CNN merupakan metode Deep Learning yang dapat memproses citra dengan akurasi tinggi. Dataset berisi 1600 gambar biji kopi dengan empat tingkat roast, yaitu dark roast, green roast, medium roast, dan light roast. Proses training dilakukan dengan Visual Studio Code dan library TensorFlow, Keras, Open CV, dan Numpy. Hasil evaluasi menunjukkan akurasi mencapai 99% pada epoch ke-10. Sistem ini diharapkan membantu penikmat kopi mengenali tingkat roast kopi dengan lebih akurat.

Implementasi Algoritma Convolutional Neural Network Arsitektur Mobilenetv2 Untuk Klasifikasi Ekspresi Wajah Pada Dataset FER

Devfris Dhimas Permana Putra, Galang Kurnia Anaga, Wahyu Tia Fitriyana — Sat, 13 Jan 2024 00:00:00 +0700

Wajah merupakan bagian tubuh yang menjadi fokus ketika melakukan interaksi sosial. Manusia menunjukkan emosinya melalui ekspresi pada wajahnya. Face processing merupakan salah satu teknologi dalam bidang computer vision yang sedang berkembang saat ini. Salah satunya adalah pengenalan ekspresi wajah (facial expression recognition). Dalam penelitian ini, kami mengusulkan penggunaan algoritma Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2 untuk klasifikasi ekspresi wajah. Model CNN dilatih menggunakan dataset FER yang berisi 4200 gambar wajah dengan tujuh kelas ekspresi, yaitu senang, marah, sedih, takut, jijik, terkejut, dan netral. Hasil penelitian menunjukkan bahwa model CNN dengan arsitektur MobileNetV2 dapat mencapai akurasi sebesar 42,68%. Untuk meningkatkan akurasi model, perlu dilakukan eksplorasi lanjutan dengan teknik-teknik seperti augmentasi data dan dropout. Selain itu, disarankan untuk menggunakan data latih yang lebih besar.

Implementasi Cnn Arsitektur Mobilenetv2 Untuk Klasifikasi Tulisan Aksara Jawa

Dieky Septhian, Nindo Syafi'al, Wahyu Anggara — Sat, 13 Jan 2024 00:00:00 +0700

Aksara Jawa adalah salah satu aksara yang digunakan di Indonesia. Aksara Jawa memiliki 20 huruf yang masing-masing memiliki bentuk yang unik. Klasifikasi tulisan aksara Jawa merupakan salah satu tugas yang penting, terutama dalam bidang digitalisasi naskah-naskah kuno berhuruf Jawa. Dalam penelitian ini, klasifikasi tulisan aksara Jawa dilakukan menggunakan metode CNN arsitektur MobileNetV2. Dataset yang digunakan adalah dataset tulisan aksara Jawa yang tersedia di Kaggle. Dataset tersebut berisi sekitar 2644 gambar tulisan tangan aksara Jawa yang dibagi menjadi 20 kelas, yaitu kelas ha, na, ca, ra, ka, da, ta, sa, wa, la, pa, dha, ja, ya, nya, ma, ga, ba, tha, dan nga. Model CNN MobileNetV2 dilatih 10 epoch dengan model ini memiliki akurasi 87,41% dan presisi 86,95%. tanpa fine-tune dan dengan fine tune memilki memliki 86,46%.. Hasil pengujian menunjukkan bahwa model memiliki akurasi sebesar 87,41% tanpa fine-tune. Akurasi ini dapat ditingkatkan dengan menambahkan lebih banyak data pelatihan atau dengan meningkatkan jumlah epoch pelatihan.

