Article Per Year (5 Year)
p-Index From 2020 - 2025
0.751
P-Index
This Author published in this journals
All Journal Jurnal Informatika TELKOMNIKA (Telecommunication Computing Electronics and Control) Jurnal Ilmiah Pangabdhi Panrita Abdi - Jurnal Pengabdian pada Masyarakat Network Engineering Research Operation [NERO] Jurnal Teknoinfo JPPM (Jurnal Pengabdian dan Pemberdayaan Masyarakat) Indonesian Journal of Electrical Engineering and Computer Science Journal of Data Science and Its Applications Jurnal Layanan Masyarakat (Journal of Public Service) Makara Journal of Technology
Siradjuddin, Indah Agustien
Universitas Trunojoyo Madura
Humanities Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Environmental Science Materials Science & Nanotechnology Mechanical Engineering Public Health Social Sciences Other

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 Documents
Search

 1   2 
Pemanfaatan Tools Animasi Untuk Media Pembelajaran Bagi SMKN 1 Labang Bangkalan Madura Arik Kurniawati; Indah Agustien Siradjuddin; Mochammad Kautsar Sophan; Ariesta Kartika Sari; Puji Rahayu Ningsih; Wanda Ramansyah
JPPM (Jurnal Pengabdian dan Pemberdayaan Masyarakat) VOL. 4 NOMOR 2 SEPTEMBER 2020 JPPM (Jurnal Pengabdian dan Pemberdayaan Masyarakat)
Publisher : Lembaga Publikasi Ilmiah dan Penerbitan (LPIP)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1448.116 KB) | DOI: 10.30595/jppm.v4i2.6796

Abstract

Media pembelajaran merupakan salah satu aspek terpenting dalam proses pembelajaran, karena akan membantu siswa dalam memahami ceramah yang diberikan oleh guru. Seiring tumbuhnya teknologi informasi di Era Industrial 4.0, maka sebaiknya media pembelajaran yang digunakan juga menggunakan teknologi informasi terbaru yang dibuat semenarik mungkin sehingga menimbulkan semangat siswa dalam memperhatikan dan memahami mata pelajaran yang diajarkan. Dalam pengabdian ini, digunakan Animaker, sebagai tools untuk membuat media pembelajaran, karena memiliki banyak fitur, selain itu media ini dapat dilihat dan dipelajari oleh siswa kapan saja, di mana saja dengan smartphone yang mereka miliki. Pemanfaatan tools Animasi sebagai Media Pembelajaran dilakukan di SMKN 1 Labang, Bangkalan, Madura. Ada empat langkah utama untuk membangun media pembelajaran menggunakan Animaker, yaitu menentukan topik ceramah; memilih karakter yang sesuai dan juga property; mendefinisikan adegan; dan langkah terakhir adalah mendesain scene. Bentuk kegiatan ini adalah pelatihan tentang cara membuat media pembelajaran menggunakan Animaker dan selanjutnya adalah pendampingan dalam mengerjakan tugas untuk membuat projek sesuai dengan mata pelajaran yang meraka ajarkan. Berdasarkan pelatihan dan tugas proyek yang diberikan ini, Animaker dapat digunakan sebagai tools yang menarik untuk membuat media pembelajaran.
Particle Filter with Gaussian Weighting for Human Tracking Indah Agustien Siradjuddin; M. Rahmat Widyanto; T. Basaruddin
Indonesian Journal of Electrical Engineering and Computer Science Vol 10, No 6: October 2012
Publisher : Institute of Advanced Engineering and Science

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

Abstract

Particle filter for object tracking could achieve high tracking accuracy.  To track the object, this method generates a number of particles which is the representation of the candidate target object.  The location of target object is determined by particles and each weight. The disadvantage of conventional particle filter is the computational time especially on the computation of particle’s weight.  Particle filter with Gaussian weighting is proposed to accomplish the computational problem.  There are two main stages in this method, i.e. prediction and update.  The difference between the conventional particle filter and particle filter with Gaussian weighting is in the update Stage.  In the conventional particle filter method, the weight is calculated in each particle, meanwhile in the proposed method, only certain particle’s weight is calculated, and the remain particle’s weight is calculated using the Gaussian weighting.  Experiment is done using artificial dataset.  The average accuracy is 80,862%.  The high accuracy that is achieved by this method could use for the real time system tracking. DOI:  http://dx.doi.org/10.11591/telkomnika.v10i6.1187
Particle Filter with Binary Gaussian Weighting and Support Vector Machine for Human Pose Interpretation Agustien, Indah; Widyanto, Muhammad Rahmat; Endah, Sukmawati Nur; Basaruddin, Tarzan
Makara Journal of Technology Vol. 14, No. 1
Publisher : UI Scholars Hub

