Article Per Year (5 Year)
p-Index From 2021 - 2026
2.319
P-Index
This Author published in this journals
All Journal Syntax Jurnal Informatika SITEKIN: Jurnal Sains, Teknologi dan Industri Infotech Journal Jurnal TAM (Technology Acceptance Model) JRST (Jurnal Riset Sains dan Teknologi) IKRA-ITH Informatika : Jurnal Komputer dan Informatika Techne : Jurnal Ilmiah Elektroteknika SINTECH (Science and Information Technology) Journal INTECOMS: Journal of Information Technology and Computer Science Abdimas Umtas : Jurnal Pengabdian kepada Masyarakat JISICOM (Journal of Information System, Infomatics and Computing) JISKa (Jurnal Informatika Sunan Kalijaga) Jurnal Pendidikan dan Konseling Jurnal Abdimas Mandiri Systematics Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi Buana Information Technology and Computer Sciences (BIT and CS) Tridharmadimas: Jurnal Pengabdian Kepada Masyarakat Jayakarta
Rini Mayasari
Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Singaperbangsa Karawang
Religion Agriculture, Biological Sciences & Forestry Arts Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Social Sciences Other

Published : 24 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 24 Documents
Search

 1   2   3 
Analisis Kinerja Deteksi Algoritma FAST dan Algoritma MSER pada Citra Digital Berbasis Marker Dwi Anugrahita; Rini Mayasari; Susilawati Susilawati
JRST (Jurnal Riset Sains dan Teknologi) Volume 5 No. 2 September 2021: JRST
Publisher : Universitas Muhammadiyah Purwokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1720.651 KB) | DOI: 10.30595/jrst.v5i2.7796

Abstract

Aungmented Reality (AR) membutuhkan algoritma yang baik dan tahan terhadap gangguan-gangguan yang dapat terjadi saat proses deteksi marker seperti perubahan pencahayaan, perubahan rotasi marker, dan blur pada kamera. Algoritma Feature from Accelerated Segment Test (FAST) dan algoritma Maximally Stable Extremal Regions (MSER)  merupakan algoritma yang kerap dipakai sebagai metode pendeteksi marker pada AR. Tujuan penelitian ini yaitu untuk menganalisis kinerja algoritma FAST dan algoritma MSER terhadap kemampuan dan kecepatannya untuk mendeteksi dan mengekstraksi fitur-fitur pada citra serta ketahanannya terhadap gangguan pada citra yang digunakan untuk marker pada AR, dan menunjukkan algoritma yang lebih baik untuk aplikasi AR antara algoritma FAST dan algoritma MSER. Penelitian ini menggunakan dua set citra; 2D Template Marker dan Image Marker dengan 10 gambar untuk masing-masing set dan modifikasi pada citra seperti; perubahan intensitas cahaya, rotasi, dan blur dengan parameter : (1) jumlah fitur yang terdeteksi, (2) waktu deteksi dan ekstraksi fitur, (3) persentase banyaknya fitur yang berhasil dicocokkan, dan (4) waktu pencocokan fitur. Berdasarkan keempat parameter, algoritma FAST memiliki pemrosesan yang lebih cepat terhadap deteksi marker, sedangkan algoritma MSER memiliki proses pendeteksian marker yang lebih stabil terhadap perubahan yang terjadi baik pada kamera atau marker.
KLASIFIKASI ULASAN PENGGUNA APLIKASI DISCORD MENGGUNAKAN METODE INFORMATION GAIN DAN NAÏVE BAYES CLASSIFIER Syafrida Nabila Salsabila; Betha Nurina Sari; Rini Mayasari
INFOTECH journal Vol. 9 No. 2 (2023)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v9i2.6277

Abstract

Pada saat terjadinya covid-19, aplikasi discord banyak di download oleh masyarakat karena dapat digunakan untuk pembelajaran yang dilakukan secara daring dari rumah. Banyak ulasan yang diberikan oleh pengguna aplikasi discord di google play store. Ulasan dari pengguna dapat berisi informasi bagi pengembangan aplikasi, oleh karena itu dilakukan klasifikasi ulasan pengguna aplikasi discord. Penelitian ini menggunakan metodologi CRISP-DM dengan tahap awal dilakukan scraping web, lalu data diberi label positif dan negatif menggunakan InSet Lexicon dan setelah itu divalidasi oleh ahli bahasa. Setelah divalidasi, data akan dibersihkan dan melalui tahap preprocessing. Lalu data akan melalui tahap seleksi fitur menggunakan Information Gain dan dilanjutkan dengan algoritma Naïve Bayes Classifier. Hasil klasifikasi dengan algoritma Naive Bayes Classifier menggunakan Information Gain dibandingkan dengan yang tidak menggunakan Information Gain. Setelah dibandingkan didapatlah nilai accuracy tertinggi yaitu 84%, precision 84%, recall 84%, f1-score/f-measure 83% yang didapatkan dengan 90% data training dan 10% data testing menggunakan Information Gain.
Penguatan Kompetensi Guru Dalam Pemanfaatan Teknologi Pembelajaran Dan Edukasi Literasi Digital Bagi Siswa Smp As-Syarifiyah Guna Mewujudkan Ekosistem Pendidikan Cerdas Digital Hannie Hannie; Agung Susilo Yuda; Ratna Mufidah; Iqbal Maulana; Ade Andri Hendriadi; Carudin Carudin; Dadang Yusup; Intan Purnamasari; Rini Mayasari; Taufik Ridwan; Sofi Defiyanti; Billy Ibrahim Hasbi; Yuyun Umaidah; Ahmad Khusaeri
TRIDHARMADIMAS: Jurnal Pengabdian Kepada Masyarakat Jayakarta Vol 6 No 1 (2026): TRIDHARMADIMAS (Juli 2026)
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/tridharmadimas.v6i1.2589