Implementasi NLIDB Pada Chatbot CV Owlsoft Media

Ilham Ainur Rohman, Daniel Swanjaya, Ardi Sanjaya — Sat, 13 Jan 2024 00:00:00 +0700

Layanan pelanggan merupakan salah satu hal yang cukup penting dalam perusahaan, CV. Owlsoft Media saat ini mengandalkan tenaga manusia dalam menjawab pertanyaan dari pelanggan, hal ini merupakan sebuah hambatan bagi perusahaan karena manusia memiliki keterbatasan tenaga serta waktu, sehingga ketika banyak pertanyan yang diajukan, layanan konsumen cenderung lebih lambat dalam melakukan pelayanan. Untuk meningkatkan efisiensi, penelitian ini memfokuskan pada penerapan chatbot dengan Natural Language Interface for Database (NLIDB) dan metode Fuzzy String Matching. Tujuannya adalah menggantikan interaksi manusia dengan sistem otomatis untuk meningkatkan responsivitas dan kualitas layanan pelanggan. Dengan mengintegrasikan NLIDB, chatbot diharapkan dapat lebih banyak memahami pertanyaan dengan lebih akurat, sementara Fuzzy String Matching meningkatkan kemampuan pencarian informasi yang kontekstual diharapkan dapat mencocokan kalimat yang dikirim dengan kata kunci pada database lebih dari 80%.

SeBats : Sistem Deteksi Penyakit Diabetes Berbasis Android

Sat, 13 Jan 2024 00:00:00 +0700

Diabetes merupakan kondisi degenerative kronis yang tidandai oleh produksi insulin yang tidak mencukupi di dalam pankreas. Ada berbagai faktor yang dapat memicu diabetes, termasuk faktor kehamilan, glukosa, tekanan darah, ketebalan kulit, insulin, BMI, silsilah diabetes atau keturunan, umur, dan faktor lainnya. Berdasarkan faktor tersebut, maka orang awam akan mengetahui gejala dasar penyakit diabetes. Diperlukannya diagnose dokter melalui pemeriksaan darah untuk memastikan apakah seseorang mengidap penyakit diabetes atau tidak. Penelitian ini bertujuan untuk membangun sebuah aplikasi deteksi Diabetes menggunakan algoritma Naïve Bayes berbasis Android. Hasil penelitian dapat bermanfaat untuk masyarakat umum dalam mendeteksi penyakit diabetes sejak dini. Tahapan penelitian yaitu mengumpulkan dataset diabetes, implementasi algoritma, dan evaluasi kinerja algoritma Naïve Bayes. Hasil penelitian menunjukkan bahwa algortima Naïve Bayes dapat melakukan prediksi penyakit diabetes dengan kinerja yang baik. Nilai-nilai evaluasi kinerja algoritma Naïve Bayes untuk prediksi penyakit diabetes yaitu: accuracy 77%, recall 78%, precision 90%, dan F1-score 83%.

Penerapan Metode Yolo V5 Dalam Mendeteksi Penyakit Tanaman Buah Naga

Qutrido Mohti, Rendy Wahyudi, Habib Mustofa — Sat, 13 Jan 2024 00:00:00 +0700

Tujuan penelitian ini adalah untuk menggunakan Convolutional Neural Network (CNN) untuk mengidentifikasi penyakit dan buah pada tanaman buah naga. Berbagai penyakit dan kerusakan yang menyerang tanaman buah naga dapat mengurangi hasil panen secara signifikan. Oleh karena itu, untuk mendukung pertanian yang berkelanjutan, pengembangan sistem yang dapat mengidentifikasi penyakit dan mengetahui kondisi tanaman sangat penting. Studi ini menghasilkan program yang menggunakan model YOLO V5 untuk memecah gambar tanaman buah naga menjadi bagian-bagian yang berbeda, seperti daun dan buah, berdasarkan gambar input. Hasil program ini termasuk memprediksi jenis penyakit yang terdeteksi, menentukan lokasi spesifik penyakit pada tanaman, dan menemukan lokasi buah. Dataset yang relevan diuji untuk menghasilkan hasil deteksi yang akurat, dapat diandalkan, dan didukung.

