Article Per Year (5 Year)
p-Index From 2020 - 2025
10.61
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Jurnal Ilmu Pertanian Indonesia ComEngApp : Computer Engineering and Applications Journal IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) POSITIF KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal) Edu Komputika Journal Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JURNAL MEDIA INFORMATIKA BUDIDARMA Jurnal Komputasi Jurnal Sains dan Informatika JURNAL ILMIAH INFORMATIKA MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Journal of Computer Science and Informatics Engineering (J-Cosine) Journal of Electronics, Electromedical Engineering, and Medical Informatics Jurnal Informatika dan Rekayasa Elektronik Jurnal Mnemonic Madaniya Jurnal Teknik Informatika (JUTIF) Makara Journal of Science Journal of Data Science and Software Engineering Jurnal Informatika Polinema (JIP) Jurnal Pengabdian Masyarakat Tekno Indonesian Journal of Electronics, Electromedical Engineering, and Medical Informatics Integra: Journal of Integrated Mathematics and Computer Science
Muhammad Reza Faisal, Muhammad Reza
Universitas Lambung Mangkurat
Religion Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics

Published : 86 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 86 Documents
Search

 1   2   3   4   5 
IMPLEMENTASI SSD_RESNET50_V1 UNTUK PENGHITUNG KENDARAAN Muhammad Nur Rizal; Radityo Adi Nugroho; Dodon Turianto nugrahadi; Muhammad Reza Faisal; Friska Abadi
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 8, No 2 (2021)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v8i2.383

Abstract

Google has released the Tensorflow Object Detection API to facilitate deep learning application development using the Tensorflow Object Detection API. The TensorFlow Object Detection API is an open-source framework that can be used to develop, train, and deploy object detection models. In this study, the Tensorflow Object Detection API is implemented in a vehicle counter application with the SSD_Resnet50_v1 detection model. From the research that has been done, applications with the detection of the SSD_Resnet50_v1 model get an accuracy of 56.49% in calculating motor-type vehicles and 54.43% for car-type vehicles.Kata Kunci : SSD_Resnet50_v1, Vehicle Counting, Tensorflow Object Detection APIGoogle telah merilis Tensorflow Object Detection API untuk mempermudah pengembangan aplikasi Deep learning dengan menggunakan Tensorflow Object Detection API. TensorFlow Object Detection API adalah open source framework yang dapat digunakan untuk mengembangkan, melatih, dan menggunakan model deteksi objek. Pada penelitian ini Tensorflow Object Detection API diimplementasikan pada aplikasi penghitung kendaraan dengan model deteksi SSD_Resnet50_v1. Dari penelitian yang telah dilakukan, aplikasi dengan model deteksi SSD_Resnet50_v1 mendapatkan akurasi sebesar 56,49% dalam menghitung kendaraan berjenis motor dan 54,43% untuk kendaraan berjenis mobil.Kata Kunci : SSD_Resnet50_v1, penghitung kendaraan, Tensorflow Object Detection API
PENERAPAN METODE SUPPORT VECTOR MACHINE PADA DIAGNOSA HEPATITIS Raudlatul Munawarah; Oni Soesanto; Muhammad Reza Faisal
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 3, No 1 (2016)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v3i1.39

