Article Per Year (5 Year)
p-Index From 2021 - 2026
0.817
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik Fountain of Informatics Journal Jurnal Abdimas ADPI Sosial Dan Humaniora SAINTEK Prosiding Seminar Nasional Unimus
Jumhurul Umami
Dosen Teknik Informatika Universitas Darussalam Gontor
Arts Humanities Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Economics, Econometrics & Finance Education Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Nursing Public Health Other

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
Sistem Pendukung Keputusan Seleksi Ustadz dengan Metode Analitycal Hierarchy Process Jumhurul Umami
Fountain of Informatics Journal Vol 2, No 1 (2017): Mei
Publisher : Universitas Darussalam Gontor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21111/fij.v2i1.857

Abstract

One of the annual program in Pondok Modern Darussalam Gontor is selection lecturer or chaplain or teacher. In the selection process of teachers who are still there are problems such as the lack of expertise in IT that are still using Microsoft Access displayed manually and not using certain method, besides that just rely on the senior chaplain and part nurture students who are limited in number to evaluate classroom discipline students, the number of candidates for religious teacher will be selected also does not provide maximum results and requires a very long time.Therefore that Gontor require a system that can help in the decision making process to solve these problems, one of them made the Candidate Selection Decision Support System Ustadz Method Using Analytical Hierarchy Process (AHP). The results of the process of this system is the list of 100 best ratings will be a candidate teacher at Pondok Modern Darussalam Gontor I and served for one year to teach.
Media Pembelajaran Berbasis Mobile Tajwid Pada Lembaga Bimbingan Masuk Gontor dengan Metode Demonstrasi Hisnu Al Mujahidin; Dihin Muriyatmoko; Jumhurul Umami
Jurnal Abdimas Adpi Sosial dan Humaniora Vol. 1 No. 2 (2020):  Jurnal Abdimas ADPI Sosial dan Humaniora
Publisher : Asosiasi Dosen Pengabdian kepada Masyarakat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47841/jsoshum.v1i2.163

Abstract

The Darussalam Gontor Islamic Boarding School graduates established a tutoring institution for prospective students who wish to enter Gontor in their respective regions. The institution is called the Gontor Entrance Guidance Institute. Prospective students who want to enter Gontor do not all pass the oral exam, one of the factors is the difficulty in tajwid lessons. At the Gontor entrance guidance institution, tajwid learning currently uses a limited number of printed books, making it difficult for those who want to learn it. Among them are Gontor entrance guidance agencies, branch cottages and alumni lodges. For that we need other learning media that can solve these problems, one of which is the mobile smartphone media. The purpose of this research is to make it easier for prospective students who want to learn the Gontor version of Tajwid. The implementation of this application uses a waterfall approach and applies a demonstration method. Testing the Tajwid 2 application is done in 6 ways. With the blackbox method, it shows the application is running smoothly. The use of hardware with six smartphones of various brands and screen sizes indicates the application is running well. A learning media expert gave an average rating of 94%. Tajwid teachers about learning materials by distributing questionnaires to 6 respondents who gave good feedback with a value of 87%. Prospective students about learning materials by distributing questionnaires to 15 respondents who gave good feedback with a value of 88.5%. General Google Playstore users scored 4.9 out of 5 (highest total rating) totaling 112 reviews (https://play.google.com/store/apps/details?id=com.konu.tajwid). The results of the questionnaire show that this application is very helpful, it can be an effective learning tool, but the application is only helpful, it cannot replace the role of the teacher and the interaction between teachers and real students.
Klasifikasi Tingkat Keparahan Penyakit Leafblast Tanaman Padi Menggunakan MobileNetv2 Imam Fauzi Annur; Jumhurul Umami; Moch. Nasheh Annafii; Niken Trisnaningrum; Oddy Virgantara Putra
Fountain of Informatics Journal Vol. 8 No. 1 (2023): Mei
Publisher : Universitas Darussalam Gontor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21111/fij.v8i1.9419

