Claim Missing Document
Check
Articles

PENERAPAN METODE WAVELET DAUBECHIES DAN DIAGRAM NOHIS-TREE UNTUK KLASIFIKASI CONTENT BASED IMAGE RETRIEVAL BATIK Qurrotu Aini, Atikah; Alim Murtopo, Aang; Fadilah, Nurul; Gunawan, Gunawan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.9441

Abstract

Penelitian ini mengevaluasi metode Daubechies Wavelet dan NOHIS-Tree Diagram untuk Pengambilan Gambar Berbasis Konten Batik, dengan fokus pada efektivitasnya dalam mengidentifikasi motif Batik. Bab ini membandingkan metode-metode ini dengan metode lain, mengeksplorasi validitas, potensi bias, dan keandalan data, serta membahas implikasi praktis untuk aplikasi dunia nyata dan manfaat industri. Kain batik, yang merupakan warisan budaya Indonesia, sering dikaitkan dengan kurangnya kesadaran masyarakat sehingga menyebabkan klaimnya sebagai budaya bangsa lain dalam beberapa tahun terakhir. Hal ini menunjukkan perlunya perhatian segera untuk mencegah kesalahpahaman tersebut. Metode pengenalan pola khususnya metode wavelet dengan jenis wavelet Daubechies digunakan untuk mengenali motif batik. Prosesnya diawali dengan input citra batik dalam skala abu-abu, dilanjutkan dengan dekomposisi hingga diperoleh koefisien wavelet. Nilai energi dan entropi wavelet dihitung, dan nilai masukan dibandingkan dengan nilai database. Semakin kecil nilai errornya maka semakin mirip gambar tersebut. Penelitian ini menyelidiki penggunaan metode Daubechies Wavelet dan NOHIS-Tree Diagram pada aplikasi Image Retrieval Berbasis Konten Batik. menggunakan Batik dalam berbagai format dan menggunakan variasi wavelet tatanan Daubechies sebagai ekstraktor fitur. Diagram Pohon NOHIS digunakan sebagai sistem identifikasi Batik. Penelitian ini menggunakan software MATLAB R2011b untuk mengukur kinerja metode. Tujuannya adalah untuk berkontribusi terhadap pengembangan pemrosesan digital, khususnya dalam identifikasi Batik, dan membantu pembuatan perangkat lunak yang dapat mengenali pola Batik dengan peningkatan akurasi dan efektivitas. Hasil dari penelitian menunjukkan bahwa aplikasi CBIR Batik dengan menggunakan Wavelet Daubechies dan Diagram NOHIS-Tree memiliki tingkat akurasi tertinggi bahwa aplikasi Content Based Image Retrieval motif batik menggunakan WaveletDaubechies memliki tingkat akurasi 100% pada hasil uji 9 teratas, 100% pada hasil uji 6 teratas, 80% pada hasil uji 3 teratas, dan40% pada hasil uji 1 teratas.
Character Building : Pentingnya Literasi Digital dan Kesehatan Reproduksi Remaja untuk Membentuk Siswa Kelas XI Hebat Nugroho Adhi Santoso; Bangkit Indarmawan Nugroho; Sarif Surorejo; Aang Alim Murtopo; Rifki Dwi Kurniawan; Syefudin Syefudin; Zaenul Arif; Bayu Aji Santoso
Svarga Pena : Jurnal Pengabdian Kepada Masyarakat Vol. 1 No. 4 (2024): Desember : Svarga Pena : Jurnal Pengabdian Kepada Masyarakat
Publisher : Universitas Veteran Bangun Nusantara Sukoharjo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62951/svargapena.v1i4.71

Abstract

The abundance of information available in the digital world makes it difficult for students to sort out what is true and relevant. Many teenagers get information about reproductive health from unreliable sources or even myths. The lack of good role models can make teenagers lose their way. Equip students with the skills to evaluate information, think critically, and use technology responsibly. Grade XI students are at a critical stage of development. They are starting to form their identity, make more independent decisions, and prepare themselves for the future. Therefore, providing digital literacy and understanding of reproductive health at this age is very important to form a strong character. Students can understand how digital literacy and knowledge of reproductive health affect adolescent character, and can evaluate the effectiveness of character building programs that integrate digital literacy and reproductive health.
PENERAPAN COMPUTER VISION UNTUK MENDETEKSI KELENGKAPAN ATRIBUT SISWA MENGGUNAKAN METODE CNN Aang Alim Murtopo; Maulana Aditdya; Pingky Septiana Ananda; Gunawan Gunawan
PROSISKO: Jurnal Pengembangan Riset dan Observasi Sistem Komputer Vol. 11 No. 2 (2024): Prosisko Vol. 11 No. 2 September 2024
Publisher : Pogram Studi Sistem Komputer Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/prosisko.v11i2.8752

