Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal GANESHA: Jurnal Pengabdian Masyarakat Jurnal Pustaka Data : Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer Jurnal Sains Komputer dan Sistem Informasi
Abdurrozzaq, Ismail
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering Social Sciences

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

Found 3 Documents
Search

 1 
Implementasi Decision Support System Rekomendasi Beasiswa Pendidikan Menggunakan Metode Simple Additive Weighting Abdurrozzaq, ismail; Litanianda, Yovi; Fajaryanto C, Adi
Jurnal Sains Komputer dan Sistem Informasi Vol. 2 No. 1 (2024): Jurnal Sains Komputer dan Sistem Informasi
Publisher : PT. Gelora Cipta Nusantara

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

Abstract

Upaya meningkatkan kualitas pendidikan di Indonesia dilakukan dengan cara menyediakan beasiswa yang bisa berasal dari pemerintah atau pihak lainnya. Setidaknya ada 10 jenis beasiswa dari pemerintah, yang dikelola oleh kementrian pendidikan kebudayaan riset dan teknologi, kementrian agama, kementrian keuangan, kementrian komunikasi dan informasi hingga dari internal Lembaga Pendidikan seperti sekolah kedinasan. Ragam beasiswa dari pemerintah yang banyak itu menjadi daya tarik yang diperebutkan oleh banyak peserta didik. Setiap beasiswa mengharuskan penerimanya memenuhi kriteria tertentu yang spesifik dan bisa jadi berbeda untuk setiap beasiswa. Banyaknya ragam beasiswa dan kriteria peneriamanya yang berlaian ini pada prakteknya bisa menimbulkan masalah berupa terjadinya pemberian beasiawa yang salah sasaran. Seseorang peserta didik yang memenuhi persyaratan lebih dari 1 macam beasiswa sering keliru didaftarkan pada kriteria yang tepat, kondisi ini bisa jadi menutup peluang peserta didik lain yang hanya bisa didaftarkan di satu beasiswa tapi kuotanya telah habis karena diisi oleh peserta didik yang bisa memilih beasiswa tadi. Belum lagi sering juga terjadi permainan yang mengakibatkan beasiswa salah sasaran dengan kata lain beasiswa diterima oleh peserta dengan kondisi ekonomi yang baik. Kondisi ini semakin mungkin terjadi seiring jumlah siswa yang berminat bertamabah banyak. Untuk mengurangi terjadinya kesalahan penyaluran beasiswa itu maka pihak sekolah bisa dibantu dengan menggunakan sebuah sistam pendukung keputusan atau Decission Support System dalam merekomendasikan peserta dalam penerimaan beasiswa dibidang pendidikan yang ada di SMP MBS Prof Hamka Kota Madiun.
PEMANFAATAN CONVOLUTIONAL NEURAL NETWORK UNTUK MONITORING MOTORIK HALUS MENULIS HURUF HIJAIYAH DI TPA MASJID AL-FALAH TONATAN PONOROGO Prasetyo, Angga; Litanianda, Yovi; Yusuf, Arief Rahman; Abdurrozzaq, Ismail; Sugianti, Sugianti; Astuti, Arin Yuli
GANESHA: Jurnal Pengabdian Masyarakat Vol 5 No 2 (2025): Juli 2025
Publisher : Lembaga Penelitian dan Pengabdian kepada Masyarakat Universitas Tunas Pembangunan Surakarta (UTP)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36728/ganesha.v5i2.5123

