Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Kreativitas Pada Pengabdian Masyarakat (Krepa) Journal of System and Technology
Rachel Ditya Syaharani
Universitas Riau
Arts Humanities Computer Science & IT Education Electrical & Electronics Engineering Energy Engineering Public Health Social Sciences Other

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
PENERAPAN TEKNOLOGI LUBANG BIOPORI SEBAGAI SOLUSI PERMASALAHAN LINGKUNGAN DI KELURAHAN MELAYU BESAR KOTA Rachel Ditya Syaharani; Raisa Adella; Muhammad Rizky; Nurhalisa; Mutiara Zahira; Fatahul Jannah; Aisyah Putri; Ziffa Sabrina Rahman; Brian Alan Hutasoit
Kreativitas Pada Pengabdian Masyarakat (Krepa) Vol. 1 No. 4 (2023): Kreativitas Pada Pengabdian Masyarakat (Krepa)
Publisher : CV SWA Anugerah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.8765/kpa.v1i4.231

Abstract

Permasalahan banjir melanda sebagian wilayah di Desa Melayu Besar Kota ini, dimana banyak disebabkan oleh ulah manusia sendiri. Kurangnya kepedulian menjaga lingkungan menjadi hal utama penyebab banjir. Penyebab lain pembuangan sampah di aliran badan air, sehingga air tidak bisa mengalir dengan lancar pada akhirnya mengakibatkan luapan air. Oleh karena itu, muncullah ide pembuatan lubang resapan biopori dimana bahan utamanya adalah sampah organik. Lubang biopori berfungsi meresapkan air ke dalam tanah dan dapat digunakan untuk membuat kompos. Lubang biopori tidak membutuhkan area luas dan proses pembuatannya sangat mudah, hal ini tentu menjadi solusi yang tepat untuk wilayah dengan lahan terbuka yang sempit. Pelaksanaan kegiatan pengabdian masyarakat ini dilakukan di kantor lurah Kelurahan Desa Melayu Besar Kota Kecamatan Tanah Putih Tanjung Melawan dengan permasalahan lingkungan kekeringan sumber air yang dilanda saat musim kemarau dan kebanjiran dilingkungan sekitar. Untuk membuat lunbang biopori dibutuhkan Pipa PVC. Pipa PVC ini digunakan untuk sebagai lubang resapan. Pipa PVC ini biasanya harganya cukup mahal sehingga dapat diganti dengan botol air mineral bekas yang ukuran 1,5 L. Botol air mineral bekas ini sering kali terbuang dan tidak dimanfaatkan. Oleh sebab itu, secara tidak langsung kita dapat memanfaatkan limbah yang tak terpakai Dari permasalahan ini pemecahan masalahan dengan memperkenalkan akan penting nya biopori sebagai lubang resapan air dan penyubur bagi tanah
PERBANDINGAN KINERJA MODEL CNN EFFICIENTNETB0 DAN VISION TRANSFORMER UNTUK KLASIFIKASI CITRA REAL-FAKE Akhlaqul Muhammad Fadwa; M. Sohibbal; Rachel Ditya Syaharani; Dian Ramadhani; Al Aminuddin
Journal of System & Technology (SYSTEC) Vol. 2 No. 1 (2026): Journal of System & Technology (June Edition)
Publisher : Jurusan Teknik Elektro, Fakultas Teknik, Universitas Riau

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

Abstract

Model generatif berbasis Generative Adversarial Network (GAN) seperti StyleGAN, Stable Diffusion, DALL·E, dan DeepFaceLab kini mampu menghasilkan citra sintetis yang sulit dibedakan dari citra asli, memicu penyalahgunaan berupa deepfake, manipulasi identitas digital, dan misinformasi visual yang mengancam kepercayaan terhadap konten digital. Penelitian ini mengusulkan pendekatan komparatif antara Convolutional Neural Network (CNN) berbasis EfficientNetB0 dan Vision Transformer (ViT) untuk mengklasifikasikan citra real dan fake guna mengidentifikasi arsitektur paling efektif dalam deteksi konten sintetis. Kedua model dikonfigurasi dengan backbone frozen menggunakan bobot pre-trained dan classifier head identik: Dense(512, ReLU), Dropout(0,4), Dense(256, ReLU), Dropout(0,4), Dense(1, Sigmoid), untuk memastikan perbandingan yang objektif. Dataset CIFAKE terdiri dari 120.000 citra — 60.000 real (CIFAR-10) dan 60.000 fake (Stable Diffusion v1.4) — diproses dengan resizing ke 224×224 piksel, normalisasi, dan augmentasi data, dengan pembagian 80:20 untuk pelatihan-validasi dan 20.000 citra untuk pengujian. Evaluasi dilakukan menggunakan akurasi, precision, recall, F1-score, dan confusion matrix. EfficientNetB0 mencapai akurasi 84,79% dengan waktu pelatihan ±1 jam 12 menit, namun lemah pada deteksi kelas fake dengan recall 72,17% dan false positive 2.783 citra. Sebaliknya, Vision Transformer mencapai akurasi 97,15% dengan precision, recall, dan F1-score seimbang di atas 97% pada kedua kelas, dengan waktu pelatihan ±14 jam 18 menit. Vision Transformer terbukti mengungguli EfficientNetB0 pada seluruh metrik, sementara EfficientNetB0 tetap relevan pada skenario dengan keterbatasan komputasi. Secara khusus, untuk menekan angka false positive pada EfficientNetB0, penelitian selanjutnya dapat menerapkan class-weighted loss atau focal loss guna meningkatkan sensitivitas model terhadap kelas fake, serta threshold tuning pada output sigmoid untuk menyeimbangkan precision dan recall.
Co-Authors Aisyah Putri Akhlaqul Muhammad Fadwa Al Aminuddin Brian Alan Hutasoit Dian Ramadhani Fatahul Jannah M. Sohibbal Muhammad Rizky Mutiara Zahira Nurhalisa Raisa Adella Ziffa Sabrina Rahman