Claim Missing Document
Check
Articles

Found 32 Documents
Search

SHARING KNOWLEDGE: PROSPEKTIF DATA SCIENCE DI MASA MENDATANG PADA DUNIA PENDIDIKAN Yudhi Fajar Saputra; Muh Jamil; Aldi Bastiatul Fawait; M. Fajar Rizky; Sri Nur Hidayati; Bayu Pamungkas
Jurnal Pengabdian Masyarakat Nusantara Vol. 4 No. 1 (2025): Pengabdian Berbasis Dampak I: Melampaui Batas Teori ke Aksi Nyata
Publisher : Open Edutech Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63183/619362

Abstract

Era revolusi industri 4.0 telah membawa perubahan signifikan dalam kebutuhan keterampilan dan tenaga kerja, di mana data science menjadi salah satu bidang yang berkembang pesat. Data science memiliki peran penting dalam pengolahan, analisis, dan interpretasi data untuk mendukung pengambilan keputusan berbasis informasi. Namun, kesadaran dan pemahaman tentang data science di kalangan siswa Sekolah Menengah Kejuruan (SMK) masih sangat terbatas. Oleh karena itu, kegiatan pengabdian kepada masyarakat ini bertujuan untuk memberikan wawasan awal tentang prospek data science di masa mendatang kepada siswa SMK, sehingga mereka lebih siap menghadapi tantangan dunia kerja yang semakin digital. Kegiatan ini mencakup sosialisasi teori dasar data science, aplikasi praktis dalam kehidupan sehari-hari khususnya dibidang pendidikan, dan menjelaskan bagaimana best praktis dalam menerapkan data science. Melalui pendekatan interaktif dan edukatif, siswa dapat memahami pentingnya data science sebagai keterampilan masa depan dan terinspirasi untuk mendalami bidang ini lebih lanjut. Hasil dari kegiatan ini berupa peningkatan literasi siswa terhadap teknologi data, kesadaran akan peluang karier dalam data science, serta kesiapan mereka menghadapi tantangan era digital. Program ini juga menjadi langkah awal dalam membangun ekosistem pembelajaran data science di lingkungan pendidikan kejuruan.
Penerapan Arsitektur U-Net untuk Segmentasi Semantik Citra Buah dengan Latar Belakang Kompleks Jamil, Muh Jamil; Wati, Asiah; Rahmah, Sitti; Fawait, Aldi Bastiatul
Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 10, No 1 (2026): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jurti.v10i1.26518

Abstract

Perkembangan ilmu Computer Vision telah berhasil membuat terobosan baru di berbagai bidang, salah satunya adalah di bidang pertanian. Hal ini semakin membuka peluang bagi pertanian cerdas berbasis IoT untuk dapat diterapkan guna mengoptimalisasi pekerjaan petani. Salah satu langkah awal yang bisa diterapkan adalah segmentasi citra, tujuannya adalah untuk mendeteksi area tertentu seperti buah, daun dan objek lain yang memiliki oklusi dan latar belakang kompleks pada lingkungan perkebunan secara langsung. Penelitian yang dikerjakan mengusulkan metode segmentasi semantic berbasis Deep Learning yaitu dengan memadukan ketangguhan dari U-Net dan juga VGG16 dalam melakukan proses segementasi buah melon pada lingkungan perkebunan secara langsung. Model segmentasi yang dirancangan terbukti mampu melakukan proses segmentasi dengan sangat optimal dengan score loss minimum sebesar 0.0157 dan score IoU maksimum sebesar 0.9922 pada proses train dan testing model, selain itu model yang dirancang mampu bekerja secara optimal dengan score IoU sebesar 0.9893 pada validasi akhir model. Penelitian yang dikerjakan bukan hanya berkontribusi sebagai rujukan akademis terkait dengan penerapan computer vision pada bidang pertanian cerdas, tetapi juga dapat berkontribusi menciptakan dataset baru bagi penelitian lanjut di masa mendatang.