Article Per Year (5 Year)
p-Index From 2020 - 2025
2.696
P-Index
This Author published in this journals
All Journal Semantik Techno.Com: Jurnal Teknologi Informasi Prosiding SNATIF Jurnal Transformatika Scientific Journal of Informatics Seminar Nasional Informatika (SEMNASIF) Journal of Information System Sinkron : Jurnal dan Penelitian Teknik Informatika Journal of Information Technology and Computer Science Jurnal Pilar Nusa Mandiri Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control IKRA-ITH Informatika : Jurnal Komputer dan Informatika Abdimasku : Jurnal Pengabdian Masyarakat Jurnal Sistem Komputer dan Informatika (JSON) Jurnal Pengabdian Literasi Digital Indonesia Prosiding Seminar Riset Mahasiswa
Fahmi Amiq
Fakultas Ilmu Komputer, Universitas Dian Nuswantoro, Semarang 50131
Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Social Sciences Other

Published : 42 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Transformatika

 1 
Peningkatan Fitur Ekstraksi Berbasis Discrete Wavelet Transform dan Principal Component Analysis Pada Pengenalan Citra Batik Sugiarto, Edi; Budiman, Fikri; Muslih, Muslih; Arifin, Zaenal; Fahmi, Amiq; Hendriyanto, Novi
Jurnal Transformatika Vol. 20 No. 2 (2023): January 2023
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v20i2.5613

Abstract

Pengenalan pola batik menjadi penting karena batik sebagai warisan budaya bangsa perlu dilestarikan kepada generasi ke generasi. Salah satu upaya untuk memperkenalkan pola batik ini yaitu dengan memperkenalkan keragaman motif atau polanya. Penelitian ini bertujuan untuk mengoptimalisasi metode fitur ekstraksi dengan menggunakan metode Discrete Wavelet Transform (DWT) dan Principal Component Analysis (PCA) untuk mereduksi hasil fitur ekstraksi yang diperoleh dari DWT berdasarkan fitur-fitur yang memiliki korelasi yang baik. Tahapan dilakukan dengan menggunakan 310 data berupa citra batik yang terdiri dari 7 motif dengan komposisi 240 untuk data training dan 70 untuk data testing. Pada tahap fitur ekstraksi dengan menambahkan metode PCA pada DWT mampu mereduksi fitur dari 20 menjadi 5 fitur. Selanjutnya fitur tersebut diuji dengan melakukan klasifikasi menggunakan metode KNN dan SVM. Hasil dari klasifikasi dapat dibuktikan bahwa dengan menggunakan metode PCA dan DWT pada tahap fitur ekstraksi mampu meningkatkan klasifikasi hingga 5%.
Penerapan K-Nearest Neighbors (KNN) untuk Klasifikasi Aset dalam Upaya Menentukan Aset Wakaf Produktif Sugiarto, Edi; Fahmi, Amiq; Muslih, Muslih; Hendriyanto, Novi
Jurnal Transformatika Vol. 19 No. 2 (2022): January 2022
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v19i2.3356

Abstract

aset wakaf berupa tanah yang tersebar di Indonesia terbilang cukup besar, sehingga aset wakaf yang besar ini perlu dikelola dengan baik agar tidak menimbulkan banyak permasalahan yang pada akhirnya tanah wakaf tidak sesuai dengan tujuannya dan tidak dapat digunakan untuk kepentingan umat. Instrument pengamanan aset wakaf telah memenuhi, namun masih banyak muncul persoalan mengenai aset wakaf seperti menguapnya bondo wakaf, sengketa, alih fungsi, dll, sehingga dalam hal ini menunjukan bahwa banyak persoalan terkait pengelolaan aset wakaf yang harus dipecahkan. potensi wakaf sangat besar, bahkan diperkirakan potensi tanah wakaf di indonesia mencapai lima kali luas singapura, namun saat ini belum dikelola secara profesional dan lebih produktif. Penggunaan tanah wakaf di indonesia masih identik dengan masjid dan makam, padahal wakaf dapat juga dikelola menjadi aset-aset ekonomi yang menghasilkan keuntungan sehingga hasil dari wakaf produktif tersebut dapat digunakan untuk kepentingan umat. K-Nearest Neighbors (KNN) merupakan algoritma klasifikasi yang didasarkan pada analogi yaitu membandingkan data uji dengan data latih yang berada dekat dengan dan memiliki kemiripan dengan data uji tersebut, dalam penelitian ini KNN digunakan sebagai metode untuk klasifikasi aset wakaf guna mengidentifikasi aset wakaf tersebut berpotensi produtif atau tidak produktif. Penelitian dilakukan dengan menggunakan 57 data aset wakaf yang diperoleh dengan membagi menjadi 45 data untuk training dan 12 untuk testing. Hasil pengujian yang telah dilakukan membuktikan metode KNN ini memiliki akurasi yang baik untuk klasifikasi aset wakaf yaitu mencapai 93% pada data training dan 83% pada data testing.
Co-Authors Abdul Rohim Abu Salam Agus Winarno Agus Winarno, Agus Alzami, Farrikh Ardianda Aryo Prakoso Ariel Bagus Nugroho Asih Rohmani, Asih Budi Harjo Budiono Budiono Candra Irawan Catur Supriyanto Diana Purwitasari Edi Faisal Edi Sugiarto Edi Sugiarto Edi Sugiarto Edi Sugiarto Edi Sugiarto Edi Sugiarto Fhaldian, Wahyu Fikri Budiman Hadi, Heru Pramono Harun Al Azies Hindarto, Aris Nur Husna, Farida Amila Indra Gamayanto ISWAHYUDI ISWAHYUDI Karis Widyatmoko Kurnia Desita, Raafi Lalang Erawan Lintang Mekar Tanjung Maurensa, Giacinta Mauridhi Hery Purnomo Megantara, Rama Aria Moch. Eko Rustiyono Muhammad Naufal, Muhammad Mulyanto, Edy Muslih Muslih MY. Teguh Sulistyono Nova Rijati Novi Hendriyanto, Novi Pujiono Pujiono Pujiono Pujiono Pujiono Ramadhan Rakhmat Sani Ridha Rahmawati Ridho Pambudi Rizky Adrianto Sasono Wibowo Sidharta, Bayu Adjie Sihombing, Drigo Alexander Sri Winarno Suhariyanto - Suharnawi Suharnawi Suryo Adi Nugroho Tacharri, Chusnuut Tsani, Maulida Aristia Yuventius Tyas Catur Pramudi Zaenal Arifin Zahro, Azzula Cerliana