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

Abstract

This paper proposes human pose interpretation using particle filter (PF) with Binary Gaussian Weighting and support vector machine (SVM). In the proposed system, particle filter is used to track a human object, then this human object is skeletonized using thinning algorithm and classified using SVM. The classification is to identify human pose, whether it is normal or abnormal behavior. Here particle filter is modified through weight calculation using Gaussian distribution to reduce the computational time. The modified particle filter consists of four main phases. First, particles are generated to predict target’s location. Second, the weight of certain particles is calculated and these particles are used to build Gaussian distribution. Third, the weight of all particles is calculated based on Gaussian distribution. Fourth, particles are updated based on each weight. The modified particle filter could reduce computational time of object tracking since this method does not have to calculate particle’s weight one by one. To calculate weight, the proposed method builds Gaussian distribution and calculates particle’s weight using this distribution. Through an experiment using video data taken in front of the cashier of a convenience store, the proposed method reduced computational time in tracking process until 68.34% in average compared to the conventional one, meanwhile the accuracy of tracking with this new method is comparable with particle filter method, i.e. 90.3%. Combining particle filter with binary Gaussian weighting and support vector machine is promising for advanced early crime scene investigation.
DETEKSI WAJAH MANUSIA BERBASIS ONE STAGE DETECTOR MENGGUNAKAN METODE YOU ONLY LOOK ONCE (YOLO) Muhammad Yusqi Alfan Thoriq; Indah Agustien Siradjuddin; Kurniawan Eka Permana
Jurnal Teknoinfo Vol 17, No 1 (2023): Vol 17, No 1 (2023): JANUARI
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jti.v17i1.1884

Abstract

Deteksi wajah bertujuan untuk memperoleh lokasi wajah pada suatu citra, sehingga dengan lokasi wajah ini dapat dimanfaatkan untuk beberapa aplikasi seperti pengenalan wajah pada suatu citra yang sudah terdeteksi, pencarian wajah tertentu dari suatu data video. Pendekatan one stage detector dengan algoritma You Only Look Once (YOLO) digunakan pada penelitian ini, dimana data citra dibagi menjadi grid dengan ukuran terentu. Setiap grid ini merupakan representasi lokasi kandidat wajah yang terdapat pada citra.  Untuk proses klasifikasi wajah dan non wajah serta perbaikan lokasi wajah di setiap grid ini menggunakan arsitektur Convolutional Neural Network (CNN), dimana pada penelitian ini menggunakan model yang sudah dilatih yaitu Visual Geometry Group-16 (VGG-16) pada lapisan konvolusi, sedangkan pada lapisan Fully Connected (FC) dilakukan proses pelatihan dengan data target yang sudah ditentukan. Ujicoba dilakukan pada WIDER Face dataset yang memiliki variasi jumlah wajah di dalam setiap citranya.  Hasil ujicoba yang telah dilakukan mendapatkan nilai akurasi Precision sebesar 0.253, nilai akurasi Recall sebesar 0.247 dan nilai akurasi F1-Score sebesar 0.25
Co-Authors Ari Kusumaningsih Ariesta Kartika Sari Ariesta Kartika Sari Arif Muntasa Arik Kurniawati Fifin Ayu Mufarroha Kurniawan Eka Permana Kurniawan Kurniawan M. Rahmat Widyanto Mochammad Kautsar Sophan Muhammad Rahmat Widyanto Muhammad Rahmat Widyanto, Muhammad Rahmat Muhammad Yusqi Alfan Thoriq Puji Rahayu Ningsih Puji Rahayu Ningsih Rima Tri Wahyuningrum Sukmawati Endah Sukmawati Endah, Sukmawati Sukmawati Nur Endah T. Basaruddin T. Basaruddin T. Basaruddin Tarzan Basaruddin Tarzan Basaruddin, Tarzan Wanda Ramansyah Wrida Adi Wardana Yonathan Fery Hendrawan