Claim Missing Document
Check
Articles

Aplikasi Pendeteksi Dan Pelacakan Kendaraan Menggunakan Jaringan Neural Propagasi Balik Zen Munawar; Novianti Indah Putri; Iswanto; Dandun Widhiantoro
INFOTECH journal Vol. 8 No. 2 (2022)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v8i2.3766

Abstract

Penelitian ini ini bertujuan membangun sistem deteksi dan pelacakan otomatis kendaraan yang dapat diterapkan di lingkungan yang berbeda. Untuk mendeteksi kendaraan, posisi lampu belakang digunakan untuk lokalisasi kendaraan. Jaringan neural propagasi balik (back propagation neural network) yang dilatih oleh kumpulan fitur Gabor. Jaringan neural propagasi balik digunakan untuk memverifikasi kendaraan dan memastikan ketahanan sistem deteksi. Pada tahap pelacakan kendaraan, untuk mengatasi berbagai tantangan pelacakan kendaraan, adanya sebagian kendaraan dan masalah kendaraan yang hilang, penelitian ini mengusulkan metode baru yang menerapkan filter partikel. Fungsi distribusi probabilitas warna kendaraan yang terdeteksi digunakan dua kali dalam sub-sistem pelacakan kendaraan. Pertama, fungsi distribusi probabilitas warna diadopsi untuk mencari lokasi target kendaraan yang potensial; kedua, fungsi distribusi probabilitas warna digunakan untuk mengukur kemiripan tiap partikel untuk estimasi posisi kendaraan target. Karena berbagai iluminasi atau jarak kendaraan target, kendaraan yang sama akan menghasilkan fungsi distribusi probabilitas warna yang berbeda; fungsi distribusi probabilitas warna awal tidak dapat menjamin pelacakan kendaraan skala berbeda untuk jangka panjang. Untuk mengatasi masalah ini, hasil pelacakan yang akurat, yang dipilih oleh Jaringan neural propagasi balik terlatih, digunakan untuk memperbarui fungsi distribusi probabilitas warna kendaraan target. Hasil penelitian, algoritma yang diusulkan menunjukkan akurasi 84% dalam deteksi kendaraan. Video yang dikumpulkan dari jalan raya, jalan perkotaan, dan kampus diuji dalam sistem. Performa sistem benar-benar sesuai untuk aplikasi nyata.
Mekanisme Umum Untuk Sistem Kecerdasan Buatan Novianti Indah Putri
COMPUTING | Jurnal Informatika Vol. 6 No. 2 (2019): COMPUTING Edisi Bulan Desember 2019 | Jurnal Informatika
Publisher : Program Studi Teknik Informatika FTI UNIBBA

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (280.685 KB)

Abstract

Sumber informasi secara real time terdapat pada lingkungan dunia nyata dari kehidupan sehari-hari yang dapat diproses secara real time oleh kecerdasan kognitif manusia. Tujuan dari kecerdasan umum buatan yang beroperasi dengan sumber daya terbatas di bawah batasan waktu di lingkungan seperti itu harus memilih dengan cermat informasi mana yang akan diproses dan yang akan diabaikan. Bahkan dalam sebagian kecil kasus di mana sumber daya yang cukup mungkin tersedia, perhatian dapat membantu memanfaatkannya dengan lebih baik. Semua tugas dunia nyata datang dengan batasan waktu, dan pengelolaan ini adalah bagian kunci dari peran kecerdasan. Kebanyakan peneliti kecerdasan buatan mengabaikan fakta ini. Sehingga, mayoritas arsitektur kecerdasan buatan yang ada secara keliru yang berdasarkan pada asumsi (eksplisit atau implisit) tentang tak terbatas atau memadai sumber daya komputasi. Perhatian belum diakui sebagai kunci kognitif proses sistem kecerdasan buatan dan khususnya bukan sistem kecerdasan umum buatan. Penelitian ini mengemukakan tentang perlunya mekanisme mutlak perhatian kecerdasan umum buatan buatan. Pemeriksaan terhadap beberapa masalah terkait untuk perhatian dan manajemen sumber daya, meninjau pada penelitian sebelumnya tentang topik-topik dalam bidang psikologi dan kecerdasan buatan, yang menyajikan desain untuk mekanisme perhatian umum untuk Sistem kecerdasan umum buatan. Desain yang diusulkan terinspirasi oleh metodologi kecerdasan buatan yang konstruktif dengan tujuan pada kemandirian arsitektur, dan secara komprehensif membahas dan mengintegrasikan semua faktor utama yang terkait dengan perhatian hingga saat ini.
Deep Learning Dan Teknologi Big Data Untuk Keamanan IOT COMPUTING INFORMATIKA; Novianti Indah Putri
COMPUTING | Jurnal Informatika Vol. 7 No. 1 (2020): COMPUTING Edisi Bulan Juni 2020| Jurnal Informatika
Publisher : Program Studi Teknik Informatika FTI UNIBBA

