Ferdiansyah
Universitas Indo Global Mandiri

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

Pelatihan Koding dan Kecerdasan Artifisial bagi Guru SD Islam Fatimah Palembang Menuju Cakap Digital ABDUL KHOLIK; Ferdiansyah; Fauzia Afriyani
Jurnal Abdimas Mandiri Vol. 10 No. 2 (2026)
Publisher : UNIVERSITAS INDO GLOBAL MANDIRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jam.v10i2.7591

Abstract

The enactment of Permendikdasmen Number 13 of 2025 positions Coding and Artificial Intelligence (CAI) as an elective subject starting from grade 5 of primary school, yet teacher readiness remains the main obstacle, particularly in IslamTerbitnya Permendikdasmen Nomor 13 Tahun 2025 menempatkan Koding dan Kecerdasan Artifisial (KKA) sebagai mata pelajaran pilihan mulai kelas 5 SD, namun kesiapan guru masih menjadi kendala utama, terutama pada sekolah berbasis keislaman yang menuntut kecakapan digital diintegrasikan dengan penguatan adab dan karakter. Kontribusi utama kegiatan ini adalah memadukan penguasaan KKA dengan penanaman adab digital Islami sekaligus mengukurnya secara kuantitatif dengan instrumen paralel. Kegiatan dilaksanakan pada 29 Oktober 2025 dengan 27 peserta menggunakan pendekatan pelatihan partisipatif dan rancangan one-group pretest-posttest, meliputi ceramah interaktif, demonstrasi, praktik terbimbing pada platform AI for Oceans, Quick, Draw!, ZEP Quiz, NotebookLM, dan Suno, serta diskusi reflektif. Data dikumpulkan melalui angket kebutuhan awal, 20 butir tes paralel pada empat aspek, dan rubrik penilaian produk, lalu dianalisis menggunakan N-Gain serta uji t sampel berpasangan. Hasil menunjukkan rata-rata skor meningkat dari 48,52 menjadi 85,19, dengan N-Gain 0,74 (kategori tinggi) dan perbedaan yang signifikan secara statistik (t(26) = 14,324; p < 0,001), sementara ketuntasan peserta naik dari 11,11% menjadi 96,30%. Peningkatan tertinggi teramati pada aspek cara kerja kecerdasan artifisial dan berpikir komputasional. Mengingat rancangan tanpa kelompok pembanding, hasil ini dimaknai sebagai peningkatan yang teramati setelah pelatihan, dengan praktik terbimbing dan integrasi adab digital sebagai komponen kunci penyiapan guru menyambut mata pelajaran KKAic schools that require digital competence to be integrated with the strengthening of character and digital ethics. This community service programme aimed to improve the understanding of teachers at SD Islam Fatimah Palembang regarding the policy, basic concepts, working principles, and ethical use of CAI in learning. The activity was conducted on 29 October 2025 with 27 participants using a participatory training approach and a one-group pretest-posttest design, comprising interactive lectures, demonstrations, guided practice on AI for Oceans, Quick, Draw!, ZEP Quiz, NotebookLM, and Suno, followed by reflective discussion. Data were collected through 20 parallel test items covering four aspects and analysed using N-Gain and a paired sample t-test. The results show that the mean score increased from 48.52 to 85.19, with an N-Gain of 0.74 (high category) and a statistically significant improvement (t(26) = 14.324; p < 0.001). Mastery rose from 11.11% to 96.30%. The highest gain occurred in the aspect of AI working principles and computational thinking. These results confirm that guided practice and the integration of digital ethics are key components in preparing primary school teachers for the CAI subject.
Sistem Deteksi Cerdas Warna Pakaian Dosen Berdasarkan Jadwal Menggunakan YOLOv8 Aji Pratama; Hastha Sunardi; Ferdiansyah
Journal Of Intelligent Networks and IoT Global Vol 3 No 2 (2025)
Publisher : Universitas Indo Global Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jinig.v3i2.6591

