Article Per Year (5 Year)
p-Index From 2019 - 2024
0.61
P-Index
This Author published in this journals
All Journal CESS (Journal of Computer Engineering, System and Science) Journal of Information Systems and Informatics Indonesian Journal of Computer Science
Ahmad Rifai
Universitas Semarang
Computer Science & IT Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Komparasi Metode Klasifikasi Batik Menggunakan Neural Network Dan K-Nearest Neighbor Berbasis Ekstraksi Fitur Tekstur Badroe Zaman; Ahmad Rifai; Mohammad Burhan Hanif
Journal of Information System and Informatics Vol 3 No 4 (2021): Journal of Information Systems and Informatics
Publisher : Universitas Bina Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51519/journalisi.v3i4.213

Abstract

Batik tulis adalah hasil seni budaya yang memiliki keindahan visual dan mengandung makna filosofis pada setiap motifnya. Batik tulis memiliki morif yang sangat beragam dan memiliki tingkat kompleksitas yang tingi sehingga menjadi kesulitan tersendiri dalam pengelompokan kelas batik tertentu. Klasifikasi citra ke dalam kelas tertentu juga menjadi permasalahan yang pelik dalam bidang pengenalan pola. Metode machine learning dapat digunakan untuk mengenali kelas batik melalui pengenalan citra batik. Namun belum banyak penelitian terkait studi komparasi klasifikasi citra batik. Sehingga penelitian ini berfokus pada data set citra batik tulis yang menggunakan dua motif yaitu motif klasik dan motif kontemporer. Pada penelitian ini, fitur ekstraksi menjadi dasar klasifikasi dengan metode Backpropagation Neural Network dan k-Nearest Neighbor. Tujuan dari penelitian ini untuk menemukan pola baru dalam data dengan menghubungkan pola data yang sudah ada dengan data yang baru. Selanjutnya, penelitian ini melakukan perbandingan metode klasifikasi antara Backpropagation Neural Network dan k-Nearest Neighbor untuk mencari metode klasifikasi terbaik untuk klasifikasi Batik tulis Bakaran. Hasil dari studi komparasi menunjukkan bahwa metode Backpropagation Neural Network memperoleh nilai akurasi 90,11% sedangkan metode k-Nearest Neighbor mendapatkan nilai akurasi 96,00%. Sehingga dapat di simpulkan bahwa metode k-Nearest Neighbor merupakan metode terbaik untuk klasifikasi citra batik.
Virtual Tour Reality Application Using Panoramic Image Method for Introduction to Semarang University Campus Siti Asmiatun; Astrid Novita Putri; Ahmad Rifai
CESS (Journal of Computer Engineering, System and Science) Vol 7, No 1 (2022): January 2022
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (368.707 KB) | DOI: 10.24114/cess.v7i1.28178

Abstract

Saat ini, kita tengah mengalami pandemi covid 19. Pandemi ini mengakibatkan beberapa kesulitan diberbagai bidang yang salah satunya adalah bidang pendidikan. Hal ini disebabkan adanya peraturan pemerintah yang memberlakukan kegiatan belajar dari rumah. Universitas Semarang menjalankan peraturan pemerintah sampai pandemi dapat teratasi. Hal ini menyebabkan pihak kampus kesulitan ketika akan mengenalkan lingkungan kampus pada mahasiswa baru. Sehingga penerapan teknologi media informasi sangat dibutuhkan. Virtual Tour merupakan  perkembangan teknologi pada bidang fotografi. Dengan menggunakan teknologi virtual tour pengguna solah-olah akan berada didunia nyata. Penelitian ini memanfaatkan teknologi tersebut untuk mengenalkan lingkungan kampus kepada mahasiswa baru. Penelitian ini menghasilkan sebuah aplikasi virtual tour dengan metode panorama 360°. Metode yang digunakan untuk pengembangan aplikasi adalah metode Multimedia Development Life Cicle (MDLC) dari Luther-Sutopo. Berdasarkan hasil pengujian aplikasi menggunakan black- box, penulis menyimpulkan bahwa aplikasi dapat digunakan sesuai dengan fungsi yang ada dikesuluran aplikasi. Dengan adanya penerapan teknologi virtual tour di lingkungan Universitas Semarang, diharapkan dapat dimanfaatkan untuk pengenalan lingkungan kampus pada mahasiswa baru Universitas Semarang tanpa harus berkumpul atau datang langsung ke Universitas Semarang.
Social Network Analysis dalam Mengukur Keaktifan Promosi Universitas di Media Sosial Twitter Ahmad Rifai; Eka Putri Rachmawati; Dinar Anggit Wicaksono
Indonesian Journal of Computer Science Vol. 11 No. 3 (2022): Indonesian Journal of Computer Science Volume 11. No. 3 (2022)
Publisher : STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v11i3.3097

Abstract

Banyaknya Universitas baru yang bermunculan membuat semakin ketatnya persaingan dalam menarik minat calon mahasiswa. Social Network Analysis (SNA) salah satu metode untuk menganalisis interaksi pengguna media sosial dalam menghasilkan informasi yang dapat mendukung dalam pengambilan keputusan untuk melakukan promosi. Tujuan dari penelitian ini adalah untuk mengetahui keaktifan Universitas dalam melakukan promosi melalui media sosial twitter. Sosial Media Analysis (SNA) menunjukkan aktor (node) dengan nilai degree centrality (sering dihubungi) adalah aktor dengan nama sbmptnfess pada Universitas Dian Nuswantoro dengan nilai sebesar 21 node. Sedangkan aktor yang memiliki jangkauan yang paling dekat (Closseness centrality) Universitas Semarang, Universitas Sultan Agung, Universitas Dian Nuswantor, dan Universitas PGRI Semarang memiliki nilai yang sama. Sehingga aktor dari ke empat universitas tersebut memiliki kedekatan jangkauan sebesar 1.0. Sedangkan Aktor sebagai penghubung yang baik (Betweenness Centrality) adalah Universitas PGRI Semarang dengan nilai tertinggi sebesar 0.010096 dengan aktor turungences.
Co-Authors Astrid Novita Putri, Astrid Badroe Zaman Dinar Anggit Wicaksono Eka Putri Rachmawati Mohammad Burhan Hanif Siti Asmiatun