Claim Missing Document
Check
Articles

Found 4 Documents
Search

Pengembangan Dan Pelatihan Aplikasi Pengelolaan Perpustakaan Berbasis Web Winardi, Sunaryo; Gunawan; Ulina, Mustika; Iregho, Rian; Sananto, Muhammad Tubagus
CARADDE: Jurnal Pengabdian Kepada Masyarakat Vol. 5 No. 2 (2022): Desember
Publisher : Ilin Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31960/caradde.v5i2.1608

Abstract

Salah satu elemen penting dalam proses belajar mengajar di sekolah Yayasan Perguruan Sultan Iskandar Muda adalah perpustakaan. Perpustakaan berkaitan erat dengan sistem penyimpanan, pemeliharaan, peminjaman. pengembalian, dan pelaporan yang disusun menurut sistem tertentu. Masalah yang ditemukan pada sistem perpustakaan saat ini di sekolah Yayasan Perguruan Sultan Iskandar Muda adalah proses peminjaman koleksi yang harus langsung dilakukan di lokasi perpustakaan. Selain itu, kurangnya informasi koleksi yang akan dipinjam membuat anggota perpustakaan juga kesulitan untuk mencari koleksi yang ingin dibaca atau dipinjam pada saat berkunjung ke perpustakaan. Beberapa masalah tersebut dirasakan kurang efektif dan efisien untuk pengelolaan sebuah perpustakaan sekolah. Pemanfaatan teknologi informasi dapat diterapkan untuk meningkatkan kegiatan-kegiatan dalam perpustakaan menjadi sistem perpustakaan terkomputerisasi. Pada program pengabdian kepada masyarakat ini dilakukan dengan mengembangkan dan mengimplementasikan sebuah aplikasi pengelolaan perpustakaan berbasis web dengan metode pengembangan perangkat lunak prototyping. Hasil yang dicapai dengan aplikasi web pengelolaan perpustakaan pada Yayasan Perguruan Sultan Iskandar Muda antara lain, penyediaan manajemen buku, manajemen data anggota yang terdiri atas siswa dan guru, transaksi peminjaman buku secara daring dan luring secara manual.
Enhancing Image Quality for the Detection of Underwater Debris with Adaptive Fuzzy Filter Halim, Apriyanto; Ulina, Mustika; Tanti, Tanti; Sinaga, Frans Mikael
Indonesian Journal of Artificial Intelligence and Data Mining Vol 8, No 1 (2025): March 2025
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/ijaidm.v8i1.33010

Abstract

The image quality improvement process plays a very important role. This is because the process can increase the clarity and accuracy of image detection. One type of image detection that exists is the detection of garbage found under the sea. One of the image quality improvement processes is related to noise removal. Noise is a sudden increase in pixel intensity in an image. This can cause various problems that occur such as in medical photos, satellites, and photography. One method used to remove noise from images is using Adaptive Fuzzy Filter (AFF). This method is carried out by first finding the average value of the mean fuzzy set and the gray level fuzzy. After that, the value comparison process is carried out. From the results of the research conducted on 689 images from the dataset obtained, there is a decrease in the amount of noise of around 96,23% of the total noise obtained previously. This can certainly provide good results in terms of changes in noise that have been made.
Innovarte Learning: Media Pembelajaran Berbasis Augmented Reality Bagi Mahasiswa Penyandang Disabilitas Lestari, Wulan Sri; Ulina, Mustika; Gunawan, Gunawan; Gaol, Manto Lumban
Jurnal Riset dan Inovasi Pembelajaran Vol. 4 No. 3 (2024): September-December 2024
Publisher : Education and Talent Development Center Indonesia (ETDC Indonesia)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51574/jrip.v4i3.2426

Abstract

Kesenjangan akses pendidikan bagi mahasiswa penyandang disabilitas masih menjadi tantangan serius. Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi efektivitas modul pembelajaran interaktif berbasis Augmented Reality (AR) yang selanjutnya disebut dengan InnovARte Learning untuk meningkatkan pemahaman dan keterlibatan mahasiswa, khususnya mahasiswa penyandang disabilitas. Proses analisis dilakukan melalui serangkaian tahapan, dimulai dengan analisis kebutuhan menggunakan Focus Group Discussion (FGD) Bersama psikolog, yang memberikan wawasan untuk desain modul. Modul yang dikembangkan mengintegrasikan teknologi AR, video pembelajaran, dan kuis berbasis permainan. Selanjutnya, implementasi modul dilakukan, disertai evaluasi melalui metode pra-eksperimen, yang melibatkan pengukuran dengan pretest, posttest, ujian, dan kuesioner. Penelitian ini dilakukan di Program Studi Teknologi Informasi Universitas Mikroskil dengan melibatkan mahasiswa reguler serta mahasiswa penyandang disabilitas, termasuk Autism Spectrum Disorder, Disabilitas Intelektual, dan Kesulitan Belajar. Hasil analisis data menunjukkan adanya peningkatan rata-rata nilai posttest dibandingkan pretest, meskipun mahasiswa dengan Disabilitas Intelektual memerlukan pendekatan tambahan untuk memahami materi. Data kuesioner menunjukkan 64,87% responden merasa modul ini efektif, mudah digunakan, dan mendukung pembelajaran fleksibel, sementara 35,12% bersikap netral. Hasil evaluasi ini menunjukkan bahwa modul InnovARte Learning merupakan inovasi yang relevan dalam mendukung pendidikan inklusif, menyediakan akses pembelajaran yang lebih mudah dan menyenangkan bagi mahasiswa penyandang disabilitas.
Forex Price Predictions using Hybrid TCN-LSTM and LSTM-TCN Models Caroline, Caroline; Lestari, Wulan Sri; Ulina, Mustika
Indonesian Journal of Artificial Intelligence and Data Mining Vol 8, No 3 (2025): November 2025
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/ijaidm.v8i3.38354

Abstract

Forecasting financial market prices, particularly foreign exchange (forex) rates, remains a substantial difficulty due to the market's inherent unpredictability, intricacy, and turbulent characteristics. By combining the Temporal Convolutional Network (TCN) and Long Short-Term Memory (LSTM) models into a hybrid framework, this study overcomes this difficulty and improves prediction accuracy.  The MinMaxScaler function was used to standardize the input data prior to training, bringing all values into a range between 0 and 1.  An 80% training segment and a 20% testing segment were then separated from the prepared dataset.  We tested two different hybrid architectures, the LSTM-TCN and the TCN-LSTM, with the EUR/USD, AUD/USD, and GBP/USD value pairs.  With uniform parameters applied to both models during training, the Root Mean Squared Error (RMSE) measure was used for all performance evaluations in order to ensure a fair comparison and determine which model was better. The LSTM-TCN architecture proved to be the superior predictor on the testing set. It recorded a lower average RMSE of 0.003911. This result contrasts with the TCN-LSTM model's performance, which yielded a higher average RMSE of 0.004181.