Sistem Pencatatan Barang Pada Toko Hesti Menggunakan Algoritma FIFO Berbasis Web

Refan Pahatsyah Iswitama, Patmi Kasih, Rony Heri Irawan — Sat, 13 Jan 2024 00:00:00 +0700

Informasi stok pada Toko Hesti merupakan salah satu aktifitas yang sangat penting bagi untuk menunjang proses bisnis di Toko Toko hesti. Pada perkembangan stok barang Toko Hesti muncul banyak masalah yang cukup sulit untuk diselesaikan seperti masalah tentang informasi persediaan pendataan barang dan juga dalam penjualan barang. Permasalahan ini muncul akibatnya tidak tersistemnya ketika barang itu masuk dan ketika barang itu keluar, dan permasalahan tersebut memicu kesalahan lainya seperti dalam bidang penjualan melalui kasir. Pemanfaatan teknologi dan komputerisasi akan memberikan kontribusi agar tugas dan pekerjaan dilaksanakan dengan baik. Sistem manajemen stok barang berbasis web ini bertujuan untuk menghindari dan menurunkan adanya kesalahan pencatatan, serta lemahnya ketelitian pada saat barang itu masuk dan barang tersebut siap untuk dikeluarkan kembali. Sistem Pencatatan Barang Pada Toko Hesti Menggunakan Algoritma FIFO merupakan salah satu solusi untuk mengatasi masalah yang ada. Sistem persediaan dan distribusi pada Toko Hesti mengimplementasikan dengan bahasa pemrograman PHP, database, MySQL.

Implementasi Deteksi Bahasa Isyarat Tangan Menggunakan OpenCV dan MediaPipe

Abdul Riqza Ardiansyah, Achmad Hasyim Nur’azizan, Rasio Fernandis — Sat, 13 Jan 2024 00:00:00 +0700

Bahasa Isyarat yaitu bahasa yang menggunakan isyarat untuk komunikasi manual, biasanya menggunakan tubuh, dan gerak bibir. Bahasa isyarat bahasa yang digunakan oleh orang Tuli untuk berkomunikasi. Untuk orang yang belum bisa mengenal bahasa isyarat pastinya kebingungan untuk mempraktikkannya, maka diperlukan sebuah sistem untuk pembelajaran bahasa isyarat. OpenCV merupakan perkembangan teknologi yang ada pada saat ini, penggunaan OpenCV ini bertujuan untuk belajar bahasa isyarat secara langsung dan MediaPipe adalah Library pelatihan pengenalan pola tangan untuk klasifikasinya menggunakan metode Support Vector Machine (SVM), dengan mengetahui pola tangan secara real time tidak perlu lagi menggunakan gambar untuk mengetahui hasil yang didapat. Pada penelitian ini didapatkan hasil dari pengujian secara real time dihasilkan f1 score 0.9875 , recall 0.9875, dan hasil precision 0.9875, dengan jumlah data sebanyak 400 dataset citra dan pengujian secara real time.

Pemanfaatan Data Mining Untuk Memprediksi Kelulusan Mata Kuliah dan Referensi Strategi Pembelajaran

Andry Firdiansyah, Ibnu Al Ikrom, Moh. Khamdanni, Wahyu Cahyo Utomo — Sat, 13 Jan 2024 00:00:00 +0700

Memanfaatkan teknologi dalam pendidikan bisa membantu kita agar lebih efektif dari segi tenaga maupun waktu. Pilihan strategi pembelajaran yang tepat, termasuk referensi strategi pembelajaran, merupakan langkah penting dalam perancangan kurikulum di tingkat akademik. Efektivitasnya berpengaruh pada bagaimana metode pengajaran dan pendekatan pembelajaran yang relevan memfasilitasi pemahaman. Penelitian menggunakan dataset dengan atribut nilai dalam mata kuliah yang pernah di tempuh mahasiswa yaitu Pns, Alpro 1, Alpro 2, Diskrit, PBO, dan Aljabar yang memengaruhi keputusan dan melibatkan proses pelatihan model Naive Bayes Dan bisa berpotensi memengaruhi keputusan. Oleh karena itu Metode Naїve Bayes akan diimplementasikan untuk memodelkan hubungan probabilistik antara atribut dan kelas keputusan. Hasil penelitian ini diharapkan dapat memberikan wawasan praktis dengan berbasis aplikasi Android. Algoritma memiliki nilai evaluasi 90% accuracy, 1 recall, 89% precision, dan skor F1-0,67, dengan nilai tersebut maka Hasil penelitian ini menunjukkan bahwa algoritma Naive Bayes dapat membuat prediksi kelulusan dalam mata kuliah data mining dengan kinerja yang baik.

