Article Per Year (5 Year)
p-Index From 2020 - 2025
0.751
P-Index
This Author published in this journals
All Journal Sistemasi: Jurnal Sistem Informasi Vygotsky: Jurnal Pendidikan Matematika dan Matematika Jurnal Pengabdian Masyarakat Bhinneka Transcendent Journal of Mathematics and Applications
Maulidyani Abu
Universitas Tadulako
Agriculture, Biological Sciences & Forestry Computer Science & IT Economics, Econometrics & Finance Education Electrical & Electronics Engineering Environmental Science Mathematics Physics Public Health

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

Found 4 Documents
Search

 1 
Addition Parameter untuk Upgrading Kapasitas Aplikasi Rekonstruksi Motif Batik Bomba: Taiganja, menggunakan Fraktal Maulidyani Abu; Nasria Nacong; Muh. Ali Akbar; Saldi Saldi
Vygotsky : Jurnal Pendidikan Matematika dan Matematika Vol 3, No 2 (2021): Vygotsky: Jurnal Pendidikan Matematika dan Matematika
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (522.796 KB) | DOI: 10.30736/voj.v3i2.379

Abstract

Batik merupakan suatu warisan nusantara yang unik dan mempunyai makna tersendiri dari tiap motif batik yang ada. Motif tiap daerah mempunyai ciri khasnya masing-masing. Motif batik sudah banyak dikembangkan dari yang awalnya hanya ada motif tradisional, menjadi motif yang modern, bahkan mengkombinasikan antara motif tradisional dan modern, atau bahkan membuat motif baru. Dalam matematika, terdapat geometri fraktal yang mempelajari tentang sifat-sifat fraktal. Dari sifat fraktal inilah bisa dibuat motif batik yang baru maupun kombinasi antara motif tradisional dan motif modern. Dengan mengembangkan program motif batik yang telah dibuat oleh Akbar (2019), penelitian ini melakukan penambahan parameter baru dalam penelitiannya yang berupa rotasi pada motif utama. Hal ini bertujuan untuk menambah kemampuan program untuk melakukan modifikasi terhadap motif yang dibuat.
Digitalisasi Sistem Administrasi Sebagai Upaya Peningkatan Efektivitas Pelayanan di SMPN 2 Tanantovea Najar, Abdul Mahatir; Resnawati, Resnawati; Abu, Maulidyani; Andri, Andri; Gamayanti, Nurul Fiskia
Jurnal Pengabdian Masyarakat Bhinneka Vol. 2 No. 4 (2024): Bulan Juli
Publisher : Bhinneka Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58266/jpmb.v2i4.84

Abstract

Perkembangan teknologi informasi berdampak positif pada berbagai kehidupan masyarakat. Berbagai aktivitas yang dilakukan secara konvensional kemudian berubah menjadi sebuah aktivitas berbasis teknologi yang menjadikan penggunanya dimudahkan dalam mengakses berbagai informasi yang diberikan. Salah satu aktivitas penting yang sangat terdampak adalah administrasi perkantoran. Aktivitas administrasi perkantoran melibatkan berbagai pihak agar dokumen yang dibuat bisa terverifikasi dan terdokumentasi dengan baik. Administrasi perkantoran konvensional memiliki banyak kekurangan. Salah satu yang mencolok adalah waktu pengerjaan yang tidak efektif karena membutuhkan verifikasi secara tatap muka dan disusun setiap kali dibutuhkan. Digitalisasi administrasi merupakan salah satu solusi nyata yang dapat membantu efektivitas pelayanan di berbagai tempat khususnya di sekolah-sekolah. Ada berbagai macam aktivitas terkait kebutuhan para Guru, siswa, alumni, serta orang tua yang harus difasilitasi oleh pihak administrasi sekolah. Kegiatan pengabdian kepada masyarakat ini akan dilaksanakan dalam lima tahapan yakni pengumpulan kebutuhan, desain sistem, pengembangan prototype sistem, menguji dan mengevaluasi sistem serta mengimplementasikan sistem. selanjutnya dilakukan pelatihan kepada staf sekolah agar bisa langsung dapat digunakan oleh pihak sekolah. Kegiatan ini nantinya akan menghasilkan sebuah administrasi sekolah digital yang dibuat dalam sebuah aplikasi berbasis Django 3.2.
Implementasi Pengolahan Citra dan Machine Learning Untuk Klasifikiasi Jenis Penyakit Pada Daun Padi Najar, Abdul Mahatir; Abu, Maulidyani; Resnawati, Resnawati; Syahrullah, Syahrullah
Transcendent Journal of Mathematics and Applications Vol 3, No 1 (2024)
Publisher : Syiah Kuala University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24815/tjoma.v3i1.38642

Abstract

Identification of diseases from images of plants is one of the interesting research areas in the agriculture field, for which machine learning concepts from the computer science field can be applied. This article presents a prototype system for the detection and classification of rice diseases based on images of infected rice plants. This prototype system was developed after detailed experimental analysis of various techniques used in image processing operations. We consider three rice plant diseases: Bacterial Leaf Blight, Blast, and Tungro. We used the Otsu method to remove the background. To enable accurate extraction of features, we combined Gabor and Sobel techniques. In the classification process, we used five machine learning techniques: Random Forest (RF), Support Vector Machine (SVM), Nave Bayes (NB), and Quadratic Discriminant Analysis (QDA). We empirically evaluated these methods, achieving 77%, 50%, 60%, and 37% accuracy, respectively.
Revealing the Relationship of Batik Motifs Using Convolutional Neural Network Najar, Abdul Mahatir; Abu, Maulidyani; Ratianingsih, Rina; Jaya, Agus Indra
Sistemasi: Jurnal Sistem Informasi Vol 13, No 5 (2024): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32520/stmsi.v13i5.4480

Abstract

This study explores the use of Convolutional Neural Network to identify and classify regional batik motifs, a significant aspect of Indonesian cultural heritage. The CNN model was optimized with Adam optimizer and used to extract distinctive features from the batik patterns. Subsequently, a hierarchical clustering method was employed to construct a relationship tree depicting the link between batik motifs based on their region. The research findings demonstrate that the CNN model effectively classifies batik motifs with an accuracy of up to 88%. The study provides insights into the intricate connections between regional batik designs and contributes to the preservation and understanding of Indonesia's cultural heritage.
Co-Authors Abdul Mahatir Najar Agus Indra Jaya Andri Andri Gamayanti, Nurul Fiskia Muh. Ali Akbar Nasria Nacong Resnawati Rina Ratianingsih Saldi Saldi Syahrullah Syahrullah