Article Per Year (5 Year)
p-Index From 2020 - 2025
1.383
P-Index
This Author published in this journals
All Journal Jurnal Teknologi dan Manajemen Informatika Jurnal Ilmiah Kursor MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Abdimas Galuh : Jurnal Pengabdian Kepada Masyarakat Buletin Sistem Informasi dan Teknologi Islam
Umar, Fitriyani
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Engineering Law, Crime, Criminology & Criminal Justice Nursing

Published : 8 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 8 Documents
Search

 1 
IMPLEMENTASI LOCAL BINARY PATTERN DALAM MELAKUKAN ESTRAKSI FITUR TEKSTUR UNTUK PENGENALAN KLASIFIKASI PADA UKIRAN TORAJA Aini, Atifa; Herman, Herman; Umar, Fitriyani
Buletin Sistem Informasi dan Teknologi Islam Vol 4, No 3 (2023)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v4i3.1925

Abstract

Ukiran Toraja adalah seni ukir khas suku Toraja di Sulawesi Selatan. Setiap ukiran Toraja memiliki nama, arti dan makna tersendiri. Namun tidak semua orang mengetahui nama dari ukiran tersebut. Meskipun demikian, tidak semua orang mengenali nama dari seni ukir tersebut. Penelitian ini dilakukan dengan tujuan masih belum banyak diteliti oleh penelitian lainnya dalam pengolahan citra digital pada seni ukir Toraja. Pada penelitian ini jumlah ukiran yang digunakan adalah 10 motif dengan setiap motifnya berjumlah 20 data. Metode yang diterapkan dalam penelitian ini adalah ekstraksi fitur menggunakan metode LBP dengan klasifikasi menggunakan algoritma K-Nearest Neighbor dengan jarak Manhattan distance. Berdasarkan proses pengujian menunjukkan hasil Pada skenario pertama, diperoleh akurasi pada K=1 adalah 100% dan K=2 sebesar 78.3333%. Pada skenario kedua, akurasi mencapai 100% untuk K=1 dan 75% untuk K=2. Dari hasil pengujian yang telah dilakukan diketahui bahwa semakin tinggi nalai K maka hasil dari akurasi makin rendah hal itu dikarenakan makin tinggi nilai K lebih banyak tetangga yang dilibatkan dalam pengambilan keputusan.
Implementasi Metode Multi Attribute Utility Theory (MAUT) Dalam Penentuan Penerima Bantuan Program Keluarga Harapan (PKH) Di Kabupaten Bombana Dwiyanti, Sri Ulfa; Salim, Yulita; Umar, Fitriyani
Buletin Sistem Informasi dan Teknologi Islam Vol 5, No 2 (2024)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v5i2.2197

Abstract

Salah satu daerah yang mengeluarkan program untuk meningkatkan kesejahteraan masyarakatnya adalah Provinsi Sulawesi Tenggera tepatnya di Desa Baliara Selatan, Kecamatan Kabaena Barat Kabupaten Bombana. Dari segi tingkat kemiskinan, Kabupaten Bombana masih tergolong tinggi. Artinya, jumlah penduduk dalam keadaan miskin pada tahun 2018 sebanyak 19,77 (seribu jiwa) dan proporsi penduduk miskin sebanyak 4.444 jiwa atau mewakili 11,05%. Hal ini menyebabkan pemerintah Kabupaten Bombana Mengeluarkan kebijakan yaitu menciptakan program-program untuk meningkatkan taraf hidup masyarakat Bombana.Salah satunya program yang diterapkan di Desa Baliara Selatan adalah Program Keluarga Harapan (PKH).Berdasarkan pengalaman yang terjadi, di mana para pendamping staff yang mengalami kesulitan untuk menentukan prioritas penerima bantuan PKH sehingga mengakibatkan proses pengambilan keputusan dan validasi data calon penerima berjalan lambat dan kurang tepat membuat hasil keputusan tidak ideal. Salah satu cara untuk membantu pengambilan keputusan dalam penentuan penerima bantuan adalah menggunakan Sistem Pendukung Keputusan (SPK) dengan metode Multi Attribute Utility Theory (MAUT).Hasil akhirnya adalah serangkaian penilaian alternatif yang menggambarkan keputusan yang dibuat oleh para pengambil keputusan dikantor pusat bombanaHasil keputusan dengan sistem perengkingan terbaik, rangking terbaik di dapat dari hasil perhitungan MAUT. Semakin besar nilai indeks maka semakin bagus pemeringkatan keputusan setiap alternatif.
METODE SUPPORT VECTOR MACHINE UNTUK KLASIFIKASI DATA PENYAKIT HATI YANG IMBALANCE Rahmah, Nur; Purnawansyah, Purnawansyah; Umar, Fitriyani
Buletin Sistem Informasi dan Teknologi Islam Vol 5, No 1 (2024)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v5i1.2189