Sistem Pakar Diagnosa Penyakit Kambing Menggunkan Metode Case Based Reasoning Untuk Kesehatan Ternak

Hikmah Tiar Alamsyah, Intan Nur Farida, Danang Wahyu Widodo — Sat, 13 Jan 2024 00:00:00 +0700

Kambing (Capra aegagrus hircus) merupakan hewan ternak yang memiliki peran penting dalam sektor peternakan, memberikan kontribusi terhadap produksi daging, susu, dan kulit. Meskipun kambing memiliki nilai ekonomi yang tinggi, namun seringkali menghadapi tantangan kesehatan yang dapat mempengaruhi produktivitasnya. Penelitian ini mengusulkan Sistem Pakar Diagnosa Penyakit Kambing dengan menerapkan Metode Case-Based Reasoning (CBR). Fokus utama adalah meningkatkan efisiensi diagnosa penyakit pada kambing dengan memanfaatkan pengetahuan yang tersimpan dalam basis kasus. Metode CBR dipilih karena kemampuannya dalam menangani situasi kesehatan hewan yang kompleks. Pengujian sistem menggunakan dataset gejala penyakit kambing yang diperoleh dari praktisi peternakan menunjukkan bahwa sistem ini dapat memberikan rekomendasi diagnosis yang cepat dan akurat, berpotensi menjadi alat bantu efektif dalam manajemen kesehatan ternak kambing.

Penerapan Algoritma Binary Search dan MD5 Pada Sistem Informasi Manajemen Klinik

Yulius Christanto, Rizki Saputro Mu’alim — Sat, 13 Jan 2024 00:00:00 +0700

Dalam suatu instansi diperlukan pengelolaan data yang baik untuk menunjang operasional, khususnya pada sebuah klinik kesehatan. Pada klinik perlu ada pengelolaan data pasien, data pemeriksaan, rekam medis, data obat dan yang lainnya. Data juga harus diamankan agar tidak disalahgunakan oleh oknum yang tidak bertanggung jawab. Pada Klinik yang pengelolaan datanya masih menggunakan cara manual dengan Microsoft Excel yang dapat mengakibatkan pencarian data membutuhkan waktu cukup lama. Selain efisiensi dalam pencarian data terdapat masalah dalam resiko adanya duplikasi data saat melakukan pengelolaan data atau resiko data hilang karena kesalahan yang tidak disengaja. Untuk mengatasi permasalahan tersebut dibuatlah sistem informasi untuk mengelola data-data pasien dan data obat dengan fitur algoritma binary search untuk mempercepat pencarian data. Pada sebuah sistem juga diberikan fitur enkripsi data pada login menggunakan algoritma MD5 untuk pengaman password dan antisipasi jika terjadi kebocoran data. Berdasarkan nilai skor pengujian yang telah dilakukan diperoleh dari responden mencapai rata-rata index sebesar 93.3% dan masuk kategori (Sangat Baik).

Deteksi Bahasa Isyarat Berdasarkan SIBI (Sistem Bahasa Isyarat) menggunakan Transfer Learning

Sat, 13 Jan 2024 00:00:00 +0700

Bahasa isyarat merupakan suatu bentuk komunikasi yang digunakan oleh individu yang memiliki keterbatasan seperti tunarungu dan tunawicara. Bahasa isyarat merupakan suatu bentuk komunikasi yang digunakan oleh individu yang memiliki keterbatasan seperti tunarungu dan tunawicara. Di Indonesia terdapat dua jenis bahasa isyarat yang digunakan yakni, Sistem Isyarat Bahasa Indonesia (SIBI) dan Bahasa Isyarat Indonesia (BISINDO). Permasalahan dalam mengidentifikasi simbol dari gestur tangan bahasa isyarat SIBI secara efektif dengan memanfaatkan teknologi artificial intelligence yakni pengolahan citra dan pengenalan pola. Pernulis tertarik untuk mengidentifikasi kombinasi terbaik yang dapat memberikan tingkat akurasi deteksi yang optimal dan dapat memberikan kontribusi dalam memperbaiki dan mengembangkan sistem deteksi bahasa isyarat SIBI. Dengan menggunakan transfer learning, yaitu VGG16 dan MobileNet dengan dua skema tahap preprocessing. Skema pertama menerapkan augmentasi resize, sedangkan skema kedua menerapkan augmentasi resize, flip horizontal dan rotate. Hasil akurasi terbaik diperoleh dengan menggunakan MobileNet dengan nilai akurasi 98%, namun memiliki durasi waktu cukup lama dibanding dengan VGG16. VGG16 mendapatkan hasil nilai akurasi 86%, namun memiliki durasi waktu cukup cepat dibanding dengan Mobilenet. Hasil terbaik didapat dengan menggunakan menerapkan augmentasi hanya dengan resize, serta penelitian ini masih belum membandingkan dengan beberapa transfer learning lainnya.