Abstract

Machine learning has been widely used in the medical to analyze medical datasets. One method in machine learning is Support Vector Machine (SVM). By looking at the concept of SVM method to finding the optimal separator function that can separate the two sets of data from two different classes, came the idea whether this method can be used to diagnose a person suffering from a particular disease or not, especially hepatitis. Therefore, this research aimed to determine and analyze the ability of Support Vector Machine method for diagnosing hepatitis. Analysis of the ability of method using data testing with both kernel with training data 100 positive data label and 100 negative data label. The result showed that trial using the linear kernel function get 68-83% for true prediction percentage and 70-96% for RBF kernel function. The conclusion from this study is SVM method can be used to diagnose hepatitis with high degree of accuracy and RBF kernel function has accuracy rate higher than linear kernel function. Keywords: classification, Machine learning, hepatitis, support vector machine Machine learning telah banyak digunakan dalam bidang medis untuk menganalisa dataset medis. Salah satu metode machine learning adalah Support Vector Machine (SVM). Dengan melihat konsep metode SVM yaitu menemukan fungsi pemisah optimal yang bisa memisahkan dua set data dari dua kelas yang berbeda, muncul pemikiran apakah metode ini dapat digunakan untuk mendiagnosa seseorang mengidap penyakit tertentu atau tidak, khususnya penyakit hepatitis. Untuk itu penelitian ini dilakukan untuk mengetahui dapat digunakannya metode SVM dan menganalisis kemampuan metode Support Vector Machine untuk mendiagnosa penyakit Hepatitis. Analisis kemampuan metode diketahui dengan uji coba menggunakan data testing dengan kedua kernel dengan data training 100 data positif dan 100 data negatif. Hasil uji coba dengan menggunakan fungsi kernel linier mendapatkan hasil persentase benar 68-83 % dan fungsi kernel RBF 70-96 %. Kesimpulan dari penelitian ini adalah metode SVM dapat digunakan untuk mendiagnosa penyakit hepatitis dengan tingkat akurasi cukup tinggi dan fungsi kernel RBF memiliki tingkat akurasi cenderung lebih tinggi dibandingkan fungsi kernel linier. Kata kunci : klasifikasi, machine learning, hepatitis, support vector machine
IDENTIFIKASI OTOMATIS PESAN SAKSI MATA PADA MEDIA SOSIAL SAAT BENCANA GEMPA Sarah Monika Nooralifa; Mohammad Reza Faisal; Friska Abadi; Radityo Adi Nugroho; Muliadi Aziz
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 8, No 2 (2021)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v8i2.351

Abstract

Social media platforms such as Twitter make it easy for users to share and receive critical information on disasters and emergencies. Information from eyewitnesses can be useful for law enforcement agencies and humanitarian organizations. Identification disaster messages on Twitter can also be used as information that can be used to see the current situation. In several research studies, earthquake disasters are divided into three categories: eyewitnesses, non-eye witnesses, and do not know. Meanwhile, the feature extraction that used in this research is bag-of-words that produce high-dimensional data output. The purpose of this research is to utilize lexicon-based feature extraction to produce low-dimensional data. However, there has never been the use of Lexicon based on the multiclass classification in cases of natural disasters. The features built by the Lexicon-based are far less, namely 2-15 features. This research was divided into two steps, namely the first step was carried out without combining Lexicon and the second step was carried out by combining Lexicon. The highest accuracy produced by the combination of Barasa SentiwordNet, Bing Liu, NRC, AFINN, and Heeryon Cho’s Lexicon using the Support Vector Machine classification with an accuracy of 64.13% with a total of 15 features.Keywords: Lexicon Based, Support Vector Machine, Classification, Text Mining, Twitter, DisastersPlatform media sosial seperti Twitter memudahkan para pengguna untuk berbagi dan menerima informasi penting selama bencana dan keadaan darurat. Informasi dari saksi mata dapat berguna bagi lembaga penegak hukum dan organisasi kemanusiaan. Pesan bencana di Twitter juga dapat digunakan sebagai informasi yang digunakan untuk mengetahui situasi yang sedang berlangsung. Pada beberapa riset yang telah dilakukan oleh peneliti, tweet bencana gempa dibagi menjadi tiga kategori yaitu eyewitness, non-eyewitness, dan don’t know. Sedangkan ekstraksi fitur yang digunakan pada riset-riset tersebut adalah bag-of-words yang menghasilkan keluaran berupa data berdimensi tinggi. Tujuan penelitian ini adalah memanfaatkan ekstraksi fitur berbasis lexicon untuk menghasilkan data berdimensi rendah. Namun belum pernah ada pemanfaatan Lexicon Based untuk klasifikasi multiclass pada kasus klasifikasi pesan bencana alam. Fitur yang dihasilkan oleh Lexicon based jauh lebih sedikit yaitu 2-15 fitur. Penelitian ini dibagi menjadi dua tahap, yaitu tahap pertama dilakukan tanpa penggabungan kamus Lexicon dan tahap kedua dilakukan dengan menggabungkan kamus Lexicon. Akurasi tertinggi dihasilkan oleh kombinasi Barasa SentiwordNet, Bing Liu, NRC, AFINN, dan Lexicon Heeryon Cho menggunakan klasifikasi Support Vector Machine dengan akurasi sebesar 64,13% dengan jumlah fitur sebanyak 15 fitur. Kata kunci: Lexicon based, Support Vector Machine, Klasifikasi, Text Mining, Twitter, Bencana Alam
EFESIENSI ENERGI PADA BANGUNAN MENGGUNAKAN MULTIVARIATE RANDOM FOREST Triando Hamonangan Saragih; Mohammad Reza Faisal; Muhammad Haekal
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 9, No 1 (2022)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v9i1.421

