Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal JRIIN :Jurnal Riset Informatika dan Inovasi
Alfatih, Aby
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 
Jumlah Kepala Sekolah Dan Guru Menurut Kelompok Umur Provinsi Sumatera Utara, Sumatera Barat, Nusa Tenggar Barat, Dan Nusa Tenggara Timur Tahun 2023/2024 Alfatih, Aby; Innayah, Nabila; Mauludin, Dion
Jurnal Riset Informatika dan Inovasi Vol 2 No 7 (2024): JRIIN: Jurnal Riset Informatika dan Inovasi
Publisher : shofanah Media Berkah

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

Abstract

Penelitian ini membahas tentang distribusi jumlah kepala sekolah dan guru menurut kelompok umur di empat provinsi di Indonesia, antara lain Sumatera Utara, Sumatera Barat, Nusa Tenggara Barat, dan Nusa Tenggara Timur untuk tahun akademik 2023/2024. Permasalahan yang sering dihadapi adalah kurangnya informasi terstruktur mengenai distribusi usia pendidik, yang penting untuk perencanaan jangka panjang tenaga pengajar. Penelitian yang di pakai ini menggunakan metode analisis deskriptif kuantitatif, dengan data yang dikumpulkan dari sumber pendidikan dan publikasi serupa. Tujuan penelitian adalah untuk mengetahui sebaran usia tenaga pengajar di berbagai provinsi, yang diharapkan mampu mendukung kebijakan pendidikan yang lebih baik dan merencanakan generasi guru..
Pengenalan Angka Tulisan Tangan (MNIST) Menggunakan SVM vs Convolutional Neural Network Alfatih, Aby; Nurmala, Mega; Marius, Zukhruf Gharrick; Alfaris, Muhammad Rifqi; Rosyani, Perani
Jurnal Riset Informatika dan Inovasi Vol 3 No 8 (2026): JRIIN : Jurnal Riset Informatika dan Inovasi (INPRESS)
Publisher : shofanah Media Berkah

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

Abstract

Pengenalan angka tulisan tangan merupakan tantangan dalam pengolahan citra karena variasi gaya tulis antar individu. Penelitian ini bertujuan membandingkan kinerja Support Vector Machine (SVM) dan Convolutional Neural Network (CNN) pada dataset MNIST. SVM merupakan metode machine learning tradisional yang efektif untuk pemisahan kelas pada data berdimensi tinggi, sementara CNN mampu mengekstraksi fitur secara otomatis melalui arsitektur berlapis untuk pola visual yang kompleks. Eksperimen dilakukan melalui tahapan preprocessing, pelatihan model, dan evaluasi akurasi. Hasil menunjukkan bahwa CNN mencapai akurasi yang lebih tinggi dibandingkan SVM dalam mengenali angka tulisan tangan, menunjukkan efektivitas pendekatan deep learning untuk tugas ini.
Co-Authors Alfaris, Muhammad Rifqi Innayah, Nabila Marius, Zukhruf Gharrick Mauludin, Dion Nurmala, Mega Perani Rosyani