Abstract

Kegiatan Pengabdian kepada Masyarakat (PkM) ini dilaksanakan oleh Fakultas Ilmu Komputer Universitas Singaperbangsa Karawang di SMP As-Syarifiyah pada bulan November 2025. Latar belakang kegiatan ini berangkat dari permasalahan guru yang masih menghadapi kendala dalam mengintegrasikan teknologi ke dalam proses pembelajaran, serta kerentanan siswa terhadap paparan hoax dan ancaman keamanan data pribadi. Melalui pendekatan partisipatif dan edukatif, kegiatan dilaksanakan dalam dua pilar utama: pelatihan pemanfaatan teknologi pembelajaran bagi guru menggunakan PhET Interactive Simulations dan sosialisasi literasi digital bagi siswa yang mencakup materi keamanan siber dan anti-hoax. Metode yang digunakan meliputi hands-on training, demonstrasi aplikasi, ceramah interaktif, serta evaluasi pre-test dan post-test. Hasil kegiatan menunjukkan bahwa 13 guru telah mendapatkan pelatihan integrasi TIK dalam pembelajaran, sementara 120 siswa berhasil dibekali keterampilan mengidentifikasi hoax dan menerapkan langkah keamanan siber. Evaluasi post-test menunjukkan peningkatan pemahaman pada kedua kelompok sasaran. Meskipun dihadapkan pada kendala infrastruktur TIK dan manajemen waktu, solusi yang diterapkan secara efektif memastikan tercapainya target keluaran. Kegiatan ini berhasil menumbuhkan budaya pembelajaran berbasis teknologi dan memperkuat literasi digital di lingkungan sekolah mitra.
Implementasi Implementasi Model YOLO11 untuk Deteksi Alat Pelindung Diri Berbasis Citra Statis Tjoargen Christoper Redja; Rini Mayasari; Riza Ibnu Adam
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol. 10 No. 2 (2026): IKRAITH-INFORMATIKA Vol 10 No 2 Juli 2026
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37817/ikraith-informatika.v10i2.7211

Abstract

The use of Personal Protective Equipment (PPE) is a fundamental requirement in ensuring workplace safety, especially in chemical industry environments such as PT Mustika Dipa Lestari. However, manual PPE monitoring systems have significant limitations in consistency, efficiency, and coverage of large work areas. This research aims to develop an automatic detection system using the YOLO11 (You Only Look Once version 11) model based on static images to detect PPE usage among workers in industrial environments. The dataset consists of 406 images collected directly from PT Mustika Dipa Lestari with PPE objects including bouffant caps, laboratory coats, masks, and gloves. Data is divided with a 70:20:10 ratio for training, validation, and testing. Annotation was conducted using the Roboflow platform and the model was trained using the PyTorch framework with Adam optimizer over 150 epochs. Evaluation uses Mean Average Precision (mAP@50), mAP@0.5:0.95, precision, recall, and F1-score metrics. Results show that YOLO11 achieves optimal performance with mAP@50 of 96.91%, mAP@0.5:0.95 of 86.68%, precision of 98.30%, recall of 97.05%, and F1-score of 97.67%, surpassing the minimum business target of 85%. Comparison with YOLOv4 (mAP@50 = 66.47%) and YOLOv5 (mAP@50 = 95.75%) demonstrates YOLO11's superiority on a specialized chemical industry domain dataset.
Co-Authors Aang Alim Murtopo Abdurahman Azis Lasawali Ade Andri Hendriadi Agung Susilo Yuda Agung Susilo Yuda Irawan Ahmad Habib Husaini Ahmad Khusaeri Ami Natuzzuhriyyah Arip Solehudin Azhari Ali Ridha Bagja Nugraha Bagja Nugraha Baihaqi, Kiki Ahmad Betha Nurina Sari Billy Ibrahim Hasbi Bintang Sifa Amalia Carudin Dadang Yusup Didi Juardi Dwi Anugrahita Euis Musyarofah Hannie, Hannie Heryana, Nono Intan Purnamasari Iqbal Maulana Jaman, Jajam Haerul Kamal Prihandani Liawati Liawati M. Rayhan Rizqullah Syarif Nisa Nafisah Nur Arifin Nur syifa Oktia Dita Priyatna, Bayu Rafliansyah Putra Raisya Rahma Ratna Mufidah Riza Ibnu Adam Rudi Aprianto Sirojul Lael Sofi Defiyanti Susilawati Susilawati Susilawati Susilawati Syafrida Nabila Salsabila Taufik Ridwan Thalita Meisya Permata Aulia Tjoargen Christoper Redja Yuyun Umaidah