Abstract

AbstrakPadi merupakan tanaman pangan pokok di Indonesia, dan produksinya merupakan kunci ketahanan pangan negara. Keberhasilan panen merupakan faktor penting dalam pencegahan impor bahan pangan pokok. Tantangan terbesar dalam memanen tanaman adalah adanya virus, jamur, dan hama yang dapat merusak tanaman. Penelitian ini bertujuan untuk membuat sistem klasifikasi tingkat keparahan penyakit daun pada tanaman padi yang terkena penyakit blas daun dengan bantuan algoritma machine learning. MobileNetV2 adalah arsitektur Convolutional Neural Network (CNN) yang menggunakan Depthwise Separable Convolution untuk membangun model yang ringan dan dirancang untuk mengatasi proses yang memiliki resource yang berlebih. Dataset yang digunakan pada penelitian ini merupakan hasil murni observasi peneliti yang sudah divalidasi oleh ahli dengan total 300 data asli. Model MobileNetV2 ternyata sangat berhasil dalam mengklasifikasikan objek, dengan akurasi 78,33%. dengan hasil penelitian ini, petani dapat terbantu dalam mengenali tingkat keparahan penyakit leafblast pada tanaman padi sehingga pemberian bahan kimia berupa fungisida sesuai dengan dosis anjuran tingkat keparahan. Kata kunci: Klasifikasi, leafblast, padi, citra, model pre-trained, MobileNetV2. Abstract[Classification Of Rice Blast Disease Using MobileNetV2] Rice is a staple food crop in Indonesia, and its production is key to the country's food security. Successful harvesting is an important factor in preventing imports of staple foods. The biggest challenge in harvesting crops is the presence of viruses, fungi, and pests that can damage plants. This research aims to create a classification system for leaf disease severity in rice plants affected by leaf blast disease with the help of machine learning algorithms. MobileNetV2 is a Convolutional Neural Network (CNN) architecture that uses Depthwise Separable Convolution to build lightweight models and is designed to overcome processes that have excessive resources. The dataset used in this study is the result of pure researcher observations that have been validated by experts with a total of 300 original data. The MobileNetV2 model turned out to be very successful in classifying objects, with an accuracy of 78.33%. with the results of this study, farmers can be helped in recognizing the severity of leafblast disease in rice plants so that the provision of chemicals in the form of fungicides in accordance with the recommended dose of severity.Keywords: Classification, leafblast, rice, image, pre-trained model, MobileNetV2
Metode Holt Winters Untuk Peramalan Kasus Malnutrisi Pada Rumah Sakit: Pendekatan Time Series Analysis Taufan Eka Hidayatullah; Aziz Musthafa; Jumhurul Umami
Prosiding Sains dan Teknologi Vol. 2 No. 1 (2023): Seminar Nasional Sains dan Teknologi (SAINTEK) ke 2 - Februari 2023
Publisher : DPPM Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Peramalan kejadian malnutrisi memungkinkan petugas kesehatan untuk mengambil tindakan yang tepat dalam menangani pasien di rumah sakit, mengurangi kerugian. karena terjadi lonjakan yang sangat kecil pada kasus ini dalam 5 tahun sebelumnya, sehingga menimbulkan komplikasi bagi tim kesehatan dalam penanganan dan penatalaksanaannya. Tujuan dari penelitian ini adalah untuk memodelkan akurasi peramalan menggunakan data pasien berisiko malnutrisi dari tahun 2013 hingga 2020 untuk peramalan tahun berikutnya menggunakan metode peramalan Holt-Winters (HW). Model Triple Exponential Smoothing digunakan untuk menyelidiki sensitivitas ketergantungan estimasi jumlah kasus. Hasil penelitian menunjukkan bahwa jika dibandingkan dengan model lain, prediksi root mean square error (RMSE) kasus malnutrisi adalah 38,54%. Jika dibandingkan dengan model Holt-Winters lainnya, penggunaan tren teredam menghasilkan mean absolute error (MAE) sebesar 26,94% dan mean absolute percentage error (MAPE) sebesar 0,31.
Penerapan Teknologi Augmented Reality Pada Media Pembelajaran Rambu Rambu Lalu Lintas Berbahasa Arab Mohammad Rozi Syifa’uddin; Dihin Muriyatmoko; Jumhurul Umami; Ahmad Kali Akbar
Prosiding Seminar Nasional Unimus Vol 5 (2022): Inovasi Riset dan Pengabdian Masyarakat Guna Menunjang Pencapaian Sustainable Developm
Publisher : Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Saat ini penggunaan teknologi telah banyak dikembangkan sebagai media pembelajaran di berbagai lembaga pendidikan. Penelitian ini bertujuan untuk mengembangkan media pembelajaran Bahasa Arab dengan memanfaatkan teknologi Augmented Reality (AR). Pembuatan aplikasi ini menggunakan Langkah-langkah waterfall, dengan menggunakan teknologi Augmented Reality (AR). Konten diambil dari buku Kamus Bergambar Tiga Bahasa Rambu-Rambu lalu lintas karya Moh.Zulfikar. Media ini berbasis Android dan dibuat menggunakan tools seperti Blender 3D, Unity 3D, dan Corel Draw. Aplikasi ini dapat berjalan pada Smartphone berspesifikasi minimal android versi OS 4.4 KitKat dengan RAM 2GB keatas dan penyebaran kuisioner dengan nilai rata-rata dari seorang ahli materi pembelajaran bahasa Arab memberikan nilai 100%, seorang ahli media pembelajaran 96%, .Hasil kuisioner oleh responden menunjukkan kesesuaian media dengan pengguna untuk anak anak tingkat pemula, akan tetapi aplikasi ini hanya bersifat membantu dan tidak bisa menggantikan peran guru dan interaksi antar guru dengan murid yang sesungguhnya. Hasil Pengujian Aplikasi ini menggunakan metode Black Box menunjukkan hasil aplikasi ini berjalan dengan baik. Penelitian dengan teknologi AR ini diharapkan dapat memperkaya media pembelajaran Bahasa arab dan dapat bermanfaat untuk pengembangan media pembelajaran Bahasa arab di lingkungan sekolah dasar, pesantren maupun masyarakat umum. Untuk pengembangan kedepan bisa memanfaatkan teknologi lain yaitu Virtual Reality dan lain sebagainya. Kata Kunci : Media Pembelajaran, Augmented Reality, Bahasa Arab, Android.
Deteksi Jalan Berlubang Pada Citra Berkabut Menggunakan Convolutional Neural Network Dan Dark Channel Prior Wijaya, Akhmad Trisna; Putra, Oddy Virgantara; Umami, Jumhurul
Prosiding Sains Nasional dan Teknologi Vol 11, No 1 (2021): PROSIDING SEMINAR NASIONAL SAINS DAN TEKNOLOGI 11 2021
Publisher : Fakultas Teknik Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/psnst.v1i1.5035

