Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal ANDHARUPA INOVTEK Polbeng - Seri Informatika
Zuni Astuti, Erna
Unknown Affiliation
Arts Humanities Computer Science & IT Languange, Linguistic, Communication & Media

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

Found 2 Documents
Search

 1 
VISUALISASI SENI DAN TRADISI MELALUI PROGRAM DOKUMENTER TELEVISI JEJAK NUSANTARA EPISODE TAMAN BUDAYA RADEN SALEH SEMARANG SEBAGAI RUANG EKSPRESI KREATIF Ernawati, Arni; Zuni Astuti, Erna; Nugraini, Siti Hadiati; Ihya' Ulumuddin, Dimas Irawan
ANDHARUPA: Jurnal Desain Komunikasi Visual & Multimedia Vol. 10 No. 03 (2024): September 2024
Publisher : Dian Nuswantoro University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/andharupa.v10i03.11316

Abstract

Taman Budaya Raden Saleh merupakan tempat yang dibangun untuk tujuan melestarikan budaya serta tempat rekreasi bagi masyarakat kota Semarang. Sejak didirikan pada tahun 1970-an, taman budaya yang sering dipanggil TBRS ini mengalami berbagai dinamika yang mengiringinya untuk terus eksis sebagai tempat rekreasi dan mengenalkan budaya pada masyarakat. Penelitian ini mengkaji visualisasi seni dan tradisi dalam program dokumenter televisi Jejak Nusantara episode Taman Budaya Raden Saleh di Semarang sebagai ruang ekspresi kreatif. Fokus utama penelitian adalah menganalisis bagaimana program dokumenter ini merepresentasikan kekayaan budaya dan kesenian tradisional Indonesia melalui media visual. Metodologi yang digunakan adalah metode kualitatif dengan penggunaan analisis konten, dengan menelaah aspek-aspek visual, naratif, dan penyajian dalam episode tersebut. Penelitian ini juga melibatkan wawancara dengan tim produksi untuk memahami proses kreatif di balik pembuatan dokumenter. Penelitian menunjukkan bahwa Program Dokumenter Televisi Jejak Nusantara berhasil memvisualisasikan keunikan Taman Budaya Raden Saleh sebagai pusat kegiatan seni dan budaya di Semarang. Program ini menampilkan berbagai bentuk seni tradisional dan kontemporer, serta interaksi antara seniman dan masyarakat dalam ruang kreatif tersebut. Temuan penelitian mengungkapkan bahwa penggunaan teknik sinematografi yang tepat, narasi yang informatif, dan penyajian yang menarik berperan penting dalam menyampaikan esensi seni dan tradisi kepada penonton. Penelitian ini juga menggaris bawahi peran penting program dokumenter televisi dalam melestarikan dan mempromosikan warisan budaya Indonesia. Program Dokumenter Televisi Jejak Nusantara memberikan kontribusi signifikan dalam memvisualisasikan dan mendokumentasikan kekayaan seni dan tradisi Indonesia, sekaligus menginspirasi apresiasi yang lebih besar terhadap warisan budaya nasional.
Implementation of Convolutional Neural Network and Support Vector Machine Classification for Disease Detection in Rice Plants Gema Umara Muhammad; Zuni Astuti, Erna
INOVTEK Polbeng - Seri Informatika Vol. 10 No. 3 (2025): November
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/r2wzfn43

Abstract

Rice is a major staple crop that is highly susceptible to various leaf diseases, necessitating an accurate early detection method to prevent yield losses. This study proposes a hybrid approach combining Convolutional Neural Network (CNN) and Support Vector Machine (SVM) for rice leaf disease classification based on digital images. The CNN is employed as a deep feature extractor, while the SVM serves as the main classifier. The dataset consists of rice leaf images categorized into four disease types: bacterial blight, blast, brown spot, and tungro. The data were divided into training and validation sets, and the CNN model was trained for 10 epochs, achieving a validation accuracy of 98.14% at the 10th epoch. The extracted CNN features were then evaluated using different SVM kernels, namely Linear, Polynomial, RBF, and Sigmoid. The experimental results show that the Sigmoid kernel achieved the best performance with an accuracy of 49%, followed by Polynomial, RBF, and Linear kernels.
Co-Authors Arni Ernawati Gema Umara Muhammad Ihya' Ulumuddin, Dimas Irawan Nugraini, Siti Hadiati