Article Per Year (5 Year)
p-Index From 2019 - 2024
0.888
P-Index
This Author published in this journals
All Journal Sainteks Jurnal Ilmu Komputer dan Informasi JPPM (Jurnal Pengabdian dan Pemberdayaan Masyarakat) Malcom: Indonesian Journal of Machine Learning and Computer Science
Widi Hastomo
Institut Teknologi dan Bisnis Ahmad Dahlan
Civil Engineering, Building, Construction & Architecture Computer Science & IT Environmental Science Mechanical Engineering Medicine & Pharmacology Public Health Social Sciences

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
GESTURE RECOGNITION FOR PENCAK SILAT TAPAK SUCI REAL-TIME ANIMATION Widi Hastomo
Jurnal Ilmu Komputer dan Informasi Vol 13, No 2 (2020): Jurnal Ilmu Komputer dan Informasi (Journal of Computer Science and Information
Publisher : Faculty of Computer Science - Universitas Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1011.872 KB) | DOI: 10.21609/jiki.v13i2.855

Abstract

The main target in this research is a design of a virtual martial arts training system in real-time and as a tool in learning martial arts independently using genetic algorithm methods and dynamic time warping. In this paper, it is still in the initial stages, which is focused on taking data sets of martial arts warriors using 3D animation and the Kinect sensor cameras, there are 2 warriors x 8 moves x 596 cases/gesture = 9,536 cases. Gesture Recognition Studies are usually distinguished: body gesture and hand and arm gesture, head and face gesture, and, all three can be studied simultaneously in martial arts pencak silat, using martial arts stance detection with scoring methods. Silat movement data is recorded in the form of oni files using the OpenNI ™ (OFW) framework and BVH (Bio Vision Hierarchical) files as well as plug-in support software on Mocap devices. Responsiveness is a measure of time responding to interruptions, and is critical because the system must be able to meet the demand.
Pemanfaatan Sampah Rumah Tangga dan Pasar sebagai Upaya Peningkatan Kesejahteraan Keluarga Yayat Sujatna; Widi Hastomo
JPPM (Jurnal Pengabdian dan Pemberdayaan Masyarakat) VOL. 5 NOMOR 1 MARET 2021 JPPM (Jurnal Pengabdian dan Pemberdayaan Masyarakat)
Publisher : Lembaga Publikasi Ilmiah dan Penerbitan (LPIP)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (385.313 KB) | DOI: 10.30595/jppm.v5i1.5853

Abstract

Jakarta memproduksi sekitar 7.700 ton sampah setiap harinya. Dari jumlah tersebut, sekitar 4.900 hingga 5.000 ton merupakan sampah organik. Rumah tangga dan pasar tradisional menjadi penghasil limbah yang produktif. Sampah organik yang dihasilkan dapat dikurangi dengan pemanfaatan menjadi pupuk organik cair(POC) yang bernilai jual tinggi. Pembentukan kelompok wirausaha mandiri bertujuan agar aktif membantu dalam mengurangi masalah sampah dengan dijadikan POC yang benilai jual tinggi serta peningkatan kesejahteraan keluarga. Mitra yang terlibat dalam kegiatan pengabdian kepada masyarakat (abdimas) ini yaitu kelompok ibu-ibu wirausaha mandiri warga RW 01 Tegal Alur Jakarta Barat. Metode yang digunakan yaitu Partisipatory Rural Apprasial (PRA), sebuah metode pada proses peningkatan partisipasi dan pemberdayaan masyarakat, dalam hal ini masyarakat ikut terlibat aktif pada seluruh kegiatan. Hasil dari program abdimas yaitu: 1)Meningkatnya pemahaman mitra tentang pembuatan POC dan kompos; 2)adanya hasil POC dan kompos; 3)meningkatkan pengetahuan dan kemampuan kelompok mitra dalam penerapan teknologi dan pengetahuan pada pengolahan sampah menjadi POC dan kompos; 4)mitra mampu memasarkan pupuk organik cair dan kompos baik secara offline maupun online; dan 5) meningkatnya pendapatan mitra dari hasil penjualan pupuk organik cair dan kompos; serta 6) meningkatnya kesadaran tentang dampak sampah yang timbul tanpa melalui proses daur ulang.
Comparison of EfficientNet B5-B6 for Detection of 29 Diseases of Fruit Plants Vany Terisia; Widi Hastomo; Adhitio Satyo Bayangkari Karno; Ellya Sestri; Diana Yusuf; Shevty Arbekti Arman; Nada Kamilia
Sainteks Vol 20, No 2 (2023): Oktober
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat (LPPM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30595/sainteks.v20i2.18691

Abstract

In initiatives to meet food needs and enhance the wellbeing of farmers and society at large, crop production performance is essential. For early attempts to be made for quick handling to prevent crop failure, farmers must be able to readily and quickly receive information in order to detect plant illnesses. In this study, two Convolutional Neural Network (CNN) architectures namely, EfficientNet versions B5 and B6 are used to develop a classification model for plant disease using Deep Learning (DL). The 66,556 visuals in the dataset, which is from Kaggle.com, are used. To create a model, the training method uses 57,067 images data and 3,170 image data for validation. The EfficientNet architecture versions B5 and B6 received very good accuracy scores for the total test results, namely 0.9905 and 0.9927. The model testing phase was carried out through testing phases utilising 3.171 images data. Future analysis can compare CNN architectures and try it with different datasets.
Menggunakan Xception, Transfer Learning, dan Permutasi untuk Meningkatkan Klasifikasi Ketidaksempurnaan Permukaan Baja: Using Xception, Transfer Learning, and Permutation to Improve the Classification of Steel Surface Imperfections Popong Setiawati; Adhitio Satyo Bayangkari Karno; Widi Hastomo; Iwan Setiawan
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 1 (2024): MALCOM January 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i1.1258

Abstract

Kualitas permukaan baja yang diproduksi sangat penting untuk meningkatkan daya saing dalam industri baja. Tingginya tingkat cacat pada permukaan baja merupakan masalah serius yang berdampak pada kualitas keluaran. Pengendalian yang masih dilakukan secara manual dan visual saat ini hanya dapat dilakukan oleh orang-orang dengan bakat dan keahlian tertentu. Pengamatan dengan metode konvensional ini memerlukan waktu yang lama, lamban, dan presisi yang rendah. Saat ini, perkembangan teknik pembelajaran mendalam memungkinkan deteksi cacat permukaan baja secara otomatis dengan tingkat akurasi yang tinggi. Arsitektur Xception digunakan dalam pekerjaan ini untuk menerapkan strategi pembelajaran mendalam. Teknik permutasi dan augmentasi digunakan untuk mengatasi ketidakseimbangan data. Model yang dikembangkan dapat membedakan empat jenis cacat pada permukaan baja. Koleksi 7.095 foto permukaan baja digunakan dalam prosedur pelatihan. Jika dibandingkan dengan tidak menggunakan transfer learning, hasil pengukuran kinerja proses pelatihan dengan menggunakan transfer learning (Imagenet) menunjukkan hasil yang lebih baik. Pelatihan pembelajaran transfer menghasilkan skor akurasi masing-masing sebesar 94,9% dan 97,7% untuk data pelatihan dan validasi. Sedangkan hasil penilaian nilai kerugian untuk data latih dan validasi masing-masing sebesar 19,4% dan 14,4%.
Co-Authors Adhitio Satyo Bayangkari Karno Diana Yusuf Elliya Sestri Iwan Setiawan Nada Kamilia Popong Setiawati Shevti Arbekti Arman Vany Terisia Yayat Sujatna