Claim Missing Document
Check
Articles

Pelatihan Membangun Server DNS Lokal di SMK Negeri 1 Palembang Arman, Molavi; Yohannes, Yohannes; Al Rivan, Muhammad Ezar
FORDICATE Vol 2 No 1 (2022): November 2022
Publisher : Universitas Multi Data Palembang, Fakultas Ilmu Komputer dan Rekayasa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/fordicate.v2i1.3393

Abstract

Pengabdian masyarakat yang dilakukan di SMK Negeri 1 Palembang yaitu berupa pelatihan untuk membangun Server DNS. Pelatihan ini diikuti oleh siswa SMK sehingga siswa memiliki keterampilan dan pengetahuan terkait dengan server DNS. Pelatihan ini diawali dengan melakukan instalasi sistem operasi Linux Debian. Pelatihan ini dilakukan dengan cara praktikum dan tanya jawab. Dari pelatihan ini didapatkan pengetahuan bagaimana melakukan instalasi Linux Debian kemudian dapat membangun Server DNS.
Optimasi Fuzzy C-Means dan K-Means Menggunakan Algoritma Genetika untuk Pengklasteran Dataset Diabetic Retinopathy Al Rivan, Muhammad Ezar; Steven, Steven; Tanzil, William
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 5: Oktober 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2020711872

Abstract

Diabetic Retinopathy adalah komplikasi dari diabetes yang mengakibatkan gangguan pada retina mata. Gangguan tersebut dapat diketahui dengan deteksi awal melalui data yang diekstraksi dari citra mata. Deteksi awal dapat dilakukan dengan menggunakan metode clustering. Metode yang digunakan yaitu Fuzzy C-Means dan K-Means. Fuzzy C-Means dan K-Means memiliki kelemahan dari jumlah iterasi yang besar. Jumlah iterasi pada Fuzzy C-Means dan K-Means dapat dioptimasi dengan menggunakan Algoritma Genetika. Optimasi dilakukan dengan cara mengganti bagian pada Fuzzy C-Means dan K-Means pada saat menentukan pusat cluster. Dataset yang digunakan pada penelitian adalah dataset Diabetic Retinopathy. Hasil optimasi sebelum dan sesudah  hybrid Algoritma Genetika pada Fuzzy C-Means terlihat pada nilai rata-rata iterasi dari 17,1 menjadi 6,65 terjadi penurunan sebesar 61,11% dan pada K-Means terlihat pada nilai rata-rata iterasi dari 10,85 menjadi 7,35 terjadi penurunan sebesar 32,25%. Berdasarkan hasil perbandingan nilai rata-rata iterasi Algoritma Genetika–Fuzzy C-Means dan Algoritma Genetika-K-Means maka dapat disimpulkan bahwa Algoritma Genetika-Fuzzy C-Means memiliki jumlah iterasi yang lebih baik dibanding Algoritma Genetika-K-Means. Algoritma Genetika-Fuzzy C-Means juga memiliki inter cluster distance yang paling kecil dan intra cluster distance yang paling besar. AbstractDiabetic Retinopathy is diabetic complication that cause retina disorder. Retina disorder can be known from data extracted from eye image. Early detection conduct using clustering. These methods are Fuzzy C-Means and K-Means. These methods have large number of iteration as weakness. Number of iteration can be optimized using genetic algorithm. Optimization conducted by replace a part from Fuzzy C-Means dan K-Means that use to generate early centroid. The dataset used in the study is a dataset of diabetic retinopathy. The optimization results before and after hybrid GeneticAlgorithm on Fuzzy C-Means are the average iteration values decreased from 17.1 to 6.65, decreasing 61,11% and in K-Means are the average iteration values decreased from 10.85 to 7.35 decreasing 32,25%. Based on the comparison of Genetic Algorithm  Fuzzy C-Means and Genetic Algorithm K-Means iterations, it can be concluded that Genetic Algorithm Fuzzy C-Means has a better number of iteration than Genetic Algorithm K-Means. Genetic Algorithm-Fuzzy-C-Means has smallest inter cluster distance and biggest intra cluster distance.
Klasifikasi Jenis Daun Tanaman Herbal Menggunakan Metode Convolutional Neural Network Dengan Arsitektur AlexNet Dicko; Muhammad Ezar Al Rivan
INTECH Vol. 6 No. 2 (2025): INTECH (Informatika Dan Teknologi)
Publisher : Informatics Study Program, Faculty of Engineering and Computers, Baturaja University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54895/intech.v6i2.3275

Abstract

Indonesia has rich biodiversity, including various types of herbal plants commonly used in traditional medicine. However, manual identification and classification of herbal leaves remain challenging due to similarities in shape, color, and texture between species. This study aims to develop an automatic classification system for herbal leaf types using the Convolutional Neural Network (CNN) method with the AlexNet architecture. The dataset used in this research was obtained from a public Kaggle repository and consists of ten classes of herbal leaves, namely guava, curry, basil, turmeric, mint, papaya, betel, soursop, aloe vera, and green tea. Image preprocessing includes resizing to 224×224 pixels, normalization, and data augmentation to improve model generalization. The model was trained and tested using an 80:20 data split with several experimental configurations. The best performance was achieved at a learning rate of 0.0001, batch size of 32, and 25 epochs, resulting in a training accuracy of 88.25% and a testing accuracy of 73.50%. These results show that AlexNet can effectively extract visual features from herbal leaf images and perform accurate classification. This study demonstrates that CNN-based classification is an efficient approach for recognizing herbal plants automatically.
Rancang Bangun Sistem Inventaris Barang Kantor Berbasis Web di PT. Bank Sumsel Babel dengan Metode Agile Adikara Alif Nurrahman; Ahmad Wahana Jaya; Muhammad Ezar Al Rivan
Journal of Information Technology and Computer Science Vol. 5 No. 4 (2025): JOINTECOMS : Journal of Information Technology and Computer Science
Publisher : Universitas Palangka Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47111/jointecoms.v5i4.23339

Abstract

Di era globalisasi ini, perkembangan teknologi informasi yang pesat telah membawa perubahan signifikan dalam berbagai proses bisnis, termasuk pengelolaan inventaris. Penggunaan teknologi komputer terbukti meningkatkan kecepatan, akurasi, dan konsistensi dalam pengolahan data. PT. Bank Pembangunan Daerah Sumatera Selatan dan Bangka Belitung menghadapi tantangan dalam pengelolaan inventaris kantor yang menggunakan sistem manual berbasis Microsoft Excel, yang mempengaruhi efisiensi dan akurasi data inventaris. Penelitian ini mengusulkan pengembangan sistem manajemen inventaris berbasis web menggunakan framework Laravel dan database MySQL dengan metode Agile. Sistem ini menawarkan pembaruan data secara real-time, mengurangi kebutuhan pengecekan fisik barang, dan mendukung pengelolaan aset yang lebih baik. Diharapkan bahwa penerapan sistem ini akan meningkatkan efisiensi, akurasi, dan pengelolaan inventaris yang lebih terorganisir, serta mendukung kelancaran operasional perusahaan.