Sistem Bantu Penentuan Konsentrasi Mahasiswa Menggunakan Metode K-Nearest Neighbor Classification

Achmad Mukti Wibowo, Patmi Kasih, Intan Nur Farida — Sat, 13 Jan 2024 00:00:00 +0700

Universitas Islam Kadiri (UNISKA) Kediri adalah lembaga pendidikan tinggi swasta yang berada di Kota Kediri, menggunakan Kurikulum MBKM (Merdeka Belajar Kampus Mengajar). Dalam pelaksanaan pendidikan dalam Program Studi Manajemen Fakultas Ekonomi UNISKA Kediri menggunakan Kurikulum MBKM dalam penerapannya pada semester 3 dilaksanakan pemilihan konsentrasi adapun pilihan konsentrasi tersebut ialah: Manajemen Keuangan, Manajemen Pemasaran, MSDM (Manajemen Sumber Daya Manusia) dan Manajemen Operasional. Namun dalam pelaksaan pemilihan konsentrasi ini masih menggunakan metode konvensional hanya berdasarkan minat yang telah dipilih tanpa adanya pertimbangan, baik berdasarkan minat atau nilai mata kuliah. Menurut peneliti perlu adanya suatu metode dan indeks yang digunakan untuk membantu menentukan pilihan konsentrasi mahasiswa supaya lebih akurat. Menggunakan metode K-Nearest Neighbor Classification karena metode ini menggunakan data kemudian mencari kecocokan atau kesesuaian dalam mengambil keputusan sehingga nantinya akan menghasilkan hasil yang lebih baik. Hasil dari penelitian yang dilakukan ini adalah membuat sistem bantu berbasis web yang akan memberikan rekomendasi terhadap mahasiswa sehingga mahasiswa dalam menentukan konsentrasi tidak hanya berdasarkan minat yang diinginkan tetapi juga berdasarkan nilai mahasiswa.

Pembuatan Game 3D “HOLO-PAC” Dengan Menerapkan Algoritma A*

Hani Hermanto, Julian Sahertian, Ratih Kumalasari Niswatin — Sat, 13 Jan 2024 00:00:00 +0700

Game merupakan salah satu media hiburan yang sangat digemari oleh semua kalangan, salah satunya game Pac-Man, yang dibuat oleh Toru Iwatani pada tahun 1980, dengan permainan mengumpulkan poin di dalam labirin serta menghindari musuh yang berada di dalam permainan, tentu di dalam permainan Pac-Man terdapat kecerdasan buatan yang bergerak secera tidak beraturan (Random), oleh karena itu penulis membuat sebuah game dengan menerapkan algoritma A* terhadap karakter musuh, dan itu membuat permainan akan lebih berbeda karena karakter musuh akan bergerak secara teratur menuju karakter pemain. Metode yang akan digunakan dalam penulisan ini yaitu metode pengembangan sistem multimedia. Tujuan dari penelitian ini adalah membuat NPC ghost dari game Pac-man ini menjadi lebih responsive terhadap karakter pemain (player). HOLO-PAC adalah game first-person labirin dengan fitur pengumpulan poin dan menghindari NPC musuh. Penggunaan algoritma Astar pada NPC membuat pergerakan mereka lebih teratur, menantang pemain untuk strategis menghindari musuh dan mengumpulkan poin dalam tingkatan game yang berbeda.