Abstract

Penelitian ini menyajikan pengembangan sistem pemantauan cerdas secara real-time untuk mengevaluasi kepatuhan dosen terhadap kebijakan aturan pakaian institusi menggunakan algoritma deteksi objek YOLOv8. Sistem ini dirancang untuk secara otomatis mengidentifikasi warna dominan pada pakaian dosen, memverifikasi keberadaan motif atau logo resmi institusi, serta mencocokkannya dengan jadwal aturan pakaian harian. Dataset khusus dikumpulkan dan dianotasi melalui Roboflow, yang terdiri dari kategori warna, variasi motif, logo institusi, dan data identitas wajah untuk keperluan verifikasi dosen. Model YOLOv8 dilatih agar mampu mendeteksi atribut pakaian secara akurat, sementara modul tambahan berbasis Python digunakan untuk mencocokkan fitur yang terdeteksi dengan aturan pakaian harian. Pengujian real-time dilakukan menggunakan input CCTV pada berbagai kondisi pencahayaan dan latar belakang. Sistem menunjukkan kinerja yang stabil dalam mendeteksi warna dan mencocokkannya dengan aturan, dengan hasil yang konsisten pada lingkungan dalam ruangan. Penelitian ini menawarkan pendekatan praktis dan inovatif untuk mengotomasi penegakan aturan pakaian di lingkungan akademik. Metode yang diusulkan menyediakan kerangka kerja yang efisien untuk mengintegrasikan solusi computer vision ke dalam kebutuhan operasional kampus dan berpotensi dikembangkan lebih lanjut untuk sistem monitoring kepatuhan dan kedisiplinan yang lebih luas
Prediksi Cuaca Menggunakan Sensor Cahaya, Kecepatan Angin, dan Arah Angin dengan Metode Neuro-Fuzzy Reynaldi Rizki Billanivo; Ricky Maulana Fajri; Tasmi; Ferdiansyah
Journal Of Intelligent Networks and IoT Global Vol 3 No 2 (2025)
Publisher : Universitas Indo Global Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jinig.v3i2.6592

Abstract

Prediksi cuaca merupakan elemen yang sangat penting dalam berbagai sektor, termasuk pertanian dan transportasi. Salah satu contohnya adalah membantu petani untuk menunda penanaman tanaman sebelum hujan deras terjadi. Penelitian ini menggunakan metode Neuro-Fuzzy yang dipadukan dengan tiga jenis sensor yakni sensor cahaya, sensor kecepatan angin, dan sensor arah angin, yang digunakan untuk peramalan meteorologi. Penelitian ini memanfaatkan dataset Misol dan dataset BMKG. Model Neuro-Fuzzy mencapai akurasi rata-rata sebesar 0,71, presisi 0,4075, recall 0,3185, dan skor F1 sebesar 0,337.
Rancang Bangun Sistem Kemananan Otomatis Berbasis YOLOv8 Untuk Mendeteksi Aktivitas Mencurigakan Orang Tidak DIkenal Prastya Fathurrahman; Hastha Sunardi; Ferdiansyah
Journal Of Intelligent Networks and IoT Global Vol 4 No 1 (2026)
Publisher : Universitas Indo Global Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jinig.v4i1.7642

Abstract

Sistem pengawasan CCTV konvensional saat ini dianggap kurang optimal karena bersifat pasif dan bergantung pada pemantauan manual. Penelitian ini bertujuan untuk mengembangkan sistem keamanan otomatis berbasis arsitektur YOLOv8n guna mendeteksi aktivitas mencurigakan pada gambar inframerah secara real-time. Sistem ini dikonfigurasi untuk mendeteksi tiga postur: orang yang berdiri, orang yang membungkuk, dan orang yang melihat ke sekeliling. Data diperoleh dari kamera Tapo C200 melalui protokol RTSP. Hasil deteksi YOLOv8n divalidasi dengan filter kotak pembatas (rasio luas dan rasio aspek per kelas) untuk memungkinkan respons waktu nyata saat objek dikonfirmasi dan meminimalkan jumlah deteksi positif palsu. Sistem ini juga terintegrasi dengan API Telegram untuk pemberitahuan visual (dengan mekanisme pendinginan) dan pencatatan CSV. Hasil pengujian menunjukkan bahwa model ini mencapai akurasi sebesar 0,950, recall sebesar 0,930, dan skor F1 sebesar 0,940. Pengujian real-time menunjukkan bahwa sistem ini mampu mendeteksi objek bergerak dengan kecepatan mulai dari 0,04 m/s hingga 0,29 m/s, dan melalui validasi filter geometris, hasil positif palsu dari objek diam (rak sepatu) berhasil diblokir.