Claim Missing Document
Check
Articles

Unplugged Coding Activity sebagai Pendekatan Pengenalan Konsep Berpikir Komputasional Siswa Madrasah Aliyah Ciptasari, Rimba Whidiana; Rachmawati, Ema; Ningsih, Lidya
ABDIMASKU : JURNAL PENGABDIAN MASYARAKAT Vol 8, No 2 (2025): MEI 2025
Publisher : LPPM UNIVERSITAS DIAN NUSWANTORO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/ja.v8i2.2953

Abstract

Salah satu tantangan dalam pembelajaran berpikir komputasional siswa pada sekolah madrasah adalah muatan informatika masih berperan sebagai mata pelajaran pilihan atau ekstrakurikuler. Disamping itu, terbatasnya ketersediaan perangkat komputer sebagai media pembelajaran juga menjadi tantangan lainnya. Berdasarkan kondisi tersebut, pada 2024, Biro Bebras Universitas Telkom mengadakan pelatihan pengenalan berpikir komputasional berbasis unplugged coding activity kepada siswa madrasah aliyah Ponpes Modern Assuruur Kabupaten Bandung. Terdapat tiga jenis permainan unplugged yang diberikan, yaitu RoboKnapsack, Railway Line, dan Sorting Network. Evaluasi tingkat pemahaman siswa dilakukan melalui pretest dan posttest dengan tingkat kesulitan soal posttest yang lebih tinggi. Hasilnya menunjukkan sekitar 28,57% para siswa masih mampu mempertahankan nilai bahkan memperoleh nilai yang lebih tinggi. Hal ini menunjukkan efektivitas unplugged coding activity sebagai strategi awalan untuk mengenalkan konsep berpikir komputasional.
Deteksi Cacat Biji Kopi Berdasarkan Spesifikasi Specialty Coffee Association dengan YOLOv8 Syahid, Ibadurrahman; Rachmawati, Ema
eProceedings of Engineering Vol. 12 No. 3 (2025): Juni 2025
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Produksi kopi diprediksi akan menambahsebanyak 5,8% pada tahun 2024. Kopi dapat dibagi menjadiberbagai kualitas berdasarkan kecacatan yang ditemukan.Pemeriksaan kualitas kopi biasanya dilakukan melalui inspeksivisual, yang memakan waktu dan subjektif. Penelitian lain yangtelah dilakukan menerapkan metode yang hanya mendeteksiadanya cacat, atau menggunakan tekstur untuk penilaiankualitas kopi. Penelitian ini menggunakan pendekatan yangberbeda, dengan metode You Only Look Once versi 8(YOLOv8) untuk mendeteksi cacat berdasarkan standarSpecialty Coffee Association (SCA). Dataset yang disusunadalah kumpulan 204 citra yang menampilkan 300 gram bijikopi hijau arabika mandheling. Dengan menggunakanpendekatan di mana model akan mendeteksi danmengklasifikasikan cacat berdasarkan standar SCA, modeldapat memberikan hasil yang lebih akurat dalam mendeteksicacat biji kopi hijau dan mempermudah inspeksi kualitas kopi.Kontribusi utama dari penelitian ini adalah model yang dapatmendeteksi biji kopi yang memiliki cacat berdasarkan standarSCA. Model yang dibuat memiliki mean average precisionsebesar 0,14. Kata kunci— biji kopi, deteksi objek, computer vision,kualitas kopi.
Deteksi Kecelakaan Pengendara Kendaraan Berdasarkan Kamera CCTV Menggunakan Metode YOLOv9 Sagala , Tunggal Panaluan Gabriel; Rachmawati, Ema
eProceedings of Engineering Vol. 12 No. 3 (2025): Juni 2025
