Claim Missing Document
Check
Articles

Found 39 Documents
Search

Levenshtein Distance Algorithm in Javanese Character Translation Machine Based on Optical Character Recognition Pradana, Musthofa Galih; Seta, Henki Bayu; Irzavika, Nindy; Saputro, Pujo Hari; Rusiyono, Ruwet
JOIV : International Journal on Informatics Visualization Vol 9, No 4 (2025)
Publisher : Society of Visual Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62527/joiv.9.4.3151

Abstract

Indonesia has diverse art, cultures, and languages. Linguistically, Indonesia has many local languages, which makes it a diverse country, with Javanese being the regional language with the highest number of entries in the Kamus Besar Bahasa Indonesia. The Javanese script, one of the cultural symbols of Java, differs significantly from the Latin script commonly used in daily communication. In the context of cultural preservation, which is also one of the ministry's strategic steps, a translation or transfer process is needed from the Javanese script to the Latin script to the Indonesian language as an active participation in culture, with technology helping promote and introduce Indonesian culture. This study develops an algorithm-based approach to capture data images and improve translation accuracy. Transliteration is further enhanced by incorporating optical character recognition to convert character images. The study also applies a convolutional neural network (CNN) algorithm for character image recognition and a Levenshtein distance algorithm to translate Latin characters into Indonesian. The convolutional neural network (CNN) algorithm achieved an optimal % image detection accuracy of 95% at the 21st epoch. The translation process yielded a 90% word-level translation accuracy and 70% sentence-level accuracy. These results indicate that sentence translation remains suboptimal due to a lack of sufficient training data and similarities between scripts, highlighting the need for further improvements through transformer models or data augmentation.
IMPLEMENTASI SISTEM PAKAR UNTUK MENDIAGNOSIS SINDROM BABY BLUES MENGGUNAKAN METODE FORWARD CHAINING Tyas, Dyah Listianing; Saputro, Pujo Hari
Inovate Vol 2 No 1 (2017): September
Publisher : Fakultas Teknologi Informasi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33752/inovate.v2i1.212

Abstract

Sistem ini adalah sebuah sistem yang menggunakan sistem pakar yang berfungsi untuk mendiagnosis salah satu sindrom paska wanita melahirkan, namun wanita tersebut tidak berhasil menyesuaikan diri dan mengalami gangguan-gangguan psikologis atau yang lebih dikenal dengan istilah sindrom baby blues. Belum banyak hal yang diketahui tentang sindrom ini dan masih banyak juga masyarakat yang kurang mengerti dengan sindrom baby blues ini, dokter atau pakar yang mengerti akan sindrom ini juga masih kurang ,oleh karena itu diperlukan sebuah sistem yang lebih praktis dan memiliki kemampuan layaknya seorang dokter dalam mendiagnosis penyakit/sindrom. Sistem tersebut adalah sistem pakar yang mengadopsi pengetahuan dari seorang pakar ke dalam komputer agar dapat menyelesaikan masalah. sistem ini dibangun dengan menggunakan metode certainly factor dan forward chaining, metode ini memberi ruang pada pakar untuk memberikan nilai keyakinan pada pengetahuan yang di ungkapkannya.Keyword : Sindrome Baby blues, Sistem Pakar, Certainly Factor, Forward Chaining This system is a system that uses an expert system that serves to diagnose one of the post-woman delivery syndrome, but the woman did not manage to adjust and experienced psychological disorders or better known as baby blues syndrome. Not much is known about this syndrome and there are still many people who do not understand this baby blues syndrome, doctors or experts who understand this syndrome is also still lacking, therefore required a system that is more practical and have the ability as a doctor in diagnose disease / syndrome. The system is an expert system that adopts knowledge from an expert into the computer in order to solve the problem. this system is built using sure factor and forward chaining method, this method gives expert space to give confidence value to the knowledge it expresses.
Implementasi Desain Model Jaringan Komputer Pada Laboratorium SMPIT Al Kahfi Sidoarjo Untuk Penunjang Pelaksanaan Ujian Nasional Berbasis Komputer (UNBK) Widoyoningrum, Sri; Tyas, Dyah Listianing; Saputro, Pujo Hari
Inovate Vol 8 No 1 (2023): September
Publisher : Fakultas Teknologi Informasi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33752/inovate.v8i1.6080

Abstract

This research is field research located at SMPIT AL Kahfi Tarik Sidoarjo so far does not yet have computer laboratory facilities connected to a local area network (LAN) network, so that SMP cannot carry out computer-based national exams (UNBK). The purpose of installing a local area network (LAN) network is a solution to solving existing problems at SMPIT Al Kahfi Tarik Sidoarjo. The method used is direct observation of the SMP and the design method uses a star topology. The results of the installation of a local area network (LAN) network at SMPIT Al Kahfi Tarik Sidoarjo as a means of supporting the implementation of the Computer-Based National Examination (UNBK) and can make it easier for students to implement UNBK. Keywords: Network, Local Area Network, Star Topology
Pelatihan Pengolahan Sampah Rumah Tangga di Kampung Candi Rahman, Asep; Nurmidin, M Fadhel; Maddusa, Sri Seprianto; Saputro, Pujo Hari; Syahputra, Rendy
Jurnal Medika: Medika Vol. 4 No. 4 (2025)
Publisher : LPPM Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/4k5jvd32

