Article Per Year (5 Year)
p-Index From 2019 - 2024
1.642
P-Index
This Author published in this journals
All Journal Syntax Jurnal Informatika JOURNAL OF APPLIED INFORMATICS AND COMPUTING METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi SABDAMAS Jurnal Ilmiah Wahana Pendidikan
Chaerur Rozikin
Unknown Affiliation
Religion Humanities Computer Science & IT Economics, Econometrics & Finance Education Public Health Social Sciences Other

Published : 9 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 9 Documents
Search

 1 
PEMBANGUNAN DKMnet SEBAGAI PENYEDIA JASA LAYANAN INTERNET DI MASJID AL-HIDAYAH Chaerur Rozikin; Riza Ibnu A.; Arif Rakhman
SABDAMAS Vol 1 No 1 (2019): SABDAMAS
Publisher : Lembaga Penelitian dan Pengabdian kepada Masyarakat Unika Atma Jaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (673.682 KB)

Abstract

DKM Al-Hidayah memiliki kegiatan, seperti pengajian untuk ibu-ibu, pengajian untuk bapak-bapak, yasinan rutin setiap malam Jumat, dan Taman Pendidikan Alquran untuk anak-anak di lingkungan Musala Al-Hidayah. Dalam menjalankan kegiatan tersebut, dibutuhkan biaya operasional. Biaya operaional tersebut didapatkan dari sumbangan masyarakat sekitar yang terkadang tidak mencukupi untuk menutupi kekurangan biaya operasional masjid sehingga pengurus DKM ikut iuran. Kegiatan pengabdian kepada masyarakat ini bertujuan menyelesaikan permasalahan tersebut dengan cara pendirian DKMnet sebagai penyedia jasa layanan internet. DKMnet berfungsi sebagai internet service provider (ISP) skala kecil sehingga warga lingkungan perumahan yang ingin mengakses internet dengan biaya terjangkau dan quota unlimited dapat berlangganan di DKMnet. Kegiatan PKM ini memiliki tahapan kegiatan, yaitu survei lokasi, pembangunan tower triangel, identifikasi kebutuhan jaringan hardware, pelatihan konfigurasi jaringan internet, dan pelatihan promosi dan pemasaran. Hasil kegiatan ini berupa berdiri dan berjalannya DKMnet dan sudah memiliki beberapa pelanggan dengan biaya langganan 100 ribu– 200 ribu per bulan. Kegiatan PKM ini berhasil dilaksanakan dan sudah mendapat beberapa pelanggan sehingga pengurus DKM sudah memilki pendapatan dari DKMnet. Keuntungan pendapatan DKMnet digunakan untuk keperluan biaya operasional masjid sehingga dapat menutupi kekurangan biaya operasiona masjid.
Optimalisasi Metode Grabcut Pada Sure Dan Probable Background Pada Citra Daun Melon Nurlana Lana Sanjaya; Nur Maelani Asih; Siti Badriah; Chaerur Rozikin
SYNTAX Jurnal Informatika Vol 9 No 1: Mei 2020
Publisher : Universitas Singaperbangsa Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35706/syji.v9i1.3525

Abstract

Dalam gambar yang terdapat objek daun melon akan dilakukannya penelitian untuk mengetahui bagian objek daun dan bagian backgroundnya. Dengan menggunakan metode metode segmentasi yang tetap mempertahankan keunggulan kualitas gambar dengan pemrosesan algoritma GrabCut untuk segmen sure background dalam meningkatkan akurasi. Sebenarnya objek dan background pada gambar daun bisa terlihat langsung oleh manusia tetapi pada komputer objek tersebut akan terlihat sama saja maka diperlukannya tools untuk membantu memisahkan antara objek dengan background. Dengan terpisahnya objek dan background maka akan membantu penelitian selanjutnya untuk meneliti penyakit pada daun.Kata kunci: Daun Melon, GrabCutOptimalisasi Metode Grabcut Pada Sure Dan Probable Background Pada Citra Daun Melon
Prediksi Harga Emas dengan Menggunakan Algoritma Support Vector Regression (Svr) dan Linear Regression (LR) Anisa Aulia; Bella Aprianti; Yusuf Supriyanto; Chaerur Rozikin
Jurnal Ilmiah Wahana Pendidikan Vol 8 No 5 (2022): Jurnal Ilmiah Wahana Pendidikan
Publisher : Peneliti.net

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (82.587 KB) | DOI: 10.5281/zenodo.6408864