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kecelakaan lalu lintas merupakan salah satubencana non-alam yang paling sering terjadi di Indonesia dansering dilaporkan. Kecelakaan dapat terjadi di berbagai jenisjalan, mulai dari jalan raya, jalan tol, hingga jalan kecil.Berdasarkan tingkat keseriusannya, kecelakaan lalu lintasdapat dikategorikan sebagai ringan, sedang, atau berat.Kecelakaan ringan umumnya menyebabkan luka ringan ataubahkan tanpa luka, sementara kecelakaan dengan tingkatkeseriusan sedang hingga berat dapat mengakibatkan cederaserius yang dapat mengancam nyawa pengendara. Dalamkondisi tersebut, penanganan medis yang cepat sangat pentinguntuk menyelamatkan nyawa korban. Untuk meminimalkanrisiko korban jiwa, penting bagi pihak berwajib untukmengetahui kondisi sekitar lokasi kecelakaan secara akurat,termasuk jumlah korban yang terlibat. Hal ini bertujuan agarbantuan medis dan tim penyelamat dapat dikirim dengan cepatdan tepat sasaran dalam memberi pertolongan. Dalampenelitian ini, penulis mengusulkan solusi berupa sistem deteksipengendara yang terlibat kecelakaan lalu lintas denganmemanfaatkan data dari CCTV dan menggunakan metodeYOLOv9 untuk deteksi objek. Hasil penelitian menunjukkanbahwa sistem yang dibuat dapat mendeteksi pengendara yangterlibat kecelakaan hanya dengan menggunakan data dariCCTV dan menunjukkan bahwa model YOLOv9 dapat meraihnilai AP@50 sebesar 0,72, precision 0,75, recall 0,61, averageconfidence 0,63 dan IoU 0,73. Dengan hasil yang diperolehmencerminkan performa yang cukup baik dan diharapkandapat meningkatkan efektivitas respons cepat dalam situasidarurat.Kata kunci— YOLO, Deteksi Pengendara Kecelakaan,Kecelakaan, Lalu Lintas
Sistem Question Answering pada Data Kesehatan Menggunakan Model pre-trained BERT Alhafidz, Bagas Millen; Rachmawati, Ema; Yunanto, Prasti Eko
eProceedings of Engineering Vol. 12 No. 3 (2025): Juni 2025
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Setelah pandemi covid-19, kesehatan menjadi halyang harus diperhatikan. Sebagian besar masyarakatmenggunakan search engine sebagai alat untuk mencariinformasi tentang kesehatan. Namun informasi yangdidapatkan berupa query hasil search engine yang masihumum. Sistem Question Answering adalah sistem yangmemberikan informasi sesuai informasi yang dibutuhkan olehpengguna secara spesifik. Pada penelitian ini dibangun sistemQuestion Answering menggunakan metode BidirectionalEncoder Representations from Transformer (BERT). BERTmerupakan sebuah pre-trained model yang menggunakanarsitektur transformer. BERT dapat menyelesaikan tugassistem Question Answering. Dengan pre-trained model, sistemtidak perlu melakukan training model dari awal. Sistem hanyaperlu menggunakan train model yang telah dibuat oleh oranglain sesuai tugas yang dibutuhkan untuk menghemat waktu dansumber daya. Untuk mengukur performansi, digunakan metodeExact Match (EM) dan F1-score. Hasil dari penelitian ini skorterbaik yang didapat yaitu Exact Match 75% dan F1-score76%.Kata kunci— question answering, BERT, pre-trained model,kesehatan
Evaluasi Penggunaan Antibiotik pada Pasien Anak Rawat Inap di RSD Dr. Soebandi Jember: Evaluation of Antibiotic Use For Pediatric at RSD Dr. Soebandi Jember Rachmawati, Sinta; Masito, Dewi Khurmi; Rachmawati, Ema
Jurnal Farmasi Galenika (Galenika Journal of Pharmacy) (e-Journal) Vol. 6 No. 2 (2020): (October 2020)
Publisher : Universitas Tadulako

