Article Per Year (5 Year)
p-Index From 2020 - 2025
0.835
P-Index
This Author published in this journals
All Journal Scientific Student Journal for Information, Technology and Science
Tohirin Mudzakir
Unknown Affiliation
Computer Science & IT

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Penerapan Algoritma YoloV5 Dalam Pendeteksian Objek Merek Sampah Botol Plastik Heru Purwantoro; Tohirin Mudzakir; Santi Lestari
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 1 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Dalam proses identifikasi sampah botol plastik di pengepul masih dilakukan secara manual sehingga membuat proses menjadi lama. Di tingkat pengepul sampah botol plastik yang di sortir dibagi menjadi 2 jenis yaitu sampah botol plastik yang masih memiliki label merek dan sampah botol plastik yang sudah tidak memiliki label merek. Objek penelitian yang digunakan dalam penelitian ini adalah pendeteksian merek sampah botol plastik dengan algoritma YOLOv5. Sampah botol plastik yang digunakan ialah jenis sampah botol kemasan air minum ukuran 600ml. pengambilan dataset diambil di lingkungan sekitar rumah, dengan jumlah perbandingan dataset sebesar 70 % data latih banding 30% data validasi. Dalam pendeteksian objek ini memiliki batasan masalah yaitu hanya dapat mendeteksi sampah botol plastik yang kondisinya bagus. Proses deteksi merek sampah botol plastik ini dapat digunakan sebagai model awal untuk pembuatan mesin sortir sampah botol plastik yang nantinya dapat diterapkan kedalam mesin. Dengan menggunakan Algoritma YoloV5 maka hasil yang didapatkan dalam penerapan model dapat dihasilkan nilai akurasi yang cukup baik. Dengan nilai pada merek Aqua yaitu sebesar : 91% , Le’Minerale sebesar : 92% dan pada merek Teh Pucuk sebesar : 87%. Serta rata-rata hasil deteksi mencapai nilai confidence 1,0 yang membuat model tersebut bisa dijadikan sebagai model awal untuk pembuatan mesin sortir sampah botol plastik..
Penerapan Metode K-Means Untuk Clustering Puskesmas Berdasarkan Jumlah Stunting Di Kabupaten Karawang Sigit Gunawan; Hanny Hikmayati; Tohirin Mudzakir
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 1 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Kondisi bayi yang mengacu pada kegagalan tahap pertumbuhan dan perkembangan tidak normal dibandingkan dengan anak-anak lain seusianya dikategorikan sebagai stunting. Sejak tahun 2018 Kabupaten Karawang masuk ke dalam 100 Kabupaten/Kota prioritas penanggulangan stunting. Penelitian ini bertujuan untuk memetakan Puskesmas yang terdapat bayi stunting ke dalam 3 kelompok rendah, sedang dan tinggi menggunakan metode K-means. Metode Davies-Bouldin Index digunakan untuk mengevaluasi hasilclustering yang dilakukan K-means untuk mendapatkan nilai validitas dari K=3. Adapun hasil dari penelitian terhadap data penyebaran stunting di kabupaten karawang cluster 0 berjumlah 18 Puskesmas, cluster 2 berjumlah 25 Puskesmas, dan cluster 3 berjumlah 7 Puskesmas. Hasil Davies Bouldin Index pada python sebesar 0.9986083164230459 dan manual sebesar 0.97809247, membuktikan bahwa algoritma K-Means cukup baik dalam melakukan Clustering.
