Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Journal of Economic, Business and Engineering (JEBE) Biner : Jurnal Ilmiah Informatika dan Komputer
Nur Hasanah
Universitas Sains Al-Qur'an
Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Engineering Mechanical Engineering

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

Found 3 Documents
Search

 1 
IMPLEMENTASI YOLOv11 UNTUK DETEKSI KATA BAHASA ISYARAT BISINDO DAN SIBI Ahmad Syaefudin; Hidayatus Sibyan; Rina Mahmudati; M. Fuat Asnawi; Nur Hasanah
Journal of Economic, Business and Engineering (JEBE) Vol. 7 No. 2 (2026): April
Publisher : Universitas Sains Al Qur'an

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32500/jebe.v7i2.11208

Abstract

Komunikasi merupakan hak dasar manusia, namun penyandang disabilitas rungu sering menghadapi hambatan dalam berinteraksi dengan masyarakat umum yang minim pemahaman bahasa isyarat. Penelitian ini bertujuan untuk mengimplementasikan dan mengevaluasi kinerja algoritma YOLOv11 dalam mendeteksi kata pada Bahasa Isyarat Indonesia (BISINDO) dan Sistem Isyarat Bahasa Indonesia (SIBI) secara real-time. Metode yang digunakan meliputi pengumpulan dataset sebanyak 1.745 citra yang mencakup 12 kelas kata, preprocessing menggunakan Roboflow untuk anotasi dan augmentasi, serta pelatihan model menggunakan Google Colab. Hasil penelitian menunjukkan bahwa model YOLOv11 mampu mendeteksi bahasa isyarat dengan sangat baik, mencapai nilai mean Average Precision (mAP@50) sebesar 98%, Precision 96.8%, dan Recall 96.4% pada tahap validasi. Implementasi sistem dilakukan berbasis web menggunakan framework Flask, memungkinkan deteksi interaktif melalui kamera. Secara keseluruhan, penelitian ini menunjukkan bahwa penerapan model YOLOv11 efektif dalam mendukung penerjemahan bahasa isyarat secara real-time. Implikasi dari penelitian ini adalah meningkatnya aksesibilitas komunikasi bagi penyandang disabilitas rungu, khususnya dalam interaksi sehari-hari dengan masyarakat umum, serta membuka peluang pengembangan sistem penerjemah bahasa isyarat yang lebih luas, adaptif, dan terintegrasi pada berbagai platform digital.
SISTEM PAKAR DIAGNOSA PENYAKIT PADA TANAMAN JAGUNG MENGGUNAKAN METODE CERTAINTY FACTOR Nur Kholilah; Saifu Rohman; Dimas Prasetyo Utomo; Nur Hasanah
Biner : Jurnal Ilmiah Informatika dan Komputer Vol. 2 No. 1 (2023): Januari
Publisher : Program Studi Teknik Informatika, Fakultas Teknik dan Ilmu Komputer, Universitas Sains Al-Qur'an

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/biner.v2i1.4239

Abstract

Sektor pertanian merupakan salah satu penopang perekonomian Indonesia. Jagung (Zea mays L.) merupakan salah satu hasil pertanian yang sangat penting dan merupakan sumber karbohidrat kedua setelah beras. Kajian ini dilakukan karena jagung merupakan salah satu tanaman utama dalam bidang pertanian dan peternakan, serta dapat dikembangkan dengan berbagai cara dan strategis. Selain itu, tanaman jagung lainnya juga terkena penyakit ini. Penyakit pada tanaman jagung seringkali menyebabkan tanaman jagung berhenti tumbuh dan dapat menurunkan produktivitasnya. Pada penelitian ini terdapat 10 jenis penyakit yang dapat didiagnosis dengan metode yang tepat berdasarkan gejala yang dialami oleh pengguna. Cara ini digunakan untuk membuat bahan tanam jagung untung 100%. Saat mengevaluasi keakuratan diagnosis dan keakuratan metode, termasuk data dari 8 data kasus, akurasinya adalah 87,5%.
PENGENALAN BIJI KOPI BERDASARKAN GREEN BEAN MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS ANDROID Anisul Fuad Aziz; Nahar Mardiyantoro; Nur Hasanah
Biner : Jurnal Ilmiah Informatika dan Komputer Vol. 5 No. 1 (2026): Januari
Publisher : Program Studi Teknik Informatika, Fakultas Teknik dan Ilmu Komputer, Universitas Sains Al-Qur'an

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/biner.v5i1.10916

Abstract

Kabupaten Wonosobo merupakan salah satu daerah penghasil kopi di Jawa Tengah yang memiliki potensi besar, khususnya pada komoditas kopi dalam bentuk green bean. Namun, perbedaan karakteristik visual antar jenis biji kopi seperti Arabika, Robusta, Liberika, dan Ekselsa sering kali sulit dikenali secara kasat mata, terutama oleh masyarakat umum. Penelitian ini bertujuan untuk membangun aplikasi berbasis Android yang mampu mengenali jenis biji kopi berdasarkan citra green bean menggunakan metode Convolutional Neural Network (CNN). Dataset yang digunakan berupa citra biji kopi green bean yang diperoleh melalui proses observasi dan pengambilan gambar langsung dengan pengaturan resolusi, ISO, dan tingkat kecerahan tertentu. Proses penelitian meliputi pengolahan data, augmentasi citra, perancangan arsitektur CNN, pelatihan model menggunakan Google Colaboratory, serta konversi model ke format TensorFlow Lite untuk diimplementasikan pada aplikasi Android menggunakan bahasa pemrograman Kotlin. Evaluasi kinerja model dilakukan menggunakan confusion matrix untuk mengukur akurasi, presisi, dan recall. Selain itu, pengujian sistem dilakukan melalui pengujian blackbox dan usability untuk memastikan fungsi aplikasi berjalan sesuai kebutuhan pengguna. Hasil penelitian menunjukkan bahwa metode CNN mampu mengenali jenis biji kopi green bean dengan baik dan aplikasi yang dikembangkan dapat digunakan sebagai alat bantu identifikasi biji kopi secara cepat dan praktis bagi petani, pelaku usaha, maupun konsumen kopi di Wonosobo.
Co-Authors Ahmad Syaefudin Anisul Fuad Aziz Dimas Prasetyo Utomo Hidayatus Sibyan M. Fuat Asnawi Nahar Mardiyantoro Nur Kholilah Rina Mahmudati Saifu Rohman