KLASIFIKASI PENYAKIT DAUN SAWI HIJAU DENGAN METODE CNN

Errin Dwi Ratnasari, Dhira Ananta Rudira, Anom Surya Buana — Sat, 13 Jan 2024 00:00:00 +0700

Penelitian ini mengusulkan penggunaan Convolutional Neural Network (CNN) untuk mengklasifikasikan penyakit terhadap daun sawi hijua. Sistem ini bekerja secara otomatis untuk mengontrol mana tanaman sehat dan mana tanaman sakit. Penelitian ini bertujuan untuk mendeteksi tanaman sakit dan tanaman sehat pada tanaman daun sawi hijau Alat ini bekerja dengan pengambilan gambar secara langsung melalui digital,Tingkat akurasi daun sawi hijau yang tepat menjadi penting dalam industry tanaman daun sawi hijau. CNN merupakan metode Deep Learning yang dapat memproses citra dengan akurasi tinggi, Dataset berisi 1071 gambar daun sawi hijau dengan empat Tingkat akurasi daun sawi hijau, yaitu dark akurasi, green akurasi , medium akurasi dan light akurasi. Proses training dilakukan dengan Visual Studio Code dan library TensorFlow, Keras, Open CV dan Numpy. Hasil evaluasi menunjukkan akurasi mencapai 99% pada epoch ke 10. Sistem ini diharapkan membantu penyuka daun sawi hijau mengenal Tingkat akurasi daun sawi hijau dengan lebih akurat.

Klasifikasi Tanaman Anggrek Menggunakan Metode CNN Berbasis Web Django

MOCHAMMAD FEDRO FIRDAUS, Yodhi Pratama Iswoyo, Yansyah Nurullah Ahmadi — Sat, 13 Jan 2024 00:00:00 +0700

Anggrek merupakan salah satu tanaman hias yang banyak dibudidayakan. Tiap genus anggrek mempunyai cara budidaya yang berbeda, sehingga para pembudidaya anggrek yang baru memulai perlu mengetahui genus dari anggrek yang akan dibudidayakannya terlebih dahulu. Namun tidak sedikit pemula yang mencoba membudidayakan anggrek tanpa ada pengetahuan dan pengalaman yang cukup, sehingga anggrek yang dibudidayakan tidak tumbuh dan berbunga dengan optimal. Citra yang dapat diklasifikasikan oleh sistem hanya citra 5 genus tanaman anggrek yang umum dibudidayakan, yaitu Cattleya, Dendrobium, Oncidium, Phalaenopsis dan Vanda. Klasifikasi citra genus tanaman anggrek menggunakan teknologi Deep Learning - Convolutional Neural Network (CNN) dapat membantu pembudidaya anggrek pemula dalam mengidentifikasi genus tanaman anggrek. Dalam penelitian ini akan dibuat sebuah model untuk klasifikasinya. Model tersebut akan diimplementasikan menggunakan framework django untuk mengupload gambar. Dataset yang digunakan pada penelitian ini didapatkan dari website github.com. Semua proses klasifikasi ini dilakukan melalui skema training dan testing, dimana tahap training menghasilkan sebuah model CNN beserta bobot (weight) yang telah diperbarui (updated), lalu tahap testing menggunakan model tersebut untuk diujikan terhadap data citra yang baru. Hasilnya bisa mengklasifikasi tanaman anggrek menggunakan model training yg sudah dilatih berupa anggrek_model.H5 yang sudah diimplementasikan di framework django dan mendapatkan hasil akurasi sebesar 99%.

Rancang Bangun Sistem Pakar Penentuan Penyakit Kambing Menggunakan Metode Certainty Factor

Septa Ardian Prayogi, Risa Helilintar, Intan Nur Farida — Sat, 13 Jan 2024 00:00:00 +0700

