Garuda - Garba Rujukan Digital

p-Index From 2019 - 2024

0.947

P-Index

This Author published in this journals

All Journal Techno.Com: Jurnal Teknologi Informasi Bulletin of Electrical Engineering and Informatics Journal of Information Systems Engineering and Business Intelligence Applied Technology and Computing Science Journal Community Development Journal

Mohammad Arif Rasyidi

Universitas Internasional Semen Indonesia

Author-ID : 2407556

Humanities Computer Science & IT Electrical & Electronics Engineering Engineering Social Sciences Other

Published : 7 Documents Claim Missing Document

Claim Missing Document

Articles

Convolutional Neural Network untuk Metode Klasifikasi Multi-Label pada Motif Batik Taufiqotul Bariyah; Mohammad Arif Rasyidi; Ngatini Ngatini
Techno.Com Vol 20, No 1 (2021): Februari 2021
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v20i1.4224

Salah satu warisan budaya Indonesia yang diakui dunia adalah kain batik. Beragamnya motif batik di Indonesia membuat masyarakat awam sulit membedakan motif-motif yang ada. Penelitian ini menggunakan convolutional neural network (CNN) dalam melakukan klasifikasi multi-label citra motif batik. CNN merupakan salah satu algoritma deep learning pengembangan multi-layer perceptron (MLP) yang telah banyak digunakan dalam klasifikasi data, khususnya klasifikasi citra. Hasil penelitian menunjukkan akurasi penggunaan arsitektur CNN dalam melakukan klasifikasi multi-label pada 15 motif batik mencapai 91.41% dengan penggunaan epoch 100.

Batik pattern recognition using convolutional neural network Mohammad Arif Rasyidi; Taufiqotul Bariyah
Bulletin of Electrical Engineering and Informatics Vol 9, No 4: August 2020
Publisher : Institute of Advanced Engineering and Science

Batik is one of Indonesia's cultures that is well-known worldwide. Batik is a fabric that is painted using canting and liquid wax so that it forms patterns of high artistic value. In this study, we applied the convolutional neural network (CNN) to identify six batik patterns, namely Banji, Ceplok, Kawung, Mega Mendung, Parang, and Sekar Jagad. 994 images from the 6 categories were collected and then divided into training and test data with a ratio of 8:2. Image augmentation was also done to provide variations in training data as well as to prevent overfitting. Experimental results on the test data showed that CNN produced an excellent performance as indicated by accuracy of 94% and top-2 accuracy of 99% which was obtained using the DenseNet network architecture.

Identification of batik making method from images using convolutional neural network with limited amount of data Mohammad Arif Rasyidi; Ruktin Handayani; Fauzul Aziz
Bulletin of Electrical Engineering and Informatics Vol 10, No 3: June 2021
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/eei.v10i3.3035

This study aims to apply the convolutional neural network (CNN) to classify batik based on its manufacturing method, namely Batik Tulis which are hand drawn, Batik Cap where stamps are used to create the pattern, and Batik Printing which are printed using textile printing machine. We collected 40 images for each type of batik with a total of 120 images. To speed up and simplify the model building process, we implemented transfer learning with 3 basic CNN model architectures, namely ResNet, DenseNet, and VGG with batch normalization. We also experimented with building a new dataset by breaking each image down into 30 smaller images. Image augmentation was also used to prevent overfitting as well as to provide variations in the training data. The experimental results with 5-fold cross validation show that densenet169 gives the best results on the original dataset with an accuracy of 79.17% while vgg13_bn shows the best performance on the modified dataset with an accuracy of 87.61%. All models showed an increase in performance when using the modified dataset, except densenet169 which did not show a significant difference in performance.

Pengembangan Sistem Informasi Terintegrasi Untuk Upt Puskesmas Mohammad Arif Rasyidi; Lailatul Hidayah; Puji Andayani; Ngatini Ngatini
TEKNOLOGI DITERAPKAN DAN JURNAL SAINS KOMPUTER Vol 2 No 1 (2019): June
Publisher : Unusa Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33086/atcsj.v2i1.775

Pelayanan pada puskesmas sering dinilai kurang cepat, ditambah lagi dengan jumlah pasien yang banyak membuat antrian menjadi tidak dapat dihindari. Proses administrasi yang masih manual ditambah dengan antrian membuat waktu pelayanan menjadi panjang. Data rekam medis yang masih disimpan secara konvensional dalam ratusan map di lemari bertingkat membuat pencarian data pasien menjadi lambat dan besar kemungkinan kurang akurat. Berdasarkan permasalahan yang ada, maka kami tergerak untuk membangun sebuah sistem informasi untuk menyimpan data rekam medik pasien puskesmas. Semua data rekam medik puskesmas yang sebelumnya disimpan secara manual akan dipindahkan ke sistem informasi yang dibangun yang juga mencakup proses otomasi alur pendaftaran ke poli yang diperlukan. Berbeda dengan sistem yang telah ada, sistem rekam medik ini juga dilengkapi dengan kartu pintar pribadi untuk masing-masing pasien dan terintegrasi dengan data pasien dari Badan Penyelenggaran Jaminan Sosial (BPJS) Kesehatan. Petugas cukup memindai kartu ini untuk mengakses data rekam medik pasien. Sistem ini dibangun dengan menggunakan pendekatan Waterfall sebagai metode pengembangan perangkat lunaknya. Dengan adanya sistem informasi rekam medis ini data pasien dapat disimpan dengan lebih efisien dan terhindar dari duplikasi data. Pasien yang datang ke puskesmas akan dapat terlayani dengan lebih cepat. Catatan riwayat kesehatannya juga dapat diketahui secara lengkap sehingga diagnosa dokter bisa menjadi lebih akurat. Aplikasi rekam medis terintegrasi ini juga memudahkan proses pencarian data.sehingga dapat meningkatkan kinerja pegawai puskesmas dalam melakukan pengolahan data rekam medis, dan juga obat-obatan. Selain itu resiko rusak, hilang, dan duplikasi data rekam medik pasien juga akan dapat diminimalisir. Aplikasi rekam terintegrasi ini membuat laporan yang ditujukan kepada pimpinan menjadi lebih akurat.

