Claim Missing Document
Check
Articles

Found 6 Documents
Search

Analisis Convolutional Neural Network LeNet-5 Dalam Klasifikasi Daun Mangga Fitri Handayani; Andi Sunyoto; Bayu Anugerah Putra
Computer Science and Information Technology Vol 5 No 3 (2024): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

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

Abstract

Mango is one of the agricultural productions. Like other agricultural crops, diseased mango leaves are a production problem. As a result, agricultural productivity decreases. This research aims to classify healthy or diseased mango leaves by developing a Convolutional Neural Network (CNN) based system with LeNet-5 feature extraction. The dataset used is sourced from Mendeley consisting of healthy leaf types totaling 265 images and diseased totaling 170 images. The data division used consists of 80% training data and 20% test data. The augmentation process is carried out to reduce over fitting. The results showed that the epoch process stopped at the 20th epoch and resulted in 93% accuracy. This shows that the CNN method for image classification can produce accurate accuracy in solving real-world problems.
OPTIMISASI ALGORITMA K-MEANS DENGAN METODE REDUKSI DIMENSI UNTUK PENGELOMPOKAN BIG DATA DALAM ARSITEKTUR CLOUD COMPUTING Putra, Bayu Anugerah; Mukhtar, Harun; Br Bangun, Elsi Titasari; Gusnanda, Alris; Maisyarah, Adila; Kurniawan, Muhammad Irgi; Pradipa, Raditya; Ali, Zurrahman Muhammad
Jurnal Rekayasa Perangkat Lunak dan Sistem Informasi Vol. 5 No. 1 (2025)
Publisher : Department of Information System Muhammadiyah University of Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/seis.v5i1.7616

Abstract

In the era of big data, data clustering becomes a major challenge due to the complexity and huge volume of data. The K-means algorithm is one of the clustering techniques that is often used due to its simplicity. However, K-means faces difficulties in handling high-dimensional and large-volume data. This study proposes an optimization of the K-means algorithm using the Principal Component Analysis (PCA) dimensionality reduction method to improve the efficiency and accuracy of big data clustering in cloud computing architecture. The KDD Cup 1999 dataset is used to test this method. The dataset undergoes pre-processing and dimensionality reduction using PCA, then K-means clustering is applied. The clustering results are evaluated using the Silhouette Score and Davies-Bouldin Index. The implementation is carried out in the Google Colab environment to utilize cloud computing resources. The results show that dimensionality reduction using PCA significantly reduces computational complexity and improves clustering quality. This method is effective in clustering big data, making it an efficient solution for data clustering in cloud computing architecture.
Pengembangan Pendidikan Agama Anak – Anak Desa Ringin Dusun Muda Anugerah Putra, Bayu; Haris, Aidil; Mukhtar, Harun; Azim, Fauzan; Lorenza, Dina; Mardiya, Ainul; Lutfi Mz, Al Agib; Muchtadi, Bill Fikra; Ramadhan, Syahrul; Prasasti, Aditia; Rizki, Rafi Hamdan
Jurnal Pengabdian UntukMu NegeRI Vol. 9 No. 2 (2025): Pengabdian Untuk Mu negeRI
Publisher : LPPM UMRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jpumri.v9i2.9258

Abstract

Pengabdian ini bertujuan untuk mengatasi tantangan dalam pendidikan dan pemahaman agama di Desa Ringin, Kabupaten Indragiri Hulu. Desa ini menghadapi berbagai kendala, seperti rendahnya akses terhadap pendidikan yang berkualitas dan pemahaman agama yang terbatas di kalangan anak-anak dan masyarakat. Program "Sekolah Inspiratif Generasi Muslim Aktif" (SIGMA) dikembangkan sebagai solusi untuk meningkatkan pemahaman agama, keterampilan sosial, serta kemampuan kognitif anak-anak di desa tersebut. Program ini berfokus pada pendekatan holistik, di mana pendidikan agama tidak hanya diajarkan secara teoretis, tetapi juga melalui metode interaktif yang dapat membantu anak-anak memahami dan mengamalkan nilai-nilai agama dalam kehidupan sehari-hari. Selain peningkatan pemahaman agama, SIGMA juga dirancang untuk membentuk keterampilan sosial, seperti kerjasama dan komunikasi, yang sangat penting bagi perkembangan anak-anak. Di samping itu, peningkatan kemampuan kognitif menjadi salah satu fokus utama dalam program ini, yang bertujuan membantu anak-anak berpikir kritis dan memecahkan masalah dengan pendekatan yang sistematis. Dengan harapan melalui pendekatan ini, program SIGMA dapat membentuk generasi muda di Desa Ringin yang memiliki karakter yang berkualitas, bermoral tinggi, dan mampu berkontribusi secara positif bagi pembangunan masyarakat setempat.
Prediksi Risiko Depresi Pascapersalinan Menggunakan Algoritma K-Nearest Neighbor (KNN) Anugerah Putra, Bayu; Fadilah, Nur; Mukhtar, Harun; Fatchiyah Maharani, Masti; Addarisalam, Alif
JURNAL FASILKOM Vol. 15 No. 2 (2025): 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.v15i2.9562

