Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Mutaqin Akbar
Informatika, Universitas Mercu Buana Yogyakarta
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
KLASIFIKASI DAN SEGMENTASI MOTIF BATIK YOGYAKARTA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK Yusril Zaidan Malih; Mutaqin Akbar
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 1 (2026): JATI Vol. 10 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i1.17061

Abstract

Motif batik memiliki karakteristik visual yang kompleks sehingga membutuhkan metode yang efektif untuk memisahkan area motif dari latar belakang sekaligus mengenali jenis motif secara otomatis. Permasalahan utama dalam pengolahan citra batik adalah kesulitan segmentasi yang akurat akibat pola, warna, dan tekstur yang beragam, yang berdampak pada rendahnya performa klasifikasi. Penelitian ini bertujuan untuk mengembangkan sistem segmentasi dan klasifikasi motif batik menggunakan arsitektur multitask U-Net berbasis convolutional neural network (CNN). Metode yang diusulkan menghasilkan dua keluaran, yaitu peta segmentasi motif batik dan hasil klasifikasi jenis motif. Tahapan penelitian meliputi pra-pemrosesan citra, segmentasi menggunakan U-Net, masking citra berdasarkan hasil segmentasi, serta klasifikasi motif menggunakan fitur dari encoder U-Net. Model dilatih menggunakan ukuran citra 256×256 piksel, optimizer Adam, fungsi loss gabungan, dan teknik dropout. Evaluasi kinerja segmentasi menggunakan Dice Coefficient, Intersection over Union (IoU), Pixel Precision, dan Pixel Recall, sedangkan kinerja klasifikasi dievaluasi menggunakan akurasi, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model mampu menghasilkan performa segmentasi yang sangat baik dengan nilai Dice Coefficient sebesar 87,32% dan IoU sebesar 78,66%, namun performa klasifikasi masih rendah dengan akurasi sebesar 28,71%, sehingga model multitask lebih optimal untuk segmentasi motif batik
SISTEM PENDUKUNG KEPUTUSAN REKOMENDASI SATUAN PENGAMAN TERBAIK MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING Muhammad Nizam Iba; Mutaqin Akbar
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 2 (2026): JATI Vol. 10 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i2.17574

Abstract

Satuan Pengamanan (Satpam) berperan sangat penting dalam menjaga keamanan dan reputasi profesional suatu perusahaan. Namun, banyak evaluasi kinerja Satpam yang dilakukan secara manual dan bersifat subjektif, yang dapat menyebabkan adanya prejudis. Penelitian ini bertujuan untuk merancang dan melaksanakan Sistem Pendukung Keputusan (SPK) yang akan merekomendasikan Satpam terbaik dengan memanfaatkan metode Simple Additive Weighting (SAW) pada sebuah perusahaan penyedia Satpam di kota Jayapura, Papua. Metode SAW terbukti sangat efektif dalam menganalisis sejumlah kriteria penilaian, seperti disiplin, kebugaran fisik, keterampilan praktis, sikap, etika kerja, dan pengalaman. Pengumpulan data dilakukan melalui observasi, angket, tinjauan literatur, dan dokumentasi, yang selanjutnya diproses menggunakan metode SAW. Hasil akhirnya menunjukkan bahwa sistem ini dapat membantu manajemen untuk mengambil Keputusan lebih objektif dalam memberikan rekomendasi untuk Satpam terbaik.
Co-Authors Muhammad Nizam Iba Yusril Zaidan Malih