Article Per Year (5 Year)
p-Index From 2020 - 2025
1.235
P-Index
This Author published in this journals
All Journal Nuansa Informatika JURNAL MEDIA INFORMATIKA BUDIDARMA bit-Tech Jurnal Teknimedia: Teknologi Informasi dan Multimedia Jurnal Pengabdian Masyarakat Bangsa JGGAG (Journal of Games, Game Art, and Gamification)
Dede Husen
Universitas Kuningan
Agriculture, Biological Sciences & Forestry Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mathematics Medicine & Pharmacology Nursing Physics Public Health Social Sciences Other

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
Analisis Prediksi Kebakaran Hutan dengan Menggunakan Algoritma Random Forest Classifier Dede - Husen; Dede - Sandi; Sepriadi - Bumbungan; Kusnawi - -; Kusrini - -
NUANSA INFORMATIKA Vol 16, No 1 (2022)
Publisher : FKOM UNIKU

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (311.903 KB) | DOI: 10.25134/nuansa.v16i1.5392

Abstract

Kebakaran hutan merupakan salah satu bencana yang sangat merugikan di dunia, tak terkecuali di Indonesia. Berdasarkan laporan dari Kementrian Lingkungan Hidup dan Kehutanan  total kebakaran hutan dan lahan dalam rentang 2015 – 2019 yang terbakar adalah seluas 1.6 juta (Ha) [1]. Beberapa faktor yang mempengaruhi terjadinya kebakaran hutan diantaranya adalah faktor alam dan manusia. Faktor alam seperti kondisi suhu, kelembapan, kemarau, Elnino, erupsi gunung dan petir, kemudian para peneliti menemukan fakta bahwa aktivitas manusia di hutan seperti pembukaan lahan, eksploitasi kayu, perburuan dan pembakaran memiliki efek kausalitas terhadap terjadinya kebakaran hutan khususnya di daerah yang masih mempunyai hutan yang luas. Beberapa penelitian telah dilakukan untuk mencegah terjadinya kebakaran hutan seperti dengan menggunakan Teknik Data Mining dan Machine Learning yakni dengan melakukan prediksi kapan terjadinya kebakaran hutan berdasarkan kondisi cuaca dan histori laporan kebakaran namun masih belum sempurna. Maka dari itu pada penelitian ini kami mengembangkan konsep sistem prediksi kebakaran hutan yang akan menjadi salah satu acuan kebijakan pemerintah dalam mengeluarkan kebijakan yang bersifat preventif. Dengan melakukan pemodelan menggunakan model Algoritma Random Forest pada data kebakaran hutan dari tahun ketahun diwilayah Indonesia  diharapakan dapat membantu pemerintah dalam melakukan pencegahan kebakaran hutan dengan kebijakan hukumnya dan analisis yang ada bisa digunakan oleh Balai Besar Teknologi Modifikasi Cuaca (BBTMC) yang dapat membantu menentukan kapan modifikasi cuaca  dilakukan.
Deteksi Hama Pada Daun Apel Menggunakan Algoritma Convolutional Neural Network Dede Husen; Kusrini Kusrini; Kusnawi Kusnawi
JURNAL MEDIA INFORMATIKA BUDIDARMA Vol 6, No 4 (2022): Oktober 2022
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/mib.v6i4.4667

Abstract

Today the need for fruit consumption is increasing along with the increasing human population and awareness of the consumption of nutritious foods, apples are one of the most consumed fruits by humans worldwide. According to data quoted from the Indonesian National Statistics Center in 2021, apple production in 2021 decreased from the previous year from 519,531 tons to 509,544 tons. One of the causes of the decline in apple production is the presence of pests on the apple plant. At least there are several types of pests that can be identified on apple leaves, namely Apple Scrub (Venturia inaequalis), Apple Black Root (Botryosphaeria) and Apple Cedar/Rust (Gymnosporangium juniperi virginianae). The research stage begins with conducting several literature studies regarding related research, then formulating and validating the problem and starting to collect data from the Kaggle public dataset. Then in the experimental stage, the author divides the dataset into three parts with a percentage of 80% training data, 10% validation data and 10% testing data. The image classification method used is the Convolutional Neural Network (CNN) algorithm to create a model that can classify image data, the process of implementing the author uses the python programming language to build the model. The author conducted several experiments by making changes to several model parameters that affect the accuracy of the model. To evaluate the performance and accuracy of the model using a confusion matrix. The results of the study indicate that image size, data augmentation and the number of epochs greatly affect the accuracy of the model, from the test results the CNN model with the best accuracy is the model with the image size parameter 256x256, horizontal flip, vertical flip and random rotation data augmentation and the number of the 60th epoch has the highest accuracy rate of 99.66%. The results of this study are expected to be implemented in an application that can be used directly by farmers in detecting pests on apple plants quickly and accurately.
Klasifikasi Citra MRI Tumor Otak Menggunakan Metode Convolutional Neural Network Dede Husen
bit-Tech Vol. 7 No. 1 (2024): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v7i1.1576