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (472.477 KB)

Abstract

Di bidang artificial intelligence (AI), deep learning adalah metode yang termasuk dalam keluarga yang lebih luas dari algoritma machine learning yang bekerja berdasarkan prinsip belajar. Untuk belajar, diawasi dan tidak diawasi, keduanya dapat digunakan. Dalam deep learning, model yang terkomputerisasi akan melakukan serangkaian tugas klasifikasi atau analisis pola khusus berdasarkan data yang dipelajari sebelumnya. Untuk itu, seorang model harus dilatih terlebih dahulu dengan set data berlabel. Teknologi telah menjadi tak terhindarkan dalam kehidupan manusia, terutama pertumbuhan Internet of Things (IoT), yang memungkinkan komunikasi dan interaksi dengan berbagai perangkat. Namun, IoT terbukti rentan terhadap pelanggaran keamanan. Karena itu, perlu dikembangkan dengan solusi dengan menciptakan teknologi baru atau menggabungkan teknologi yang sudah ada untuk mengatasi masalah keamanan. Deep learning, cabang machine learning telah menunjukkan hasil yang menjanjikan dalam studi sebelumnya untuk mendeteksi pelanggaran keamanan. Selain itu, perangkat IoT menghasilkan volume besar, variasi, dan kebenaran data. Dengan demikian, ketika teknologi big data dimasukkan, kinerja yang lebih tinggi dan penanganan data yang lebih baik dapat dicapai. Oleh karena itu, kami telah melakukan survei komprehensif tentang deep learning yang canggih, keamanan IoT, dan teknologi big data. Selanjutnya, analisis komparatif dan hubungan antara deep learning, keamanan IoT, dan teknologi big data juga telah dibahas. Selanjutnya, telah diperoleh klasifikasi tematik dari analisis komparatif studi teknis dari tiga domain tersebut. Akhirnya, telah diidentifikasi dan mendiskusikan tantangan dalam menggabungkan deep learning untuk keamanan IoT menggunakan teknologi big data dan telah menyediakan arahan untuk peneliti masa depan pada aspek keamanan IoT.
Metode Berbasis Grafik untuk Menggabungkan Pemfilteran Kolaboratif dan Berbasis Konten Zen Munawar; Novianti Indah Putri; Yudi Herdiana
Jurnal ICT: Information Communication & Technology Vol. 21 No. 1 (2021): JICT-IKMI, Juli 2021
Publisher : LPPM STMIK IKMI Cirebon

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

Abstract

Sejak awal kemunculan penelitian tentang penyaringan kolaboratif maka sistem rekomendasi telah menjadi area penelitian penting. Pada dekade terakhir telah banyak pekerjaan untuk mengembangkan pendekatan baru untuk sistem rekomendasi yang dilakukan baik oleh akademisi atau di bidang industri. Penelitian ini dilakukan untuk menggabungkan pendekatan pemfilteran berbasis konten dan pemfilteran kolaboratif untuk membuat rekomendasi dalam sistem pemberi rekomendasi untuk meningkatkan akurasi rekomendasi. Dua pendekatan tersebut untuk membuat rekomendasi. Dalam penelitian ini, digunakan metode berbasis grafik yang memungkinkan penggabungan informasi konten dan informasi peringkat secara alami. Cara yang digunakan yaitu peringkat pengguna lalu mendeskripsikan konten selanjutnya disimpulkan relasi konten dari pengguna, baru setelah itu dilakukan rekomendasi dengan relasi baru, dan dikombinasikan dengan relasi item pengguna. Dari hasil percobaan diperoleh usulan metode mempunyai kemampuan lebih baik
Analisis Bibliometrik VoSViewer Penelitian Teknologi, Informasi, Komunikasi dan Covid-19 Rita Komalasari; Zen Munawar; Novianti Indah Putri
Jurnal ICT: Information Communication & Technology Vol. 21 No. 1 (2021): JICT-IKMI, Juli 2021
Publisher : LPPM STMIK IKMI Cirebon