Penyakit pada kambing adalah masalah serius yang dapat mengancam produktivitas peternakan dan kesejahteraan hewan. Rancang bangun Sistem Pakar Penentuan Penyakit Kambing menggunakan metode Certainty Factor bertujuan untuk mengatasi tantangan dalam mengidentifikasi penyakit pada kambing. Sistem ini didesain sebagai solusi digital untuk membantu peternak dalam mendiagnosis penyakit berdasarkan gejala yang diamati. Dengan metode Certainty Factor, sistem dapat menghitung tingkat keyakinan dalam proses diagnosa, menawarkan keunggulan dalam penentuan kepastian penyakit dibandingkan dengan metode konvensional lainnya. Selain itu, sistem ini menyediakan basis data penyakit, gejala, serta hasil diagnosa yang memungkinkan peternak mengambil keputusan yang lebih tepat dan informasi dalam merawat kambing mereka. Rancangan ini mengintegrasikan teknologi modern dengan prinsip-prinsip ilmiah dalam bidang kedokteran hewan untuk menciptakan alat yang handal dan user-friendly bagi komunitas peternak. Pada penelitian ini user memilih beberapa gejala dan diperoleh hasil dengan menggunakan metode Certainty Factor yaitu kambing terdiagnosa memliki penyakit tetani dengan persentase keakuratan sebesar 86%.

Sistem Pendukung Keputusan Penentuan Kelayakan Pemberian Pinjaman Menggunakan Metode Smart

Defa Hangga Prawiratama, Risa Helilintar, Patmi Kasih — Sat, 13 Jan 2024 00:00:00 +0700

Bank Pembiayaan Rakyat Syariah (BPRS) merupakan salah satu lembaga keuangan yang memberikan layanan pinjaman kepada nasabahnya. BPRS Rahma Syariah yang terletak di Kecamatan Kauman Kabupaten Tulungagung dalam proses pemberian pinjaman, harus mempertimbangkan berbagai faktor yang dapat mempengaruhi kelayakan peminjam. Saat ini BPRS Rahma Syariah masih menggunakan sistem manual dalam menganalisa calon nasabah, hal ini dapat menyebabkan pemberian pinjaman kurang tepat sasaran dan memiliki resiko gagal bayar (macet). Untuk membantu permasalahan tersebut, BPRS Rahma Syariah membutuhkan suatu sistem yang dapat membantu dalam pengambilan Keputusan, memberikan rekomendasi apakah peminjam layak atau tidak mendapatkan pinjaman. Metode tersebut Menggunakan Metode SMART (Simple Multi Attribut Rating Technique). Teknik pengambilan keputusan ini didasarkan pada teori bahwa setiap alternatif terdiri dari sejumlah kriteria yang memiliki nilai dan setiap kriteria memiliki bobot yang menggambarkan seberapa penting dibandingkan dengan kriteria lain. Menggunakan 10 sample dengan batas nilai standar 0,5 berdasarkan kriteria yaitu : sikap calon debitur, lamanya bekerja / berwirausaha, pendapatan bersih setiap bulan, pinjaman ditempat lain, riwayat angsuran, jumlah pinjaman, jenis jaminan, status jaminan, jangka waktu pinjaman, serta usia. Hasil penelitian didapatkan 4 calon nasabah masuk dalam kategori layak menerima pinjaman dan Sistem Pendukung Keputusan dapat membantu Petugas BPRS Rahma Syariah dalam menentukan kelayakan pemberian pinjaman kepada nasabah.

Perancangan Sistem Pendukung Gaya Hidup Smart Lifestyle Untuk Meningkatkan Kualitas Hidup Di Masa Depan

Azriel Akbar Firman Syah, Tito Pangestu, Nugroho Wisma Nurpanto — Sat, 13 Jan 2024 00:00:00 +0700

Banyak orang orang yang bergaya hidup sehat salah kaprah dalam memulainya dengan mengorbankan kalori mereka secara tidak langsung juga mengorbankan kandungan vitamin, nutrisi, mineral dan zat zat lain yang diperlukan tubuh. Perancangan aplikasi ini berjutuan untuk membuat perhitungan nutrisi yang diperlukan oleh tubuh secara seimbang dan meminimalisir kekurangan nutrisi atau mal nutrisi. User tinggal scan bahan mentah yang telah dibelanja lalu sistem akan menampilkan kalori per kilo dan user juga dapat memasukkan berat bahan tersebut sehingga dapat dihitung beratnya dan user tidak khawatir dengan kalori dan vitamin yang terkandung sesuai berat yang telah dibeli.

