Article Per Year (5 Year)
p-Index From 2021 - 2026
0.702
P-Index
This Author published in this journals
All Journal JURNAL INSTEK (Informatika Sains dan Teknologi) Jurnal Riset Informatika bit-Tech Jurnal Akuntansi Universitas Muhammadiyah Kupang Jurnal Software Engineering and Computational Intelligence
Gasim
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Other

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 15 Documents
Search

 1   2 
Pengaruh Pengetahuan DPRD Tentang Anggaran, Pengawasan dan Partisipasi Anggaran Terhadap Kinerja Anggaran Pendapatan Belanja Daerah di Kabupaten Sikka (Studi Kasus Pada Kantor DPRD Kabupaten Sikka) ANDI LUKMAN; HERNI SUNARYA; GASIM
Jurnal Akuntansi Universitas Muhammadiyah Kupang Vol. 6 No. 03 (2019): JURNAL AKUNTANSI (JA) UNIVERSITAS MUHAMMADIYAH KUPANG
Publisher : PROGRAM STUDI AKUNTANSI - UNIVERSITAS MUHAMMADIYAH KUPANG

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini menjelaskan pengaruh Pengetahuan Dewan tentang Anggaran, Pengawasan, danPartisipasi anggaran terhadap Kinerja Anggaran Pendapatan Belanja Daerah (APBD). Data penelitianini diperoleh dari kuesioner (Primer) yang dibagikan kepada Anggota Dewan Kabupaten Sikka, denganmetode sampling incidental. Populasi dalam penelitian ini adalah wajib pajak di Kota Kupang denganmenggunakan sampel sebanyak 35 responden. Kuesioner di uji validitas dan uji reliabilitas sebelumpenelitian. Hasil penelitian ini menunjukkan bahwa (1) Pengetahuan deawa tentang anggaran,pengawasan dan partisipasi berpengaruh positif terhadap Kinerja Anggaran Pendapatan Belanja Daerah(APBD). Hal inidibuktikan melalui analisis regresi berganda yang diperoleh nilai R Square sebesar0389, yang dapat diartikan bahwa besarnya pengaruh pengetahuan dewan tentang anggaran,pengawasan dan partisipasi terhadap kinerja APBD adalah 45,3%. Hasil uji t statistikmenghasilkan nilaisignifikansi lebih kecil dari level of significant yaitu 0,002 <0,05. (2). Pengetahuan dewan tentanganggaran berpengaruh positif terhadap kinerja APBD. Hal tersebut dibuktikan melalui ModeratedRegression Analysis yang memberikan nilai koefisien sebesar 0,370,yang dapat diartikan pengetahuandewan tentang anggaran dapat memoderasi pengaruh terhadap kinerja APBD. Hasil uji t statistikmenghasilkan nilai lebih kecil dari level of significant yaitu 0,001 < 0,05. (3). Pengetahuan dewantentang pengawasan berpengaruh positif terhadap kinerja APBD. Hal tersebut dibuktikan melaluiModerated Regression Analysis yang memberikan nilai koefisien sebesar 0,524,yang dapat diartikanpengetahuan dewan tentang pengawasan dapat memoderasi pengaruh terhadap kinerja APBD. Hasiluji t statistik menghasilkan nilai signifikan lebih kecil dari level of significant yaitu 0,017 < 0,05. (4).Pengetahuan dewan tentang partisipasi tidak berpengaruh positif terhadap kinerja APBD. Hal tersebutdibuktikan melalui Moderated Regression Analysis yang memberikan nilai koefisien sebesar -0,019,yang dapat diartikan pengetahuan dewan tentang partisipasi tidak dapat memoderasi pengaruhterhadap kinerja APBD. Hasil uji t statistik menghasilkan nilai signifikan lebih besar dari level ofsignificant yaitu 0,722 > 0,05.
Perbandingan Akurasi Jarak Potret Untuk Pengenalan Jenis Bibit Mangga Metode JST-PB Dan Fitur GLCM Ramadhani, Farhan; Gasim; Nazori, Nazori
bit-Tech Vol. 7 No. 3 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v7i3.2303

