Article Per Year (5 Year)
p-Index From 2021 - 2026
1.873
P-Index
This Author published in this journals
All Journal IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Jurnal Buana Informatika JURNAL INTEGRASI Jurnal Infomedia Jurnal Vokasi Journal of Applied Electrical Engineering SKANIKA: Sistem Komputer dan Teknik Informatika Telematika MKOM Jurnal Rekayasa elektrika Journal Of Artificial Intelligence And Software Engineering eProceeding of TIK Serambi Engineering Jurnal Teknologi Rekayasa Informasi dan Komputer
Rahmad Hidayat
Politeknik Negeri Lhokseumawe, Lhokseumawe, Indonesia
Computer Science & IT Control & Systems Engineering Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Social Sciences Other

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 Documents
Search

 1   2 
Content Based Image Retrieval Berdasarkan Fitur Low Level: Literature Review Rahmad Hidayat; Agus Harjoko; Anny Kartika Sari
Jurnal Buana Informatika Vol. 8 No. 2 (2017): Jurnal Buana Informatika Volume 8 Nomor 2 April 2017
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v8i2.1077

Abstract

Abstract. Content-based Image Retrieval (CBIR) is an image search process by comparing the image features sought by the images contained in the database. Low-level features in the image are commonly used in CBIR is the color, texture, and shape. This article conducts a review of journals related to CBIR, particularly research based on low-level features. The journals are then classified based on the color space, features and feature extraction methods. The results show that the color space often used is the RGB and HSV due to their compatibility with the hardware and human perception of color. The features most often used in CBIR is the color feature. This is due to the fact that color features can easily and quickly be extracted. The most often used method to extract the color feature is the color histogram, the most common method used to extract texture features is the gray level co-occurence matrix, and the method most widely used to extract the shape feature is canny edge.Keywords: CBIR, color, texture, shape. Abstrak. Content based Image Retrieval (CBIR) merupakan proses pencarian gambar dengan membandingkan fitur-fitur yang terdapat pada gambar yang dicari dengan gambar yang terdapat dalam basis data. Fitur-fitur low level pada gambar yang biasa digunakan dalam CBIR adalah warna, tekstur, dan bentuk Artikel ini melakukan tinjauan terhadap penelitian-penelitian yang berkaitan dengan CBIR, khususnya penelitian yang berbasis pada fitur low level. Penelitian-penelitian tersebut kemudian diklasifikasikan berdasarkan ruang warna, fitur dan metode ekstraksi fitur. Hasil tinjauan menunjukkan bahwa ruang warna yang sering digunakan adalah RGB dan HSV karena dianggap cocok dengan hardware dan persepsi manusia terhadap warna. Adapun fitur yang paling sering digunakan dalam CBIR adalah fitur warna. Hal ini disebabkan fitur warna mudah dan cepat diekstraksi. Metode yang paling sering digunakan untuk mengekstraksi fitur warna adalah histogram warna, metode yang paling sering digunakan untuk mengekstraksi fitur tekstur adalah gray level co-occurence matrix, dan metode yang paling banyak digunakan untuk, mengekstraksi fitur bentuk adalah canny edge.Kata kunci: CBIR, warna, tekstur, bentuk.
Klasifikasi Bit-Plane Noise untuk Penyisipan Pesan pada Teknik Steganography BPCS Menggunakan Fuzzy Inference Sistem Mamdani Rahmad Hidayat
Jurnal Rekayasa Elektrika Vol 11, No 3 (2015)
Publisher : Universitas Syiah Kuala

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1250.902 KB) | DOI: 10.17529/jre.v11i3.2238

