Article Per Year (5 Year)
p-Index From 2021 - 2026
4.275
P-Index
This Author published in this journals
All Journal Lontar Komputer: Jurnal Ilmiah Teknologi Informasi Techno.Com: Jurnal Teknologi Informasi Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik Prosiding Semnastek English Review: Journal of English Education EMITTER International Journal of Engineering Technology Fountain of Informatics Journal JRSI (Jurnal Rekayasa Sistem dan Industri) JURNAL MEDIA INFORMATIKA BUDIDARMA IKRA-ITH Informatika : Jurnal Komputer dan Informatika DIKLUS: Jurnal Pendidikan Luar Sekolah Jurnal Teknoinfo Jurnal Nasional Komputasi dan Teknologi Informasi KOMPUTIKA - Jurnal Sistem Komputer Infoman's: Jurnal Ilmu-Ilmu Manajeman dan Informatika Applied Technology and Computing Science Journal Jurnal Mantik Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) PELS (Procedia of Engineering and Life Science) SAINTEK Journal of Information System and Application Development
Oddy Virgantara Putra
Universitas Darussalam Gontor
Aerospace Engineering Arts Humanities Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Neuroscience Social Sciences Transportation

Published : 34 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Fountain of Informatics Journal

 1 
Media Pembelajaran Bahasa Jepang Berbasis Mobile Faisal Reza Pradhana; Triana Harmini; Febri Vicky Allen; Oddy Virgantara Putra
Fountain of Informatics Journal Vol 5, No 3 (2020): Specials Issue November - Seminar Nasional Sains dan Teknologi
Publisher : Universitas Darussalam Gontor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21111/fij.v5i3.4947

Abstract

AbstrakBahasa  Jepang  merupakan  salah  satu  bahasa  asing  yang  banyak  diminati  dan dipelajari oleh berbagai kalangan di Indonesia, karena Bahasa Jepang memiliki keunikan  tersendiri. Kelompok Studi Bahasa (KSB) Jepang merupakan salah satu Unit Kegiatan Mahasiswa (UKM) di Universitas Darussalam (UNIDA) Gontor sebagai wadah untuk belajar bahasa Jepang. Metode pembelajaran yang digunakan masih konvensional berupa diskusi bersama. Hal ini menyebabkan mahasiswa kesulitan dalam mempelajari kosakata, pola kalimat dan ungkapan Bahasa Jepang. Tujuan penelitian ini adalah menunjang pembelajaran bahasa Jepang mahasiswa di UNIDA Gontor khususnya untuk anggota KSB Jepang. Pengerjaan aplikasi ini menggunakan langkah - langkah metode waterfall. Pengujian aplikasi Da.N.Go ini dilakukan dengan 5 pengujian. Uji pertama dengan metode blackbox menunjukkan bahwa aplikasi sudah berjalan lancar dan tidak ada error. Uji kedua penggunaan perangkat keras dengan lima buah media smartphone berbagai merk dan ukuran layar menunjukkan aplikasi berjalan dengan baik pada smartphone berukuran minimal 4.1 inchi dengan spesifikasi sistem operasi minimal Android 5.0 (Lollipop). Uji ketiga dilakukan kepada seorang ahli materi pembelajaran Bahasa Jepang memberikan nilai 92%. Uji keempat dilakukan kepada beberapa anggota KSB Jepang memberikan nilai rata-rata 88%. Uji kelima dilakukan kepada pengguna umum Google Playstore mulai tanggal 15 Agustus 2020 – 28 Oktober 2020 menghasilkan nilai 4.6 dari 5 (total rating tertinggi) berjumlah 37 orang  (https://play.google.com/store/apps/details?id=dango.vicky.daisukinanihongo). Media ini bersifat sebagai media penunjang proses pembelajaran bahasa Jepang tetapi tidak dapat menggantikan peran guru yang sesungguhnya. Bagi peneliti atau pengembang selanjutnya diharapkan untuk dapat disempurnakan sampai seluruh mahasiswa dan dosen bisa menggunakan dan memanfaatkan aplikasi ini di masa depan.Kata kunci: Media Pembelajaran, Android, Bahasa Jepang. Abstract[Mobile Based Japanese Language Learning Media] Japanese is one of the foreign languages that are in great demand and studied by various groups in Indonesia because Japanese has its uniqueness. The Japanese Language Study Group is one of the UKM at the UNIDA Gontor as a forum for learning Japanese. The learning method used is still conventional in the form of collective discussion. It causes students to have difficulty learning Japanese vocabulary, sentence patterns, and expressions. This research aims to support the Japanese language learning of students at UNIDA Gontor, especially for members of the Japanese KSB. The execution of this application uses the waterfall method steps. Testing the Da.N.Go application is carried out with five tests. The first test with the black box method shows that the application runs smoothly, and there are no errors. The second test of using hardware with five smartphone media of various brands and screen sizes shows that the application runs well on a smartphone with a minimum length of 4.1 inches with a minimum operating system specification of Android 5.0 (Lollipop). The third test was conducted on an expert in Japanese learning materials giving a score of 92 %. The fourth test was carried out on several Japanese KSB giving an average score of 88%. The fifth test was conducted on general users of Google Playstore from 15 August 2020 - 28 October 2020, resulting in a 4.6 out of 5 (highest total rating) totaling 37 people (https://play.google.com/store/apps/details?id=dango.vicky.daisukinanihongo). This media has the character of supporting the Japanese language learning process, but it cannot replace the real teacher's role. For further researchers or developers, it is hoped that it can be refined so that all students and lecturers can use and utilize this application in the future.Keywords: Learning Media, Android, Japanese Language.
Dehazing Citra Kabut Gunung Berapi Kelud Dengan Color Attenuation Prior Dan Adaptive Gamma Correction Oddy Virgantara Putra; Aziz Musthafa
Fountain of Informatics Journal Vol 4, No 2 (2019): November
Publisher : Universitas Darussalam Gontor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21111/fij.v4i2.3511