Abstract

Abstrak Depresi pascapersalinan merupakan gangguan kesehatan mental serius yang sering terlewat pada tahap awal, sehingga dapat menurunkan kualitas hidup ibu dan memengaruhi tumbuh kembang anak. Deteksi dini menjadi kunci, namun pemeriksaan manual kerap memakan waktu dan dipengaruhi bias subjektif. Penelitian ini bertujuan mengembangkan model prediksi risiko depresi pascapersalinan berbasis machine learning dengan algoritma K-Nearest Neighbor (KNN) yang dikenal sederhana, transparan, dan efektif. Dataset berjumlah 1.503 sampel dengan sepuluh atribut psikologis sebagai prediktor serta satu label target risiko depresi. Tahapan preprocessing mencakup imputasi nilai hilang menggunakan rata-rata, pengkodean variabel kategorikal dengan label encoding, serta normalisasi fitur melalui StandardScaler. Data dibagi menjadi 65% untuk pelatihan dan 35% untuk pengujian. Eksperimen dilakukan untuk menentukan nilai K optimal, dan diperoleh K = 15. Hasil evaluasi menunjukkan akurasi sebesar 98,86%, menandakan kemampuan tinggi dalam membedakan individu berisiko dan tidak berisiko depresi pascapersalinan. Model ini berpotensi digunakan tenaga kesehatan untuk skrining awal secara cepat, objektif, dan terstandarisasi, sekaligus mengurangi stigma sosial karena penilaian berbasis data. Meski demikian, penerapan klinis tetap harus memperhatikan keamanan data, keterbukaan hasil, serta mitigasi bias algoritmik agar manfaatnya dapat dirasakan secara adil dan luas.
KLASIFIKASI MAKANAN BERDASARKAN NILAI GIZI MENGGUNAKAN ALGORITMA RANDOM FOREST DAN TEKNIK SMOTE Br Bangun, Elsi Titasari; Bayu Anugerah Putra; Aryanto
Jurnal Rekayasa Perangkat Lunak dan Sistem Informasi Vol. 5 No. 2 (2025)
Publisher : Department of Information System Muhammadiyah University of Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/seis.v5i2.9725

Abstract

Classifying food based on nutritional content is essential for developing personalized dietary recommendation systems and promoting healthier eating habits. This study aims to construct a food classification model using the Random Forest algorithm combined with the Synthetic Minority Oversampling Technique (SMOTE) to address class imbalance in the dataset. The dataset includes various nutritional attributes such as calories, protein, fat, carbohydrates, fiber, sugar, sodium, and cholesterol, along with additional information such as food category and meal time. After preprocessing, the data were split into training and testing sets, with SMOTE applied to the training data to improve class representation. The model was trained using Random Forest and evaluated using accuracy, precision, recall, and F1-score. The results show that the model achieved an accuracy of 83.35% and an average F1-score above 0.80, with the best performance observed in majority classes. The confusion matrix analysis indicates that most predictions were accurate, although misclassifications occurred among classes with overlapping nutritional values. Protein, calories, and carbohydrates were identified as the most influential features in the classification process. These results show that combining Random Forest and SMOTE works well for creating food classification systems using nutritional data and could be useful in apps for diet recommendations and managing nutrition.
Edukasi Antibiotik Untuk Keluarga Sebagai Upaya Preventif Terhadap Risiko Stunting Pada Anak Desa Sungai Kayu Ara Anugerah Putra, Bayu; Dian Utami; Rico Apriandika; Hanum Salsabila; Fakhira Frisya Ramadhani; Alris Gusnanda; Septiana Srinandini; Jihan Aulia; Soni, Soni; Firdaus, Rahmad; Mukhtar, Harun; Br Bangun, Elsi Titasari; Handayani, Fitri; Amran, Hasanatul Fu'adah
Jurnal Pengabdian UntukMu NegeRI Vol. 9 No. 3 (2025): Pengabdian Untuk Mu negeRI
Publisher : LPPM UMRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jpumri.v9i3.10669

Abstract

Stunting masih menjadi salah satu masalah kesehatan masyarakat di Indonesia dengan prevalensi yang cukup tinggi. Salah satu faktor risiko penting terjadinya stunting adalah infeksi berulang pada anak, yang sering kali ditangani dengan pemberian antibiotik. Penggunaan antibiotik yang tepat dapat membantu mencegah stunting dengan cara menekan beban penyakit, namun penggunaan yang tidak rasional berisiko menimbulkan resistensi serta gangguan keseimbangan mikrobiota usus yang berdampak pada penyerapan gizi. Rendahnya literasi penggunaan antibiotik di masyarakat, khususnya di kalangan ibu rumah tangga dan lansia sebagai pengasuh utama dalam keluarga, menjadi tantangan tersendiri. Kegiatan sosialisasi ini bertujuan untuk meningkatkan pemahaman masyarakat mengenai penggunaan antibiotik rasional serta mengingatkannya terhadap pencegahan stunting. Metode yang digunakan adalah ceramah interaktif, diskusi, dan pembagian media edukasi. Hasil kegiatan menunjukkan adanya peningkatan pemahaman peserta mengenai pentingnya penggunaan antibiotik sesuai anjuran tenaga medis. Oleh karena itu, sosialisasi antibiotik kepada ibu dan lansia memiliki peran penting sebagai upaya preventif yang secara tidak langsung dapat mendukung pencegahan stunting pada anak.