Abstract

Kerusakan jalan merupakan salah satu hambatan bagi pengguna jalan. Salah satu kerusakan yang dapat mengganggu pengguna jalan adalah adanya lubang pada jalan.Kondisi lubang jalan pada cuaca berkabut sangat beresiko terjadinya kecelakaan, hal ini disebabkan oleh berkurangnya penglihatan manusia pada cuaca berkabut untuk mengetahui halangan yang ada didepannya. Penelitian ini bertujuan unutk membuat sebuah model deteksi jalan berlubang pada citra berkabut menggunakan Convolutional Neural Network (CNN) dan Dark Channel Prior (DCP). Setelah dataset terkumpul akan melalui tahap ekstraksi fitur menggunakan teknik konvolusi berupa CNN. DCP pada penelitian ini digunakan untuk pengembalian citra kabut ke citra asli yang terdiri dari beberapa tahap yaitu dark channel, atmospheric light estimation, transmission estimation, dan recovery citra. Hasil reduksi citra berkabut diuji dan diklasifikasi menguunakan hasil model pelatihan menggunakn CNN. Dari penelitian yang dilakukan, menunjukkan bahwa metode yang digunakan memiliki kinerja yang baik dan mendapatkan hasil deteksi pada citra bebas kabut dengan rata-rata sebebsar 78.5%.
Co-Authors Ahmad Kali Akbar Aziz Musthafa Dihin Muriyatmoko Hisnu Al Mujahidin Imam Fauzi Annur Moch. Nasheh Annafii Mohammad Rozi Syifa’uddin Oddy Virgantara Putra Taufan Eka Hidayatullah Trisnaningrum, Niken Wijaya, Akhmad Trisna