Article Per Year (5 Year)
p-Index From 2021 - 2026
1.066
P-Index
This Author published in this journals
All Journal JURNAL MEDIA INFORMATIKA BUDIDARMA Jurnal Teknoinfo Jurnal Sisfokom (Sistem Informasi dan Komputer) Systemic: Information System and Informatics Journal J-Dinamika: Jurnal Pengabdian Kepada Masyarakat Jurnal Teknologi Informasi dan Terapan (J-TIT) Archive: Jurnal Pengabdian Kepada Masyarakat
Dianni Yusuf
Politeknik Negeri Banyuwangi
Religion Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Public Health

Published : 9 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Jurnal Teknoinfo

 1 
Pengenalan Motif Batik Banyuwangi Berdasarkan Fitur Grey Level Co-Occurrence Matrix Lutfi Hakim; Sepyan Purnama Kristanto; Dianni Yusuf; Fitri Nur Afia
Jurnal Teknoinfo Vol 16, No 1 (2022): Januari
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jti.v16i1.1320

Abstract

Batik merupakan salah satu warisan budaya Indonesia yang diakui dunia dan telah ada sejak jaman penjajahan. Indonesia memiliki beragam motif batik yang berbeda setiap daerah, sehingga menyebabkan banyak masyarakat awam dan wisatawan sulit membedakan dan mengenali motif-motif yang ada. Kabupaten Banyuwangi sendiri memiliki lebih dari 10 motif batik, diantara adalah motif batik motif gajah oling yang merupakan motif batik tertua. Untuk menjaga kelestarian budaya dan mendukung aspek pariwisata di Banyuwangi yang semakin berkembang, penelitian ini melakukan pengembangan sistem pengenalan motif batik Banyuwangi berbasiskan pengolahan citra digital. Sistem ini dibangun menggunakan bahasa python dan mampu mengenali tiga kelas motif batik Banyuwangi, seperti motif batik Gajah Oling, Kopi Pecah dan motif batik selain keduanya. Proses pengenalan mengusulkan metode ekstraksi fitur Gray Level Co-occurrence Matrix (GLCM) dan metode klasifikasi k-Nearest Neighbors (k-NN). Berdasarkan eksperimen yang telah dilakukan didapatkan akurasi optimal sebesar 87,5% dengan parameter K dari algorima kNN adalah 9.
SISTEM DETEKSI PENYAKIT DAN CRAWLING INFORMASI PADA TANAMAN BUAH NAGA BERBASIS WEB DAN ANDROID Lutfi Hakim; Sepyan Purnama Kristanto; Dianni Yusuf; Aditya Roman Asyari; Khoirul Umam
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.v17i1.2256

Abstract

Buah naga merupakan jenis tanaman holtikultura yang memiliki banyak manfaat bagi Kesehatan manusia. Namun, dibalik banyaknya manfaat yang dimiliki oleh buah ini, tak lantas membuat petani selalu berhasil dalam meningkatkan kualitas dan kuantitas hasil panen. Serangan penyakit seringkali menghantui para petani buah naga, terutama di Kabupaten Banyuwangi. Oleh karena itu, pada penelitian ini dilakukan pengembangan aplikasi berbasis web dan android. Pada penelitian ini, diusulkan metode Extreme Programming untuk melakukan pengembangan sistem. Aplikasi ini dapat digunakan oleh petani untuk melakukan deteksi melalui perangkat android yang dimiliki berdasarkan data citra. Aplikasi ini dikembangkan dengan menjalan fitur *h5 dan tflite untuk menjalankan model deteksi yang telah dibuat. Aplikasi deteksi dapat diakses melalui aplikasi berbasis web dan android yang dikembangkan. Selain itu, pada sistem ini juga diimplementasikan teknik web crawling untuk mengekstraksi informasi yang berkaitan dengan penyakit pada batang buah naga beserta cara penangannya. Teknik web crawling menggunakan library selenium dan beautifulSoup. Berdasarkan pengujian yang dilakukan menggunakan scenario test, didapatkan bahwa sistem dapat digunakan sesuai yang diharapkan dengan ditunjukkan sebesar 86,67% untuk aplikasi web menunjukkan hasil valid dan 90,5% untuk aplikasi android.
KLASIFIKASI CITRA MOTIF BATIK BANYUWANGI MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK Lutfi Hakim; Hadi Rizaldi Rahmanto; Sepyan Purnama Kristanto; Dianni Yusuf
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.v17i1.2342

Abstract

Kain Batik merupakan salah satu warisan kebudayaan Indonesia yang sangat berharga dan telah diakui oleh UNESCO sebagai salah satu warisan dunia. Banyak masyarakat Indonesia yang belum mengetahui motif batik setiap daerah. Banyuwangi sendiri memiliki lebih dari 10 motif batik, diantara motif batik Banyuwangi yang paling terkenal adalah motif Gajah Oling. Sistem klasifikasi motif batik Banyuwangi merupakan sebuah sistem yang dibangun dengan menggunakan library Pytorch dengan Bahasa pemrograman Python. Sistem ini dapat mengenali 7 macam motif batik Banyuwangi yaitu diantaranya Gajah Oling, Gedegan, Kopi Pecah, Moto Pitik, Beras Kutah, Paras Gempal dan Sisikan. Sistem ini menggunakan metode Convolutional Neural Network (CNN) dan untuk evaluasi digunakan metode confusion matrix untuk mengukur nilai akurasi. Penelitian menggunakan model CNN dengan arsitektur yang diberi nama MyCustomModel. Data yang digunakan pada penelitian ini sebanyak 120 citra untuk masing masing motif batik dan hasil prediksi mendapatkan nilai akurasi sebesar 63%.
Co-Authors Aditya Roman Asyari Endi Sailul Haq Fitri Nur Afia Hadi Rizaldi Rahmanto I Putu Dody Lesmana Kusuma, Dedy Hidayat Lutfi Hakim Mistiko Rini, Eka Muhammad Fuad Alharis Nurul Hidayati Novitasari Purwoko, Agus Sepyan Purnama Kristanto