Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Sainteks

Klasifikasi Jenis Buku Berdasarkan Cover dan Judul Buku Menggunakan Metode Support Vector Machine dan Cosine Similarity Sri Winiarti; Desy Widayanti; Ulaya Ahdiani; Taufiq Ismail
Sainteks Vol 19, No 1 (2022): April
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat (LPPM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30595/sainteks.v19i1.13423

Abstract

Penelitian ini dibuat untuk mengklasifikasi jenis buku berdasarkan citra cover pada buku. Kategori buku yang digunakan dalam penelitian ini adalah Agama, Kesehatan, Pendidikan, Sastra dan Teknik. Permasalahan yang sering terjadi yaitu semakin banyaknya jenis buku maka akan semakin sulit dalam melakukan pengkategorian, maka memerlukan sebuah sistem untuk mengklasifikasi buku berdasarkan kategori secara otomatis. Penelitian ini melakukan ekstraksi fitur pada buku menggunakan metode Gray Level Co-occurance Matrix (GLCM). Metode tersebut mengekstraksi empat fitur yaitu Homogenity, Correlation, Energy dan Contras, ke empat fitur tersebut digunakan pada proses ekstraksi nilai pada citra. Setelah itu dilakukan proses klasifikasi jenis buku berdasarkan sampul dan judul buku dengan menerapkan metode Support Vector Machine (SVM) dan Cosine Similarity. Penerapan SVM untuk mengklasifikasikan jenis buku berdasarkan citra cover buku dan Cosine Similarity untuk mengukur tingkat kemiripan dari suatu dokumen dengan menggunakan judul buku. Pada proses pengujian dilakukan menggunakan metode Confusion Matrix untuk mendapatkan nilai akurasi. Objek penelitian ini adalah citra sampul buku di perpustakaan Universitas Ahmad Dahlan Kampus 4 dan Kampus 3. Tujuan dari penelitian ini menghasilkan suatu software untuk mengidentifikasi jenis buku berdasarkan judul dan gambar pada Sampul buku, sehingga pembaca lebih cepat tahu informasi jenis buku. Berdasarkan penelitian yang dilakukan metode Cosine Similarity menghasilkan nilai akurasi sebesar 93.3% dan metode Support Vector Machine menghasilkan nilai akurasi sebesar 86.67%. Dari pengujian yang dilakukan disimpulkan bahwa persentase yang didapat dari perbandingan citra sampul buku asli dengan hasil citra sampul buku yang didapat dari system telah diidentifikasi dengan baik menggunakan metode Cosine Similiairy. Hasil uji akurasi dengan metode Support Vector Machine menghasilkan nilai yang rendah. Sebagai salah satu penyebab jumlah data yang sedikit dengan model arsitektur VGG16 yang digunakan. Dengan demikian perlu diujicobakan dengan mengubah model arsitektur dengan model arsitektur lainnya, misalnya dengan Convolutional Neural Network atau Tranfer Learning.
Pemetaan Kehartabendaan Muhammadiyah untuk Optimalisasi Sistem Sistem Informasi Aset dengan Penerapan Kecerdasan Buatan Sri Winiarti; Miftahurrahma Rosyda; Cindy Mayeza Putri
Sainteks Vol 20, No 1 (2023): April
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat (LPPM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30595/sainteks.v20i1.14537

