Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer J-Dinamika: Jurnal Pengabdian Kepada Masyarakat
Mawaddah, Saniyatul
Unknown Affiliation
Computer Science & IT Education Engineering

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

Found 2 Documents
Search

 1 
Pengenalan Karakter Tulisan Tangan Menggunakan Ekstraksi Fitur Bentuk Berbasis Chain Code Mawaddah, Saniyatul; Suciati, Nanik
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 4: Agustus 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2020742022

Abstract

Pengenalan karakter tulisan tangan pada citra merupakan suatu permasalahan yang sulit untuk dipecahkan, dikarenakan terdapat perbedaan gaya penulisan pada setiap orang. Tahapan proses dalam pengenalan tulisan tangan diantaranya adalah preprocessing, ekstraksi fitur, dan klasifikasi. Preprocessing dilakukan untuk merubah citra tulisan tangan menjadi citra biner yang hanya mempunyai ketebalan 1 pixel melalui proses binerisasi dan thining. Kemudian pada tahap ekstraksi fitur, dipilih fitur bentuk karena fitur bentuk memiliki peran yang lebih penting dibanding 2 fitur visual lainnya (warna dan tekstur) pada pengenalan karakter tulisan tangan. Metode ekstraksi fitur bentuk yang dipilih dalam penelitian ini adalah metode berbasis chain code karena metode tersebut sering digunakan dalam beberapa penelitian pengenalan tulisan tangan. Pada penelitian ini, dilakukan studi kinerja dari ekstraksi fitur berbasis chain code pada pengenalan karakter tulisan tangan untuk mengetahui metode terbaiknya. Tiga metode ekstraksi fitur berbasis chain code yang digunakan dalam penelitian ini adalah freeman chain code, differential chain code dan vertex chain code. Setiap citra karakter diekstrak menggunakan 3 metode tersebut dengan tiga cara yaitu ekstraksi secara global, lokal 3x3, 5x5, dan 7x7. Setelah esktraksi fitur, dilakukan proses klasifikasi menggunakan support vector machine (SVM). Hasil eksperimen menunjukkan akurasi terbaik adalah pada model citra 7x7 dengan nilai akurasi freeman chain code sebesar 99.75%, differential chain code sebesar 99.75%, dan vertex chain code sebesar 98.6%.AbstractThe recognition of handwriting characters images is a difficult problems to be solved, because everyone has a different writing style. The step of handwriting recognition process are preprocessing, feature extraction, and classification. Preprocessing is done to convert handwritten images into binary images that only have 1 pixel thickness by using binarization and thinning. Then, in the feature extraction we select shape feature because it is more important than two other visual features (color and texture) in handwriting character recognition. Shape feature extraction method chosen in this research is chain code method because this method is often used in several studies for handwriting recognition. In this study, a performance study of feature extraction based on chain codes was carried out on handwriting character recognition to know the best chain code method. The three shape feature extraction based on chain code used in this study are freeman, differential and vertex chain codes. Each character image is extracted using these 3 methods in three ways: extraction globally, local 3x3, 5x5, and 7x7. After the extraction feature, the classification process is carried out using the support vector machine (SVM). The experimental results show that the best accuracy is in the 7x7 image model with the value of freeman chain code accuracy of 99.75%, the differential chain code of 99.75%, and the vertex chain code of 98.6%.
Pengembangan Aplikasi E-Commerce Disertai fitur Appointment untuk Memasarkan Produk Perikanan di Desa Rejosari Mufid, Mohammad Robihul; Surya Saputra, Ega; Muhammad David Erlangga, Aprileo; Basofi, Arif; Mawaddah, Saniyatul; Ikawati, Yunia; Teguh Setyadi, Agung; Faradisa, Rosiyah; Aditama, Darmawan; Sukaridhoto, Sritrusta; Chafid, Much; Turmudzi, Muhammad; Wibowo, Agus; Eskaluspita, Pratama; Putri Lestari, Novita; Medya Mahardhika, Yesta; Dewi Fajrianti, Evianita; Liesvarastranta Haz, Amma; Fahruddin, Agus; Sadah, Khozinatus
J-Dinamika : Jurnal Pengabdian Masyarakat Vol 10 No 3 (2025): J-Dinamika
Publisher : Politeknik Negeri Jember

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

Abstract

Desa Rejosari memiliki potensi budidaya perikanan yang besar, namun pemasaran hasil panen masih mengandalkan jalur tradisional sehingga jangkauan konsumen terbatas, media promosi online belum terintegrasi, dan proses transaksi seringkali tidak efisien akibat komunikasi yang tidak terstruktur. Penelitian ini bertujuan mengembangkan aplikasi e-commerce berbasis website dengan fitur appointment untuk mempermudah pemasaran produk perikanan, memperluas pangsa pasar, serta memfasilitasi penjadwalan pertemuan antara pemilik tambak dan pengepul di desa Rejosari. Metodologi pengabdian masyarakat di desa Rejosari ini dimulai dari perumusan masalah di mitra, penyusunan program rencana kerja, sosialisasi dan pelatihan, serta monitoring dan evaluasi. Fitur yang tersedia diantaranya katalog produk, manajemen stok real-time, pencarian lokasi Pengepul, keranjang belanja, dan appointment. Hasil penelitian menunjukkan bahwa aplikasi ini berhasil menjembatani kesenjangan informasi antara penjual dan pembeli, meningkatkan transparansi harga dan ketersediaan produk, serta mendorong adopsi teknologi digital di kalangan pelaku usaha perikanan lokal. Aplikasi ini juga memfasilitasi koordinasi yang lebih baik melalui sistem penjadwalan terstruktur, dan mengurangi miskomunikasi dalam transaksi.
Co-Authors Aditama, Darmawan Agus Wibowo Basofi, Arif Chafid, Much Dewi Fajrianti, Evianita Eskaluspita, Pratama Fahruddin, Agus Faradisa, Rosiyah Ikawati, Yunia Liesvarastranta Haz, Amma Medya Mahardhika, Yesta Mufid, Mohammad Robihul Muhammad David Erlangga, Aprileo Nanik Suciati Putri Lestari, Novita Sadah, Khozinatus Surya Saputra, Ega Teguh Setyadi, Agung Turmudzi, Muhammad