Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Journal of Artificial Intelligence and Digital Business
Kembaren, Muhammad Fajar Hidayah
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering

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

Found 2 Documents
Search

 1 
Klasifikasi Objek Menggunakan Convolutional Neural Network pada Citra Satelit Harahap, Lailan Sofinah; Kembaren, Muhammad Fajar Hidayah
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 2 (2025): Mei - Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i2.1306

Abstract

Penelitian ini mengkaji klasifikasi objek menggunakan Convolutional Neural Network (CNN) pada citra satelit, dengan fokus pada tinjauan literatur dari berbagai studi relevan yang diterbitkan antara tahun 2020 hingga 2025. Metode penelitian kepustakaan digunakan untuk mengidentifikasi jurnal-jurnal yang membahas penerapan CNN dalam berbagai konteks klasifikasi citra, termasuk deteksi target militer, tutupan lahan, citra jalan rusak, jenis sampah, bunga, citra hiperspektral, aktivitas olahraga, jenis anggur, dan pohon kelapa sawit. Hasil tinjauan menunjukkan bahwa CNN secara konsisten memberikan akurasi tinggi dalam berbagai aplikasi klasifikasi citra, dengan beberapa studi mencapai akurasi di atas 95%, bahkan hingga 99,25% untuk klasifikasi citra hiperspektral. Meskipun demikian, tantangan seperti false positive pada klasifikasi tutupan lahan dan kebutuhan akan pengembangan model berkelanjutan untuk aplikasi kritis seperti deteksi target militer masih menjadi perhatian. Penelitian ini menegaskan potensi luas CNN dalam analisis citra satelit dan data visual lainnya, sekaligus menyoroti area yang memerlukan pengembangan lebih lanjut untuk optimalisasi kinerja dan keandalan.
Analisis Usability pada Aplikasi Mobile Menggunakan Metode System Usability Scale Kembaren, Muhammad Fajar Hidayah; Hadi, M.Rafif Syauqi Al; Aulia, Nur; Gibran, M. Khalil
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 2 (2025): Mei - Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i2.1315

Abstract

Penelitian ini bertujuan untuk menganalisis usabilitas aplikasi mobile menggunakan metode System Usability Scale (SUS). Pendekatan studi kepustakaan digunakan untuk mengumpulkan data dari berbagai sumber, termasuk jurnal penelitian lokal dan internasional, artikel ilmiah, serta penelitian sebelumnya yang relevan. Alat penelitian yang digunakan meliputi perangkat seluler, laptop, dan koneksi Wi-Fi untuk mengakses jurnal yang diterbitkan antara tahun 2020 hingga 2025, dengan memanfaatkan Google Scholar dan referensi terkait lainnya. Hasil analisis menunjukkan variasi tingkat usabilitas pada berbagai aplikasi, seperti Himfo (skor SUS 72,5, "Good"), Shopee (kecepatan aplikasi memengaruhi kepuasan, fitur memuaskan), aplikasi investasi digital Bibit (skor SUS 83,75, "Acceptable"), BRIMO (skor SUS 83,75, "Acceptable"), BTN Mobile (skor SUS 64,85, "Poor" namun "Marginal"), RSI Wonosobo ("GOOD"), website Shopee (skor 67,0833, "OK"), Sambara (rata-rata 76,1%, "Layak"), Growtopia (Grade Scale B, Adjective Rating Good), dan Sistem Informasi Manajemen AKN Pacitan (skor 71,48, "Acceptable"). Meskipun sebagian besar aplikasi menunjukkan tingkat usabilitas yang dapat diterima atau baik, beberapa di antaranya masih memerlukan peningkatan fitur atau perbaikan pada aspek yang dianggap rumit oleh pengguna. Penelitian ini memberikan gambaran komprehensif tentang penerapan SUS dalam evaluasi usabilitas aplikasi mobile dan mengidentifikasi area potensial untuk perbaikan guna meningkatkan pengalaman pengguna.
Co-Authors Aulia, Aulia Gibran, M. Khalil Hadi, M.Rafif Syauqi Al Harahap, Lailan Sofinah