Article Per Year (5 Year)
p-Index From 2021 - 2026
1.819
P-Index
This Author published in this journals
All Journal Jurnal Simetris Jurnal Teknologi Informasi dan Ilmu Komputer Mitra Mahajana: Jurnal Pengabdian Masyarakat Jurnal Pengabdian Masyarakat Sains dan Teknologi Jurnal Pengabdian Informatika (JUPITA) Journal of Software Engineering and Information System (SEIS) Jurnal Riset Sistem dan Teknologi Informasi Scientific Journal of Engineering Research Scientific: Journal of Computer Science and Informatics
Tri Stiyo Famuji
Universitas Al-Irsyad Cilacap
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Decision Sciences, Operations Research & Management Education Engineering Industrial & Manufacturing Engineering Public Health Social Sciences Other

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Scientific: Journal of Computer Science and Informatics

 1 
Pengenalan Citra Batik Tradisional Menggunakan Deep Learning untuk Klasifikasi Motif Daerah Fanani, Galih Pramuja Inngam; Muhammad Amirul Mu'min; Yana Safitri; Setiawan Ardi Wijaya; Novi Tristanti; Tri Stiyo Famuji
Scientific: Journal of Computer Science and Informatics Vol. 2 No. 1 (2025): Januari 2025
Publisher : Universitas Muhammadiyah Bima

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34304/scientific.v2i1.336

Abstract

Batik merupakan warisan budaya Indonesia yang kaya akan nilai estetika dan keragaman motif berdasarkan asal daerahnya. Namun, upaya digitalisasi dan klasifikasi motif batik secara otomatis masih menghadapi tantangan, terutama dalam hal ketersediaan dataset representatif dan pendekatan pemodelan yang optimal. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi motif batik berdasarkan daerah asal menggunakan metode deep learning berbasis Convolutional Neural Network (CNN). Dataset citra batik yang digunakan terdiri dari 1.200 gambar, mewakili empat daerah utama yaitu Solo, Pekalongan, Cirebon, dan Madura. Model CNN dirancang dengan empat blok konvolusi dan dua fully connected layer, serta dilatih menggunakan optimizer Adam dan teknik early stopping. Hasil eksperimen menunjukkan bahwa model mencapai akurasi klasifikasi yang tinggi dan mampu membedakan motif berdasarkan karakteristik visual khas masing-masing daerah. Meskipun terdapat sedikit kesalahan klasifikasi antara motif yang memiliki kemiripan visual, secara keseluruhan model menunjukkan kinerja yang baik dan stabil. Penelitian ini menyimpulkan bahwa pendekatan deep learning efektif dalam mengenali motif batik secara otomatis dan berpotensi diimplementasikan dalam aplikasi edukasi budaya maupun promosi digital batik berbasis kecerdasan buatan.
Analisis Perancangan Sistem Informasi Pendukung Keputusan untuk Mitigasi Bencana Alam Berbasis Data Real-Time Fathir; Tri Stiyo Famuji; Erin Eka Citra; Siti Mutmainah
Scientific: Journal of Computer Science and Informatics Vol. 2 No. 1 (2025): Januari 2025
Publisher : Universitas Muhammadiyah Bima

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34304/scientific.v2i1.339

Abstract

Sistem informasi pendukung keputusan (SPK) berbasis data real-time memiliki peran krusial dalam mitigasi bencana alam, terutama di kawasan rawan seperti Indonesia. Penelitian ini bertujuan untuk menganalisis perancangan SPK yang mampu memproses data real-time dari berbagai sumber, seperti sensor lingkungan, satelit, dan media sosial, guna mendukung pengambilan keputusan yang cepat dan akurat oleh pihak berwenang. Metode penelitian meliputi analisis kebutuhan, desain sistem menggunakan pendekatan berbasis cloud, dan pengujian prototipe dengan skenario simulasi bencana. Hasil penelitian menunjukkan bahwa sistem yang dirancang dapat mengurangi waktu respons hingga 40% dan meningkatkan akurasi prediksi risiko bencana sebesar 75%. Pembahasan menyoroti pentingnya integrasi teknologi big data dan machine learning dalam meningkatkan efektivitas mitigasi. Kesimpulannya, SPK berbasis data real-time menawarkan solusi inovatif untuk mengatasi tantangan mitigasi bencana alam di era digital.
Co-Authors Abdul Fadlil Adiyah Mahiruna Al-Sabur, Raheem ALYA MASITHA Bambang Sumantri, R Bagus Bella Okta Sari Miranda Dahmani, Abdennasser Dede Yusuf, Dede Dianda Rifaldi Driss, Zied Erin Eka Citra Fanani, Galih Pramuja Inggam Fanani, Galih Pramuja Inngam Fathir Fauzan Purma Ramadhan Fauzi, Yuhansyah Nur Grancho, Bernadine Hakim, Walidy Rahman Iriene Putri Mulyadi Maulana Muhammad Jogo Samudro Muhammad Amirul Mu'min Muhammad Kunta Biddinika Mulyadi, Iriene Putri Novi Tristanti Pertiwi, Yuniariana Prastowo, Muhammad Yogie Rahmat Riansyah Ramadhan, Fauzan purma Rezki Rio Anggara Saputra, Vanji Sharkawy, Abdel-Nasser Siti Mutmainah Sunardi Sunardi Talirongan, Hidear Tristanti, Novi Utami, Tri Fitri Yana Vanji Saputra6 Veithzal Rivai Zainal Wardani, Tri Kusuma Wijaya, Setiawan Ardi Yana Safitri Yana Safitri, Yana