Abstract

Pengelolaan sampah rumah tangga merupakan salah satu isu penting dalam menjaga kebersihan lingkungan dan kesehatan masyarakat. Kegiatan pengabdian masyarakat ini bertujuan untuk meningkatkan pemahaman dan keterampilan warga dalam mengelola sampah rumah tangga berbasis prinsip 3R (reduce, reuse, recycle). Pelatihan dilaksanakan pada tanggal 21 Agustus 2025 di Kampung Candi, Kelurahan Bitung Barat 1, Kota Bitung, dengan peserta sebanyak 20 orang yang terdiri dari masyarakat setempat, tokoh masyarakat, dan tokoh pemerintahan. Metode kegiatan meliputi sosialisasi, demonstrasi praktik pemilahan sampah organik dan anorganik, pembuatan kompos sederhana, pemanfaatan sampah anorganik menjadi kerajinan, serta diskusi evaluasi. Hasil kegiatan menunjukkan adanya peningkatan pemahaman peserta, di mana 80% peserta mampu memahami materi pengelolaan sampah setelah pelatihan dibandingkan sebelum pelatihan. Selain itu, peserta juga berhasil mempraktikkan keterampilan dasar pengolahan sampah dan menyusun strategi keberlanjutan melalui pembentukan kelompok penggerak lingkungan. Kesimpulan dari kegiatan ini adalah pelatihan pengolahan sampah rumah tangga efektif meningkatkan kesadaran dan kemampuan masyarakat dalam mengelola sampah secara mandiri dan berkelanjutan.
Performance Testing of KNN and Logistic Regression Algorithms in Classifying Heart Disease Susceptibility Saputro, Pujo Hari; Zalmi, Wahyuni Fithratul; Syahputra, Rendy
International Journal of Computer and Information System (IJCIS) Vol 4, No 4 (2023): IJCIS : Vol 4 - Issue 4 - 2023
Publisher : Institut Teknologi Bisnis AAS Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29040/ijcis.v4i4.133

Abstract

The annual global death toll due to cardiovascular diseases, which fall into the category of heart and blood vessel disorders, reaches 17.9 million lives. This undoubtedly requires more attention in order to anticipate the potential risk of heart attacks that can affect anyone at any time. Data analysis or data mining approaches have become a significant contribution in the field of information technology to provide valuable information regarding the risk of heart diseases. Data analysis using the K-Nearest Neighbor and Logistic Regression algorithms is expected to provide information related to the susceptibility category for heart diseases, such as age susceptibility, gender, cholesterol levels, and so on. With the information obtained from this data analysis, it is hoped that it can serve as a reference and consideration for individuals to be more vigilant in maintaining their health. The results indicate that the highest correlation with susceptibility to heart disease is based on a person's age and their body weight. The correlation coefficient between these two variables is 0.37, suggesting a relationship between a person's age and their body weight, which can make them more susceptible to heart disease. Testing with both algorithms shows a high level of accuracy, with K-Nearest Neighbor achieving an accuracy rate of 0.95, while Logistic Regression has an accuracy of 0.96.
Sosialisasi Pencegahan dan Penanganan Stunting Sebagai Upaya Mewujudkan Generasi Unggul di Dusun Iroyudan Kelurahan Guwosari Wardiyana, Lisa; Rouzi, Kana Safrina; A'yun, Riza Shinta Qurrota; Batubara, Saimarrasoki; Saputro, Pujo Hari; Sulaiman, Ahmad; Viantina, Anisa Lia; Hakim, Luqmanul; Amsy, M.R Mutawakkil; Wulandari, Narulita; Silvianah, Nita; Sari, Susi Nopita; Fatonah, Umti
Bangun Desa: Jurnal Pengabdian Masyarakat Vol 1, No 1 (2022)
Publisher : Universitas Alma Ata

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1014.417 KB) | DOI: 10.21927/jbd.2022.1(1).25-28

Abstract

Stunting merupakan keadaan gagal tumbuh pada balita yang disebabkan karena kekurangan gizi secara kronis atau berkepanjangan dalam waktu yang lama sehingga anak terlalu pendek untuk usianya. Salah satu penyebab stunting yaitu kurangnya pengetahuan ibu dan pola asuh yang kurang tepat. Oleh karena itu, diperlukan adanya sosialisasi mengenai cara pencegahan dan penanganan stunting. Metode pengabdian dengan penyuluhan dan ceramah disetai tanya jawab tentang pencegahan dan penanganan stunting melalui media power point. Peserta yang mengikuti soasialisasi terdiri dari 12 remaja putri, 3 ibu hamil dan 9 ibu dari balita yang mengalami stunting di Dusun Iroyudan Kelurahan Guwosari. Dalam kegiatan ini menghasilkan bahwa semua peserta sudah tersosialisasi mengenai stunting, dampak dari stunting, serta cara pencegahan dan penanganannya.
Model Deep Learning YOLOv5 untuk Identifikasi Cuaca: Cloudy, Rain, Shine, dan Sunrise Kalambia, Audia Endondaya; Kevin, Geraldy; Saputro, Pujo Hari
Informatik : Jurnal Ilmu Komputer Vol 20 No 3 (2024): Desember 2024
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v20i3.11089