Abstract

Penelitian ini bertujuan untuk membandingkan tingkat akurasi dalam mengenali jenis bibit mangga berdasarkan tekstur urat daun menggunakan metode Jaringan Syaraf Tiruan Propagasi Balik (JST-PB) dan fitur Gray Level Co-occurrence Matrix (GLCM). Identifikasi jenis bibit mangga menjadi tantangan karena variabilitas genetik yang tinggi, yang mempengaruhi kemampuan dalam mengenali bibit mangga secara otomatis. Dalam penelitian ini, citra daun mangga diambil dengan tiga variasi jarak potret (5 cm, 10 cm, dan 15 cm) untuk menilai pengaruh jarak terhadap akurasi pengenalan. Proses pertama dilakukan dengan ekstraksi tekstur urat daun menggunakan GLCM, yang mengubah citra RGB menjadi citra grayscale dan mengambil empat fitur utama (kontras, homogenitas, korelasi, dan energi). Setelah itu, model JST-PB diterapkan untuk melatih jaringan saraf dengan menggunakan data citra yang telah diproses. Hasil penelitian menunjukkan bahwa jarak potret 15 cm menghasilkan akurasi tertinggi, yaitu 34%, dengan 22 dari 64 citra uji berhasil dikenali dengan benar. Jarak potret 5 cm dan 10 cm menunjukkan akurasi yang lebih rendah, masing-masing 23% dan 17%. Penggunaan satu hidden layer dengan 10 neuron dalam JST-PB terbukti memberikan performa terbaik pada jarak potret 15 cm. Penelitian ini diharapkan dapat memberikan kontribusi dalam meningkatkan akurasi pengenalan bibit mangga secara otomatis, serta memberikan wawasan mengenai pengaruh jarak potret dalam aplikasi pengolahan citra pertanian.
ANALISIS PENGARUH FILTER PENCAHAYAAN TERHADAP AKURASI IDENTIFIKASI JENIS BIBIT ALPUKAT BERBASIS CITRA URAT DAUN DENGAN METODE K-NEAREST NEIGHBORS DAN LOCAL BINARY PATTERN Darussalam, Muhammad Miftah; Gasim; Zaid Romegar Mair
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 10 No 2 (2025): OCTOBER
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v10i2.60343

Abstract

Pencahayaan memegang peranan penting dalam pengambilan citra, terutama dalam memperjelas detail tekstur seperti urat daun. Permasalahan utama dalam identifikasi bibit alpukat terletak pada kemiripan pola tekstur antarjenis, yang dapat menyebabkan kesalahan klasifikasi. Penelitian ini bertujuan untuk menganalisis pengaruh jumlah filter pada pencahayaan terhadap akurasi identifikasi bibit alpukat. Metode yang digunakan meliputi segmentasi citra, ekstraksi fitur menggunakan Local Binary Pattern (LBP) sebanyak 59 fitur, dan klasifikasi menggunakan algoritma K-Nearest Neighbors (KNN) dengan variasi nilai K dari 2 hingga 6. Citra daun diambil dengan lima variasi jumlah filter pencahayaan. Hasil pengujian menunjukkan bahwa penggunaan dua filter menghasilkan akurasi terbaik sebesar 68,8%, diikuti oleh empat dan lima filter masing-masing 68%, sementara satu filter hanya mencapai 61,6%. Nilai K optimal diperoleh pada K = 3 karena memberikan keseimbangan antara sensitivitas dan stabilitas. Kesimpulannya, variasi filter pada pencahayaan memengaruhi visibilitas tekstur urat daun dan akurasi klasifikasi. Penelitian ini memberikan kontribusi terhadap pengembangan metode identifikasi bibit alpukat berbasis pengolahan citra.
INFLUENCE OF LEAF IMAGING DISTANCE ON WATER GUAVA CLASSIFICATION USING NEURAL NETWORK WITH GRAY LEVEL CO-OCCURRENCE MATRIX FEATURES Muhammad Haviz Irfani; Gasim; Andika Afrianto
Jurnal Riset Informatika Vol. 8 No. 1 (2025): Desember 2025
Publisher : Kresnamedia Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34288/jri.v8i1.419