Abstract

This study aims to improve the accuracy of brain tumor classification using Convolutional Neural Network (CNN) method on MRI images. In this study, various experiments were conducted using the original dataset and data that had undergone augmentation to increase the amount and variety of data. This study shows that data augmentation, such as flipping, scaling, and rotation, significantly improves model accuracy. The best model was obtained using flip and scale augmentation techniques with an average accuracy of 92.97%. These results show that the use of data augmentation techniques can improve the performance of CNN models in classifying brain tumors, and reduce the risk of overfitting. This research makes an important contribution to the field of medical diagnosis by providing a more accurate and efficient model for detecting brain tumors.
Peningkatan Kapasitas Literasi Digital Dasar Bagi Kelompok Masyarakat Desa Smart Village Desa Mandirancan Husen, Dede
Jurnal Pengabdian Masyarakat Bangsa Vol. 1 No. 12 (2024): Februari
Publisher : Amirul Bangun Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59837/jpmba.v1i12.758

Abstract

Kegiatan ini mengeksplorasi pentingnya literasi digital dan pemanfaatan teknologi informasi dalam meningkatkan peluang dan kesejahteraan di masyarakat pedesaan, khususnya Desa Mandirancan, salah satu dari 20 Desa Cerdas di Kabupaten Kuningan, Jawa Barat. Inisiatif Desa Cerdas, yang didukung oleh Kementerian Pembangunan Desa, bertujuan untuk meningkatkan kualitas hidup melalui pemanfaatan teknologi, dengan dukungan personel khusus untuk koordinasi, sosialisasi, advokasi, dan pendampingan rencana pengembangan desa. Penelitian ini menyoroti pemahaman literasi digital sebagai kunci akses bagi masyarakat dalam memahami, mengelola, dan memanfaatkan informasi digital secara optimal. Literasi digital dasar ini bertujunan untuk  memberikan pemahaman dan pemanfaatan teknologi informasi yang menjadi menjadi katalisator utama transformasi Desa Mandirancan menjadi desa cerdas. Integrasi dan implementasi  teknologi diberbagai sektor layanan publik diharapkan dapat meningkatkan efisiensi dan efektivitas. Meskipun demikian, penelitian mengidentifikasi tantangan minimnya literasi digital dan pemanfaatan teknologi di Desa Mandirancan. Kolaborasi dengan Duta Digital Kabupaten Kuningan melibatkan seminar literasi digital dan pengenalan dasar digital marketing sebagai langkah awal menuju pemanfaatan teknologi yang lebih baik dan berkelanjutan di desa tersebut.
Pendampingan Pengembangan Sistem Informasi Kepesantrenan di Lingkungan Pondok Pesantren Karantina Tahfizh Al-Qur’an Nasional Husen, Dede; Daswa, Daswa
Jurnal Pengabdian Masyarakat Bangsa Vol. 2 No. 9 (2024): November
Publisher : Amirul Bangun Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59837/jpmba.v2i9.1627

