Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Pengabdian kepada Masyarakat Nusantara Malcom: Indonesian Journal of Machine Learning and Computer Science
Alireza, Rakeen Aria
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Social Sciences

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

Found 2 Documents
Search

 1 
Revitalisasi dan Digitalisasi Perpustakaan Desa Nomporejo: Strategi Tranformasi Layanan Pengetahuan untuk Penguatan Literasi Masyarakat Kusumawati, Anggara Jatu; Zain, Fawwaz Ghiffary; Nurrohman, Fakhrul Zidan; Alireza, Rakeen Aria; Aprasnowo, Alfian Gatot; Putra Tiarrahman, Muhammad Fatkhan
Jurnal Pengabdian kepada Masyarakat Nusantara Vol. 6 No. 4 (2025): Edisi Oktober - Desember
Publisher : Lembaga Dongan Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jpkmn.v6i4.7247

Abstract

Perpustakaan desa memiliki peran strategis sebagai pusat literasi masyarakat, namun di banyak daerah masih menghadapi keterbatasan fasilitas, rendahnya minat baca, serta pengelolaan koleksi yang belum optimal. Perpustakaan Desa Nomporejo merupakan salah satu contoh dengan kondisi tersebut, meskipun telah memperoleh bantuan 1.000 buku dari pemerintah. Kegiatan pengabdian ini bertujuan merevitalisasi dan mendigitalisasi perpustakaan agar berfungsi optimal sebagai pusat literasi desa. Metode yang digunakan adalah Participatory Action Research (PAR) dengan melibatkan perangkat desa, pengelola perpustakaan, dan masyarakat. Tahapan kegiatan meliputi identifikasi kebutuhan, pelabelan dan penataan koleksi, pengembangan prototipe website Nomporejo Moco berbasis PHP–MySQL sebagai katalog online, pelatihan literasi digital, serta pendampingan keberlanjutan. Hasil kegiatan menunjukkan peningkatan minat baca, bertambahnya aktivitas literasi masyarakat, serta terbentuknya kebiasaan literasi digital. Testimoni masyarakat dan pengelola perpustakaan mengonfirmasi bahwa perpustakaan kini menjadi ruang belajar bersama sekaligus pusat kegiatan komunitas. Simpulan dari pengabdian ini adalah bahwa revitalisasi dan digitalisasi berhasil meningkatkan literasi masyarakat baik secara tradisional maupun digital, namun keberlanjutan program memerlukan penguatan kapasitas sumber daya manusia serta dukungan berkelanjutan dari pemerintah desa dan mitra eksternal.
Pengembangan Sistem OCR untuk Pengenalan Teks Daftar Bahan pada Label Makanan Berbasis CRAFT dan CRNN: Development of an OCR System for Ingredient List Text Recognition on Food Labels Using CRAFT and CRNN Alireza, Rakeen Aria; Kurniawardhani, Arrie
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 4 (2026): MALCOM October 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i4.2707

Abstract

Informasi daftar bahan pada label kemasan makanan berperan penting dalam membantu konsumen memahami kandungan produk, namun umumnya disajikan dalam bentuk teks fisik sehingga sulit diproses secara otomatis oleh sistem digital. Penelitian ini bertujuan untuk mengembangkan sistem Optical Character Recognition (OCR) berbasis deep learning untuk mendeteksi dan mengenali teks pada daftar bahan secara otomatis. Metode yang digunakan mengombinasikan model ClusteR-specific Assorted Feature selection (CRAFT) untuk deteksi area teks dan Convolutional Recurrent Neural Network (CRNN) untuk pengenalan teks. Model pengenalan kemudian di-fine-tuning menggunakan dataset khusus teks bahan makanan untuk meningkatkan kemampuan dalam mengenali karakteristik label. Dataset terdiri dari 6.081 sub-citra berbasis kata yang dibagi menjadi 4.868 data latih, 610 data validasi, dan 603 data uji. Evaluasi dilakukan menggunakan beberapa metrik serta simulasi pada lima citra eksternal untuk menguji performa pada kondisi nyata. Hasil menunjukkan bahwa fine-tuning meningkatkan performa, dengan kenaikan Word Accuracy dari 90,381% menjadi 94,693% dan Normalized Edit Distance (NED) dari 0,946 menjadi 0,987, serta penurunan Character Error Rate (CER) dari 0,066 menjadi 0,015 dan Word Error Rate (WER) dari 0,096 menjadi 0,053. Sistem mampu mengenali sebagian besar teks dengan baik, meskipun masih terdapat kesalahan kecil pada tanda baca dan karakter yang mirip
Co-Authors Anggara Jatu Kusumawati, Anggara Jatu Aprasnowo, Alfian Gatot Arrie Kurniawardhani Nurrohman, Fakhrul Zidan Putra Tiarrahman, Muhammad Fatkhan Zain, Fawwaz Ghiffary