Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Journal of Information System

Implementation of Discrete Wavelet Transform and Directed Acyclic Graph SVM for Batik Pattern Recognition Sugiarto, Edi; Budiman, Fikri; Fahmi, Amiq; Sulistyono, MY Teguh; Rohmani, Asih
JOINS (Journal of Information System) Vol. 10 No. 1 (2025): Edisi Mei 2025
Publisher : Fakultas Ilmu Komputer, Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/joins.v10i1.12576

Abstract

Batik as a heritage of the ancestors of the Indonesian nation certainly needs to be preserved so that it continues to be recognized from generation to generation, one of which is by introducing the diversity of its patterns. Efforts to introduce batik patterns can be made, one of which is by implementing technology that can recognize batik patterns automatically based on batik patterns, namely pattern recognition technology. This study aims to optimize batik pattern recognition using the discrete wavelet transform (DWT) and directed acyclic graph SVM (DAGSVM) methods. The stages start from preprocessing, feature extraction, and classification. The study used 310 batik images of 7 different patterns and divided into 240 images for training data and 70 for testing data. DWT method is used in the feature extraction stage while DAG SVM is used in the classification stage. The study was conducted by comparing the accuracy between standard DAG SVM and DAG SVM that has been optimized with DWT and the results of the accuracy test can be proven that adding the DWT method with DAG SVM can increase accuracy by 3%.
Analisis Kausalitas Banjir Berulang di Kabupaten Grobogan: Pendekatan Kecerdasan Buatan yang dapat diinterpretasi untuk Mitigasi Berbasis Bukti Kuswardono, Danang; Tanuji, Hadi; Prabowo, Dwi Puji; Rohmani, Asih
JOINS (Journal of Information System) Vol. 10 No. 2 (2025): Edisi November 2025 (ongoing)
Publisher : Fakultas Ilmu Komputer, Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/joins.v10i2.14346

Abstract

Banjir berulang di Kabupaten Grobogan, Jawa Tengah, menimbulkan kerugian signifikan dan mengancam keberlanjutan wilayah. Pendekatan konvensional seringkali terbatas dalam mengidentifikasi pola kompleks dan hubungan kausalitas antar faktor pemicu banjir. Penelitian ini mengusulkan kerangka kerja analisis kausalitas banjir menggunakan Kecerdasan Buatan (AI) yang dapat diinterpretasi (Explainable AI/XAI) untuk mengungkap faktor-faktor dominan (hidrologis, geografis, geologis, dan antropogenik) yang berkontribusi terhadap fenomena ini. Dengan memanfaatkan data spasial-temporal yang komprehensif dan metode AI seperti SHAP dan Grad-CAM, penelitian ini bertujuan untuk mengukur kontribusi masing-masing faktor pemicu, memberikan pemahaman yang lebih mendalam tentang mekanisme banjir. Hasil yang diharapkan akan mendukung perumusan strategi mitigasi yang lebih tepat sasaran dan berbasis bukti, beralih dari respons reaktif menjadi pendekatan proaktif dalam pengelolaan risiko bencana di Kabupaten Grobogan. Hasil yang diharapkan menunjukkan bahwa metode XAI mampu menampilkan kontribusi relatif setiap faktor pemicu banjir, sehingga interpretasi model menjadi lebih transparan dibandingkan pendekatan tradisional. Kerangka kerja ini diproyeksikan dapat meningkatkan akurasi analisis sekaligus mempercepat proses identifikasi wilayah prioritas untuk mitigasi