Abstract

Energy is needed by humans. Energy utilization is often carried out in daily activities, such as helping with work, household activities to lighting both at home and on the road. Recently, there has been a lot of research on concerns about the waste of energy and its lasting adverse impact on the environment. Previous research conducted by Tsanas and Xifara in 2012 has carried out energy efficiency in buildings using Statistical Machine Learning. Their research focuses on calculating outcomes one by one, not directly on all outcomes. In this study using the Multivariate Random Forest method. Multivariate Random Forest has similarities compared to Random Forest, while the Multivariate Random Forest method is more used if more than one output is produced. Based on the tests that have been carried out, it can be concluded that the best parameter that gives maximum results is the number of trees as many as 200 with a data division of 60% training data and 40% testing data with RMSE results of 2.602036 and MSE result of 6.770589. Based on the tests that have been carried out, it proves that the more the number of trees does not prove that it can provide maximum results.Keywords: Energy, Efficiency, Prediction, Multivariate Random ForestEnergi sangat dibutuhkan oleh manusia. Pemanfaatan energi sering dilakukan dalam kegiatan sehari-hari, seperti membantu pekerjaan, kegiatan rumah tangga hingga penerangan baik dalam rumah maupun di jalan. Akhir-akhir ini banyak penelitian tentang kekhawatiran mengenai pemborosan energi dan dampak buruknya yang abadi terhadap lingkungan. Penelitian sebelumnya yang dilakukan oleh Tsanas dan Xifara pada tahun 2012 telah melakukan efesiensi energi pada bangunan menggunakan Statistical Machine Learning. Penelitian mereka berfokus pada perhitungan luaran secara satu persatu, tidak secara langsung semua luaran. Pada penelitian ini menggunakan metode Multivariate Random Forest. Multivariate Random Forest memiliki kesamaan dibandingkan dengan Random Forest, sedangkan metode Multivariate Random Forest lebih digunakan jika luaran yang dihasilkan lebih dari satu. Berdasarkan pengujian yang sudah dilakukan, dapat disimpulkan bahwa parameter terbaik yang memberikan hasil maksimal yaitu pada jumlah pohon sebanyak 200 dengan pembagian data sebanyak 60% data latih dan 40% data uji dengan hasil RMSE sebesar 2.602036 dan MSE sebesar 6.770589. Berdasarkan pengujian yang sudah dilakukan membuktikan semakin banyak jumlah pohon tidak membuktikan bisa memberikan hasil yang maksimal.Kata kunci: Energi, Efesiensi, Prediksi, Multivariate Random Forest
PEMANFAATAN DATA WAREHOUSE SEBAGAI SARANA PENUNJANG PENYUSUNAN BORANG AKREDITASI STANDAR 3 DAN STANDAR 4 STUDI KASUS : FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS LAMBUNG MANGKURAT BANJARBARU Julius Tunggono; Muhammad Reza Faisal; Dodon T. Nugrahadi
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 2, No 1 (2015)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v2i1.21

