Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Scientific: Journal of Computer Science and Informatics

Pengembangan Sistem Penerimaan Mahasiswa Baru Menggunakan Arsitektur Golang Framework Fathir; Sutriawan; Zumhur Alamin
Scientific: Journal of Computer Science and Informatics Vol. 1 No. 1 (2024): January 2024
Publisher : Universitas Muhammadiyah Bima

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34304/scientific.v1i1.226

Abstract

Pengembangan sistem penerimaan mahasiswa baru (PMB) di perguruan tinggi merupakan langkah kritis untuk memodernisasi proses penerimaan. Artikel ini membahas implementasi pengembangan sistem PMB Universitas Muhammadiyah Bima, menggunakan arsitektur framework Golang. Pendekatan ini bertujuan untuk meningkatkan efisiensi dan responsivitas dalam manajemen penerimaan mahasiswa baru dengan memanfaatkan keunggulan arsitektur Golang yang ringan dan cepat, serta kerangka kerja yang efektif. Penerapan website ini diharapkan dapat memberikan solusi yang tangguh dalam meningkatkan kinerja sistem PMB. Metode pengembangan yang digunakan dalam penelitian ini adalah system development life cycle dengan model Prototype. Hasil penelitian menunjukkan bahwa penggunaan teknologi ini berhasil mempercepat proses pendaftaran, mengoptimalkan manajemen data, dan meningkatkan pengalaman pengguna. Kesimpulan dari penelitian ini adalah bahwa implementasi arsitektur Golang framework dapat meningkatkan konektivitas, responsivitas, dan efisiensi dalam proses penerimaan mahasiswa baru. Selain itu, hasil penelitian ini dapat menjadi dasar untuk peningkatan sistem penerimaan mahasiswa baru di institusi pendidikan tinggi secara keseluruhan.
Improving the Quality of Optical Character Recognition (OCR) Based on Neural Network with the Image Enhancement Process Sutriawan, Sutriawan; Kurniawan, Ade; Rosyid, Romadhoni
Scientific: Journal of Computer Science and Informatics Vol. 1 No. 2 (2024): Juli 2024
Publisher : Universitas Muhammadiyah Bima

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34304/scientific.v1i2.334

Abstract

OCR (Optical Character Recognition) is an effective solution for the process of converting printed documents to digital documents. The problem that arises in the process of computer document recognition is the level of accuracy is very dependent on the quality of the input and the porosity of the character pattern. In this study we tried to research how the most optimal way to read characters on shopping receipts. Physically notes or shopping receipts are easily faded and prone to noise so they are difficult to read. Even after the scan process the resulting output is increasingly difficult to read. So that to do the text recognition (OCR) process will produce a low level of accuracy. To improve the accuracy of the OCR process, it is necessary to improve the quality of the results of the receipt scan before the OCR process is carried out. Image quality improvement (image enhancement) is one of the steps taken in image processing and pattern recognition. The Image Enhancement method used is Noise Removal and Contrast Stretching.
Optimasi Ekstraksi Fitur Citra Karakter Font Menggunakan Algoritma Support Vector Machines (SVM) untuk Klasifikasi Tipografi Alamin, Zumhur; Sutriawan; Siti Mutmainah; Muhammad Hayun
Scientific: Journal of Computer Science and Informatics Vol. 2 No. 1 (2025): Januari 2025
Publisher : Universitas Muhammadiyah Bima

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34304/scientific.v2i1.344

Abstract

Klasifikasi tipografi berbasis citra karakter merupakan salah satu tantangan penting dalam bidang pengenalan pola dan pengolahan citra digital, terutama dalam konteks digitalisasi dokumen dan sistem OCR (Optical Character Recognition). Penelitian ini bertujuan untuk mengoptimalkan proses ekstraksi fitur citra karakter font dengan memanfaatkan kombinasi beberapa teknik fitur serta algoritma Support Vector Machines (SVM) untuk klasifikasi. Metode yang digunakan melibatkan preprocessing citra karakter, ekstraksi fitur menggunakan Histogram of Oriented Gradients (HOG), Local Binary Pattern (LBP), dan Zoning, serta pelatihan model SVM dengan kernel Radial Basis Function (RBF). Dataset yang digunakan terdiri dari 2.600 citra karakter dalam format grayscale yang berasal dari lima jenis font populer. Dataset ini dibagi menjadi data latih dan data uji untuk keperluan pelatihan dan evaluasi model. Hasil eksperimen menunjukkan bahwa kombinasi fitur HOG dan Zoning menghasilkan akurasi klasifikasi tertinggi sebesar 94,6%, mengungguli teknik fitur tunggal maupun kombinasi dua fitur lainnya. Temuan ini menunjukkan bahwa pemilihan dan penggabungan teknik ekstraksi fitur yang tepat secara signifikan meningkatkan performa klasifikasi tipografi citra karakter. Penelitian ini memberikan kontribusi dalam pengembangan sistem klasifikasi font yang lebih akurat dan efisien, serta membuka peluang aplikasi lebih lanjut dalam digital forensik, sistem pencarian berbasis citra, dan digitalisasi arsip.