Claim Missing Document
Check
Articles

Found 13 Documents
Search

KLASIFIKASI EMPAT JENIS DAUN HERBAL MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK Mahdarul Huda Ahmad; Fida Maisa Hana; Taftazani Ghazi Pratama; Hafni Aulida
JURNAL ILMU KOMPUTER DAN MATEMATIKA Vol 4, No 2 (2023): JURNAL ILMU KOMPUTER DAN MATEMATIKA
Publisher : Universitas Muhammadiyah Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26751/jikoma.v4i2.2012

Abstract

Begitu banyaknya jenis daun herbal yang mirip menyebabkan kesulitan dalam mengenali daun herbal secara langsung. Saat ini, proses klasifikasi daun herbal masih dilakukan menggunakan pengamatan mata secara langsung. Oleh karena itu, diperlukan sebuah system dalam mengklasifikasi daun herbal melalui pendekatan pengolahan citra dan neural network dengan tujuan agar klasifikasi dapat dilakukan secara efektif dan efisien. Pada penelitian ini, terdapat empat jenis daun herbal yang diklasifikasi, yaitu daun kari, daun kelor, daun mint, dan daun sirih. Metode yang digunakan pada penelitian ini adalah Convolutional Neural Network dan VGG16. Penelitian ini menggunakan 800 data secara keseluruhan dengan augmentasi data untuk melatih model deep learning yang akan digunakan untuk klasifikasi empat jenis daun herbal. Model terbaik yang dihasilkan penelitian ini adalah model VGG16 transfer learning dengan learning rate 0.001 dan dropout dengan rate 50% yang berhasil mengklasifikasikan empat jenis daun herbal dengan akurasi 96.2%.
PERANCANGAN WEBSITE INTERAKTIF UNTUK MERENCANAKAN PERJALANAN BERBASIS TEKNOLOGI DAN INFORMASI TERKINI Osama Maulana Haq; Widya Cholid Wahyudin; Taftazani Ghazi Pratama; Agung Prihandono
JURNAL ILMU KOMPUTER DAN MATEMATIKA Vol 5, No 2 (2024): JURNAL ILMU KOMPUTER DAN MATEMATIKA
Publisher : Universitas Muhammadiyah Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26751/jikoma.v5i2.2497

Abstract

Pengembangan website Traveluki sebagai solusi inovatif dalam mendukung kebutuhan pengguna dalam  merencanakan  perjalanan.  Dengan  fokus  pada  teknologi  informasi,  artikel  menguraikan  faktor latar  belakang,  seperti  peningkatan  penggunaan  smartphone,  tren  pariwisata  digital,  personalisasi pengalaman  wisata,  dan  pemanfaatan  teknologi  Augmented  Reality  (AR)  dan  Virtual  Reality  (VR). Dukungan  dari  pemerintah  dan  industri  pariwisata,  serta  penekanan  pada  keakuratan  dan  keamanan informasi, menjadi prinsip utama dalam pengembangan website ini. Materi dan metode pengembangan, termasuk penggunaan HTML, CSS, JavaScript, Python, MongoDB, dan Flask, dijelaskan dengan detail. Sitemap  untuk  pengunjung  wisata  dan  pemilik  wisata  disajikan  dengan  rinci,  menggambarkan  rute navigasi yang intuitif. Hasil dan pembahasan mencakup wireframe dari berbagai halaman kunci, seperti Home,  Discover,  Cek  Booking,  Cek  Tiket,  Tentang  Kami,  Register,  dan  Login,  dengan  fokus  pada keamanan,  efisiensi,  dan  ramah  pengguna.  Artikel  ini  berharap  bahwa  Traveluki  dapat  memberikan kontribusi  positif  terhadap  industri  pariwisata  dengan  memanfaatkan  teknologi  dan  informasi  yang akurat, memenuhi ekspektasi pengguna modern. Kata  Kunci:  Teknologi  Informasi,  Keamanan  Informasi,  HTML,  CSS,  JavaScript,  Python,  MongoDB, Flask
DETEKSI DINI ASD(AUTISM SPECTRUM DISORDER) MENGGUNAKAN MACHINE LEARNING Taftazani Ghazi Pratama; Achmad Ridwan; Agung Prihandono
JURNAL ILMU KOMPUTER DAN MATEMATIKA Vol 4, No 2 (2023): JURNAL ILMU KOMPUTER DAN MATEMATIKA
Publisher : Universitas Muhammadiyah Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26751/jikoma.v4i2.1998

Abstract

Deteksi dini ASD pada seorang balita sangat membantu orang tua untuk mengetahui kembang tumbuh anak. Pada penelitian ini bertujuan untuk  deteksi dini ASD  menggunakan Naive Bayes dan KNN yang diterapkan pada dataset Autism screening data for toddlers.  Penelitian ini dilakukan melalui tahapan pra pengolahan, pembagian data training 80% dan testing 20%, pembuatan model, dan evaluasi dari model yang dibuat.  Hasil evaluasi model yang dibuat  menunjukkan bahwa KNN memperoleh nilai akurasi, sensitivitas, dan spesifisitas lebih tinggi daripada Naive Bayes. KNN memperoleh nilai akurasi sebesar  95,73%, sensitivitas sebesar 93,84%, dan  spesifisitas100%. Hal ini mengindikasikan bahwa KNN dapat membantu dalam deteksi dini pada seorang balita dengan kinerja yang baik.