Abstract

AbstrakVisibilitas citra luar ruangan yang ditangkap dalam cuaca buruk seringkali menurun karena adanya kabut, badai pasir, dan sebagainya. Visibilitas yang buruk, yang disebabkan oleh fenomena di atmosfer, menjadi faktor penyebab gagalnya aplikasi visi komputer, seperti sistem pengenalan objek luar, sistem deteksi rintangan atau sistem pengawasan video. Sejak letusan terakhir gunung Kelud, telah dipasang kamera CCTV untuk mengamati kawah danau dan sekitarnya. Akan tetapi, kamera pengamat mengalami gangguan dikarenakan adanya kabut. Tidak hanya itu, penghilangan kabut dari satu citra dengan struktur yang rumit, efek halo, dan distorsi warna adalah hal yang menantang teknik image recovery. Penelitian ini bertujuan mereduksi kabut dan meningkatkan visibilitas dari citra berkabut. Pada artikel ini, diusulkan metode dehazing baru yang menggabungkan metode Color Attenuation Prior (CAP) dan Adaptive Gamma Correction (AGC). Metode ini dibagi menjadi tiga modul utama, yaitu modul estimasi kedalaman (DispE), modul peningkatan peta transmisi (TME), dan modul restorasi (ImRec). Modul DispE yang diusulkan memanfaatkan teknik estimasi kedalaman dari CAP. Sedangkan modul TME mengadopsi teknik AGC. Dengan demikian, efek halo pada citra dapat dihindari dan estimasi peta transmisi yang efektif dapat dicapai. Selanjutnya, modul ImRec menggunakan peta transmisi hasil keluaran dari TME untuk memperbaiki distorsi warna citra kawah. Hasil eksperimental menunjukkan bahwa metode yang diusulkan bisa mengurangi kabut tanpa menimbulkan efek halo dan distorsi warna. Penelitian berikutnya difokuskan pada metode berbasis pembelajaran mesin.Kata kunci: adaptive gamma correction, color attenuation prior, dehazing, kabut. Abstract[Single Kelud Volcano Lake Crater Image Dehazing Using Color Attenuation Prior and Adaptive Gamma Correction] Visibility of outdoor images captured in bad weather often decreases due to fog, sandstorms, and so on. Poor visibility, caused by atmospheric phenomena, is a factor in the failure of computer vision applications, such as external object recognition systems, obstacle detection systems or video surveillance systems. Due to the last eruption, CCTV cameras have been installed on top of Mt. Kelud summit to observe the crater of the lake and its surroundings. However, the observation camera experienced interference due to the fog. Not only that, the removal of fog from an image with complicated structures, halo effect, and color distortion is challenging image recovery techniques. This study aims to reduce the fog and improve the visibility of the foggy image. In this article, a new dehazing method is proposed that combines the Color Attenuation Prior (CAP) and Adaptive Gamma Correction (AGC) methods. This is divided into three main modules, namely the depth estimation module (DispE), the transmission map enhancement module (TME), and the restoration module (ImRec). The proposed DispE module utilizes depth estimation techniques from CAP. While the TME module adopts the AGC technique. Thus, the halo effect on the image can be avoided and the estimation of an effective transmission map can be achieved. Furthermore, the ImRec module uses a transmission map output from TME to correct the color distortion of the crater image. Experimental results show that the proposed method can reduce haze without causing halo and color distortion effects. Subsequent research focused on machine learning based methods.Keywords: adaptive gamma correction, color attenuation prior, dark channel prior, dehazing, haze.
Klasifikasi Tingkat Keparahan Penyakit Leafblast Tanaman Padi Menggunakan MobileNetv2 Imam Fauzi Annur; Jumhurul Umami; Moch. Nasheh Annafii; Niken Trisnaningrum; Oddy Virgantara Putra
Fountain of Informatics Journal Vol. 8 No. 1 (2023): Mei
Publisher : Universitas Darussalam Gontor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21111/fij.v8i1.9419