Perancangan Sistem Informasi Menejemen Surat Pada Prumda Tirta Musi Palembang Dengan Metode Waterfall

Ihsan sahidin, Muhamad son muare — Sat, 13 Jan 2024 00:00:00 +0700

Pada era teknologi digital saat ini yang dimana semakin berkembang pesat teknologi informasi yang sangat berkembang pesat khususnya dalam pengelolahan surat masuk dan keluar, dalam hal ini surat menyurat telah sangat membantu perusahaan memperoleh data yang lebih akurat dan cepat. Pada perumda tirta musi palembang pengelolahan surat masih menggunakan secara manual. Maka dari itu penelitian ini bertujuan agar pengeloahan surat lebih efesien. Pengembangan sistem menejemen surat ini menggunakan metode waterfall dimana proses dilakukan secara berurutan atau secara linier sesuai tahapan dalam metode tersebut. Pengembangan sistem ini menggunakan PHP, XAMPP, MySQL dan Sublime text3. Penelitian ini menghasilkan sistem informasi manajemen surat masuk dan surat keluar berbasis web. Sistem informasi yang dihasilkan berisi transaksi surat masuk dan surat keluar, buku agenda surat masuk dan surat keluar dan galeri file. Maka dari hal tersebut pentingnya dilalukan penelitian ini untuk menghasilkan sistem informasi manajemen surat masuk dan surat keluar agar dapat mempermudah dalam mengelolah surat pada perumda tirta musi palembang berbasis website.

Analisis Hasil Perbaikan Citra Menggunakan Median Filter dan 2D Median Filter

Juli Sulaksono, Danang Wahyu Widodo, Ratih Kumalasari Niswatin — Sat, 13 Jan 2024 00:00:00 +0700

Dalam proses identifikasi citra, seringkali citra yang digunakan tidak dalam kondisi yang kurang ideal dikarenakan banyaknya gangguan pada saat pengambilan citra. Beberapa gangguan yaitu berupa bayangan, citra kabur, serta kurang jelasnya citra, dapat menimbulkan masalah serta akan mempengaruhi analisis dan perencanaan yang akan dilakukan, maka dalam kondisi demikian diperlukan perbaikan citra untuk mendapatkan tampilan citra dengan bentuk yang lebih baik. Dalam penelitian ini dilakukan perbadingan metode Median Filter dan 2D Median Filter untuk mengatahui metode terbaik yang akan digunakan dalam identifikasi penyakit daun bawang merah. Hasil pengujian metode Median Filter lebih baik dari pada 2D Median Filter dengan nilai rata-rata PSNR 34,7db dan 24db

Perancangan Sistem E-Office Pada Dinas Pendidikan Kota Kediri Untuk Peningkatan Pelayanan Administrasi

Al Dian, Moh Farih Fauzi — Sat, 13 Jan 2024 00:00:00 +0700

Pengelolaan data administrasi pada dinas pendidikan kota kediri yang masih bersifat konvensional pengelolaan jumlah surat yang akan dikeluarkan maupun diterima oleh bagian administrasi pasti cukup banyak.hal tersebut mengakibatkan ketidak efisienan dalam mencari informasi secara manual mengenai surat yang dibutuhkan.dengan hal tersebut maka dibutuhkan sebuah sistem informasi administrasi e-office agar pelayanan administrasi berjalan terstruktur dan mempermudah dalam mencari data yang dibutuhkan dalam pembuatan laporan. Tujuanya untuk merancang sistem informasi administrasi pada dinas pendidikan kota kediri dalam membantu bagian administrasi untuk mengelola surat yang masuk ataupun surat yang keluar sehingga memudahkan pihak administasi dalam pengelolaan surat, memonitoring surat dan nantinya sistem informasi e-office dapat diakses secara online. hasil dari penelitian yang kami lakukan di dinas Pendidikan kota kediri dengan adanya e-office dapat membantu pengguna dalam mengakses infomasi serta membantu Dalam mempercepat pelaporan serta mengurangi resiko kehilangan data akibat kelalaian manusia dan membantu mengetahui rekapitulasi surat masuk dan keluar