Abstract

Kepatuhan dalam mengenakan atribut sekolah secara lengkap merupakan salah satu aspek penting yang mencerminkan disiplin dan karakter siswa di lingkungan pendidikan. Namun, seringkali ditemukan pelanggaran terkait kelengkapan atribut siswa yang dapat berdampak negatif pada pembentukan budaya disiplin. Tujuan dari penelitian ini yaitu menerapkan metode Convolutional Neural Network (CNN) dalam mendeteksi kelengkapan atribut siswa seperti logo sekolah, logo osis, nametag, logo bendera, sabuk, dan sepatu dari gambar menggunakan computer vision. Penerapan teknologi computer vision dengan Convolutional Neural Network (CNN) dapat membantu pihak sekolah dalam menegakkan disiplin penggunaan atribut siswa secara lebih efektif, efisien, dan objektif. Pada penelitian ini, dataset gambar siswa yang mengenakan atribut lengkap dan tidak lengkap dikumpulkan untuk proses pelatihan model Convolutional Neural Network (CNN). Teknik augmentasi data dan pelabelan gambar dilakukan untuk mempersiapkan dataset yang digunakan. Model Convolutional Neural Network (CNN) dibangun dengan beberapa lapisan konvolusi, pooling, dense, dan fungsi aktivasi seperti ReLU dan Sigmoid. Selanjutnya, empat kali pengujian dilakukan dengan menggunakan data uji yang berbeda untuk mengevaluasi performa model. Hasil pengujian menunjukkan bahwa model Convolutional Neural Network (CNN) yang dibangun dapat mencapai rata-rata akurasi 93,34%, presisi 95%, recall 94,12%, dan F1-score 94,35% dalam mendeteksi kelengkapan atribut siswa. Temuan ini mengindikasikan bahwa metode Convolutional Neural Network (CNN) berpotensi besar untuk dimanfaatkan dalam mendeteksi kelengkapan atribut siswa secara otomatis, objektif, dan efisien, serta dapat berkontribusi pada upaya peningkatan disiplin dan pembentukan karakter di lingkungan sekolah.
PENERAPAN METODE WAVELET DAUBECHIES UNTUK KLASIFIKASI CONTENT BASED IMAGE RETRIEVAL BATIK Arif, Zaenul; Farkhan, Ali; Murtopo, Aang Alim; Gunawan
PROSISKO: Jurnal Pengembangan Riset dan Observasi Sistem Komputer Vol. 11 No. 2 (2024): Prosisko Vol. 11 No. 2 September 2024
Publisher : Pogram Studi Sistem Komputer Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/prosisko.v11i2.8615

Abstract

Dalam menghadapi tantangan globalisasi dan modernisasi yang mengancam pelestarian batik, penelitian ini mengusulkan penggunaan Metode Wavelet Daubechies dalam sistem Content-Based Image Retrieval untuk klasifikasi otomatis motif batik. Dikenal sebagai warisan budaya UNESCO, batik Indonesia menampilkan keragaman motif yang menggambarkan nilai historis dan kultural yang mendalam, khususnya dari Jawa. Motif-motif ini tidak hanya berbasis warna dan bentuk tetapi juga melibatkan tekstur dan detail yang kompleks, yang memerlukan teknologi adaptif yang dapat mengakomodasi keunikan tersebut. Penelitian ini bertujuan untuk mengembangkan sistem Content-Based Image Retrieval yang sensitif terhadap keragaman budaya dan memungkinkan pengkatalogan yang lebih akurat dan efisien. Melalui integrasi transformasi wavelet Daubechies, metode ini meningkatkan akurasi dalam mengidentifikasi motif batik dengan peningkatan signifikan dalam metrik kinerja seperti presisi 88.57%, recall 91.67%, dan F1-score 88.97%. Hasil ini menunjukkan bahwa penggunaan transformasi wavelet Daubechies secara signifikan meningkatkan kemampuan sistem Content-Based Image Retrieval dalam mengelola variasi kompleks dari motif batik. Penerapan teknologi ini tidak hanya memberikan manfaat untuk pelestarian dan pendidikan budaya tetapi juga membuka peluang pengembangan lebih lanjut untuk aplikasi Content-Based Image Retrieval dalam domain budaya lain.
Pengembangan Kapasitas Usaha Klasterisasi Bawang Merah “Diversifikasi Produk Bawang Merah dan Strategi Pemasaran Di Era Digitalisasi” Zaenul Arif; Nugroho Adhi Santoso; Bangkit Indarmawan Nugroho; Aang Alim Murtopo; Sarif Surorejo; Syefudin Syefudin; Bayu Aji Santoso
JURNAL AKADEMIK PENGABDIAN MASYARAKAT Vol. 3 No. 3 (2025): MEI
Publisher : CV. KAMPUS AKADEMIK PUBLISING