Abstract

Bit-Plane Complexity Segmentation (BPCS) is a fairly new steganography technique. The most important process in BPCS is the calculation of complexity value of a bit-plane. The bit-plane complexity is calculated by looking at the amount of bit changes contained in a bit-plane. If a bit-plane has a high complexity, the bi-plane is categorized as a noise bit-plane that does not contain valuable information on the image. Classification of the bit-plane using the set cripst set (noise/not) is not fair, where a little difference of the value will significantly change the status of the bit-plane. The purpose of this study is to apply the principles of fuzzy sets to classify the bit-plane into three sets that are informative, partly informative, and the noise region. Classification of the bit-plane into a fuzzy set is expected to classify the bit-plane in a more objective approach and ultimately message capacity of the images can be improved by using the Mamdani fuzzy inference to take decisions which bit-plane will be replaced with a message based on the classification of bit-plane and the size of the message that will be inserted. This research is able to increase the capability of BPCS steganography techniques to insert a message in bit-pane with more precise so that the container image quality would be better. It can be seen that the PSNR value of original image and stego-image is only slightly different.
Analyze the Clustering and Predicting Results of Palm Oil Production in Aceh Utara Mutammimul Ula; Gita Perdinanta; Rahmad Hidayat; Ilham Sahputra
IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol 17, No 2 (2023): April
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijccs.83195

Abstract

PT. Perkebunan Nusantara 1 is engaged in oil palm production with a total land area of 1,144 Ha. The formulation of this research can determine productive land clusters based on land area, number of trees, number of stages, and palm oil production. Methodological steps include plantation area data and oil palm production data. This study can compare the C-means and K-means groups. As for predictions using the Backpropagation Neural Network (BPNN) algorithm and Fuzzy time series for production results. The results of grouping Cot girek palm oil production data for the 2019-2022 period from January to December were 1,365,530, while in 2022 it reached 1,768,720. The analysis used a land grouping method of 1,144 hectares, which resulted in 800.4 hectares of productive land and 343.6 hectares of less effective land. The results of the C-menas clustering model are more than K-meas with shorter iterations while for predictions it has an accuracy rate of 90.77%. As a comparison, the level of accuracy of the fuzzy time series is 81.27%. The results of this study can be used as recommendations for companies in the analysis of productive land grouping analysis and forecast results from these lands.
Klasifikasi Tumor Payudara Pada Citra Ultrasonografi Menggunakan Multi-fitur Tekstur dan Support Vector Machine Rahmad Hidayat; Huzaeni; Mahdi; M. Khadafi; Muhammad Davi
Jurnal Serambi Engineering Vol. 9 No. 2 (2024): April 2024
Publisher : Faculty of Engineering, Universitas Serambi Mekkah

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

Abstract

Breast cancer is a prevalent type of cancer affecting women worldwide. Additionally, Globocan reported nearly 400,000 new cancer cases in Indonesia in 2020, with 16% being breast cancer. The Ministry of Health has prioritised breast cancer treatment due to the high number of cases. Early detection is a crucial factor in increasing patient life expectancy. Stage 1 breast cancer, for instance, has a 5-year life expectancy of 100%. Breast ultrasound or mammary ultrasound is a commonly used method to detect various breast problems, including cysts and tumors. It is a relatively easy procedure, and the necessary equipment is generally available at Health Facility 1. Texture features are extracted from breast ultrasound images using Gabor and Gray Level Co-occurrence Matrix (GLCM) techniques. The resulting feature vector is then selected and its dimensions reduced to simplify the computing process. This vector is then used to train an SVM classifier to distinguish between benign and malignant cases. The accuracy of the classifier is 0.67 (training) and 0.66 (validation). Meanwhile, the loss obtained during training was 0.77 and during validation was 0.84. Further improvement is required for the accuracy of the model to be applicable.
PENERAPAN DATA MINING UNTUK KLASTERISASI TINGKAT KEMISKINAN BERDASARKAN DATA TERPADU KESEJAHTERAAN SOSIAL (DTKS) Zuhendra, Muhammad Ihza; Hidayat, Rahmad; Hendrawaty, Hendrawaty
SKANIKA: Sistem Komputer dan Teknik Informatika Vol 7 No 1 (2024): Jurnal SKANIKA Januari 2024
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/skanika.v7i1.3149