Abstract

In the process of preparing the data to complement the standard charging standard 3 and standard 4 are still done manually so that there is a constraint that is how much data is processed so that takes a long time, because they have to do a recap of many and complex data to retrieve the required data. The data warehouse is a concept and a combination of technologies that facilitate organizations to manage and maintain the historical data obtained from the operating system or application. Data warehouse design techniques used in this study is a nine-step method Kimball with data warehouse model used is the star schema models. This research aims to develop a data warehouse as a means of supporting the preparation of the accreditation forms at the Faculty of Mathematics and Natural Sciences, University of Lambung Mangkurat. Based on the results of the study, found that nine-step method Kimball excellent and facilitate the design of data warehouse so that data can be presented in accordance with the format of the study program accreditation forms and institutional accreditation forms. Keywords: Data Warehouse, Nine-Step Kimball, Star Schema, Forms Accreditation Dalam proses penyusunan data untuk melengkapi pengisian standar 3 dan standar 4 tersebut masih dilakukan secara manual sehingga terdapat suatu kendala yaitu banyaknya data yang diproses sehingga membutuhkan waktu yang lama, karena harus melakukan rekap data yang banyak dan rumit untuk mengambil data yang dibutuhkan. Data warehouse merupakan suatu konsep dan kombinasi teknologi yang memfasilitasi organisasi untuk mengelola dan memelihara data historis yang diperoleh dari sistem atau aplikasi operasional. Teknik perancangan data warehouse yang digunakan dalam penelitian ini adalah metode nine-step Kimball dengan model data warehouse yang digunakan adalah model star schema. Penelitian ini bertujuan untuk mengembangkan data warehouse sebagai sarana penunjang penyusunan borang akreditasi pada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lambung Mangkurat. Berdasarkan hasil penelitian, didapat bahwa metode nine-step Kimball sangat baik dan memudahkan perancangan data warehouse sehingga data dapat disajikan sesuai dengan format borang akreditasi program studi dan borang akreditasi institusi. Kata kunci: Data Warehouse, Nine-Step Kimball, Star Schema, Borang Akreditasi
UJI PERFORMANSI OPENPGP PADA KOMUNIKASI DATA WEB SERVICE BERBASIS RESTFULL Muhammad Zaien; Muhammad Reza Faisal; Radityo Adi Nugroho
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 3, No 1 (2016)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v3i1.35

Abstract

The exchange of data in distributed systems that communicate using Web Service must happen , so that sensitive data will also be redeemed. Sensitive data is supposed to be secret , but when the data is transferred using a Web Service can be known, so OpenPGP encryption used to maintain the confidentiality of the data. Securing the transfer of data to using the OpenPGP encryption standard may have an impact on the performance of Web Service response time and durability in the server serving the request , so need to known the impact with testing and analysis of variance on test results . Implementation of OpenPGP to secure the transfer of data on Web Service resulting in increased response time of Web Service but the response time can still be tolerated , and this application does not significantly affect the resilience of the server serving the request . Keywords: Web Service , RESTful, OpenPGP, Security Pertukaran data pada sistem tersebar yang berkomunikasi menggunakan Web Service pasti terjadi, sehingga data yang bersifat sensitif pun juga akan ditukarkan. Data yang bersifat sensitif ini seharusnya dirahasiakan tetapi ketika ditransfer menggunakan Web Service data tersebut dapat diketahui. Sehingga diterapkan OpenPGP untuk menjaga kerahasiaan data. Pengamanan transfer data menerapkan standar enkripsi OpenPGP dapat berdampak pada performa waktu response Web Service dan ketahanan server dalam melayani request, sehingga perlu diketahui dampak tersebut dengan melakukan pengujian dan analisis varian dari hasil pengujian. Penerapan OpenPGP untuk mengamankan transfer data pada Web Service mengakibatkan bertambahnya waktu response Web Service tetapi waktu response tersebut masih dapat ditoleransi, dan penerapan ini tidak mempengaruhi secara signifikan terhadap ketahanan server dalam melayani request. Kata kunci: Web Service , RESTful, OpenPGP, Keamanan
EKSTRAKSI FITUR MENGGUNAKAN MODEL WORD2VEC PADA SENTIMENT ANALYSIS KOLOM KOMENTAR KUISIONER EVALUASI DOSEN OLEH MAHASISWA Muhammad Rusli; M. Reza Faisal; Irwan Budiman; Radityo Adi Nugroho; Andi Farmadi
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 7, No 1 (2020)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v7i1.296