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

Abstract

Pandemi covid-19 di seluruh dunia berdampak besar pada semua sisi kehidupan masyarakat, hal tersebut mendorong banyak peneliti untuk membuat topik penelitian dan mempublikasikasikannya dalam jurnal. Penelitian ini bertujuan untuk menganalisis topik penelitian dalam kaitan teknologi, informasi, komunikasi dan Covid-19 menggunakan analisis bibliometrik. Data diperoleh melalui pencarian artikel melalui database Scopus, topik area yang digunakan adalah kriteria judul, kata kunci dan abstrak artikel kaitan teknologi informasi dan komunikasi dan Covid-19 yang digunakan sebagai referensi pencarian metadata. Hasil analisis bibliometrik diperoleh berdasarkan visualisasi VosViewer. Jumlah artikel jurnal open access yang bersumber dari database Scopus pada tahun 2020 adalah 130 dan tahun 2021 adalah 29, pencarian dilakukan pada tanggal 7 Maret 2021. Negara yang terbanyak mempublikasikan artikel adalah Amerika Serikat, sementara itu kata kunci covid, pandemi, teknologi dan studi merupakan kata kunci yang paling sering muncul dalam penelitian. Penggunaan VosViewer dimaksudkan untuk menganalisa hubungan kata kunci Covid dengan teknologi yang digunakan selama pandemi sebagai topik area penelitian. Hasil dari penelitian ini akan menjadi referensi bagi penelitian di masa mendatang agar dapat mendalami topik penelitian mengenai teknologi pada masa pandemi Covid-19 yang belum ada sebelumnya.
Mitigasi Ancaman Resiko Keamanan Siber Di Masa Pandemi Covid-19 Yudi Herdiana; Zen Munawar; Novianti Indah Putri
Jurnal ICT: Information Communication & Technology Vol. 21 No. 1 (2021): JICT-IKMI, Juli 2021
Publisher : LPPM STMIK IKMI Cirebon

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

Abstract

Mitigasi keamanan siber diperlukan sebagai perlindungan dari pencurian dan gangguan pada sistem informasi, perangkat lunak dan perangkat keras. Meningkatnya kecemasan yang disebabkan oleh pandemi meningkatkan kemungkinan serangan siber berhasil sesuai dengan peningkatan jumlah dan jangkauan serangan siber. Peningkatan tingkat serangan siber memiliki dampak yang lebih luas. Penelitian ini mempelajari masalah keamanan siber yang terjadi selama masa pandemi Covid-19. Penelitian ini menganalisis kondisi saat ini dan tindakan kejahatan siber serta serangan jenis serangan siber secara. Penelitian ini juga telah menyediakan berbagai pendekatan praktis mitigasi risiko serangan siber untuk organisasi. Penting bagi organisasi untuk meningkatkan perlindungan data dan aset penting mereka dengan menerapkan pendekatan komprehensif terhadap keamanan siber. Pada bagian kesimpulan, disampaikan beberapa teknik untuk mendeteksi dan menghindari ancaman ini bahkan setelah pandemi direkomendasikan sehingga kerusakan yang disebabkan oleh kejahatan siber dapat dikurangi. Untuk penelitian di masa depan, keamanan siber perlu dikembangkan dengan integrasi teknologi terkini, seperti Artificial Intelligence, Blockchain, Internet of Things, dan masih banyak lagi
Teknologi Pendidikan dan Transformasi Digital di Masa Pandemi COVID-19 Novianti Indah Putri; Yudi Herdiana; Zen Munawar; Rita Komalasari
Jurnal ICT: Information Communication & Technology Vol. 21 No. 1 (2021): JICT-IKMI, Juli 2021
Publisher : LPPM STMIK IKMI Cirebon