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (234.189 KB) | DOI: 10.22487/j24428744.2020.v6.i2.14976

Abstract

Infection is one of the health problems. It is mostly caused by bacteria. The increased incidence of bacterial infection results in higher antibiotic use. It can lead to antibiotic resistance risk. Antibiotic resistance may occur in pediatric patients. Morbidity, mortality, and high cost of medication are impact of this condition. Evaluation of antibiotic use needs to be done to ensure responsible use of antibiotics. ATCD/DDD (Anatomical Therapeutic Chemical/ Defined Daily Dose) method can be used to evaluate antibiotic use quantitatively. ATC classification is a system of grouping active substances according to their location of action and DDD is a measurement system that is connected to the ATC code.The purpose of this study was determining the profile of antibiotic use and measuring quantitative evaluation with ATC/DDD method in pediatric patients. The data was collected by observing the hospital medical record. The results of this study showed that cephalosporin (46,22%) was the most used group and cefotaxime (31,15%) was the most used type of antibiotic. While, the quantitative evaluation with ATC/DDD method indicated that the highest of antibiotic use was ceftriaxone (11,30 DDD/100 patient days) and the lowest was amikacin (0,03 DDD/100 patient days).
Advancing Vehicle Logo Detection with DETR to Handle Small Logos and Low-Quality Images Ubaidillah, Rifky Fahrizal; Sulistiyo, Mahmud Dwi; Kosala, Gamma; Rachmawati, Ema; Haryadi, Deny
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 9 No 4 (2025): August 2025
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v9i4.6236

Abstract

Image-based vehicle logo detection is an important component in the implementation of vehicle information recognition technology, which supports the development of intelligent transportation systems. Vehicle logos, as elements that represent the identities of vehicle brands and models, play a significant role in completing vehicle identity data. The information obtained from this logo can be utilized to solve various traffic problems, such as vehicle document counterfeiting and theft, and for better traffic planning and management purposes. However, the main challenge in developing an accurate logo detection system lies in the wide variety of shapes, sizes, and positions of logos in different types of vehicles. In addition, the generally small size of logos, especially on certain vehicles, often makes it difficult for computer-based detection systems to recognize logos consistently, thus affecting the overall performance of the detection model. In this research, the Detection Transformers (DETR) method is used to build a vehicle logo detection system that focuses on small-scale logo. The testing process was conducted using the VL-10 dataset, which was specifically designed for vehicle logo detection evaluation. The results show that the DETR model can detect vehicle logos very well, even for small-scale logos. The model achieved an AP50 value of 0.952, which indicates a high level of accuracy and reliability in detecting the vehicle logo in the dataset used.
Mothers levels of knowledge of self-medication of diarrhea for under-five children in Kaliwates, Jember Hazrina, Inasa; Rachmawati, Sinta; Rachmawati, Ema
Media Farmasi: Jurnal Ilmu Farmasi Vol. 19 No. 1: March 2022
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/mf.v19i1.17268

Abstract

Diarrhea is the fifth-highest cause of death in under-five children worldwide, and it is preventable. Mild diarrhea can be treated by self-medication. In this case, mothers have an important role in handling diarrhea in children. This study aims to determine the level of mothers knowledge self-medication in diarrhea to treat under-five children in Kaliwates District, Jember. This study used an observational study design with a cross-sectional approach. The data were collected in 11 integrated healthcare centers in 3 community health centers in Kaliwates District. The research respondents were 348 mothers. Before being distributed, the questionnaire was tested to explore its validity and reliability. This questionnaire was employed to assess the mothers' level of knowledge of self-medication for infants. The data were analyzed statistically using the Chi-square test and Fisher Exact. The results showed that the mothers have a sufficient of knowledge level self-treatment of diarrhea for infants. There is a significant relationship between age, recent education, employment, family income, number of children, number of adult family members, information sources, and educational experience (p < 0.05). This study suggests the importance of providing interventions to improve mothers knowledge of self-medication of diarrhea. 
Pembekalan Berpikir Komputasional Untuk Guru-Guru Homeschooling Sahabat Anak Terang Pengajar Anak Special Needs Gunawan, Putu Harry; Pudjoadmojo, Bambang; Rachmawati, Ema; Purnama, Bedy; Sujana, Aprianti Putri; Rudawan, Rikman Aherliwan
Charity : Jurnal Pengabdian Masyarakat Vol. 7 No. 1 (2024): Charity - Jurnal Pengabdian Masyarakat
Publisher : PPM Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Sekolah Homeschooling Sahabat Anak Terang adalah layanan sekolah inklusi yang terbuka melayani anak-anak jenjang SD dan SMP melalui pendekatan multisensori. Setiap anak dibuatkan kurikulum individu dalam bentuk Individual Lesson Plan (ILP). Sekolah ini memiliki kurikulum khusus untuk menangani satu anak yang memiliki kebutuhan khusus. Area kurikulum Homeschooling Sahabat Anak Terang meliputi tiga (3) area yaitu Literasi, Matematika, dan Project-based Learning. Kurikulum ini disusun secara terstruktur dan konseptual melalui pengalaman-pengalaman multisensori. Berpikir Komputasional (BK) merupakan konsep berpikir secara Informatika melalui beberapa konsep seperti logika, abstraksi, dekomposisi, algoritma, dan pengenalan pola. Konsep ini sangat penting untuk diberikan pada semua aspek mata pelajaran yang ada di sekolah. Tujuan diadakan kegiatan Pengabdian Kepada Masyarakat (PKM) ini adalah untuk memberikan pengetahuan kepada guru-guru di Homeschooling Sahabat Anak Terang terkait pola berpikir komputasional. Pola berpikir komputasional ini belum sepenuhnya dimengerti oleh guru-guru di sekolah tersebut sehingga mereka sangat tertarik untuk menerapkan konsep ini. Hasil dari kegiatan ini berupa pelatihan dan sosialisasi pengembangan konsep BK dalam beberapa tahapan, seperti pemaparan, latihan soal, permainan dan bedah BK ke mata pelajaran. Berdasarkan umpan balik masyarakat atau guru-guru dalam kegiatan PKM ini, didapatkan sebesar 97,1% peserta dari 35 orang sangat setuju dan setuju bahwasannya kegiatan yang dimaksud sesuai dengan kebutuhan mitra. Selain itu, 100% peserta sangat setuju dan setuju kegiatan PKM dilanjutkan di masa yang akan datang.
Pembangunan Aplikasi Mobile Pengenalan Objek Untuk Pendidikan Anak Usia Dini Supriadi, Muhammad Fadhlan; Rachmawati, Ema; Arifianto, Anditya
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 2: April 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021824363