Abstract

This research is about Sentiment Analysis using the Word2vec model. this research was conducted by Fauzi (2019). But in his research the use of the Word2vec model produces an accuracy of 70%, because the data used is small. In little data Word2vec cannot grasp the similarity of meaning well. So that related research was conducted which used lecturer evaluation comment data and also Wikipedia article data in Indonesian language as Word2vec model. In this study a comparison of average extraction features of Word2vec and Bag of Centroid base Word2vec was done and a combination of the two was then performed using the Support Vector Machine method. The application of Word2vec Average base feature extraction in the lecturer evaluation commentary data resulted in an accuracy of 84,8%. Then using the Bag of Centroid base feature extraction using Word2vec Hierarchy Clustering produces the best accuracy of 81,6% with a total of 75 features. The result of merging the two feature extractions produces an accuracy of 85,3%.Keywords: Sentiment Analysis, Word2vec, Feature extractionPenelitian ini mengenai Sentiment Analysis menggunakan model Word2vec. penelitian ini pernah dilakukan oleh  Fauzi (2019). Namun pada penelitiannya penggunaan model Word2vec menghasilkan akurasi 70%, karena data yang digunakan sedikit. Dalam data yang sedikit Word2vec tidak dapat menangkap kemiripan makna dengan baik. Sehingga dilakukan penelitian terkait yang mana menggunakan data komentar evaluasi dosen dan juga data artikel Wikipedia berbahasa Indonesia  sebagai model Word2vec. Pada penelitian ini dilakukan perbandingan ekstraksi fitur Average base Word2vec dan Bag of Centroid base Word2vec dan juga dilakukan penggabungan keduanya kemudian dilakukan klasifikasi menggunakan metode Support Vector Machine. Penerapan ekstraksi fitur Average base Word2vec pada data komentar evaluasi dosen menghasilkan akurasi sebesar 84,8%. Kemudian menggunakan ekstraksi fitur Bag of Centroid base Word2vec menggunakan Hirarki Clustering menghasilkan akurasi terbaik sebesar 81,6% dengan jumlah 75 fitur. Hasil penggabungan kedua ekstraksi fitur menghasilkan akurasi sebesar 85,3%.Kata kunci: Sentiment Analysis, Word2vec, Ekstraksi fitur.
OPTIMASI FUNGSI KEANGGOTAAN FIS TSUKAMOTO MENGGUNAKAN SIMULATED ANNEALING UNTUK IDENTIFIKASI PENYAKIT GIGI Triando Hamonangan Saragih; Rahmat Ramadhani; Muhammad Itqan Mazdadi; Ahmad Rusadi Arrahimi; Mohammad Reza Faisal
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 7, No 3 (2020)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v7i3.349

Abstract

Teeth are one of the tools in the framework related to the human stomach which fills as a food destroyer for simple processing. Diseases that attack teeth can withstand this action and cannot be distinguished quickly by young dental specialists. This problem can be solved by methods in the field of technology. The algorithm that can be used is FIS Tsukamoto in classification. Optimization of the membership function at FIS Tsukamoto is needed to improve accuracy. Optimization of FIS Tsukamoto membership function using Simulated Annealing produced the highest accuracy at 92.5% of the 100 test data.Keywords: Simulated Annealing; FIS Tsukamoto, Dental Disease, Optimization Gigi adalah salah satu alat dalam kerangka terkait perut manusia yang mengisi sebagai penghancur makanan untuk pemrosesan sederhana. Penyakit yang menyerang gigi dapat menahan tindakan ini dan tidak dapat dibedakan dengan cepat oleh dokter muda spesialis gigi. Masalah ini dapat diselesaikan dengan metode di bidang teknologi. Algoritma yang bisa digunakan yaitu FIS Tsukamoto dalam melakukan klasifikasi. Optimasi fungsi keanggotaan pada FIS Tsukamoto diperlukan untuk meningkatkan akurasi. Optimasi fungsi keanggotaan FIS Tsukamoto menggunakan Simulated Annealing menghasilkan akurasi paling tinggi yaitu 92,5% dari 100 data uji.Kata kunci: Simulated Annealing; FIS Tsukamoto, Penyakit Gigi, Optimisasi
OBJECT COUNTING PADA DATA VIDEO Rudy Herteno; M. Reza Faisal; Radityo A Nugroho; Friska Abadi; Rahmat Ramadhani
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 7, No 1 (2020)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v7i1.307

