Article Per Year (5 Year)
p-Index From 2019 - 2024
0.888
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Kursor Jurnal Teknologi Informasi dan Ilmu Komputer SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan Jurnal Infomedia El-Mujtama: Jurnal Pengabdian Masyarakat
Nana Ramadijanti
Politeknik Elektronika Negeri Surabaya
Religion Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
FACIAL EXPRESSIONS RECOGNITION USING BACKPROPAGATION NEURAL NETWORK FOR MUSIC PLAYLIST ELECTIONS Setiawardhana Setiawardhana; Nana Ramadijanti; Peni Rahayu
Jurnal Ilmiah Kursor Vol 6 No 3 (2012)
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini dibuat untuk mengenali ekspresi wajah sebagai indikator untuk menjalankan playlist musik. Sistem pengenalan ekspresi wajah berasal dari data masukan seseorang yang diambil secara offline, dengan posisi terdekat dengan kamera, dimana posisi wajah tidak boleh miring. Prosesnya dengan pengambilan citra wajah secara offline yang dikenali dengan kombinasi warna, dan mengekstrak fitur penting dari wajah berdasarkan lokasi alis, mata, dan bentuk mulut kemudian mengenali ekspresi wajah menggunakan Jaringan Saraf Tiruan Propagasi Balik (Backpropagation Neural Network). Ekspresi yang akan dikenali Data keluaran dari pengenalan ekspresi wajah berupa indek yang secara otomatis akan digunakan sebagai indikator untuk menjalankan musik, sehingga musik akan berubah mengikuti perubahan ekspresi wajah seseorang. Sistem yang telah dibuat dapat mengenali tiga jenis ekspresi yaitu: normal, marah, dan bahagia. Pengujian dengan pengambilan gambar wajah secara offline sebagai data masukan untuk Jaringan Saraf Tiruan Propagasi Balik, dimana pada saat pembelajaran diperoleh hasil yang konvergen dengan error terendah dengan jumlah neuron pada lapisan hidden sebanyak 10 unit, nilai laju pembelajaran sebesar 0.0625325 dan nilai mean square error sebesar 0.0135. Kata Kunci: Ekspresi Wajah, Backpropagation, Music Playlist. Abstract The objective of the research is to detect facial expression as indicator to cast a music playlist. Facial expression detection system input is performed offline by taking photograph of a subject with nearest position from the camera and facial position should not be tilted. The image is identified as a combination of color and feature extraction is performed based on location of eyebrow, eye, and mouth. Facial expression is detected with Artificial Neural Network Backpropagation method. The output data is an index, which automatically select and play the music. In this way, the music is modified according to the changes of facial expression. The system is designed to detect three facial expressions: normal, angry, and happy expression. The similarity between features values from each expression influence the ability to differentiate each expression. Offline system evaluation is performed with backpropagation neural network method,for learning process, it reaches convergent value with lowest error value when using 10 unit neuron on hidden layer, learning rate value is 0.0625325 and mean square error value is 0.0135.
PENERAPAN APLIKASI PELAYANAN DESA BERBASIS MOBILE DENGAN KONSEP SMART VILLAGE DI DESA PEGANTENAN, KECAMATAN PEGANTENAN, KABUPATEN PAMEKASAN Yanuar Risah Prayogi; Fadilah Fahrul Hardiansyah; Nana Ramadijanti; Ahmad Syauqi Ahsan; Urfiyatul Erifani
SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan Vol 4, No 1 (2020): November
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (559.234 KB) | DOI: 10.31764/jpmb.v4i1.3370

Abstract

ABSTRAKDi Desa Pegantenan hingga saat ini belum ada suatu sistem yang mampu menjembatani antara pemerintah dan masyarakat Desa Pegantenan yang memanfaatkan teknologi informasi. Pelayanan pemerintah desa masih menerapkan sistem konvensional, yang mengharuskan warga datang ke kantor desa dan membutuhkan waktu yang cukup lama. Masyarakat juga kesulitan dalam menerima informasi dan menyampaikan laporan terkait keadan desa. Pada pengabdian masyarakat ini dikembangkan sebuah aplikasi pelayanan desa berbasis mobile sehingga dapat diakses oleh seluruh masyarakat Desa Pegantenan dalam rangka mewujudkan program Smart Village dan upaya menuju Penyelenggaraan Pemerintah Desa yang transparan dan berkemajuan. Metode pelaksanaan kegiatan terdiri dari tahap pengumpulan data seperti bisnis proses dan formulir yang digunakan warga ketika mengurus surat. Tahap berikutnya pembuatan aplikasi berbasis mobile dan sosialisasi aplikasi di Desa Pegantenan sekaligus sharing session tentang pengalaman selama memakai aplikasi. Hasil dari pengabdian ini adalah berupa sistem aplikasi pelayanan Desa Pegantenan yang berbasis mobile. Selain aplikasi mobile juga ada aplikasi web yang digunakan sebagai administrator. Aplikasi mobile ditujukan untuk warga sedangkan aplikasi web ditujukan untuk admin yaitu perangkat desa. Sistem aplikasi yang barbasis mobile dan web memungkinkan warga dapat mengakses sistem dimana saja dan kapan saja sehingga meningkatkan kualitas layanan Pemerintah Desa kepada warga atau masyarakat. Kata kunci: aplikasi pelayanan desa; aplikasi mobile; smart village; desa pegantenan. ABSTRACTUntil now, in Pegantenan Village, there is no system capable of bridging between the government and Pegantenan Village residents using information technology. Village government services still apply the conventional system, which requires residents to come to the village office and takes a long time. Residents also have difficulty receiving information and submitting reports related to village conditions. In this service, a mobile-based village service application was developed so that it can be accessed by all residents in order to realize the Smart Village program and efforts towards implementing a transparent and progressive Village Government. The method of implementing activities consists of the data collection stage such as business processes and forms that residents use when handling letters. The next stage is making mobile-based applications and application socialization as well as sharing sessions about experiences while using the application. The result of this service is a mobile-based service application system for Pegantenan Village. There is also a web application that is used as an administrator. The mobile application is intended for residents while the web application is intended for admins, namely village officials. Mobile and web-based application systems allow residents to access the system anywhere and anytime so as to improve the quality of village government services to residents. Keywords: village service application; mobile application; smart village; pegantenan village.
Perbandingan Metode Random Forest, Regresi Logistik, Naïve Bayes, dan Multilayer Perceptron Pada Klasifikasi Uang Kuliah Tunggal (UKT) Ronny Susetyoko; Wiratmoko Yuwono; Elly Purwantini; Nana Ramadijanti
Jurnal Infomedia:Teknik Informatika, Multimedia & Jaringan Vol 7, No 1 (2022): Jurnal Infomedia
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jim.v7i1.2916