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61722/japm.v3i3.4355

Abstract

The development of shallot cluster business capacity is crucial in increasing the competitiveness and welfare of farmers, especially in the digital era. This community service aims to explore the potential for shallot product diversification and formulate effective marketing strategies through the use of digital platforms. Through a qualitative approach with case studies on selected shallot clusters, this study identified various processed shallot products that have added value, such as fried shallots with various flavors, shallot floss, shallot paste, and other derivative products. The analysis of digital marketing strategies includes the use of social media, e-commerce, and other online platforms to expand market reach and increase interaction with consumers. The results of community service are expected to provide practical recommendations for the development of shallot cluster business capacity, encourage product innovation, and optimize the use of digital technology in marketing strategies to achieve sustainable economic growth for farmers.
Pengolahan Citra Digital Untuk Identifikasi Kematangan Mentimun Dengan Menggunakan Jaringan Syaraf Tiruan Fadli, Muhamad Rizaldi Satrio; Murtopo, Aang Alim; Syefudin, Syefudin
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 2 (2025): Mei - Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i2.819

Abstract

Perkembangan teknologi berpengaruh besar pada pertanian dan pascapanen. Salah satu tantangan utama adalah menentukan tingkat kematangan buah dengan tepat dan efisien. Kematangan buah penting untuk kualitas dan nilai jual produk hortikultura. Metode tradisional yang bergantung pada pengamatan manual kurang konsisten dan akurat. Penentuan kematangan buah adalah area penelitian penting untuk meningkatkan kualitas produk. Mentimun menjadi fokus penelitian karena pentingnya dalam konsumsi. Hasil mentimun meningkat antara 2014 hingga 2018, sehingga pemahaman kematangannya diperlukan untuk pengelolaan panen yang lebih baik. Pendekatan berbasis teknologi seperti kecerdasan buatan dan jaringan syaraf tiruan telah dikembangkan untuk mengklasifikasikan kematangan berdasarkan warna, tekstur, dan ukuran. Penelitian ini bertujuan mengembangkan model untuk menentukan kematangan mentimun dari citra digital.Hasil yang didapatkan dalam pengolahan citra digital untuk mengidentifikasi kematangan mentimun, digunakan jaringan syaraf tiruan dengan algoritma backpropagation yang efektif untuk klasifikasi dan prediksi. Sebanyak 17 citra digital diambil dari kamera Canon 600D, terdiri dari 12 mentimun mentah dan 5 matang, diolah menggunakan aplikasi Matlab. Analisis menunjukkan bahwa citra mentimun mentah memiliki nilai RGB yang hampir merata, sedangkan data latih dan uji berhasil mengidentifikasi 12 mentimun mentah dan 5 matang, termasuk 1 semi-matang.
Penerapan Algortima Convolutional Neural Network (CNN) Untuk Identifikasi Lahan Kosong Di Kota Tegal Berdasarkan Citra Google Earth Triwinanto, Mohammad Amin Triwinanto; Murtopo, Aang Alim; Syefudin, Syefudin; Gunawan, Gunawan
Jurnal Minfo Polgan Vol. 13 No. 1 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i1.13626

Abstract

Lahan kosong memiliki berbagai macam jenis. Setiap jenis lahan kosong memiliki macam-macam tertentu dengan model yang beragam. Dalam menentukan jenis lahan kosong maka perlu dilakukan sebuah klasifikasi dengan menggunakan metode Convolutional Neural Network (CNN). Dengan penggunaan CNN dapat dilakukan ekstraksi sebuah fitur kemudian fitur-fitur tersebut akan menjadi data dalam menentukan klasifikasi jenis lahan kosong. Data gambar lahan kosong yang dikumpulkan dari data augmentasi adalah sebanyak 120 gambar dengan jenis lahan kosong tambak, rawa, pemukiman, dan sawah. Keempat kelas jenis lahan kosong tersebut memiliki perbandingam data latih 70% dan data uji 30%. Masing-masing kelas menggunakan empat convolutional layer dengan filter 32, 32, 64, dan 64 dan menggunakan pool size sebesar 2x2 dengan neuron (hidden layer) sebanyak 512. Pengujian website image classification dengan menggunakan metode confusion matrix didapatkan akurasi sebesar 80,5% dari pengujian yang dilakukan pada data uji.
Penerapan Metode Regresi Linier untuk Prediksi Jumlah Penumpang Kereta Api Cahyo, Septian Dwi; Murtopo, Aang Alim; Santoso, Bayu Aji
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 3 (2025): Agustus - October
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i3.2061

