Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Malcom: Indonesian Journal of Machine Learning and Computer Science Scientific Journal of Engineering Research
Fahmi, Miftahuddin
Unknown Affiliation
Computer Science & IT Engineering

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

Found 2 Documents
Search

 1 
Identifikasi Gerakan Shalat Menggunakan Model Klasifikasi Convolutional Neural Network dengan Pengolahan Citra Prewitt dan Morphology: Identification of Prayer Movements Using Convolutional Neural Network Classification Model and Prewitt and Morphology Image Processing Fahmi, Miftahuddin; Musthofa, Aziz; Pratama, Ardena; Syifasultana, Dhika; Al-mumtaz, Fatih
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 1 (2025): MALCOM January 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i1.1790

Abstract

Gerakan shalat menurut sunnah harus dilakukan dengan tepat. Gerakan shalat dapat dipelajari dengan guru agama agar gerakannya tepat, namun banyak orang yang membutuhkan waktu lebih lama atau mencari guru agama yang dapat mengajarkannya. Untuk itu, diperlukan suatu sistem pembelajaran yang dapat membantu mengenali gerakan shalat, khususnya gerakan takbir. Penelitian ini berfokus pada gerakan takbir berdasarkan kitab Fiqih Sholat Seperti Nabi karya Syeikh Albani. Penelitian ini berfokus pada peningkatan akurasi pendeteksian gerakan takbir menggunakan metode pengolahan citra berbasis Convolutional Neural Network (CNN) dengan operator Prewitt dan operasi morfologi. Pada tahap awal, operator Prewitt diterapkan untuk mendeteksi tepi gerakan pada citra grayscale, yaitu dengan menonjolkan kontur gerakan tangan saat takbir. Kemudian, dilakukan operasi morfologi seperti dilatasi dan erosi untuk menghaluskan citra dan mengurangi noise, sehingga memperjelas tepi gerakan yang terdeteksi. Citra yang dihasilkan menjadi input bagi model CNN yang dilatih menggunakan teknik transfer learning. Dengan pendekatan ini, model CNN memperoleh akurasi sebesar 89,2% dalam mendeteksi gerakan takbir. Hasil penelitian menunjukkan bahwa kombinasi operator Prewitt, operasi morfologi, dan CNN efektif meningkatkan akurasi klasifikasi gerakan sholat dan memberikan kontribusi baru pada pengenalan gerakan sholat menggunakan metode pemrosesan gambar
Classification for Waste Image in Convolutional Neural Network Using Morph-HSV Color Model Fahmi, Miftahuddin; Yudhana, Anton; Sunardi; Abdel-Nasser Sharkawy; Furizal
Scientific Journal of Engineering Research Vol. 1 No. 1 (2025): January
Publisher : PT. Teknologi Futuristik Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64539/sjer.v1i1.2025.12

Abstract

Waste management is essential in preserving nature to be cleaner and more well-maintained. Waste management runs slower than the speed of waste accumulation. One reason is slow waste sorting. This problem can be overcome by building a learning machine that can sort the types of waste. The type of waste often separated in the first sorting is waste based on its type, namely organic and inorganic. The classification model used is the CNN with image processing Morph-HSV color model. The data obtained from Kaggle is collected and processed using Python. The processed image is trained using a CNN classification model. The results of this study are an accuracy of 99.58% and a loss of 1.57%. With this research, it is hoped that it can accelerate waste sorting performance using the most efficient ML based on image processing and its classification model.
Co-Authors Abdel-Nasser Sharkawy Al-mumtaz, Fatih Anton Yudhana Furizal Musthofa, Aziz Pratama, Ardena Sunardi Syifasultana, Dhika