Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Sainteks Hasil Karya Aisyiyah Untuk Indonesia
Adam, Nurul Tazkiyah
Unknown Affiliation
Humanities Computer Science & IT Health Professions Languange, Linguistic, Communication & Media Mechanical Engineering Medicine & Pharmacology Nursing Public Health Social Sciences Other

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

Found 2 Documents
Search

 1 
Pemberdayaan Usaha Mikro Kecil dan Menengah (UMKM) melalui digitalisasi untuk pertumbuhan ekonomi Wardhani, Riska Risty; Adam, Nurul Tazkiyah; Putri, Ainun Lahasa; Setyaningsih, Dian Apriani, Sekar Ayu
Hasil Karya 'Aisyiyah untuk Indonesia Vol. 3 No. 2 (2024): April
Publisher : Universitas 'Aisyiyah Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31101/hayina.3299

Abstract

Pemberdayaan masyarakat merupakan upaya untuk meningkatkan kemampuan masyarakat agar dapat berkembang dan hidup lebih baik. Salah satu program pemberdayaan masyarakat yang dilakukan pemerintah untuk mengurangi angka kemiskinan adalah melalui pemberdayaan UMKM. Perkembangan teknologi digital dan internet telah memberikan peluang bagi UMKM untuk memasarkan produk dan jasa mereka secara lebih luas dan efisien. Pengabdian ini bertujuan untuk meningkatkan kemampuan UMKM di Dusun Jetis, Sleman, Yogyakarta dalam pemasaran digital. Pengabdian ini berbasis pendekatan kepada masyarakat. Strategi yang digunakan adalah pengembangan komunitas berbasis aset. Program ini antara lain sosialisasi dan edukasi tentang digital marketing merupakan langkah penting bagi pelaku UMKM. Melalui sosialisasi dan edukasi, pelaku usaha dapat menambah wawasan dan memahami konsep digitalisasi serta mampu merencanakan strategi pemasaran yang efektif dalam mengembangkan bisnis untuk menjangkau pasar yang lebih luas di era digital. Selain itu, program ini juga membantu para pelaku usaha dalam pembuatan media sosial berupa akun Instagram, e-mail, dan lintree. Panduan dan petunjuk diberikan serta diarahkan secara langsung untuk memudahkan pelaku usaha dalam mengelola bisnis kedepannya. Diharapkan dengan keseimbangan mindset dan media sosial sebagai alat pemasaran secara online, pelaku UMKM dapat menjangkau pasar yang lebih luas sehingga dapat meningkatkan pertumbuhan ekonomi dan keberlangsungan usaha yang lebih lama serta dapat berdaya saing di era digital.
Deteksi Gestur Sistem Isyarat Bahasa Indonesia Menggunakan Metode Deep learning SSD MobileNet V2 FPNLite Adam, Nurul Tazkiyah; Tyas, Zahra Arwananing; Hardiani, Tikaridha
Sainteks Vol. 21 No. 2 (2024): Oktober
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat (LPPM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30595/sainteks.v21i2.24006

Abstract

Penyandang disabilitas tunarungu memiliki keterbatasan pada indra pendengaran yang mengakibatkan hambatan dalam perkembangan bahasa sehingga memerlukan bimbingan dan pendidikan khusus. Penyandang disabilitas dengan usia 15 tahun ke atas sebagian besar baru mampu menyelesaikan pendidikan dengan tamatan SD berdasarkan data dari Badan Pusat Statistik. Tantangan lainnya yakni masih terdapat kesenjangan komunikasi antara tunarungu dan non-tunarungu karena tidak sedikit yang masih tidak mengerti bahasa isyarat. Seiring berkembangnya waktu, teknologi diadopsi untuk menyelesaikan permasalahan ini, salah satunya sistem deep learning yang mampu mendeteksi gestur SIBI (Sistem Isyarat Bahasa Indonesia). Penelitian ini menggunakan Arsitektur Model Pre-Trained SSD MobileNet V2 FPNLite dan Framework TensorFlow Object Detection untuk mendeteksi 15 gestur SIBI (Huruf Vokal A, I, U, E, O dan 10 kata yakni Baik, Bangku, Bel, Dia, Meja, Pramuka, Sakit, Saya, Teman, dan Tugas).  Penelitian ini melibatkan dataset berjumlah 15.000 gambar yang dibagi menjadi 80% data pelatihan, 10% data validasi, dan 10% data pengujian. Kumpulan data mencakup variasi sudut, kamera, warna, latar belakang, jenis kelamin, maupun usia. Model dilatih selama 40.000 steps dengan batch size 16. Hasil evaluasi menunjukkan bahwa model berhasil mendeteksi 15 gestur SIBI tersebut dengan nilai akurasi model mAP @ 0.5:0.05:0.95 sebesar 89,93% dan nilai loss sebesar 0.1434.
Co-Authors Putri, Ainun Lahasa Setyaningsih, Dian Apriani, Sekar Ayu Tikaridha Hardiani wardhani, Riska risty Zahra Arwananing Tyas