Article Per Year (5 Year)
p-Index From 2021 - 2026
2.811
P-Index
This Author published in this journals
All Journal INFORMAL: Informatics Journal Martabe : Jurnal Pengabdian Kepada Masyarakat MIND (Multimedia Artificial Intelligent Networking Database) Journal Jurnal Ilmiah ILKOMINFO - Ilmu Komputer & Informatika Buletin Sistem Informasi dan Teknologi Islam The Indonesian Journal of Computer Science Research Inventor: Jurnal Inovasi dan Tren Pendidikan Teknologi Informasi Linier: Literatur Informatika dan Komputer
Fitriyani Umar
Universitas Muslim Indonesia
Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Mathematics Social Sciences Other

Published : 17 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 17 Documents
Search

 1   2 
KLASIFIKASI CENGKEH MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) Lisna Ariani; Dolly Indra; Fitriyani Umar
LINIER: Literatur Informatika dan Komputer Vol 2, No 3 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v2i3.3145

Abstract

Cengkeh merupakan salah satu komoditas unggulan di sektor pertanian Indonesia yang memiliki nilai ekonomi tinggi, namun rentan mengalami penurunan kualitas akibat kontaminasi jamur selama proses panen dan pascapanen. Selama ini, proses klasifikasi cengkeh berjamur dan tidak berjamur masih dilakukan secara manual, yang cenderung tidak efisien, subjektif, dan berpotensi menimbulkan inkonsistensi, terutama ketika harus menangani volume data dalam jumlah besar. Oleh karena itu, penelitian ini dirancang untuk mengembangkan sistem klasifikasi otomatis berbasis kecerdasan buatan menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur InceptionV3. Penelitian akan dilakukan di Kecamatan Lasusua, Kabupaten Kolaka Utara, dengan menggunakan dataset sebanyak 1.000 citra digital cengkeh yang diambil dari dua pose berbeda. Seluruh citra akan melalui tahapan preprocessing dan augmentasi guna memperkuat kualitas dan keragaman data, sebelum digunakan dalam proses pelatihan model CNN. Evaluasi terhadap performa model akan dilakukan dengan mengukur nilai akurasi, presisi, recall, dan F1-score untuk menentukan sejauh mana efektivitas sistem dalam mengklasifikasikan cengkeh ke dalam dua kelas, yaitu berjamur dan tidak berjamur. Diharapkan hasil dari penelitian ini dapat memberikan kontribusi nyata terhadap peningkatan efisiensi, akurasi, dan objektivitas dalam proses sortasi cengkeh serta menjadi langkah awal dalam penerapan teknologi deep learning untuk mendukung digitalisasi mutu hasil pertanian, khususnya pada komoditas strategis seperti cengkeh
EDUKASI PENCEGAHAN STUNTING PADA ANAK MELALUI PENGOLAHAN IKAN TERI DI DESA KUPA KABUPATEN BARRU Nurul Hikmah Baharuddin; Asmayanti Asmayanti; Fitriyani Umar; Nur Hidayati Islamiah
Martabe : Jurnal Pengabdian Kepada Masyarakat Vol 6, No 10 (2023): Martabe : Jurnal Pengabdian Kepada Masyarakat
Publisher : Universitas Muhammadiyah Tapanuli Selatan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31604/jpm.v6i10.3566-3572