Prediksi Harga Rumah Di Karawang Menggunakan Algoritma Multiple Linear Regression dan Support Vector Regression Ali Handani; Amril Siregar; Tohirin Mudzakir
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Rumah atau tempat tinggal merupakan kebutuhan utama bagi manusia, sehingga perlu perencanaan yang baik agar setiap keluarga dapat memiliki tempat tinggal yang layak. Dalam perencanaan tersebut, diperlukan prediksi atau perkiraan harga rumah di masa depan. Oleh karena itu, penelitian ini bertujuan untuk membuat model prediksi harga rumah menggunakan algoritma Multiple Linear Regression (MLR) dan Support Vector Regression (SVR) untuk dibandingkan. Data penelitian dikumpulkan melalui web scrapping dari beberapa situs web di bidang jual beli rumah, adapun variable yang mempengaruhi harga rumah seperti alamat, luas tanah, luas bangunan, kamar tidur, kamar mandi. Untuk tingkat yang baik dalam prediksi harga rumah, penelitian dilakukan beberapa kali dengan menggunakan data dependent dan data independent sebanyak 1732 data. Hasil perbandingan mendapatkan nilai akurasi 0.5439 dan evaluasi RMSE 148.3586 untuk algoritma Multiple Linear Regression (MLR), sedangkan algoritma Support Vector Regression (SVR) mendapatkan akurasi 0.5104 dan evaluasi RMSE 153.7563.
IMPLEMENTASI ALGORITMA CONVOLUTIONAL NEURAL NETWORK DAN SUPPORT VECTOR MACHINE UNTUK PENDETEKSIAN CANDI JIWA DAN CANDI BLANDONGAN Hus’am Badruzzaman; Tohirin Mudzakir; Rahmat Rahmat
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Di wilayah Kabupaten Karawang terdapat peninggalan sejarah yaitu Candi Jiwa dan Candi Blandongan. Keunikan bentuk arsitektur yang dimiliki pada candi ini akan sangat disayangkan apabila tidak diperkenalkan serta diwariskan kepada generasi penerus, dalam rangka melestarikan identitas budaya Indonesia. Dengan memperkenalkan candi melalui pengenalan citra menggunakan algoritma CNN dan SVM, bertujuan untuk dapat memberikan kontribusi dalam pengembangan teknologi untuk pelestarian dan promosi pariwisata budaya, kepada wisatawan lokal maupun mancanegara. Pada penelitian ini menggunakan 200 data citra Candi Jiwa dan Candi Blandongan yang terbagi kedalam data training 80%, data testing 10%, dan data validasi 10%. Hasil pegujian yang dilakukan menghasilkan tingkat akurasi sebesar 85%.
Penerapan Algoritma Naïve Bayes Dan KNN Dalam Menganalisis Sentimen Aplikasi Tiktok Shop Seller Center Berdasarkan Review Google Playstore Martha Wijaya; Tohirin Mudzakir; Santi Lestari
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Aplikasi Tiktok Shop Seller Center berfungsi sebagai platform bagi pengusaha untuk memulai bisnis di media sosial Tiktok. Dengan memanfaatkan aplikasi ini penjual bisa meraih dukungan untuk meningkatkan kesuksesan penjualan. Walau aplikasi ini sudah banyak diunduh di Google Play Store, namun review yang diberikan pengguna mengenai kualitas aplikasi tersebut masih sangatlah beragam, mulai dari pengguna yang memberikan review positif karena aplikasi ini bermanfaat dan ada juga yang berpendapat sebaliknya. Oleh karena itu, analisis sentimen dilakukan dengan menggunakan algoritma Naïve Bayes dan K-Nearest Neighbor (KNN) untuk menilai persepsi pengguna aplikasi Tiktok Shop Seller Center berdasarkan review yang terdapat di Google Play Store. Digunakan Sampel data ulasan sebanyak 611, kemudian data tersebut dibagi menjadi dua bagian, yaitu 80% untuk data training dan 20% untuk data testing. Metode evaluasi yang diterapkan adalah Confusion Matrix, yang menghasilkan akurasi sebesear 0.98 untuk Naïve Bayes dengan parameter nilai alpha 0.3, dan sekitar 0.99 untuk K-Nearest Neighbor dengan parameter nilai k=5. Kesimpulannya, algoritma KNearest Neighbor unggul dalam melakukan klasifikasi sentimen dengan akurasi yang lebih tinggi.
Co-Authors Ali Handani amril siregar Hanny Hikmayati Heru Purwantoro Hus’am Badruzzaman Martha Wijaya Rahmat Rahmat Santi Lestari Sigit Gunawan