Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Information System for Educators and Professionals : Journal of Information System Jurnal Computer Science and Information Technology (CoSciTech) INFORMATION SYSTEM FOR EDUCATORS AND PROFESSIONALS : Journal of Information System
Yuhandri Yuhandri
Universitas Putra Indonesia YPTK
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Engineering Other

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

Found 3 Documents
Search

 1 
The Implementation of Artificial Neural Networks to measure the correlation of teacher's workload to the number of own learning media Erizke Aulya Pasel; Yuhandri Yuhandri; Gunadi Widi Nurcahyo Nurcahyo
Computer Science and Information Technology Vol 4 No 1 (2023): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v4i1.4757

Abstract

The use of learning media in the teaching and learning process is an effort to increase the effectiveness and quality of the learning process. However, the need for learning media is not compatible with the number of learning media made by the teacher himself. One of the factors that causes it is the teacher's workload which is quite a lot so that the teacher does not have enough time to make his own learning media. This study aims to measure the extent of the correlation between the teacher's workload and the amount of instructional media that the teacher himself made. Artificial Neural Network with Backpropagation method is a tool that can be used to solve complex problems, one of which is to measure the level of correlation. The ability of an Artificial Neural Network with the Backpropagation method to adapt to changes that occur in the input and output values makes the prediction accuracy quite high. The teacher's workload variables used are the number of face-to-face hours of even and odd semesters, additional assignments (deputy principal/head of laboratory), homeroom teacher, and extracurricular coaches. The target used is the number of learning media made by the teacher himself. The data used in this study were taken from the workload of teachers at SMAN 4 Payakumbuh in 2022. The architectural patterns used are 5-4-1, 5-5-1, 5-7-1, 5-10-1, and 5- 12-1. From the test results with the Matlab R2013a software, the best pattern was obtained, namely the 5-12-1 pattern with an MSE value of 0.1001, a MAPE of 2.11, and a data accuracy of 97.89%. From the results of the training and testing, it was concluded that the correlation between the teacher's workload and the amount of self-made learning media is very low or not closely related.
IDENTIFIKASI AKSARA JAWI PADA NASKAH KUNO PADA CITRA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK Devi Maryuni; Yuhandri Yuhandri; Sumijan Sumijan
INFORMATION SYSTEM FOR EDUCATORS AND PROFESSIONALS : Journal of Information System Vol 11 No 1 (2026): INFORMATION SYSTEM FOR EDUCATORS AND PROFESSIONALS (Juni 2026)
Publisher : Lembaga Penelitian dan Pengabdian kepada Masyarakat Universitas Bina Insani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51211/isbi.v11i1.3832

Abstract

Permasalahan pelestarian naskah kuno tidak hanya terkait dengan kondisi fisik naskah yang semakin rapuh, tetapi juga dengan keterbatasan sumber daya manusia dalam memahami isi serta aksara yang digunakan, khususnya aksara Jawi atau Arab Melayu. Rendahnya kemampuan masyarakat dalam membaca dan memahami aksara Jawi menjadi hambatan utama dalam mengakses isi naskah secara luas, sehingga berdampak pada terbatasnya pemanfaatan naskah kuno sebagai sumber pengetahuan dan warisan budaya daerah. Penerapan teknologi informasi seperti metode Convolutional Neural Network (CNN) diharapkan mampu mengidentifikasi huruf aksara Jawi sehingga dapat membantu mengatasi keterbatasan kemampuan membaca aksara tersebut serta mendukung proses digitalisasi naskah kuno berbasis citra. Data penelitian diperoleh dari citra naskah kuno beraksara Jawi yang tersimpan di Dinas Kearsipan dan Perpustakaan Provinsi Sumatera Barat, yang selanjutnya digunakan sebagai dataset pelatihan dan pengujian model CNN. Hasil penelitian menunjukkan bahwa model CNN yang dibangun mampu mencapai nilai akurasi sebesar 82,24% dalam mengidentifikasi huruf aksara Jawi. Berdasarkan nilai akurasi tersebut, dapat disimpulkan bahwa metode CNN cukup efektif dalam mengatasi permasalahan keterbatasan pemahaman aksara Jawi dan mampu mengenali pola huruf pada naskah kuno dengan baik. Berdasarkan hasil penelitian, penggunaan CNN diharapkan dapat berdampak pada pelestarian naskah kuno terutama dalam peningkatan aksesibilitas, pelestarian digital, serta pemanfaatan naskah kuno sebagai warisan budaya dan sumber pengetahuan bagi masyarakat luas.
IDENTIFIKASI AKSARA JAWI PADA NASKAH KUNO PADA CITRA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK Devi Maryuni; Yuhandri Yuhandri; Sumijan Sumijan
INFORMATION SYSTEM FOR EDUCATORS AND PROFESSIONALS : Journal of Information System Vol 11 No 1 (2026): INFORMATION SYSTEM FOR EDUCATORS AND PROFESSIONALS (Juni 2026)
Publisher : Lembaga Penelitian dan Pengabdian kepada Masyarakat Universitas Bina Insani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51211/isbi.v11i1.3832

Abstract

Permasalahan pelestarian naskah kuno tidak hanya terkait dengan kondisi fisik naskah yang semakin rapuh, tetapi juga dengan keterbatasan sumber daya manusia dalam memahami isi serta aksara yang digunakan, khususnya aksara Jawi atau Arab Melayu. Rendahnya kemampuan masyarakat dalam membaca dan memahami aksara Jawi menjadi hambatan utama dalam mengakses isi naskah secara luas, sehingga berdampak pada terbatasnya pemanfaatan naskah kuno sebagai sumber pengetahuan dan warisan budaya daerah. Penerapan teknologi informasi seperti metode Convolutional Neural Network (CNN) diharapkan mampu mengidentifikasi huruf aksara Jawi sehingga dapat membantu mengatasi keterbatasan kemampuan membaca aksara tersebut serta mendukung proses digitalisasi naskah kuno berbasis citra. Data penelitian diperoleh dari citra naskah kuno beraksara Jawi yang tersimpan di Dinas Kearsipan dan Perpustakaan Provinsi Sumatera Barat, yang selanjutnya digunakan sebagai dataset pelatihan dan pengujian model CNN. Hasil penelitian menunjukkan bahwa model CNN yang dibangun mampu mencapai nilai akurasi sebesar 82,24% dalam mengidentifikasi huruf aksara Jawi. Berdasarkan nilai akurasi tersebut, dapat disimpulkan bahwa metode CNN cukup efektif dalam mengatasi permasalahan keterbatasan pemahaman aksara Jawi dan mampu mengenali pola huruf pada naskah kuno dengan baik. Berdasarkan hasil penelitian, penggunaan CNN diharapkan dapat berdampak pada pelestarian naskah kuno terutama dalam peningkatan aksesibilitas, pelestarian digital, serta pemanfaatan naskah kuno sebagai warisan budaya dan sumber pengetahuan bagi masyarakat luas.
Co-Authors Devi Maryuni Erizke Aulya Pasel Gunadi Widi Nurcahyo Sumijan Sumijan