Abstract

Penggunaan ponsel sudah sangat erat dengan kehidupaan anak usia dini sehingga menimbulkan beberapa dampak negatif bagi anak usia dini terutama berkurangnya interaksi dengan dunia sekitarnya. Salah satu teknologi yang dapat dikembangkan pada ponsel adalah computer vision. Salah satu penggunaan computer vision adalah object recognition yang memberikan solusi untuk membantu mengenali objek. Pada penelitian ini dibangun sistem pengenalan objek benda di dalam rumah yang diaplikasikan pada ponsel yang diharapkan membantu anak usia dini mengenali benda disekitarnya. MobileNet merupakan salah satu feature extraction yang memiliki kinerja yang baik dan ringan digunakan pada perangkat ponsel. Arsitektur MobileNet terdiri dari layer depthwise convolution dan layer pointwise convolution dalam mengekstraksi fitur. Percobaan ini juga menggunakan arsitektur Single Shot Multibox Detector (SSD) sebagai metode dalam mendeteksi objek. Pre-trained model dari dataset COCO digunakan pada eksperimen, untuk mengenali 20 jenis objek benda di dalam rumah. Dari hasil eksperimen, MobileNetV2 menghasilkan nilai mean Average Precision (mAP) yang lebih baik dibandingkan dengan MobileNetV1 dan InceptionV2, yaitu sebesar 99,34%. Abstract Mobile phone usage has been very close to early childhood life, so giving rise to some negative impact on early childhood, especially reduced interaction with the surrounding world. One of the technologies that can be developed on the cellphone is computer vision. One of the uses of computer vision is object recognition that provides solutions to help to recognize objects. This research builds a system for recognition objects inside in house that is developed on a cellphone that is expected to help early childhood recognize objects in the surrounding. MobileNet is one of feature extraction that has good performance and efficient use on a cellphone. MobileNet architecture consists of a depthwise convolution layer and pointwise convolution layer in extracting features. The experiment also uses the architecture of Single Shot Multibox Detector (SSD) as a method of detecting objects. We used MobileNet architecture as a pre-trained model that had previously been trained on COCO datasets, and implement transfer learning for 20 types of objects commonly found inside the house. The experimental result indicates that the mean Average Precision (mAP) of MobileNetV2 could exceed MobileNetV1 and InceptionV2 of 99.34%.
Pengenalan Ras Berdasarkan Hidung Dan Mulut Menggunakan Gray Level Co-Occurrence Matrix Rachmawati, Ema; Agustina, Nur Azizah; Sthevanie, Febryanti
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 4: Agustus 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021844366