Abstract

The level of poverty serves as a significant indicator influencing a nation's well-being. Poverty can arise from various factors, such as limited job opportunities resulting in insufficient income to cover living expenses, substantial family responsibilities, and more. In this context, the government plays a role by providing assistance, such as social aid programs. One step in providing this assistance involves individuals being registered as participants in the Unified Social Welfare Data (Data Terpadu Kesejahteraan Sosial or DTKS). Becoming a DTKS participant requires meeting the criteria categorizing someone as extremely poor, which is generally determined by the Minister of Social Affairs' Decision No. 146/HUK/2013 on the criteria for registered individuals in extreme poverty.This consideration can serve as a guideline in determining the socioeconomic status of community groups within a region. However, on a larger scale, classifying communities based on poverty levels can be a complex and time-consuming task. K-Means clustering is one of several non-hierarchical data clustering methods that work by partitioning existing data into one or more clusters or groups. This clustering can be applied to categorize a large dataset to enhance the accuracy of the information obtained, such as assessing the poverty level in a specific area. The objective of this research is to develop an application that facilitates the categorization of communities in analyzing the progression of poverty rates in a region based on predefined criteria. This aids the government and other stakeholders in understanding poverty distribution better, identifying high-risk groups, and designing targeted and effective social aid programs or policies. The outcomes of this research showcase visualizations depicting the percentage composition of each group within a dataset. The presented data visualizations can also be customized based on categories such as the number of clusters, regions, years, and more.
PENDEKATAN HYBRID PADA SISTEM PERINGKAS TEKS ARTIKEL BERITA BAHASA INGGRIS MENGGUNAKAN NATURAL LANGUAGE PROCESSING Raihanunnisa, Farah; Arhami, Muhammad; Hidayat, Rahmad
Telematika MKOM Vol 15, No 2 (2023): Jurnal Telematika MKOM Vol. 15 No. 2 September 2023
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/telematikamkom.2679

Abstract

Kegiatan mengumpulkan informasi melalui sejumlah artikel yang dilakukan dalam kehidupan sehari hari baik oleh kalangan pelajar, peneliti, jurnalis, dan sebagainya, memakan waktu yang relatif lama. Hal ini menimbulkan masalah ketika seseorang harus mengumpulkan informasi yang cukup dalam waktu yang terbatas. Penelitian ini bertujuan untuk membuat sebuah sistem peringkas teks otomatis yang dapat menghasilkan ringkasan yang relevant dan informatif sehingga membantu penggali informasi untuk dapat menemukan informasi penting dalam sebuah artikel dengan waktu yang lebih sedikit dibandingkan dengan membaca keseluruhan artikel. Sistem peringkas teks otomatis yang diajukan menerapkan NLP (Natural Language Processing) dengan pendekatan hybrid. Pendekatan hybrid merupakan gabungan dari dua teknik, yaitu teknik peringkasan ekstraktif dan teknik peringkasan abstraktif. Peringkasan ekstraktif merupakan peringkasan yang dilakukan dengan mengekstrak kalimat dari dokumen asli, Sedangkan peringkasan abstraktif dilakukan dengan menghasilkan kalimat baru mendekati peringkasan yang dihasilkan oleh manusia. Peringkasan ekstraktif yang dilakukan menggunakan algoritma Textrank, sedangkan teknik peringkasan abstraktif dilakukan dengan menerapkan arsitektur Transformer. Textrank merupakan pendekatan berbasis graph, sedangkan transformer merupakan rangkaian algoritma berbasis encoder decoder. Pengujian model dilakukan dengan menerapkan teknik pengujian ROUGE (Recall Oriented Understudy for Gisting Evaluation), dimana rouge melakukan pengujian berdasarkan n-gram kata. Hasil yang diperoleh pada penelitian ini menunjukkan nilai F1-Score 0.34 pada ROUGE-1, 0.15 pada ROUGE-2, dan 0.25 pada ROUGE-L.
Implementasi Metode Support Vector Machine (SVM) Pada Klasifikasi Drop Out (DO) Mahasiswa Hidayat, Rahmad; Haris, Mifzal; Simbolon, Zulfan Khairil
Jurnal Infomedia: Teknik Informatika, Multimedia, dan Jaringan Vol 9, No 2 (2024): Jurnal Infomedia
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jim.v9i2.5931