Abstract

Penelitian ini bertujuan untuk melakukan klasifikasi penyakit hati menggunakan metode Support Vector Machine (SVM) dan Synthetic Minority Oversampling Technique (SMOTE). Data yang digunakan berupa data sekunder yang diperoleh dari situs Kaggle dengan jumlah data sebanyak 582 sampel. Data tersebut terdiri dari 10 fitur yang digunakan sebagai variabel masukan SVM. Proses klasifikasi dilakukan dengan membagi data menjadi data training 70% dan data testing 30%. Hasil dari penelitian yang telah dilakukan ialah dengan menggunakan metode support vector machine mampu melakukan klasifikasi data penyakit hati dengan hasil klasifikasi yang menunjukkan nilai 0 dan 1. Dimana nilai 0 menandakan bahwa pasien tersebut tidak mengidap penyakit hati dan nilai 1 menandakan bahwa pasien tersebut mengidap penyakit hati. Berdasarkan proses klasifikasi data penyakit hati yang telah dilakukan memperoleh nilai akurasi performansi yaitu 67,06%, dan berdasarkan proses visualisasi data yang telah dilakukan dalam proses pengklasifikasian data tersebut ditemukan ketidakseimbangan data penyakit hati. Ketidakseimbangan data yang peroleh dilakukan oversampling menggunakan metode SMOTE untuk menyeimbangkan data. Penelitian telah melakukan proses penyeimbangan data penyakit hati sehingga tenaga menis lebih terbantukan dalam mendeteksi penyakit hati yang diderita oleh pasien
Analisis Sentimen Masyarakat Terhadap Kebijakan Pemerintah Vaksinasi Booster 2 Menggunakan Metode Naïve Bayes Classifier Syahrir, Alma; Harlinda, Harlinda; Umar, Fitriyani
Buletin Sistem Informasi dan Teknologi Islam Vol 4, No 4 (2023)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v4i4.1835

Abstract

Upaya yang dilakukan pemerintah salah satunya yaitu mewajibkan seluruh masyarakat untuk melakukan vaksinasi sebanyak tiga kali yaitu vaksinasi pertama, kedua, dan ketiga atau biasa disebut dengan vaksin booster. Namun dengan adanya kebijakan pemerintah terkait pelaksanaan vaksinasi booster yang terjadi di masyarakat khususnya vaksinasi booster dua yang merupakan vaksinasi lanjutan banyak menuai pro dan kontra ditengah masyarakat. Beragam pendapat dari masyarakat ada yang mendukung program ini dan sebagian yang lainnya menolak dengan berbagai alasan. Oleh karena itu, salah satu cara untuk mengetahui tanggapan masyarakat terkait kebijakan ini adalah melalui analisis sentimen. Analisis sentimen merupakan pengamatan yang dikelola berdasarkan pendapat, sentimen, evaluasi, sikap, dan perasaan orang lain terutama berdasarkan apa yang mereka tulis. Pendapat lain memaparkan bahwa analisis sentimen bertujuan untuk mengetahui dan memprediksi apa yang difikirkan seseorang berdasarkan informasi seperti opini baik bersifat negatif maupun positif. Penelitian ini bertujuan untuk mengetahui sentimen masyarakat terhadap kebijakan pemerintah vaksinasi booster 2 menggunakan metode Naive Bayes Classifier. Hasil penelitian menunjukkan hasil pengujian dengan menggunakan validation maka memperoleh nilai performance yaitu accuracy sebesar 86.84, precision sebesar 85.71% dan recall sebesar 90%.
Pemberdayaan Kader Posyandu melalui Edukasi Masalah Gizi Balita di Desa Allakuang Suyuti, Sartika; Umar, Fitriyani; Asmi, Nur; Sani, Andi; Istiqamah, Nurul; Diani, Fitri
Abdimas Galuh Vol 6, No 2 (2024): September 2024
Publisher : Universitas Galuh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25157/ag.v6i2.15927