Abstract

Gold is a precious metal that is in great demand, because generally the value of gold tends to be stable and the price per gram will increase every year. Gold investment is divided into two, there are digital investments and physical investments. Sometimes in this gold investment investors will experience losses as well as gain profits. To minimize this, a technique is needed to predict the price of gold. Prediction technique is one of the techniques used in Machine Learning. This study aims to predict the price of gold using the Support Vector Regression (SVR) and Linear Regression (LR) algorithms as a comparison. The software that will be used is Jupyter Notebook using the Python programming language. The final result obtained is a graph of the gold price and of the MSE (Mean Squad Error) error on the the SVR Algorithm is 7.524505784357 and LR Algorithm is 4.04444791059
Komparasi Algoritma K-Means dan K-Medoids Untuk Pengelompokkan Penyebaran Covid-19 di Indonesia Anisa Fira; Chaerur Rozikin; Garno Garno
Journal of Applied Informatics and Computing Vol 5 No 2 (2021): December 2021
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v5i2.3286

Abstract

COVID-19 merupakan bagian dari keluarga virus penyebab Severe Acute Respiratory Syndrome (SARS) dan Middle East Respiratory Syndrome (MERS), beberapa gejala yang dialami apabila terinfeksi virus ini antara lain batuk, demam, letih, sesak nafas, dan mengalami penurunan nafsu makan. Pada Penelitian ini data yang digunakan tahun 2019 - Februari 2021 yang bersumber pada website resmi www.covid19.go.id. Dalam upaya menemukan daerah yang memiliki kasus penyakit Covid-19 dapat menggunakan Data Mining. Negara indonesia merupakan salah satu dari negara di dunia yang cukup tinggi terkena virus covid-19. Tujuan penelitian ini yaitu untuk mengelompokan provinsi yang memiliki penyakit covid-19 dengan tingkat tinggi dan rendah di indonesia dan melakukan perbandingan dengan metode algoritma yang digunakan yaitu K-Means dan K-Medoids. hasil yang didapatkan pada penelitian ini adalah memiliki cluster optimal sebanyak 2 cluster, dengan menggunakan algoritma K-Means dimana cluster 1 beranggotakan 2 wilayah dan dikategorikan tinggi, sedangkan untuk cluster 2 sebanyak 32 wilayah dan dikategorikan rendah. Sedangkan menggunakan algoritma K-Medoids yaitu untuk cluster 1 beranggotakan 4 wilayah dan dikategorikan tinggi, sedangkan untuk cluster 2 sebanyak 30 wilayah dan dikategorikan rendah. Dari kedua perbandingan tersebut menghasilkan nilai Silhouette Coefficient dengan metode K-Means adalah sebesar 0,207. Sedangkan Nilai Silhouette Coefficient dengan metode K-Medoids adalah sebesar 0,347.
Analisis Sentimen Masyarakat terhadap Teroris dalam Media Sosial Twitter menggunakan NLP Shobrina Fathoniah; Chaerur Rozikin
Jurnal Ilmiah Wahana Pendidikan Vol 8 No 13 (2022): Jurnal Ilmiah Wahana Pendidikan
Publisher : Peneliti.net

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (193.969 KB) | DOI: 10.5281/zenodo.6962682

Abstract

The use of social media is not only to communicate between humans and other humans, but nowadays, social media can be a place to exchange ideas about various things, such as Twitter social media. Twitter is widely used in Indonesia to discuss various things that are currently happening or phenomenal events such as terrorism. So that an analysis of public sentiment against terrorism can be carried out on Twitter using NLP and LSTM. The use of NLP for preprocessing data is to remove urls and mentions and tokenization of tweet sentences. Meanwhile, the use of LSTM when modeling can provide an accuracy rate of 59.34% with a unit value of 20.
Klasifikasi Penyakit Kangker Payudara Menggunakan Algoritma K-Nearest Neighbor Widhi Ramdhani; David Bona; Rafi Bagus Musyaffa; Chaerur Rozikin
Jurnal Ilmiah Wahana Pendidikan Vol 8 No 12 (2022): Jurnal Ilmiah Wahana Pendidikan
Publisher : Peneliti.net

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (169.583 KB) | DOI: 10.5281/zenodo.6968420

Abstract

Machine Learning (ML) merupakan salah satu cabang dari Artificial Intelligence (AI), yang berfokus pada pengembangan sistem yang dapat belajar sendiri tanpa pemrograman ulang. Machine learning ini banyak digunakan dalam berbagai bidang salah satunya di bidang kesehatan. Salah satu penyakit mematikan kedua saat ini adalah kangker. Kangker merupakan penyakit berbahaya yang bisa menimpa siapapun. Jenis kangker yang sering terjadi pada wanita salah satunya adalah kangker payudara. Dalam penelitian ini dilakukan pengklasifikasian penyakit kangker payudara dengan menerapkan metode klasifikasi menggunakan algoritma k-nearest neighbor. Hasil penelitian ini dapat memprediksi apakah terinfeksi kangker payudara jinak atau ganas. Dari algoritma KNN yang digunakan, hasil evaluasi performansi yang baik terdapat pada nilai k=21 dan k=11 dengan nilai akurasi sebesar 98%. Penelitian selanjutnya diharapkan dapat dikombinasikan dengan algoritma lainnya agar mendapatkan hasil yang lebih baik.
Penerapan Text Mining Untuk Klasifikasi Judul Berita Hoax Vaksinasi COVID-19 Menggunakan Algoritma Support Vector Machine Aditya Wijaya; Chaerur Rozikin; Betha Nurina Sari
Jurnal Ilmiah Wahana Pendidikan Vol 8 No 16 (2022): Jurnal Ilmiah Wahana Pendidikan
Publisher : Peneliti.net