Abstract

One object counting implementation is counting the number of road users from video data sources obtained from CCTV streaming. Video processing on CCTV is usually done on the server side by sending video data. If the need is only to determine the density of traffic, then the method is considered too expensive to be implemented because of the cost of internet connection and bandwidth that must be spent. The solution is to use a small computing device that can process the video first, and the calculation results are sent to the server regularly. In this study, a comparison between the Tensorflow Object Counting learning algorithm and the MOG2 Background Subtractor image processing algorithm with the aim to determine the accuracy of the calculation. The result is known that better accuracy is given by the MOG2 Background Subtractor technique and also the process is carried out using only a small percentage of the amount of memory and processor compared to the Tensorflow Object Counting technique. MOG2 Background Substractor technique is expected to be used on devices that have small data sourcesKeywords : Object Counting, Tensorflow, MOG2 Background SubstractorSalah satu implementasi object counting adalah menghitung jumlah pengguna jalan dari sumber data video yang didapat dari streaming CCTV. Pemprosesan video pada CCTV biasanya dilakukan disisi server dengan mengirimkan data video. Jika keperluannya hanya untuk mengetahui kepadatan lalu lintas, maka cara tersebut dinilai terlalu mahal untuk diimplementasikan karena biaya koneksi internet dan bandwidth yang harus dikeluarkan. Pemecahannya adalah menggunakan perangkat komputasi kecil yang dapat memproses video tersebut terlebih dahulu, dan hasil perhitungannya dikirimkan ke server secara berkala. Pada penelitian ini dilakukan perbandingan antara algoritma pembelajaran Tensorflow Object Counting dan algoritma image processing MOG2 Background Substractor dengan tujuan untuk mengetahui akurasi penghitungan. Hasilnya diketahui akurasi yang lebih baik diberikan oleh teknik MOG2 Background Substractor dan juga proses yang dilakukan hanya menggunakan prosentase jumlah memori dan prosessor yang kecil dibandingkan teknik Tensorflow Object Counting. Sehingga teknik MOG2 Background Substractor ini diharapkan dapat digunakan pada perangkat yang memiliki sumber data kecil. Kata kunci : Object Counting, Tensorflow, MOG2 Background Substractor.
IMPLEMENTASI DIGITAL ASSET MANAGEMENT SYSTEM PADA WEB PORTAL KARYA SISWA JURUSAN MULTIMEDIA DI SMK NEGERI 1 MARTAPURA Rahmat Ramadhani; Muhammad Reza Faisal; Radityo Adi Nugroho
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 2, No 1 (2015)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v2i1.18