Abstract

Stunting menjadi salah satu masalah gangguan gizi yang dialami oleh anak-anak, baik saat masih bayi maupun balita. Observasi yang telah dilakukan ditemukan bahwa Kecamatan Mallusetasi Kabupaten Barru terdapat 25 bayi dua tahun (baduta) mengalami stunting, 8 diantaranya di Desa Kupa. Ikan teri menjadi salah satu intervensi stunting yang bisa dilakukan dengan mengolah menjadi camilan dan sebagai asupan gizi yang baik bagi anak. Ikan teri mengandung kalsium tinggi yang menunjang pembentukan tulang dan gigi serta memungkinkan berfungsinya otak dan organ lainnya. Tujuan kegiatan ini adalah untuk meningkatkan kesadaran dan kepedulian masyarakat akan stunting melalui edukasi. Pelaksanaan kegiatan ini dilakukan di Desa Kupa Kecamatan Mallusetasi, Kabupaten Barru melalu tiga tahapan yaitu mengukur pemahaman pengetahuan melalui pre test, intervensi berupa edukasi dan evaluasi peningkatan pengetahuan melalui post test. Peserta yang hadir dalam program pengabdian masyarakat berjumlah 21 anggota kelompok Teri Kupa.Hasil kegiatan ini menunjukkan bahwa pengetahuan masyarakat kelompok Teri Kupa terhadap permasalahan stunting terjadi peningkatan setelah intervensi dilakukan dengan rata-rata tingkat pengetahuan di atas 90%. Informasi yang telah disampaikan dan direspon baik oleh masyarakat dan hal ini juga menambah pengetahuan masyarakat bahwa ikan teri yang mereka olah dapat dijadikan camilan anak-anak dalam mendukung penurunan angka kejadian stunting.
Klasifikasi Daun Herbal Berbasis Integrasi Fitur LBP dan Bentuk Menggunakan Random Forest AMALIA PUTRI UTAMI; DOLLY INDRA; FITRIYANI UMAR
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 11, No 1 (2026): MIND Journal
Publisher : Institut Teknologi Nasional Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v11i1.44-59

Abstract

Abstrak Identifikasi daun herbal secara manual sering mengalami kendala akibat kemiripan visual antarspesies yang berpotensi menimbulkan kesalahan pemanfaatan. Penelitian ini bertujuan mengklasifikasikan sepuluh jenis daun herbal menggunakan kombinasi fitur tekstur Local Binary Pattern (LBP) dan fitur bentuk, yaitu aspect ratio, eccentricity, circularity, dan convexity. Dataset terdiri dari 500 citra yang dibagi menjadi 400 data latih dan 100 data uji dengan rasio 80:20. Tahap pre-processing meliputi resize, konversi ke grayscale, dan Gaussian Blur untuk mengurangi noise. Segmentasi dilakukan menggunakan Otsu thresholding untuk memperoleh objek daun dan Canny Edge Detection untuk menonjolkan struktur tekstur. Proses klasifikasi menerapkan algoritma Random Forest dengan pengujian beberapa kombinasi parameter guna memperoleh model optimal. Hasil terbaik diperoleh pada model dengan n_estimators=200, max_features=2, max_depth=none, dan min_samples_leaf=2, yang menghasilkan akurasi 92%, precision 92%, recall 92%, dan F1-score 92%. Kata kunci: Daun Tanaman Herbal; Fitur Bentuk; Fitur Tekstur; Klasifikasi Citra; Local Binary Pattern; Random Forest AbstractManual identification of herbal leaves often encounters challenges due to visual similarities among species, which can potentially lead to errors in their utilization. This study aims to classify ten types of herbal leaves using a combination of Local Binary Pattern (LBP) texture features and shape features, namely aspect ratio, eccentricity, circularity, and convexity. The dataset consists of 500 images divided into 400 training data and 100 testing data with an 80:20 ratio. The preprocessing stage includes resizing, grayscale conversion, and Gaussian Blur to reduce noise. Segmentation was performed using Otsu thresholding to extract the leaf object and Canny Edge Detection to enhance texture structures. The classification process applies the Random Forest algorithm with testing of several parameter combinations to obtain the optimal model. The best results were achieved with a model using n_estimators=200, max_features=2, max_depth=none, and min_samples_leaf=2, yielding an accuracy of 92%, precision of 92%, recall of 92%, and F1-score of 92%. Keywords: Herbal Plant Leaves, Texture Features, Shape Features, Image Classification, Local Binary Pattern; Random Forest
Pengembangan Prototype Sistem Deteksi Pemilik Kendaraan Roda Empat Berbasis Internet of Think Muh Aliyazid Mude; Fitriyani Umar
The Indonesian Journal of Computer Science Research Vol. 5 No. 1 (2026): Januari
Publisher : Hemispheres Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59095/ijcsr.v5i1.243