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

Abstract

Teknologi mempunyai peran penting dalam mengendalikan krisis karena dampak COVID-19. Penelitian ini bertujuan untuk mengetahui teknologi dan tranformasi digital yang tepat dan bisa diterapkan untuk di masa pandemi COVID-19. Dengan adanya pandemi maka terbuka pintu menuju transformasi digital khususnya di bidang pendidikan. Penelitian ini melakukan kajian transformasi digital yang dikarenakan adanya pandemi COVID-19 di dunia pendidikan dengan tujuan untuk membekali dengan keterampilan dan kompetensi yang penting bagi mereka. Dengan teknologi dan tranformasi digital diharapkan dapat membangkitkan minat belajar. Dalam penelitian ini diberikan metode pembelajaran berdasarkan penggunaan teknologi yang digunakan selama adaptasi kebiasaan. Selain itu disampaikan tantangan karena situasi saat ini dan rekomendasi untuk implementasi serta praktik terbaik.Telah diperoleh hasil bahwa metode dan teknik yang digunakan sangat membantu dan telah meningkatkan pembelajaran dan antusiasme siswa di masa sulit ini.
Metode Design Thinking UI/UX Aplikasi UMKM Sanfresh Rita Komalasari; Riksania Helga Tsalitsa; Zen Munawar; Novianti Indah Putri
Jurnal ICT: Information Communication & Technology Vol. 23 No. 1 (2023): JICT-IKMI, Juli 2023
Publisher : LPPM STMIK IKMI Cirebon

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

Abstract

Switching to online media is one of the solutions for MSME players to survive during the pandemic at that time, one of which is Sanfresh MSMEs engaged in e-commerce for fresh vegetable and fruit products, even during the Covid-19 pandemic e-commerce is projected to continue to grow, in terms of any business it is to offer a pleasant and useful experience for customers. This research aims to create User interface and User experience of Sanfresh MSME mobile-based applications using the Design thinking method. User interface and user experience of Sanfresh MSME mobile-based applications are expected to be the beginning of a good step to produce an attractive appearance of the application and produce a good experience for users when visiting the application, because that is the most important thing before developing an application.
Unified Modeling Language Untuk Pengembangan E-Commerce Azmya Pramuka Dengan Sistem Enterprise Resource Planning Rita Komalasari; Risna Khoerunnisa; Zen Munawar; Novianti Indah Putri
INFORMATION MANAGEMENT FOR EDUCATORS AND PROFESSIONALS : Journal of Information Management Vol 7 No 2 (2023): INFORMATION MANAGEMENT FOR EDUCATORS AND PROFESSIONALS (JUNI 2023)
Publisher : Penelitian dan Pengabdian Masyarakat Universitas Bina Insani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51211/imbi.v7i2.2315

Abstract

Azmya Scout is a home-based business that is engaged in scouting fashion and accessories and was founded in 2018. Commonly sells at scouting-specific national events, such as Jamnas (National Jamboree) and Raimuna. The objective of this research is to improve the sale of goods so that they are not restricted to a specific location or time, as well as to expand customer reach by having its own E-commerce website. The research methodology that used is descriptive method that analysing and describing the research result. The development methodology used in this research is waterfall method where this method describes directly program activities that will be made starting with analysis, design, implementation and concluding with the program maintenance. It is hoped that with the existence of this E-commerce website, the product sales process will increase in the future, and customers who may be aware of the existence of this home-based business will have a wider reach because it is no longer restricted by certain conditions and time.
Perancangan Strategis Sistem Informasi Financial Planning Management dengan Robo-Advisor Yogi Saputra; Ela Siti Nurpajriah; Siti Kustinah; Novianti Indah Putri
Jurnal Accounting Information System (AIMS) Vol. 6 No. 2 (2023)
Publisher : Ma'soem University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32627/aims.v6i2.787

Abstract

The pace of information technology growth in the modern day is so rapid that financial fraud has now spread to renewable technologies. The only approach to guarantee future financial security is to invest. However, the vast array of investment options—including stocks, gold, and other investments—often makes it difficult for people to make the best decision.  Many millennials are still apprehensive about investing.  This results from a lack of understanding about effective investing.  A machine learning information system is necessary to assist in the selection of investment products in order to boost the community's and millennials' interest in investing. The Markowitz and K-Nearest Neighbor algorithms were used in the system's construction. Finding recommendations for investment portfolios that match the risk profile can be aided using the K-Nearest Neighbor approach, which is a machine learning technique.  Based on a comparison of the sharpe ratio findings from system calculations and manual calculations, the accuracy level of the Markowitz and KNN approaches, which was set at 99.15%, was established.