Abstract

The development of Computer Vision technology has made a significant contribution to the agricultural sector, particularly in the identification of plants based on visual characteristics. Water guava (Syzygium aqueum) is one of the fruit commodities widely cultivated in Indonesia; however, its seedling varieties are often difficult to distinguish visually. Conventional methods relying on human observation tend to have low accuracy, highlighting the need for an accurate and efficient identification system from the early stages. This study aims to analyze the effect of varying imaging distances on the extraction results of leaf vein texture features using the Gray Level Co-occurrence Matrix (GLCM) method and to evaluate how this parameter influences the classification performance of water guava seedlings using the Backpropagation Artificial Neural Network (ANN). Unlike previous GLCM–ANN plant classification studies that primarily focused on lighting or species variation, this work systematically investigates imaging distance as a key factor in optimizing texture feature stability and improving model accuracy. Experiments were conducted using five imaging distances—7 cm, 9 cm, 11 cm, 13 cm, and 15 cm—with 2,500 images used for training data and 500 images for testing data. The results show that an imaging distance of 13 cm yielded the best performance, achieving 80% accuracy, where 80 out of 100 test images were correctly classified, supported by balanced precision, recall, and F1-score values indicating stable and reliable classification performance.
Pengaruh Deteksi Tepi Citra Urat Daun Pada Pengenalan Jenis Bibit Jeruk Menggunakan Metode Pengenalan JST-PB dan GLCM Dimas Apriandi; Gasim; Muhammad Haviz Irfani; Muhammad Ikhwan Jambak
Jurnal Software Engineering and Computational Intelligence Vol 3 No 02 (2025)
Publisher : Informatics Engineering, Faculty of Computer Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jseci.v3i02.6219

Abstract

Identifikasi awal jenis bibit jeruk sangat penting untuk menjamin kualitas bibit dan meningkatkan produktivitas pertanian. Identifikasi secara manual membutuhkan keahlian khusus dan rentan terhadap kesalahan. Penelitian ini bertujuan untuk menganalisis pengaruh metode deteksi tepi terhadap akurasi klasifikasi bibit jeruk menggunakan Jaringan Syaraf Tiruan Propagasi Balik (JST-PB) dan fitur tekstur yang diekstraksi dengan Gray Level Co-occurrence Matrix (GLCM). Tiga metode deteksi tepi yaitu Canny, Laplacian of Gaussian (LoG), dan Roberts yang diterapkan pada citra daun jeruk dari empat varietas antara lain: Kunci, Nipis, Purut, dan Sambal. Fitur tekstur berupa contrast, correlation, homogeneity, dan entropy digunakan sebagai masukan dalam pelatihan JST-PB. Hasil penelitian menunjukkan bahwa metode Roberts dengan 30 neuron tersembunyi memberikan kinerja terbaik dengan precision rata-rata 75,56%, recall 75,00%, dan F1-score 74,97%. Hal ini menunjukkan bahwa pemilihan metode deteksi tepi berpengaruh signifikan terhadap akurasi klasifikasi. Kombinasi metode deteksi tepi Roberts, ekstraksi fitur GLCM, dan JST-PB terbukti efektif untuk pengenalan otomatis jenis bibit jeruk berbasis citra digital.    
Co-Authors ABDUL K TABANG Ahmad Ali Akbar Yusuf Andi Lukman Andika Afrianto Darussalam, Muhammad Miftah Dimas Apriandi Farhan Ramadhani, Farhan Fauziyah Lamaya Fitriningsih Amalo GERAL LOYME Hasmi Hasan Herni Sunarya JELFI BENU JUMADIL ISMAIL Maryono Muhammad Haviz Irfani Muhammad Ikhwan Jambak MUNAWAR Nazori, Nazori SITI RAMLA KALAKE SUGIYANTO TEDDY DOSIAS SENTINUWO