Abstract

Masalah efisiensi pada identifikasi kendaraan secara manual telah diidentifikasi sebagai kendala utama dalam sistem keamanan. Sebuah perancangan sistem deteksi pemilik kendaraan berbasis Automatic Number Plate Recognition dan Internet of Things yang mengacu pada standar International Organization for Standardization / International Electrotechnical Commission 30141 telah dikembangkan dalam penelitian ini. Fokus utama riset dilakukan terbatas pada tahap perancangan prototipe menggunakan emulator fritzing guna memvalidasi arsitektur sistem secara virtual. Hasil perancangan menunjukkan bahwa berhasil divisualisasikan dengan tingkat akurasi logika pada 5 domain  pada ISO/EIC 130141 yakni device layer, gateway & network, data management, application layer dan domain business layer Disimpulkan bahwa model perancangan pada emulator   fritzing ini layak dan dijadikan acuan awal dalam pengembangan sistem keamanan kendaraan sebelum dilakukan implementasi pada perangkat fisik sehingga untuk pengembangan selanjutnya disarankan menggunakan elumator lainya agar ada gambaran yang jelas penggunaan tools berbasis IoT
METODE SUPPORT VECTOR MACHINE UNTUK KLASIFIKASI DATA PENYAKIT HATI YANG IMBALANCE Nur Rahmah; Purnawansyah Purnawansyah; Fitriyani Umar
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 5, No 1 (2024)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v5i1.2189

Abstract

Penelitian ini bertujuan untuk melakukan klasifikasi penyakit hati menggunakan metode Support Vector Machine (SVM) dan Synthetic Minority Oversampling Technique (SMOTE). Data yang digunakan berupa data sekunder yang diperoleh dari situs Kaggle dengan jumlah data sebanyak 582 sampel. Data tersebut terdiri dari 10 fitur yang digunakan sebagai variabel masukan SVM. Proses klasifikasi dilakukan dengan membagi data menjadi data training 70% dan data testing 30%. Hasil dari penelitian yang telah dilakukan ialah dengan menggunakan metode support vector machine mampu melakukan klasifikasi data penyakit hati dengan hasil klasifikasi yang menunjukkan nilai 0 dan 1. Dimana nilai 0 menandakan bahwa pasien tersebut tidak mengidap penyakit hati dan nilai 1 menandakan bahwa pasien tersebut mengidap penyakit hati. Berdasarkan proses klasifikasi data penyakit hati yang telah dilakukan memperoleh nilai akurasi performansi yaitu 67,06%, dan berdasarkan proses visualisasi data yang telah dilakukan dalam proses pengklasifikasian data tersebut ditemukan ketidakseimbangan data penyakit hati. Ketidakseimbangan data yang peroleh dilakukan oversampling menggunakan metode SMOTE untuk menyeimbangkan data. Penelitian telah melakukan proses penyeimbangan data penyakit hati sehingga tenaga menis lebih terbantukan dalam mendeteksi penyakit hati yang diderita oleh pasien
Analisis Sentimen Masyarakat Terhadap Kebijakan Pemerintah Vaksinasi Booster 2 Menggunakan Metode Naïve Bayes Classifier Alma Syahrir; Harlinda Harlinda; Fitriyani Umar
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 4, No 4 (2023)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v4i4.1835