Abstract

Transportasi kereta api memainkan peran penting dalam mobilitas masyarakat, namun perencanaan kapasitas yang tidak akurat sering menyebabkan inefisiensi operasional. Penelitian ini bertujuan untuk memprediksi jumlah penumpang kereta api pada masing-masing kelas layanan menggunakan metode regresi linier sederhana. Metode yang digunakan adalah pendekatan kuantitatif deskriptif-prediktif, dengan data sekunder dari PPID PT KAI tahun 2022–2024, dianalisis menggunakan Excel dan Python. Hasil penelitian menunjukkan bahwa model regresi linier mampu menangkap tren peningkatan jumlah penumpang pada hampir semua kelas layanan selama tahun 2025, dengan akurasi tertinggi pada kelas Lokal Eksekutif (MAE: 5.309) dan kesalahan terbesar pada kelas Ekonomi (MAE: 117.010), karena perbedaan volume penumpang yang signifikan. Implikasi dari penelitian ini menunjukkan bahwa pendekatan prediksi berdasarkan kelas layanan memberikan hasil yang lebih terperinci dan dapat digunakan sebagai acuan dalam perencanaan operasional yang berbasis data, serta membuka peluang pengembangan model dengan pendekatan machine learning yang lebih kompleks di masa mendatang.
Integrasi Artificial Neural Network dan Algoritma Genetika untuk Prediksi Bencana Banjir Pesisir Kota Tegal Miftakhudin, Muhammad; Murtopo, Aang Alim; Arif, Zaenul
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 3 (2025): Agustus - October
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i3.2068

Abstract

Banjir merupakan ancaman rutin di Kota Tegal yang disebabkan oleh curah hujan tinggi, buruknya drainase, dan kenaikan muka air laut. Penelitian ini bertujuan mengembangkan model prediksi banjir berbasis kecerdasan buatan menggunakan Artificial Neural Network (ANN) yang dioptimasi dengan Algoritma Genetika (AG). Data cuaca harian tahun 2024–2025 dari BMKG digunakan sebagai basis pelatihan, mencakup variabel seperti temperatur, curah hujan, kelembapan, dan kecepatan angin. Model ANN bertipe Multilayer Perceptron (MLP) digunakan untuk mengenali pola non-linier, sementara AG mengoptimasi hyperparameter penting guna meningkatkan akurasi. Evaluasi kinerja model dilakukan menggunakan metrik Mean Absolute Error (MAE) dan Root Mean Squared Error (RMSE). Hasil menunjukkan bahwa model ANN yang telah dioptimasi dengan AG mengalami peningkatan akurasi signifikan dibandingkan model baseline tanpa optimasi, dengan penurunan MAE sebesar 19,63% dan RMSE sebesar 26,31%. Temuan ini menunjukkan bahwa pendekatan hibrida ANN-AG efektif digunakan dalam prediksi bencana banjir berbasis data cuaca. Model ini berpotensi diimplementasikan dalam sistem peringatan dini banjir yang adaptif dan akurat di wilayah pesisir
Sosialisasi Dan Pelatihan Penerapan Aplikasi E-Posyandu Bagi Kader Posyandu Desa Bandasari Di Kabupaten Tegal Syefudin, Syefudin; Nugroho, Bangkit Indarmawan; Murtopo, Aang Alim; Surorejo, Sarif; Santoso, Nugroho Adh; Arif, Zaenul; Gunawan, Gunawan; Andriani, Wresti
Jurnal Masyarakat Madani Indonesia Vol. 2 No. 4 (2023): November
Publisher : Alesha Media Digital

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59025/js.v2i4.161

Abstract

Pengabdian masyarakat ini bertujuan untuk menyediakan sosialisasi dan pelatihan intensif kepada kader Posyandu di Desa Bandasari, Kabupaten Tegal, dalam rangka menerapkan aplikasi E-Posyandu. Tujuan utama adalah untuk meningkatkan pemahaman dan keterampilan kader Posyandu dalam penggunaan aplikasi E-Posyandu sebagai alat efisien untuk mengumpulkan, merekam, dan menganalisis data kesehatan masyarakat. Metode pelaksanaan melibatkan sesi sosialisasi konsep aplikasi dan pelatihan praktis dalam pengoperasian aplikasi tersebut. Hasil dari kegiatan ini diharapkan dapat mengoptimalkan peran Posyandu dalam perawatan kesehatan masyarakat, dengan pemantauan data yang lebih akurat dan real-time. Keberhasilan dalam menghadirkan teknologi ini diharapkan mampu menjadi contoh positif untuk program serupa di daerah lain yang memerlukan peningkatan efisiensi dalam pemantauan kesehatan masyarakat