Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal PROSISKO : Jurnal Pengembangan Riset dan observasi Rekayasa Sistem Komputer Jurnal Komputer Antartika
Sakina Sudin
Universitas Muhammadiyah Maluku Utara
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Mechanical Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
PENERAPAN METODE SUPPORT VECTOR MACHINE (SVM) PADA KLASIFIKASI JENIS CENGKEH BERDASARKAN FITUR TEKSTUR DAUN Sadri Talib; Sakina Sudin; Muhammad Dzikrullah Suratin
PROSISKO: Jurnal Pengembangan Riset dan Observasi Sistem Komputer Vol. 11 No. 1 (2024): Prosisko Vol. 11 No. 1 Maret 2024
Publisher : Pogram Studi Sistem Komputer Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/prosisko.v11i1.7911

Abstract

Daun merupakan komponen tumbuhan yang sangat penting karena berperan penting dalam membedakan jenis tumbuhan, termasuk tumbuhan cengkeh. Saat ini identifikasi jenis tanaman cengkeh yaitu Afo, Siputih, dan Zanzibar mengandalkan pengamatan secara manual terhadap ciri-ciri buah dan bunga yang dapat memakan waktu lama, terutama mengingat masa berbuah tanaman cengkeh yang panjang. Untuk menjawab permasalahan tersebut, penulis melakukan penelitian untuk mengklasifikasikan ketiga jenis daun cengkeh berdasarkan ciri ciri dan tekstur Gray Level Co-Occurrence Matrix (GLCM) yang meliputi empat parameter yaitu Kontras, Korelasi, Energi, dan Homogenitas. Algoritma klasifikasi Support Vector Machine (SVM) digunakan untuk memproses nilai fitur yang diekstraksi dan mengklasifikasikan daun secara akurat. Penelitian ini mencapai akurasi tertinggi sebesar 56,67% pada ukuran citra 250x250 piksel dan 48,33% pada ukuran citra 150x150 piksel dengan menggunakan 150 data latih dan 60 data uji. Hasil tersebut menunjukkan potensi klasifikasi daun otomatis dalam mengidentifikasi spesies tanaman cengkeh secara efisien.
Rancang Bangun Sistem Penerjemah Multibahasa Daerah Maluku Utara dengan Integrasi GPT Sebagai Pelestarian Budaya Lokal Anggiah Salim; Abdul Haris Muhammad; Sakina Sudin
Jurnal Komputer Antartika Vol. 4 No. 2 (2026): Juli
Publisher : Antartika Media Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70052/jka.v4i2.1368

Abstract

Penelitian ini membahas pengembangan sistem penerjemah multibahasa daerah berbasis web yang mengintegrasikan metode Rule-Based Machine Translation (RBMT) dan GPT untuk menerjemahkan Bahasa Indonesia dengan Bahasa Ternate, Makian Dalam, dan Galela menggunakan 5.572 kosakata berbasis kamus digital, dimana RBMT digunakan untuk pencocokan kata berdasarkan aturan dan GPT digunakan untuk memperbaiki struktur kalimat agar lebih natural sesuai konteks, dengan sistem yang dikembangkan menggunakan HTML, CSS, JavaScript, serta integrasi API GPT melalui Vercel, kemudian diuji menggunakan 468 kalimat yang menghasilkan kategori hasil berupa terjemahan sesuai target, berbeda bentuk namun bermakna sama, tidak sesuai akibat keterbatasan kosakata, serta ketidaktepatan karena ambiguitas makna (satu kata yang memiliki banyak arti), sehingga hasil penelitian menunjukkan bahwa kombinasi RBMT dan GPT mampu meningkatkan kualitas terjemahan meskipun masih dipengaruhi oleh ambiguitas kata, kelengkapan kamus, serta penggunaan tanda baca dan pemisahan kata yang dapat mempengaruhi makna dan akurasi hasil terjemahan.   This research discusses the development of a web-based regional multilingual translation system that integrates the Rule-Based Machine Translation (RBMT) method and GPT to translate Indonesian into Ternate, Makian Dalam, and Galela languages using 5,572 vocabulary entries based on a digital dictionary, where RBMT is used for rule-based word matching and GPT is used to improve sentence structure to make the translations more natural and contextually appropriate. The system was developed using HTML, CSS, JavaScript, and GPT API integration through Vercel, and was tested using 468 sentences that produced several categories of results, including translations that matched the target exactly, translations with different sentence forms but the same meaning, inaccurate translations due to limited vocabulary, and inaccuracies caused by semantic ambiguity (a single word having multiple meanings). The results of the study indicate that the combination of RBMT and GPT is capable of improving translation quality, although it is still influenced by word ambiguity, dictionary completeness, and the use of punctuation and word separation, which can affect the meaning and accuracy of the translation results.
Co-Authors Anggiah Salim Muhammad Dzikrullah Suratin Muhammad, Abdul Haris Sadri Talib