Abstract

Upaya yang dilakukan pemerintah salah satunya yaitu mewajibkan seluruh masyarakat untuk melakukan vaksinasi sebanyak tiga kali yaitu vaksinasi pertama, kedua, dan ketiga atau biasa disebut dengan vaksin booster. Namun dengan adanya kebijakan pemerintah terkait pelaksanaan vaksinasi booster yang terjadi di masyarakat khususnya vaksinasi booster dua yang merupakan vaksinasi lanjutan banyak menuai pro dan kontra ditengah masyarakat. Beragam pendapat dari masyarakat ada yang mendukung program ini dan sebagian yang lainnya menolak dengan berbagai alasan. Oleh karena itu, salah satu cara untuk mengetahui tanggapan masyarakat terkait kebijakan ini adalah melalui analisis sentimen. Analisis sentimen merupakan pengamatan yang dikelola berdasarkan pendapat, sentimen, evaluasi, sikap, dan perasaan orang lain terutama berdasarkan apa yang mereka tulis. Pendapat lain memaparkan bahwa analisis sentimen bertujuan untuk mengetahui dan memprediksi apa yang difikirkan seseorang berdasarkan informasi seperti opini baik bersifat negatif maupun positif. Penelitian ini bertujuan untuk mengetahui sentimen masyarakat terhadap kebijakan pemerintah vaksinasi booster 2 menggunakan metode Naive Bayes Classifier. Hasil penelitian menunjukkan hasil pengujian dengan menggunakan validation maka memperoleh nilai performance yaitu accuracy sebesar 86.84, precision sebesar 85.71% dan recall sebesar 90%.
Rancang Bangun UMI Scholar sebagai Sistem Informasi Publikasi Dosen Berbasis Google Scholar Menggunakan Design Science Research Methodology Muhammad Arfah Asis; Fitriyani Umar; Syahrul Mubarak Abdullah; Nia Kurniati
Inventor: Jurnal Inovasi dan Tren Pendidikan Teknologi Informasi Vol. 4 No. 3 (2026): Edisi Oktober
Publisher : STKIP Taman Siswa Bima

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37630/inventor.v4i3.5089

Abstract

Perguruan tinggi membutuhkan data publikasi terintegrasi untuk memantau produktivitas ilmiah, mendukung pelaporan akademik, dan mengidentifikasi prioritas pengembangan riset. Data yang tersebar dan rekapitulasi manual menyebabkan informasi publikasi serta sitasi sulit diperbarui secara konsisten. Penelitian ini bertujuan mengembangkan dan mengevaluasi UMI Scholar, yaitu sistem informasi berbasis web yang mengagregasi profil publikasi dosen dari Google Scholar dan menyajikan statistik institusi. Penelitian mengikuti enam aktivitas Design Science Research Methodology, yaitu identifikasi masalah, penetapan tujuan solusi, perancangan dan pengembangan, demonstrasi, evaluasi, serta komunikasi. Sistem diimplementasikan dengan CodeIgniter 4, PHP 8.2, MySQL/MariaDB, Google OAuth, dan sinkronisasi terjadwal. Evaluasi menggunakan 14 skenario fungsional berbasis input-output dan analisis deskriptif basis data operasional. Seluruh skenario fungsional menghasilkan keluaran sesuai harapan. Basis data memuat 592 dosen dari 59 program studi dan 14 fakultas, dengan 36.850 relasi dosen-publikasi, 25.408 judul unik, serta 210.419 sitasi. Seluruh dosen memiliki ID Google Scholar, sedangkan atribut judul dan penerbit terisi lengkap. Sistem juga mengidentifikasi 8.318 judul yang muncul pada lebih dari satu profil dosen dan satu tahun publikasi tidak valid, yang menunjukkan pentingnya konsolidasi judul dan kendali kualitas data. UMI Scholar menyediakan mekanisme terpusat berbasis peran untuk pemantauan publikasi, tetapi evaluasi berikutnya perlu mencakup pengujian penerimaan pengguna dan validasi dengan sumber bibliografis lain.
Co-Authors Aisyah . Alma Syahrir AMALIA PUTRI UTAMI Andi Yudra Bramantya Asmayanti Asmayanti Dedy Atmajaya Dolly Indra Erick Irawadi Alwi, Erick Irawadi Harlinda Lahuddin Hasnita Hasnita Herdianti Herdianti Jihan Fatihah Ismiralda Kurniati, Nia lilis nurhayati Lisna Ariani Marsvendah Fariza Mahatmi Muh Aliyazid Mude Muhammad Arfah Asis Nur Hidayati Islamiah Nur Rahmah Nurul Hikmah Baharuddin Purnawansyah Purnawansyah Ramdan Satra Rini Mulyani Siska Anraeni Syahrul Mubarak Abdullah Tasrif Hasanuddin Uswatun Nurul Hasanah Wahyuni Wahyuni