Abstract

Desa Allakuang menghadapi tantangan terkait masalah gizi dan stunting di kalangan balita. Peran Posyandu menjadi sangat penting dalam memantau dan meningkatkan status gizi anak di masyarakat. Posyandu memiliki peran krusial dalam melakukan deteksi dini masalah gizi serta memberikan edukasi dan intervensi yang diperlukan kepada masyarakat. Tim menemukan dua masalah utama setelah melakukan observasi yakni pertama minimnya pengetahuan kader posyandu tentang masalah gizi pada balita. Kedua, mitra tidak memiliki peralatan pengukuran gizi saat kunjungan rumah. Tujuan dari kegiatan untuk meningkatkan pengetahuan kader tentang masalah gizi balita dan meningkatkan keterampilan dalam penggunaan peralatan antropometri serta pengadaan peralatan antropometri portabel.Metode yang digunakan adalah Penyuluhan dan diskusi interaktif disertai proses tanya jawab. Selain itu mitra juga dikenalkan dengan alat ukur antropometri portable dan dibagikan set alat ukur tersebut untuk menunjang kegiatan kader dalam melakukan skrining gizi. Kegiatan ini diikuti oleh 10 kader. Berdasarkan hasil evaluasi yang dilakukan melalui pre-post test berupa kuesioner yang dibagikan diawal dan diakhir penyuluhan didapatkan peningkatan pengetahuan sebesar 29%. Kesimpulannya, kegiatan edukasi ini efektif dalam meningkatkan pengetahuan kader posyandu. Saran untuk kegiatan Pengabdian selanjutnya, Sebaiknya mengadakan sesi pelatihan lanjutan untuk meningkatkan keterampilan kader dalam penggunaan alat antropometri portabel dan pengadaan modul edukasi gizi
Klasifikasi Daun Herbal Menggunakan K-Nearest Neighbor dan Convolutional Neural Network dengan Ekstraksi Fourier Descriptor Basri, Haerunnisa; Purnawansyah, Purnawansyah; Darwis, Herdianti; Umar, Fitriyani
Jurnal Teknologi dan Manajemen Informatika Vol. 9 No. 2 (2023): Desember 2023
Publisher : Universitas Merdeka Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26905/jtmi.v9i2.10350