Abstract

Ras dapat digunakan untuk mengkategorikan manusia dalam populasi atau kelompok besar. Oleh karena itu, pengenalan ras dapat berguna untuk mempermudah dalam mengidentifikasi seseorang dan membantu dalam mempersempit lingkup pencarian. Penggunaan wajah sebagai dasar pengenalan ras mengarahkan penelitian pada identifikasi penggunaan bagian wajah yang berpengaruh signifikan terhadap kinerja pengenalan ras. Pada penelitian ini bagian wajah berupa hidung dan mulut diidentifikasi untuk digunakan sebagai dasar pengenalan ras Mongoloid, Kaukasoid, dan Negroid. Ciri Gray Level Co-occurrence Matrix (GLCM) diekstrak dari bagian hidung dan mulut untuk selanjutnya diklasifikasi menggunakan Random Forest. Hasil eksperimen menunjukkan bahwa penggunaan ciri gabungan dari hidung dan mulut mampu menghasilkan kinerja sistem yang paling baik jika dibandingkan penggunaan hidung atau mulut saja. AbstractRace can be used to categorize humans in populations or large groups. Therefore, racial recognition can be useful to make it easier to identify a person and help narrow the scope of the search. The use of faces as a basis for race recognition directs research on identifying the use of facial parts that significantly influence the performance of race recognition. In this study, the face parts of the nose and mouth were identified to be used as a basis for the recognition of the Mongoloid, Caucasoid, and Negroid races. The Gray Level Co-occurrence Matrix (GLCM) feature is extracted from the nose and mouth to be classified using Random Forest. The experimental results show that the use of combined features of the nose and mouth is able to produce the best system performance compared to the use of the nose or mouth only. 
Co-Authors Afifah, Hanin Agnes Jovanka Agung Budi Wirayuda, Tjokorda Agustina, Nur Azizah Akbar, M Raehan Alhafidz, Bagas Millen Amelya Prastica Rahayu Aliong Anditya Arifianto Anis Rohmawati Antonius Nugraha Widhi Pratama Antonius Nugraha Widhi Pratama Aprianti Putri Sujana Aryani, Dhita Evi Astutik, Amelia Windi Bedy Purnama Dawami, Hasbi Deny Haryadi Dhea Nanda Aliefia Dhita Evi Aryani Diana Holidah Elfitri, Beladina Evi Umayah Ulfa Febryanti Sthevanie Firandi, Adelia Firdaus, Fauzan Firdauz, Salma Salsabila Fitriansyah, Ahmad Habib Fransiska Maria C. Fransiska Maria Christianty Gamma Kosala Hazrina, Inasa Husnun, Khoiriyah Haifa Ika Barokah Suryaningsih Ika Norcahyanti Ika Norcahyanti Ika Puspita Dewi, Ika Puspita Inasa Hazrina Indah Yulia Ningsih Khoirotun Nazilah Kurniawan, Eka Cahya Kusumaningrum , Yunita Dyah Lailatul Maghfiroh Machlaurin, Afifah Machlaurin, Afifah Mahmud Dwi Sulistiyo Masito, Dewi Khurmi Muhammad Arzaki Nili Sufianti Ninda Titis Ainorrochma Ningsih, Lidya Prasti Eko Yunanto Pratama , Antonius Nugraha Widhi Pratiwi, Permata Sari Prihwanto Budi Subagijo Pudjoadmojo, Bambang Putri Eka Maryani Putu Harry Gunawan Putu Setia Pratama Ramadhani, Nuril Izzati Farihatur Rikman Aherliwan Rudawan Rimba Whidiana Ciptasari Risnandar, Risnandar S Siswanto Safarin, Arva Adwitya Sagala , Tunggal Panaluan Gabriel Sinta Rachmawati Sinta Rachmawati Supriadi, Muhammad Fadhlan Syahid, Ibadurrahman Tahyudin, Ganjar Gingin Ubaidillah, Rifky Fahrizal Wardhani, Firdha Aprillia Wicaksono, Ayssa Wirasakananda, Dewa Made Aditya Yeni Rahmawati Negara Zaenudin, Mohamad Nor