Abstract

Ketrampilan Menulis Huruf Hijaiyah memerlukan penguasaan gerakan motorik halus yang baik. Penguasaan motorik halus tidak hanya berdampak pada kemampuan kognitif anak dalam mengenal dan menghafal huruf, tetapi Juga berfungsi agar otot kecil seperti jari tangan saling berinteraksi. Permasalahan yang dialami mitra TPA yaitu, proses Pemantauan secara langsung ini memerlukan perhatian yang intensif, sehingga sulit bagi ustadz/ustadzah untuk secara efektif memantau seluruh anak–anak sekaligus. ini menyebabkan proses pembelajaran menjadi kurang optimal, karena perhatian ustadz/ustadzah cenderung terfokus pada beberapa santri saja, sehingga santri-santri lain tidak memperoleh pengawasan dan bimbingan yang cukup. Tim pengabdian membuat solusi menerapkan sistem dengan memanfaatkan algoritma Convolutional Neural Network (CNN). CNN terbukti efektif dalam menangkap pola dari citra tulisan hijaiyah serta mampu mendeteksi kemampuan motorik anak secara otomatis melalui analisis tulisan mereka dengan menggunakan pemrosesan citra huruf hijaiyah penilaian berdasarkan empat tingkat perkembangan motorik halus, yaitu Belum Berkembang (BB), Mulai Berkembang (MB), Berkembang Sesuai Harapan (BSH), dan Berkembang Sangat Baik (BSB). Metode pelaksanaan yaitu anak-anak diminta menulis huruf Hijaiyah menggunakan alat tulis pada kertas yang telah disediakan. Tulisan tangan dipindai atau difoto untuk menghasilkan data berupa gambar digital. Gambar-gambar tersebut diklasifikasikan berdasarkan kategori kemampuan motorik (BB, MB, BSH, BSB). Hasil Model CNN melalui testing validation accuracy mengalami peningkatan selama proses pelatihan kondisi akurasi yang awalnya rendah diangka 0,7 kemudian mengalami kenaikan mendekati 1,0 seiring penambahan epoch pada rentan 5 iterasi sampai 40 iterasi menggambarkan pelatihan dan akurasi tinggi dengan pola model mampu melakukan pembelajaran tanpa overfitting.
Analisis Deteksi Citra Mata Ikan Nila dengan Metode Convolutional Neural Network Arsitektur Alexnet Prasetyo, Angga; Masykur , Fauzan; Rahman Yusuf, Arief; Yuli Astuti , Arin; Sugianti, Sugianti; Litanianda, Yovi; Abdurrozzaq, Ismail
Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer) Vol 5 No 1 (2025): Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitekt
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakadata.v5i1.995

Abstract

Kualitas kesegaran ikan nila terletak pada proses pembekuan. ikan nila memiliki lapisan sisik yang tebal di seluruh permukaan tubuhnya, yang dapat menghambat proses pembekuan secara merata. Ketidakteraturan dalam proses ini berpotensi menurunkan kualitas dan kesegaran ikan selama penyimpanan. Kondisi ini merugikan dan menyulitkan konsumen dalam menilai tingkat kesegaran ikan hanya melalui pengamatan penglihatan secara manual, seperti memeriksa kondisi mata ikan. Oleh karena itu, tujuan utama riset yaitu, membangun sistem deteksi citra mata ikan dengan metode penilaian kesegaran yang cepat, akurat, dan objektif untuk membantu konsumen menjadikanya opsi utama yang harus dilakukan. Model CNN memiliki keunggulan dalam akurasi serta klasifikasi citra, selain itu model CNN dapat ditingkatkan melalui penambahan arsitektur salah satunya arsitektur alexnet. Proses tahapan metodologi klasifikasi dataset yaitu diperoleh dari kaggle berdasarkan citra mata ikan Nila dengan membaginya ke dalam dua kelas, yaitu kelas 'mata ikan nila segar' dan kelas 'mata ikan nila kurang segar' dan preprocessing menghasilkan modeling cnn untuk deteksi citra mata ikan. Hasil analisis diperoleh Gambar ikan nila digunakan sebagai data uji dan diberikan sebagai input ke dalam model yang telah dilatih dengan hanya memerlukan waktu sekitar 68 milidetik per langkah (68 ms/step). Berdasarkan analisis terhadap pola visual, seperti warna mata, tekstur kulit, serta ciri fisik lainnya, model mengkategorikan ikan tersebut dikondisi tidak segar. Untuk kelanjutan riset perlu dilakukan keseimbangan dataset citra dengan menggunakan Bayesian hyperparameter.
Co-Authors Angga Prasetyo Astuti, Arin Yuli Fajaryanto C, Adi Masykur , Fauzan Rahman Yusuf, Arief Sugianti, Sugianti Yovi Litanianda, Yovi Yuli Astuti , Arin Yusuf, Arief Rahman