Abstract

The number of herbal plants in Indonesia is 30,000, but only about 1,200 plants are used in medicine. The large number of herbal plants makes it difficult for people to distinguish one type of herbal plant from another. From these conditions, this research has conducted tests to compare the performance of the K-Nearest Neighbor (KNN) and Convolutional Neural Network (CNN) methods using Fourier Descriptor (FD) feature extraction on herbal plants, namely moringa (moringa oleifera) and katuk (sauropus androgynus). The amount of data used is 480 data using image conditions, namely dark and light images which are then divided into 20% testing data and 80% training data. Classification is done using the KNN method using 5 distance calculations (Euclidean, Chebyshev, Manhattan, Minkowski, and Hamming) and CNN with FD feature extraction. From the tests that have been carried out, it is found that the use of FD feature extraction for the KNN method produces the best performance on both light and dark image data. While the use of the CNN method, for dark image data, the best accuracy results are obtained with FD feature extraction and CNN. Meanwhile, for bright image data, the best performance accuracy results are obtained in the CNN method without going through feature extraction. Of these three methods, using FD and KNN feature extraction is more recommended because it produces 100% accuracy in moringa and katuk images with light and dark intensity.
Generative adversarial networks (GANS) for generating face images Indra, Dolly; Hidayat, Muh Wahyu; Umar, Fitriyani
Jurnal Ilmiah Kursor Vol. 13 No. 1 (2025)
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/kursor.v13i1.422

Abstract

The advancement of artificial intelligence technology, particularly deep learning, presents significant potential in facial image processing. Generative Adversarial Networks (GANs), a type of deep learning model, have demonstrated remarkable capabilities in generating high-quality synthetic images through a competitive training process between a generator, which creates new data, and a discriminator, which evaluates its authenticity. However, the use of public facial datasets such as CelebA and FFHQ faces limitations in representing global demographic diversity and raises privacy concerns. This study aims to generate realistic synthetic facial datasets using the StyleGAN2-ADA architecture, a specialized variant of GAN, with two training approaches: training from scratch on two types of datasets (private and public), each containing 480 images. The public dataset used is FFHQ (Flickr-Faces-HQ), known for its broader facial variation and high-quality images. Evaluation is conducted using the Frechet Inception Distance (FID), a metric that assesses image quality by comparing the feature distributions of real and generated images. Results indicate that training from scratch with the public dataset (FFHQ) using a batch size of 16 and a learning rate of 0.0025 achieves an FID score of 85.67 and performance of 86.46% at Tick 100, whereas the private dataset, under the same conditions, results in an FID score of 98.59 with a performance of 18.54%.. The training from scratch approach with the public dataset proves more effective in generating high-quality synthetic facial images compared to the private dataset. In conclusion, this approach supports the optimal generation of realistic synthetic facial data.
Color Feature Extraction for Grape Variety Identification: Naïve Bayes Approach Jafar, Putri; Indra, Dolly; Umar, Fitriyani
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol. 23 No. 3 (2024)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/matrik.v23i3.3823

Abstract

The problem addressed in this research is the lack of an efficient and accurate method for automatically identifying grape varieties. Accurate identification is crucial for quality control in the agricultural and food industries, impacting product labeling, pricing, and consumer trust. The aim of this research is to develop an automated system to classify green, black, and red grapes using digital image processing technology. This research method employs Naïve Bayes classification combined with color feature extraction. Testing was conducted under two scenarios: a database scenario with predefined grape image datasets and an out-of-database scenario with images resembling grape colors. Image processing includes resizing images to 200x200 pixels, Gamma Correction, Gaussian filtering, conversion to Lab* color space, K-Means Clustering for segmentation, followed by feature extraction and Naïve Bayes classification. The results of this research are that in the database scenario, the system achieved accuracies of 98.33% with an 80:20 data split and 98.89% with a 70:30 split. In the out-of-database scenario, accuracies were 96.67% with an 80:20 split and 97.78% with a 70:30 split. The conclusion of this research is the proposed method provides a reliable and efficient solution for automatic grape variety identification, benefiting quality control in agriculture and food industries.
Co-Authors Aini, Atifa Andi Sani Basri, Haerunnisa Darwis, Herdianti Diani, Fitri Dolly Indra Dwiyanti, Sri Ulfa Harlinda, Harlinda Hidayat, Muh Wahyu Istiqamah, Nurul Jafar, Putri Nur Asmi Nur Rahmah Purnawansyah Purnawansyah Salim, Yulita Suyuti, Sartika Syahrir, Alma Veithzal Rivai Zainal