Abstract

Politeknik Negeri Lhokseumawe merupakan salah satu perguruan tinggi vokasi di Indonesia yang menghadapi tantangan untuk meminimalisir angka putus kuliah. Drop out dapat terjadi karena beberapa faktor seperti dua kali berturut-turut tidak lulus percobaan setiap semester, IPK kurang dari 2.00, tidak lulus di akhir semester, melebihi batas cuti, dan kehadiran kurang dari 50%. Oleh karena itu, penerapan model klasifikasi dengan menggunakan algoritma machine learning yaitu Support Vector Machine (SVM) sangat penting dilakukan untuk mengurangi jumlah mahasiswa yang putus kuliah di Politeknik Negeri Lhokseumawe. Algoritma ini akan mengolah dataset yang meliputi nilai IPS, IPK, kehadiran, dan jumlah cuti mahasiswa. Hasil pengujian metode SVM menunjukkan akurasi sebesar 86%. Untuk kelas non-drop out, nilai precision sebesar 0.95 dan nilai recall sebesar 0.86, sedangkan untuk kelas drop out, nilai precision sebesar 0.71 dan nilai recall sebesar 0.89. Dengan adanya sistem klasifikasi drop out yang diusulkan, diharapkan dapat mengidentifikasi status mahasiswa apakah berpotensi drop out atau tidak secara akurat. Hal ini bertujuan untuk mengetahui keakuratan algoritma SVM pada penelitian ini.
Rancang Bangun Sistem Informasi Geografis Daerah Rawan dan Penanganan Pemerlu Pelayanan Kesejahteraan Sosial di Kota Medan Bancin, Muhammad Kadhafi; Azhar, Azhar; Hidayat, Rahmad
eProceeding of TIK Vol 4, No 1 (2024): eProTIK: Mei, 2024
Publisher : Politeknik Negeri Lhokseumawe

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

Abstract

Pemerlu Pelayanan Kesejahteraan Sosial (PPKS) mencakup individu dan kelompok yang memerlukan bantuan sosial akibat berbagai hambatan sosial dan ekonomi. Di Kota Medan, tingginya jumlah PPKS terkait erat dengan tingkat kemiskinan yang mencapai 187,28 ribu jiwa pada tahun 2023. Dinas Sosial Kota Medan memainkan peran penting dalam menangani PPKS, namun metode pendataan dan pelaporan yang manual menghambat efektivitas penanganan. Penelitian ini bertujuan untuk merancang dan mengembangkan Sistem Informasi Geografis (SIG) berbasis Leaflet yang dapat memetakan daerah rawan PPKS dan meningkatkan efisiensi penanganan. SIG ini memungkinkan pengelolaan data PPKS yang lebih baik, mengurangi risiko kehilangan data, serta memberikan visualisasi sebaran PPKS untuk analisis distribusi yang tepat sasaran. Metode pengembangan yang digunakan adalah model Waterfall, yang melibatkan tahapan analisis kebutuhan, perancangan, implementasi, pengujian, dan pemeliharaan. Hasil penelitian menunjukkan bahwa SIG dapat mempermudah penyusunan laporan dan identifikasi daerah rawan, serta meningkatkan efektivitas pelayanan kesejahteraan sosial di Kota Medan. Survei keefektifan sistem mengungkapkan bahwa 73,21% responden menyatakan bahwa SIG ini sangat membantu dalam pengelolaan data PPKS.
PELATIHAN PEMODELAN DAN ANIMASI KARAKTER 3-DIMENSI (3D) UNTUK MENINGKATKAN KOMPETENSI SISWA SMKN 2 LHOKSEUMAWE MENGGUNAKAN AUTODESK MAYA Hidayat, Rahmad; Khadafi, M; Saputri, Nanda; Mahlil, Mahlil; Zulman, Muhammad Reza
Jurnal Vokasi Vol 7, No 3 (2023): November
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/vokasi.v7i3.4377

