Claim Missing Document
Check
Articles

Found 2 Documents
Search

Meningkatkan Kualitas Kajian Dengan Pemasangan Media Audio Visual di Lingkungan Masjid Supriyadi, Tata; Hartono, Tri; Utomo, TB.; Soebagja Budiana, Mochamad; Karostiani, Novia; Rahayu, Maya
Jurnal Pengabdian Masyarakat Sultan Indonesia Vol. 2 No. 2 (2025): Abdisultan
Publisher : Sultan Publsiher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58291/abdisultan.v2i2.445

Abstract

Masjid memiliki peran strategis sebagai pusat kegiatan keagamaan dan pendidikan umat Islam. Salah satu kegiatan utama di masjid adalah kajian keislaman yang berfungsi memperdalam pemahaman jamaah terhadap ajaran agama. Namun, pelaksanaan kajian sering kali menghadapi kendala dalam penyampaian materi akibat keterbatasan media dan sarana pendukung, sehingga kualitas kegiatan belum optimal. Penelitian ini bertujuan untuk meningkatkan kualitas kajian melalui penerapan media audio visual di lingkungan masjid. Metode penelitian yang digunakan adalah metode deskriptif dengan pendekatan kualitatif, meliputi observasi, wawancara dengan pengurus masjid, dan evaluasi terhadap pelaksanaan kajian sebelum dan sesudah pemasangan media audio visual. Hasil penelitian menunjukkan bahwa penerapan media audio visual, seperti proyektor, layar, dan sistem pengeras suara yang memadai, secara signifikan meningkatkan efektivitas penyampaian materi, perhatian jamaah, serta partisipasi masyarakat dalam kegiatan kajian. Media tersebut juga menciptakan suasana kajian yang lebih interaktif, menarik, dan mudah dipahami oleh berbagai kalangan jamaah. Kesimpulannya, pemasangan media audio visual di lingkungan masjid terbukti efektif dalam meningkatkan kualitas kajian keagamaan dan memperkuat fungsi masjid sebagai pusat dakwah serta pembelajaran Islam yang adaptif terhadap kemajuan teknologi di era digital.
DEEP LEARNING-BASED ENVIRONMENTAL SOUND CLASSIFICATION USING TUNED MOBILEVIT WITH COMBINED AUGMENTATION TECHNIQUES Slameta, Slameta; Rahmatullah, Griffani Megiyanto; Karostiani, Novia; Budiana, Mochamad Soebagja; Hartono, R.W. Tri
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 4 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i4.9377

Abstract

Classifying environmental sounds poses significant challenges because of their naturally disorganized characteristics. This research introduces a deep learning method for categorizing urban audio using the MobileViT architecture, which serves as a versatile, lightweight solution for various deep learning applications. The study utilizes the UrbanSound8k dataset, enhanced through multiple augmentation strategies including noise injection, time stretching, pitch modulation, and mixup methods. These augmentation techniques are essential given the dataset's size constraints and help create a more robust model for practical applications. Following augmentation, the audio undergoes preprocessing to standardize length and is transformed into mel spectrograms, making it compatible with MobileViT's input requirements. The model undergoes training with both standard and optimized parameters, achieving peak performance exceeding 80% accuracy. The integration of augmented data and parameter optimization yields approximately 15% improvement over the baseline MobileViT configuration while preserving rapid inference speeds of roughly 7 milliseconds. The findings prove that MobileViT represents a promising solution for various environmental sound applications.