PENGEMBANGAN SISTEM INFORMASI UNTUK UPT PUSKESMAS DI LINGKUNGAN DINAS KESEHATAN KABUPATEN PASURUAN DAN MALANG Mohammad Arif Rasyidi; Lailatul Hidayah; Puji Andayani
Community Development Journal Vol 2 No 2 (2018): Community Development Journal
Publisher : UNUSA Press

Pusat Kesehatan Masyarakat (Puskesmas) adalah salah satu sarana pelayanan kesehatan yang penting di Indonesia. Selain dituntut untuk memberikan pelayanan yang prima bagi masyarakat, Puskesmas juga diwajibkan untuk mengirimkan laporan bulanan pada dinas kesehatan terkait. Namun, proses pelaporan ini masih dilakukan secara manual oleh puskesmas mitra karena sistem informasi yang ada belum dapat membantu secara optimal. Selain melakukan pencatatan data dengan sistem informasi yang ada sebelumnya, Puskesmas juga melakukan pencatatan secara manual yang memakan waktu serta beresiko salah dalam proses pengolahannya. Dalam program ini, dikembangkan sistem informasi untuk membantu proses pelaporan untuk Puskesmas mitra. Sistem informasi yang dihasilkan telah dapat digunakan dan mampu membantu Puskesmas mitra dalam melakukan pelaporan bulanan ke dinas kesehatan terkait.

Classification of handwritten Javanese script using random forest algorithm Mohammad Arif Rasyidi; Taufiqotul Bariyah; Yohanes Indra Riskajaya; Ayunda Dwita Septyani
Bulletin of Electrical Engineering and Informatics Vol 10, No 3: June 2021
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/eei.v10i3.3036

The ability to read and write Javanese scripts is one of the most important competencies for students to have in order to preserve the Javanese language as one of the Indonesian cultures. In this study, we developed a predictive model for 20 Javanese characters using the random forest algorithm as the basis for developing Javanese script learning media for students. In building the model, we used an extensive handwritten image dataset and experimented with several different preprocessing methods, including image conversion to black-and-white, cropping, resizing, thinning, and feature extraction using histogram of oriented gradients. From the experiment, it can be seen that the resulting random forest model is able to classify Javanese characters very accurately with accuracy, precision, and recall of 97.7%.

Prediksi Harga Bahan Pokok Nasional Jangka Pendek Menggunakan ARIMA Mohammad Arif Rasyidi
Journal of Information Systems Engineering and Business Intelligence Vol. 3 No. 2 (2017): October
Publisher : Universitas Airlangga

Abstrak— Fluktuasi harga bahan pokok yang tidak terkendali dapat menyebabkan kerugian bagi konsumen maupun produsen. Salah satu langkah untuk mengatasi permasalahan tersebut yaitu dengan membuat prediksi harga yang akurat sehingga tindakan preventif dapat dilakukan untuk meminimalkan gejolak harga. Dalam studi ini, ARIMA digunakan untuk memprediksi harga bahan pokok nasional dalam jangka pendek. Data harga harian dari dua belas bahan pokok pada empat horizon prediksi (1 hingga 30 hari ke depan) digunakan untuk menguji kinerja ARIMA dalam memprediksi harga bahan pokok. Hasil eksperimen menujukkan bahwa model ARIMA yang dihasilkan mampu memprediksi harga dengan tingkat error rata-rata sebesar 2.22%. Kata Kunci— ARIMA, Bahan Pokok, Prediksi, PeramalanAbstract— Uncontrolled price fluctuation of basic commodities can harm both consumers and producers. One way to overcome the problem is by making accurate price prediction so that preventive actions can be conducted to minimize the price fluctuation. In this study, ARIMA is used to make short-term price prediction of national basic commodities. Daily pricing data of twelve commodities in four prediction horizons (1 to 30 days ahead) is used to test the performance of ARIMA in predicting the commodity prices. The experimental results showed that the ARIMA model was able to predict the price quite accurately with an average error rate of 2.22%. Keywords— ARIMA, Basic Commodities, Forecast, Prediction

Co-Authors Andayani, Puji Ayunda Dwita Septyani Fauzul Aziz Lailatul Hidayah Ngatini Ngatini Ruktin Handayani Taufiqotul Bariyah Yohanes Indra Riskajaya

Title

Found 7 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 7 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 7 Documents
Search