Abstract

Penelitian ini bertujuan untuk mengembangkan model klasifikasi citra cuaca secara otomatis menggunakan arsitektur YOLOv5, khususnya varian ringan YOLOv5n (nano), untuk mengenali empat kelas cuaca: Cloudy, Rain, Shine, dan Sunrise. Dataset yang digunakan terdiri dari kurang lebih 800 gambar yang dikumpulkan secara manual dari sumber daring dan telah dianotasi serta diklasifikasikan ke dalam format YOLO (YOLOv5). Gambar diproses ke resolusi seragam 640×640 piksel sebelum pelatihan model selama 200 epoch dengan batch size 128 menggunakan PyTorch di lingkungan berbasis GPU. Evaluasi model menunjukkan performa tinggi dengan precision rata-rata sebesar 97,2%, recall sebesar 97,5%, serta mAP@0.5 mencapai 99,3%, yang mencerminkan akurasi sangat baik dalam mendeteksi objek dan klasifikasi cuaca. Hasil ini menunjukkan bahwa YOLOv5 efektif untuk tugas klasifikasi multi-kelas pada citra cuaca dan dapat diimplementasikan untuk sistem berbasis visi komputer real-time seperti kendaraan otonom atau sistem pemantauan lalu lintas. Temuan ini juga memperkuat efektivitas transfer learning dari model pralatih YOLOv5 dalam mempercepat konvergensi dan meningkatkan performa model dengan dataset yang relatif kecil.
Identifikasi Pembuluh Darah Jari Tangan, Menggunakan Bahasa Pemrograman Python Pontoh, Fransisca Joanet; Sengkey, Rizal; Saputro, Pujo Hari
Jurnal Esensi Infokom : Jurnal Esensi Sistem Informasi dan Sistem Komputer Vol 8 No 2 (2024)
Publisher : Institut Bisnis Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55886/infakom.v8i2.918

Abstract

Sistem biometrika secara otomatis mengidentifikasi orang berdasarkan karakteristik perilakunya. Pembuluh darah jari tangan lebih aman sebagai data biometrika dibandingkan data biometrika lainnya. Pola pembuluh darah jari tangan sulit dipalsukan karena berada di bawah permukaan kulit. Supaya pola pembuluh darah jari tangan terlihat di kulit, diperlukan metode khusus untuk mengidentifikasinya. Penelitian ini bertujuan untuk mengembangkan sistem pengenalan pembuluh darah jari menggunakan metode Convolutional Neural Network (CNN) yang diimplementasikan dalam bahasa Python, dengan tujuan menggantikan sistem absensi karyawan berbasis sidik jari di rumah sakit. Metode ini menawarkan keamanan yang lebih tinggi dan resistensi terhadap pemalsuan, mengingat pembuluh darah jari sulit diakses dari luar tubuh. Penelitian ini menggunakan dataset pembuluh darah dari Kaggle dan melalui tiga tahap utama: preprocessing, training, dan testing. Model CNN yang dilatih menunjukkan performa tinggi dengan akurasi 99,99% dalam mengenali pola-pola pada gambar pembuluh darah jari. Hasil penelitian ini menegaskan bahwa sistem yang dikembangkan dapat memberikan prediksi yang akurat dan konsisten, diharapkan dapat meningkatkan keamanan, kenyamanan, dan efisiensi operasional rumah sakit secara signifikan.
Integrasi Convolutional Block Attention Module ke dalam CNN untuk Meningkatkan Deteksi Malaria pada Citra Sel Darah Mikroskopis Saputro, Pujo Hari; Salassa, Norris Elden; Payuk, Fajar Salinding Buntu
Informatik : Jurnal Ilmu Komputer Vol 21 No 3 (2025): Desember 2025
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v21i3.11106

Abstract

Malaria is a life-threatening disease caused by Plasmodium parasites and transmitted through the bite of infected mosquitoes. Accurate and early detection is essential for effective treatment and control. In this study, we propose an enhanced deep learning approach using a Convolutional Neural Network (CNN) optimized with a Convolutional Block Attention Module (CBAM) to classify red blood cell images as malaria-infected or uninfected. The CBAM mechanism enables the model to focus more effectively on the most informative spatial and channel features, thereby improving its ability to detect subtle patterns in microscopic blood smear images. We compare the performance of the CBAM-optimized CNN against a baseline CNN using accuracy, precision, recall, and F1-score metrics. Experimental results show that integrating CBAM significantly improves classification performance, achieving higher detection accuracy and greater robustness against visual noise and variations. This study highlights the effectiveness of attention-based optimization in medical image classification tasks, particularly in resource-limited settings where reliable and automated diagnosis is highly needed.