Abstract

AbstrakPadi merupakan tanaman pangan pokok di Indonesia, dan produksinya merupakan kunci ketahanan pangan negara. Keberhasilan panen merupakan faktor penting dalam pencegahan impor bahan pangan pokok. Tantangan terbesar dalam memanen tanaman adalah adanya virus, jamur, dan hama yang dapat merusak tanaman. Penelitian ini bertujuan untuk membuat sistem klasifikasi tingkat keparahan penyakit daun pada tanaman padi yang terkena penyakit blas daun dengan bantuan algoritma machine learning. MobileNetV2 adalah arsitektur Convolutional Neural Network (CNN) yang menggunakan Depthwise Separable Convolution untuk membangun model yang ringan dan dirancang untuk mengatasi proses yang memiliki resource yang berlebih. Dataset yang digunakan pada penelitian ini merupakan hasil murni observasi peneliti yang sudah divalidasi oleh ahli dengan total 300 data asli. Model MobileNetV2 ternyata sangat berhasil dalam mengklasifikasikan objek, dengan akurasi 78,33%. dengan hasil penelitian ini, petani dapat terbantu dalam mengenali tingkat keparahan penyakit leafblast pada tanaman padi sehingga pemberian bahan kimia berupa fungisida sesuai dengan dosis anjuran tingkat keparahan. Kata kunci: Klasifikasi, leafblast, padi, citra, model pre-trained, MobileNetV2. Abstract[Classification Of Rice Blast Disease Using MobileNetV2] Rice is a staple food crop in Indonesia, and its production is key to the country's food security. Successful harvesting is an important factor in preventing imports of staple foods. The biggest challenge in harvesting crops is the presence of viruses, fungi, and pests that can damage plants. This research aims to create a classification system for leaf disease severity in rice plants affected by leaf blast disease with the help of machine learning algorithms. MobileNetV2 is a Convolutional Neural Network (CNN) architecture that uses Depthwise Separable Convolution to build lightweight models and is designed to overcome processes that have excessive resources. The dataset used in this study is the result of pure researcher observations that have been validated by experts with a total of 300 original data. The MobileNetV2 model turned out to be very successful in classifying objects, with an accuracy of 78.33%. with the results of this study, farmers can be helped in recognizing the severity of leafblast disease in rice plants so that the provision of chemicals in the form of fungicides in accordance with the recommended dose of severity.Keywords: Classification, leafblast, rice, image, pre-trained model, MobileNetV2
Co-Authors Achmad, Dellyan Adi Darmanto Agung Toto Wibowo Ahmad Saroji Ardyono Priyadi azis isrofi Aziz Musthafa Dahlan, Muhammad Alwi Diah Puspito Wulandari Dihin Muriatmoko Dihin Muriyatmoko Eko Mulyanto Yuniarno Ema Rachmawaty Faisal Reza Pradana Faisal Reza Pradhana Faishal Reza Pradhana Farah Zakiyah Rahmanti Febri Vicky Allen Harris Abdillah Faqih Havidz Muhammad Iqbal Hesti Rokhaniyah, Hesti Imam Fauzi Annur Imron Rosyadi Jordan Istiqlal Qalbi Adiba Jumhurul Umami Jumhurul Umami, Jumhurul Kukuh Prasetyo Wibowo Kurniawan, Widya Lukman Effendi Lukman Effendi, Lukman Mauridhi Hery Purnomo Moch. Iskandar Riansyah Moch. Nasheh Annafii Muhamad Rido Muhamad Taufiq Riza Muhammad Alwi Muhammad Arsyad Maulana Muhammad Fakhruzzaini Muhammad Nur Muhammad Rizal Muttaqin1 Muhammad Siddiq, Muhammad Muhammad Yusrizal Haq Muhammad Zaim Mustaqim Niken Sylvia Puspitasari Pradana, Kelvin Prihadian, Hibatullah Agung Raja Syam Abbas Shagir Reyhan Nafis Ibrahim Shoffin Nahwa Utama Syamsiar, Syamsiar Taufiqurrahman Tri Arief Sardjono Triana Harmini Trisnaningrum, Niken Wijaya, Akhmad Trisna Yoke Suryadarma Zsaffa Aulia Putri Prasetyo