Abstract

Pemodelan dan animasi 3-dimensi (3D) merupakan bidang multimedia yang sangat berkembang saat ini. Pada bidang perfilman, animasi 3D telah melahirkan film-film yang cukup digemari antara lain Finding Nemo, Toys Story dan lain-lain. Oleh karena itu skill dan kemampuan dalam bidang ini merupakan hal yang mutlak dimiliki oleh siswa dalam menjawab tuntutan pasar kerja. Melalui kegiatan PKM ini diharapkan siswa SMKN 2 Lhokseumawe mampu menjawab tantangan tersebut. Pada kegiatan PKM ini masing-masing siswa akan didorong untuk menguasai keterampilan dalam bidang pemodelan dan animasi 3D. Siswa akan di ajarkan berbagai macam tehnik tehnik pemodelan dan animasi.  Selain itu siswa diajarkan tahap akhir pada pemodelan dan animasi yaitu pencahayaan dan rendering yang akan mengubah karya siswa kedalam bentuk animasi ataupun gambar.  Adapun luaran dari kegiatan ini siswa akan membuat blog yang berisi berbagai macam-macam objek dan karakter yang telah dibuat selama proses pelatihan. Hal ini bertujuan untuk mensosialisasikan kemampuan siswa pada masyarakat luas. Selain itu produk luaran lainnya dari kegiatan ini yaitu film animasi pendek yang memuart berbagai karakter yang telah dibuat siswa. Film animasi ini bertemakan kegiatan poisitif sehari-hari bagi anak-anak. Film animasi ini nantinya akan disebar luaskan pada berbagai media, seperti media online dan media lainnya.  Untuk memastikan kegiatan pembelajaran pemodelan dan animasi ini terus berkembang, nantinya pada akhir kegiatan juga akan dibentuk komunitas yang dikelola oleh guru dan siswa SMKN 2 Lhokseumawe. Komunitas ini nantinya dapat menjadi media sosialisasi pemodelan dan animasi 3D bagi masyarakat umum.
Implementasi Sistem Pendukung Keputusan Untuk Pemilihan Usaha Menggunakan Metode Simple Additive Weighting Study Kasus Kota Lhokseumawe Fata, Akramul; Hidayat, Rahmad; Huzaeni, Huzaeni
Jurnal Teknologi Rekayasa Informasi dan Komputer Vol 8, No 1 (2025): JURNAL TRIK - POLITEKNIK NEGERI LHOKSEUMAWE
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jtrik.v8i1.7274

Abstract

Pemilihan usaha merupakan aspek krusial dalam dunia bisnis yang memerlukan pengambilan keputusan yang tepat. Dalam konteks ini, Seiring dengan menurunnya lapangan kerja di Kota Lhokseumawe, semakin banyak orang yang tertarik untuk memulai usaha mereka sendiri. Namun, tantangan yang dihadapi adalah kesulitan dalam memilih jenis usaha yang tepat untuk dibangun, terutama ketika modal yang tersedia terbatas. Keinginan untuk mandiri secara ekonomi memulai usaha sendiri bertentangan dengan keterbatasan pengetahuan dan sumber daya yang dimiliki oleh calon pengusaha. Oleh karena itu dibutuhkan suatu sistem pendukung keputusan sebagai pendukung keputusan dalam memilih usaha yang tepat dikota lhokseumawe. Metode simple additive weighting adalah metode yang cocok untuk digunakan sebagai metode untuk pendukung keputusan. Hasil penelitian ini menunjukkan bahwa sistem ini dapat mengambil keputusan dalam menentukan usaha yang cocok untuk dibangun dikota lhokseumawe. Kriteria usaha diambil berdasarkan survei (Kuesioner) yang dibagikan melalui google form. Hasil dari penelitian ini menunjukkan bahwa terdapat 27 data yang uji pada sistem. Dari 27 data tersebut menghasilkan 5 alternatif perangkingan yaitu Sangat Cocok, Cocok, Kurang Cocok,  Tidak Cocok, dan Sangat Tidak Cocok.
Co-Authors Abdi, Musta'inul Agus Harjoko Alam, Syah Sury Anny Kartika Sari Arhami, Muhammad Azhar Azhar Bancin, Muhammad Kadhafi Fata, Akramul Febrianti, Saskia Gita Perdinanta Haris, Mifzal Hendrawaty Hendrawaty, Hendrawaty Huzaeni Huzaeni, Huzaeni Ilham Sahputra Khadafi, M M. Khadafi Mahdi Mahlil, Mahlil Muhammad Davi Muhammad Reza Zulman Muhammad Reza Zulman Mulyadi Mulyadi Mutammimul Ula Nanda Saputri Raihanunnisa, Farah Simbolon, Zulfan Khairil Syahdana, Irham Syahli Kurniawan Zuhendra, Muhammad Ihza