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (266.493 KB) | DOI: 10.5281/zenodo.7058890

Abstract

Covid-19 has become a worldwide pandemic and eventually spread to Indonesia. The government is taking preventive measures by COVID-19 vaccination program. People looking for this vaccination information program through online media. However, hoax news about the covid-19 vaccination is spreading more and more because of the lack of ability of the public to distinguish between valid news and hoaxes. This makes hoax news increase its spread quickly. So this study will utilize text mining in classifying hoax news texts for the Covid-19 vaccine using 4 kernels of Support Vector Machine. The data collected from 2 sources, hoax news title data are collected from Kominfo and non-hoax news title data are collected from Kompas. The research methodology used is Knowledge Discovery in Databases. The data will go through several preprocessing stages before testing the model. The results show that the best test results for the model obtained by the linear kernel in the 80:20 data split scenario which after going through an evaluation using a confusion matrix produces an accuracy value of 89,43%, precision 94,93%, recall 87,20%, and f1-score 90,90%.
Pengenalan Wajah Resolusi Rendah Menggunakan Arsitektur Lightweight VarGFaceNet dengan Adaptive Margin Loss Daffa Tama Ramadani; Riza Ibnu Adam; Jajam Haerul Jaman; Chaerur Rozikin; G. Garno
Journal of Applied Informatics and Computing Vol 7 No 1 (2023): July 2023
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v7i1.5831

Abstract

Face recognition is a modern security solution that is quickly and easily integrated into most existing devices, so this system is widely applied to several domains as one of the security authorizations. Developing face recognition models using mainstream architectures (AlexNet, VGGNet, GoogleNet, ResNet, and SENet) will make it difficult to implement the models on mobile devices and embedded systems. In addition, low resolution images, such as those from CCTV surveillance cameras or drones, pose challenges for the models to recognize faces, as the images lack sufficient details for identification. Therefore, this research aims to analyze the performance of a face recognition model developed using the lightweight VarGFaceNet architecture with the adaptive margin loss AdaFace on a low-resolution image dataset. Based on the evaluation results on the LFW dataset, an accuracy of 99.08% was achieved on high-resolution data (112x112 pixels), while on the lowest synthetic low-resolution data (14x14 pixels), an accuracy of 79.87% was obtained with the assistance of the Real-ESRGAN and GFP-GAN super-resolution models. On the TinyFace dataset, without fine-tuning, a Rank-1 accuracy of 46.08% was achieved without using super-resolution models and 45.03% when utilizing super-resolution models.
REAL-TIME HAND GESTURE DETECTION AND RECOGNITION USING CONVOLUTIONAL ARTIFICIAL NEURAL NETWORKS: DETEKSI DAN PENGENALAN GESTUR TANGAN SECARA REAL-TIME MENGGUNAKAN JARINGAN SARAF TIRUAN KONVOLUSIONAL Gidion Bagas Prananta; Hagi Azzam Azzikri; Chaerur Rozikin
METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi Vol. 9 No. 2 (2023): September 2023
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/mtk.v9i2.1911

Abstract

Real-time hand gesture detection is an interesting topic in pattern recognition and computer vision. In this study, we propose the use of a Convolutional Neural Network (CNN) to detect and recognize hands in real-time. Our goal is to develop a system that can accurately identify and interpret user gestures in real-time. The proposed approach involves two main stages, namely hand gesture recognition and gesture recognition. For stage detection, we use the CNN architecture to recognize hands in the video. We train the CNN model using a dataset containing various hand gestures. Once a hand is detected, we extract the relevant hand region and proceed to the gesture recognition stage. The gesture recognition stage involves training and testing CNN models for different hand signal recognition. We use a hand gesture dataset that contains a variety of common hand signals. The experimental results show that the proposed system can detect and recognize hand movements in real-time with satisfactory accuracy. Although there are still some challenges that need to be overcome, this research provides a solid foundation for further development in real-time hand gesture recognition.
Co-Authors Aditya Wijaya Anisa Aulia Anisa Fira Arif Rakhman Bella Aprianti Daffa Tama Ramadani David Bona G. Garno Garno Garno Gidion Bagas Prananta Hagi Azzam Azzikri Jaman, Jajam Haerul Nur Maelani Asih Nurlana Lana Sanjaya Rafi Bagus Musyaffa Riza Ibnu A. Riza Ibnu Adam Shobrina Fathoniah Siti Badriah Widhi Ramdhani Yusuf Supriyanto