Abstract

Artikel ini membahas implementasi transformasi digital di Pondok Pesantren Karantina Tahfizh Al-Qur’an Nasional untuk mengatasi tantangan pengelolaan data yang masih berbasis manual. Tujuan utama dari program ini adalah untuk mendukung pengembangan sistem informasi kepesantrenan berbasis digital yang terintegrasi, yang mencakup manajemen data peserta, alumni, mitra, serta administrasi pendidikan Al-Qur’an. Dalam pelaksanaan pendampingannya,  program ini melibatkan beberapa tahapan, termasuk sosialisasi, perancangan, implementasi prototipe, evaluasi, dan penerapan sistem. Hasil menunjukkan bahwa sistem informasi yang dikembangkan mampu meningkatkan efisiensi pengelolaan data, transparansi administrasi, serta mempermudah pengambilan keputusan strategis. Dashboard yang dirancang memungkinkan administrator dan pimpinan pesantren untuk mengakses informasi secara real-time, termasuk data pendaftaran, keuangan, dan progres hafalan santri. Kesimpulannya, digitalisasi ini tidak hanya memberikan manfaat operasional jangka pendek tetapi juga membangun fondasi untuk inovasi berkelanjutan dalam pendidikan pesantren. Dengan keterlibatan aktif para pemangku kepentingan, sistem ini diharapkan dapat menciptakan lingkungan yang kondusif bagi pengembangan pendidikan dan spiritualitas, menjadikan pesantren sebagai pusat pembelajaran modern yang adaptif terhadap tantangan zaman.
EVALUASI TEKNIK AUGMENTASI DATA UNTUK KLASIFIKASI TUMOR OTAK MENGGUNAKAN CNN PADA CITRA MRI Dede Husen
TEKNIMEDIA: Teknologi Informasi dan Multimedia Vol. 5 No. 2 (2024): Desember 2024
Publisher : Badan Penelitian dan Pengabdian Masyarakat (BP2M) STMIK Syaikh Zainuddin NW Anjani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46764/teknimedia.v5i2.220

Abstract

Brain tumor classification on Magnetic Resonance Imaging (MRI) scans poses a significant challenge in the fields of radiology and medical technology. To enhance diagnostic accuracy, Convolutional Neural Network (CNN) methods have shown great potential. However, the limitation of having an adequate training dataset remains a major obstacle in developing effective models. This study aims to evaluate the performance of CNN models by applying various data augmentation techniques for brain tumor classification and identifying the most effective augmentation techniques. The augmentation techniques tested include image scaling, random rotation, vertical and horizontal flipping, random brightness adjustments, and combinations of these various techniques. The results indicate that the scaling and vertical and horizontal flipping techniques yield the highest average accuracy of 92.97%, with a maximum accuracy of 100% achieved at the 20th epoch using the vertical and horizontal flipping technique. Thus, it is hoped that the findings of this study can be utilized by other researchers in selecting appropriate augmentation techniques for MRI images.
Development of Multilingual Educational Game UI/UX Design for Animal Introduction and Interactive Learning Evaluation in Elementary Schools Rio Andriyat Krisdiawan; Dede Husen; Nida Amalia Asikin
Journal of Games, Game Art, and Gamification Vol. 10 No. 1 (2025)
Publisher : Bina Nusantara University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21512/jggag.v10i1.12973

Abstract

Technology-based education plays a vital role in enhancing student engagement in the digital age. This research focused on creating a UI/UX design and prototype for a multilingual educational game tailored for elementary school students. The game emphasizes animal recognition in both English and Indonesian, categorizing animals into herbivores, carnivores, and omnivores, while also featuring interactive learning evaluations. The study utilized the Design Thinking framework, which comprises five stages: Empathize, Define, Ideate, Prototype, and Test. Data collection involved surveys and interviews with 60 students and 3 teachers. The findings revealed positive feedback, with students giving high ratings for visual appeal (4.65), ease of navigation (4.52), and learning effectiveness (4.47). Teachers also rated the game highly for ease of use (5.0) and its suitability for students' needs (4.67). However, the interactive evaluation component requires improvement, particularly in diversifying question types and offering more adaptive feedback. This research highlights the potential of thoughtfully designed educational games to enhance student motivation and comprehension. Future recommendations include enriching content, increasing platform accessibility, and collaborating with schools for broader implementation.
Co-Authors Daswa Daswa, Daswa Dede - Sandi Kusnawi Kusnawi Kusrini - - Kusrini Kusrini Nida Amalia Asikin Rio Andriyat Krisdiawan Sepriadi - Bumbungan