Abstract

Student Works Web Portal Of Multimedia Department In Smk Negeri 1 Martapura is a web portal implementing Digital Asset Management System. This web portal built based by the works of the students who had only used the DVD, in which each store one of his students in a single DVD. This causes problems especially in the limited physical storage space and search work takes a long time. With the waterfall method, built a student works web portal to save the works of the students in the form of digital media. A DAM system is built on a central repository that facilitates the storage, organization, retrieval, use and reuse of digital files. The results of the construction of the web portal is known that there is a significant speed difference between the old system to the new system, the new system can be said to be faster than the old system. In addition, the new system can be seen consuming less physical space than the old system. Based on research conducted, it can be concluded that by implementing the DAM system, the search speed for work can be improved and storage of work can be saved. Keywords: Web Portal, Work, Multimedia, Digital Asset Management, Digital Media. Web Portal Karya Siswa Jurusan Multimedia SMK Negeri 1 Martapura merupakan web portal yang menerapkan Digital Asset Management System. Web portal yang dibangun dilatar belakangi oleh penyimpanan data karya-karya para siswa yang selama ini hanya menggunakan DVD, dimana setiap siswa menyimpan satu karyanya dalam satu DVD. Hal ini menyebabkan masalah terutama pada terbatasnya ruang penyimpanan secara fisik serta pencarian karya yang memerlukan waktu lama. Dengan metode waterfall, dibangunlah sebuah web portal karya siswa yang secara spesifik menyimpan karya-karya para siswa dalam bentuk media digital. Sebuah sistem DAM dibangun di atas repositori pusat yang memfasilitasi penyimpanan, organisasi, pengambilan, pemanfaatan dan penggunaan kembali file digital. Hasil dari dibangunnya web portal tersebut diketahui bahwa terdapat perbedaan kecepatan yang signifikan antara sistem lama dengan sistem baru, sistem baru dapat dikatakan lebih cepat dibanding sistem lama. Selain itu, dapat dilihat sistem baru memakan ruang fisik yang lebih sedikit dibanding sistem lama. Berdasarkan penelitan yang dilakukan, dapat disimpulkan bahwa dengan menerapkan DAM system, kecepatan pencarian karya dapat ditingkatkan dan penyimpanan karya dapat dihemat. Kata kunci: Web Portal, Karya, Multimedia, Digital Assets Management, Media digital.
Co-Authors Abdul Gafur Abdullayev, Vugar Achmad Zainudin Nur Adawiyah, Laila Admi Syarif Ahmad Rusadi Ahmad Rusadi Arrahimi - Universitas Lambung Mangkurat) Ahmad Rusadi Arrahimi - Universitas Lambung Mangkurat) Andi Farmadi Andi Farmadi Andi Farmadi Angga Maulana Akbar Annisa Rizqiana Arie Sapta Nugraha Arif, Nuuruddin Hamid Arifin Hidayat Azizah, Azkiya Nur Bachtiar, Adam Mukharil Bahriddin Abapihi Bayu Hadi Sudrajat Dike Bayu Magfira, Dike Bayu Djordi Hadibaya Dodon Turianto Nugrahadi Dwi Kartini Dwi Kartini Dwi Kartini Dwi Kartini, Dwi Emma Andini Fatma Indriani Fatma Indriani Fatma Indriani Favorisen R. Lumbanraja Fitra Ahya Mubarok Fitriyana, Silfia Friska Abadi Friska Abadi Friska Abadi Ghinaya, Helma Hanif Rahardian Herteno, Rudy Irwan Budiman Irwan Budiman Irwan Budiman Ivan Sitohang Julius Tunggono Jumadi Mabe Parenreng Junaidi, Ridha Fahmi Karlina Elreine Fitriani Keswani, Ryan Rhiveldi Kevin Yudhaprawira Halim Kurnianingsih, Nia Lilies Handayani Liling Triyasmono Lisnawati Mahmud Mahmud Mauldy Laya Mera Kartika Delimayanti Miftahul Muhaemen Muflih Ihza Rifatama Muhamad Ihsanul Qamil Muhammad Al Ichsan Nur Rizqi Said Muhammad Alkaff Muhammad Angga Wiratama Muhammad Fauzan Nafiz Muhammad Haekal Muhammad Haekal Muhammad Iqbal Muhammad Irfan Saputra Muhammad Itqan Mazdadi Muhammad Janawi Muhammad Khairi Ihsan Muhammad Mada Muhammad Mursyidan Amini Muhammad Rizky Adriansyah Muhammad Rusli Muhammad Sholih Afif Muhammad Zaien MUJIZAT KAWAROE Muliadi Muliadi Muliadi Muliadi Aziz Muliadi Muliadi Muliadi Muliadi Muliadi Muliadi Mustofa, Fahmi Charish Ngo, Luu Duc Nor Indrani Noryasminda Nugrahadi, Dodon Nurlatifah Amini Nursyifa Azizah Oni Soesanto Prastya, Septyan Eka Purnajaya, Akhmad Rezki Putri Nabella Radityo Adi Nugroho Radityo Adi Nugroho Rahayu, Fenny Winda Rahmad Ubaidillah Rahmat Ramadhani Rahmat Ramadhani Rahmina Ulfah Aflaha Ratna Septia Devi RAUDLATUL MUNAWARAH Reina Alya Rahma Reza Rendian Septiawan Riadi, Putri Agustina Rinaldi Riza Susanto Banner Rizal, Muhammad Nur Rizki, M. Alfi Rizky, Muhammad Hevny Rossyking, Favorisen Rozaq, Hasri Akbar Awal Rudy Herteno Rudy Herteno Rudy Herteno Rudy Herteno Said, Muhammad Al Ichsan Nur Rizqi SALLY LUTFIANI Salsabila Anjani Saputro, Setyo Wahyu Saragih, Triando Hamonangan Sarah Monika Nooralifa Sari, Risna Sa’diah, Halimatus Septyan Eka Prastya Septyan Eka Prastya Setyo Wahyu Saputro Setyo Wahyu Saputro Siti Aisyah Solechah Solly Aryza Sri Redjeki Sri Redjeki Sugiarto, Iyon Titok Sulastri Norindah Sari Suryadi, Mulia Kevin Tri Mulyani Triando Hamonangan Saragih Umar Ali Ahmad Utami, Juliyatin Putri Vina Maulida, Vina Wahyu Caesarendra Wahyu Dwi Styadi Wahyudi Wahyudi Wildan Panji Tresna Winda Agustina Yenni Rahman YILDIZ, Oktay Yudha Sulistiyo Wibowo Yunida, Rahmi