Abstract

Pengelolaan kerhartabendaan merupakah salah satu tugas penting Majelis Wakaf Muhammadiyah seluruh Indonesia. Penelitian ini mengambil studi kasus Majelis Wakaf Pimpinan Wilayah Muhammdiyah Daerah Istimewa Yogyakarta (PWM DIY) untuk diambil datanya kemudian dikelola untuk dikelompokan dengan algoritma k-means dalam kecerdasan buatan. Dalam pengelolaan kehartabendaan PWM DIY telah menggunakan sebuah aplikasi yang dipakai untuk pendataan, namun data-data kehartabendaan yang ada belum dapat diketahui informasi kehartabendaan yang produktif. Diperlukan suatu informasi terkait produktifitas kehartabendaan bagi pimpinan agar dapat mengetahui nilai ekonomis suatu kehartabendaan yang dimiliki oleh persyarikatan Muhammadiyah oleh pimpinan untuk dapat menjadi pertimbangan keputusan di masa mendatang. Tujuan penelitian ini melakukan optimalisasi penggunaan aplikasi kehartabendaan SIMAM dengan melakukan pengembangan fitur menerapkan metode clustering sebagai salah satu algoritma dalam kecerdasan Buatan, yaitu algoritma K Means. Metode yang dilakukan dengan mengambil data yang terdapat dalam aplikasi kehartabendaan milik PWM DIY, kemudian dilakukan prosen penambangan data untuk memperoleh pola data kehartabendaan dengan menggunakan 4 variabel, yaitu; barang, kendaraan, tanah dan bangunan. Selanjutnya dilakukan pre-processing data untuk mendapatkan data yang baik agar mudah dilakukan clustering dengan menerapkan algoritma K-Means yang menghasilkan 3 kelompok data yaitu; Produktif, non produktif dan tidak terdefinisi. Hasil pengujian web menunjukkan seluruh modul dapat berfungsi dengan baik, sedangkan hasil pengujian akurasi dengan metode comfusion matrix menunjukkan hasil akurasi 100%. Manfaat dari penelitian ini mengoptimalkan fungsi tatakelola kehartabendaan Muhammadiyah melalui aplikasi SIMAM dan diintegrasikan dengan aplikasi kecerdasan buatan yang dapat memberikan rekomendasi kepada pimpinan khususnya pengelola kehartabendaan muhammadiyah untuk mengetahui produktifitas dari kehartabendaan tersebut. Selain itu penelitian ini dapat diteruskan ke penelitian selanjutnya untuk memprediksi nilai ekonomis kehartabendaan setiap tahunnya dengan menggunakan metode forecasting.
Co-Authors Adil Pratama Afiat Triyuniarta An Nur, Fitrinanda Ana Distia Diva Andina Megawati Akase Andri Pranolo Anis Nurwanto Ardi Pujiyanta Astreanto Habibullah Astri Yatnasari Atik Mar’atun Sholihah Augit Indatmowo Bagus Imam S.N. Bagus Priangga Bagus Priangga Bagus Priangga, Bagus Cendani Wukir Choirul Fajri Cindy Mayeza Putri Daffa Alif Murtaja Dedi Nugraha Dedi Nugraha Desy Widayanti Dewi Soyusiawaty Dewi, Kharisma Kusuma Dian Sulistyo Distia Diva, Ana Dwi Oktavia Andriyanti Endriyono Endriyono Enggar Novianto Enita Try Saadyah Faisal, Ilyas Faza Akmal Fitriana Susanti Fitrinanda An Nur Galih Oktorika Isnawan Heri Pramono Herman Yuliansyah Herman Yuliansyah Herman Yuliansyah Herman Yuliansyah, Herman Ida Widaningrum, Ida Imam Riadi Imam Riadi Irawan, Riki Izzati Muhimmah Kharisma Kusuma Dewi Lathifah Lathifah Meilawati, Noni Melanita Indrianis Miftahurrahma Rosyda Miksa Mardhia, Murein Muhammad Al Mahdi Muhammad Arifin Setyawan Murein Miksa Mardhia Murinto Murinto Nailut Thoyibah Nila Susanti Noni Meilawati Norma Sari Norma Sari Nungky Anjaswari Nur Azizah Nur Kahfi Ibrahim Nur Rachmaliany Nur Rochmah Dyah Pujiastuti Nurul Azizah Pandu Herwijaya Priranda Widara Ananta Puguh Drajat Eka Putra R. Panji Daru Tutuko Rachmaliany, Nur Reni Wijayanti Rifki Pambudi Riki Irawan Rizka Gustikasari Rusydi Umar sapanti, intan rawit Saputro, Mochammad Yulianto Andi Sonny Zulhuda Sri Kusumadewi Sri Wahyuni Sri Wahyuni Sulistyo, Dian Sunardi Sunardi Sunardi, Sunardi Supriyanto Taufiq Ismail Taufiq Ismail Taufiq Ismail Taufiq Ismail Tri Afriliyanti Tsaqila, Siti Lathifah Ulaya Ahdiani Ulaya Ahdiani Ulaya Ahdiani Ulfah Yuraida Ulfah Yuraida Witriani Witriani Wiwik Handayani Yuliansyah, Herman Yunita Tri Hernawati Yuraida, Ulfah Zainal Ihsanul F