Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Nuraeni, Fika
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management

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

Found 2 Documents
Search

 1 
IMPLEMENTASI ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK PENGENALAN BACAAN TAJWID BERDASARKAN GAMBAR TULISAN DALAM AL-QUR’AN Nuraeni, Fika; Asriyanik, Asriyanik; Pambudi, Agung
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.11177

Abstract

Pemahaman dan penerapan tajwid dalam membaca Al-Quran adalah aspek krusial dalam praktik keagamaan Islam. Walaupun tajwid dianggap fardhu kifayah, saat membaca Al-Quran, penerapannya menjadi fardhu 'ain. Namun, banyak orang masih menghadapi kesulitan dalam memahami dan menerapkan aturan tajwid secara tepat. Penelitian ini bertujuan untuk mengimplementasikan algoritma Convolutional Neural Network (CNN) guna meningkatkan akurasi model dalam mengenali bacaan tajwid berdasarkan gambar tulisan dalam Al-Quran. Selain itu, penelitian ini juga berupaya untuk mengidentifikasi dataset yang mencakup lebih dari dua hukum tajwid, sehingga model dapat mengklasifikasikan bacaan tajwid dengan lebih menyeluruh. Model CNN yang dikembangkan memiliki input shape 150x150 piksel dan terdiri dari tiga lapisan konvolusi dengan filter 32, 64, dan 128, yang masing-masing diikuti oleh lapisan maxpooling 2x2. Pada lapisan fully connected, terdapat 512 neuron, dengan output 11 neuron menggunakan fungsi aktivasi softmax. Model ini dilatih menggunakan optimizer Adam dan fungsi loss categorical crossentropy, menghasilkan akurasi 92,68% pada data pelatihan dan 95,10% pada data validasi, menunjukkan kemampuan generalisasi yang baik. Dataset yang digunakan mencakup 219 gambar yang mewakili empat hukum tajwid utama. Hasil penelitian menunjukkan bahwa model ini efektif dalam mengenali dan mengklasifikasikan bacaan tajwid, memberikan kontribusi signifikan pada teknologi pembelajaran tajwid yang lebih interaktif dan efektif.
Klasifikasi Tingkat Depresi pada Anak dengan Menggunakan Algoritma Neural Network Asriyanik; Farisi, Muhammad Fadhlan; Nuraeni, Fika
JURNAL FASILKOM Vol. 14 No. 3 (2024): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v14i3.7537

Abstract

Depresi pada anak-anak merupakan masalah kesehatan mental yang semakin mengkhawatirkan di seluruh dunia, dengan dampak signifikan terhadap perkembangan sosial, akademis, dan emosional mereka. Deteksi dini dan pencegahan depresi menjadi krusial untuk mengurangi dampak jangka panjang dan meningkatkan kualitas hidup anak-anak. Metode konvensional seperti observasi klinis dan wawancara memiliki keterbatasan, terutama dalam hal subjektivitas dan kebutuhan sumber daya yang besar. Oleh karena itu, penelitian ini mengembangkan model prediksi berbasis machine learning menggunakan algoritma neural network untuk melakukan klasifikasi tingkat depresi pada anak-anak secara lebih akurat dan tepat waktu. Beberapa penelitian sebelumnya rata-rata menggunakan algoritma decision tree, support vector machine dan naive bayes, dimana memiliki kekurangan yaitu tidak dapat mengolah data yang komplek dan tingkat keakurasian yang berbeda-beda. Model ini memanfaatkan data dari berbagai sumber, termasuk kelembapan tubuh, suhu tubuh, dan jumlah langkah kaki, untuk mendeteksi tanda-tanda depresi secara otomatis dan objektif. Penelitian ini menggunakan metodologi CRISP-DM (Cross-Industry Standard Process for Data Mining) yang mencakup tahapan pemahaman bisnis, pemahaman data, praproses data, pemodelan, evaluasi model, dan implementasi. Dataset yang digunakan terdiri dari 2001 entri dengan tiga fitur utama dan diklasifikasikan ke dalam tiga tingkat depresi: normal, rendah, dan tinggi. Neural network yang digunakan dalam pemodelan menunjukkan kinerja yang sangat baik, dengan akurasi hampir mencapai 100% dan nilai loss yang menurun hingga hampir nol. Model ini kemudian diimplementasikan dalam aplikasi berbasis web yang ditujukan untuk memudahkan pengguna akhir, seperti orang tua dan guru, dalam mengklasifikasikan tingkat depresi anak-anak. Meskipun aplikasi ini belum memiliki basis data terintegrasi, pengujian menunjukkan hasil klasifikasi yang konsisten dengan dataset yang ada, menegaskan potensinya sebagai alat bantu deteksi dini depresi pada anak-anak.
Co-Authors Agung Pambudi Asriyanik Asriyanik . Farisi, Muhammad Fadhlan