Abstract

Uang Kuliah Tunggal (UKT) adalah biaya yang dikenakan kepada setiap mahasiswa untuk digunakan dalam proses pembelajaran untuk program diploma dan program sarjana dari setiap jalur penerimaan yang ditetapkan oleh pemimpin perguruan tinggi negeri (PTN). Penetapan UKT masing-masing mahasiswa baru mengikuti kebijakan masing-masing PTN, tergantung ketersediaan informasi maupun target finansial berupa pendapatan negara bukan pajak (PNBP) yang tetapkan. Rumusan atau algoritma klasifikasi UKT yang digunakan tentunya akan berdampak pada distribusi dan ekspektasi rerata UKT. Tujuan dari penelitian ini adalah membandingkan kinerja beberapa metode yaitu Random Forest, Regresi Logistik, Naïve Bayes, dan Multilayer Perceptron dalam mengklasifikasi UKT. Beberapa atribut atau fitur yang digunakan dalam model adalah status rumah, penghasilan, jumlah rumah, jumlah motor, jumlah mobil, daya listrik, kepemilikan tanah, dan jumlah anak. Dataset sebanyak 873 record dibagi menjadi data training dan data testing masing-masing sebanyak 80% dan 20%. Untuk mendapatkan metode yang terbaik, dilakukan evaluasi kinerja empat metode tersebut didasarkan pada rerata akurasi, karakteristik fungsi tingkat akurasi terhadap jumlah fitur, dan nilai ekspektasi UKT. Hasil dari penelitian ini,  metode Random Forest, Regresi Linier, dan Multilayer Perceptron dapat digunakan sebagai model klasifikasi UKT karena memiliki rerata akurasi lebih dari 85%. Namun dari ketiga model tersebut, Random Forest dapat dipilih sebagai model klasifikasi terbaik dengan rerata akurasi 97,9%. Berdasarkan karakteristik fungsi tingkat akurasi, penggunaan metode Random Forest tidak harus melibatkan banyak fitur dalam model. Dengan menerapkan metode tersebut, ekspektasi rerata UKT sebesar Rp. 3,833,811 dan simpangan baku Rp. 2,123,758.
Strategi Penanganan Imbalance Class Pada Model Klasifikasi Penerima Kartu Indonesia Pintar Kuliah Berbasis Neural Network Menggunakan Kombinasi SMOTE dan ENN Zaqiatud Darojah; Ronny Susetyoko; Nana Ramadijanti
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10, No 2: April 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.20231026480

Abstract

Keterbatasan kuota penerima program Kartu Indonesia Pintar Kuliah (KIP Kuliah) dari pemerintah mengharuskan Perguruan Tinggi (PT) menyeleksi dengan cermat calon mahasiswa yang berhak menerima program tersebut. Pembentukan model klasifikasi penerima program KIP Kuliah merupakan salah satu cara yang dapat membantu PT dalam menyeleksi calon mahasiswa agar tepat sasaran berdasarkan data lampau. Penelitian ini bertujuan untuk membentuk model klasifikasi penerima KIP Kuliah menggunakan Neural Network (NN).  Strategi data processing level digunakan untuk mengatasi ketidakseimbangan data atau imbalance class yang terjadi antara kelas penerima KIP Kuliah sebagai kelas minoritas dan kelas bukan penerima KIP Kuliah sebagai kelas mayoritas. Teknik yang digunakan pada penelitian ini adalah mengkombinaskan metode oversampling Syntetic Minority Oversampling Technique (SMOTE), metode undersampling Edited Nearest Neighbor Rule (ENN),  dan metode undersampling dengan penghapusan langsung pada sampel terpilih. Skema penggabungan dilakukan dengan cara mengelompokkan terlebih dahulu kelas mayoritas menjadi beberapa sub kelas (cluster) menggunakan algoritma k-means. Metode SMOTE dan ENN diterapkan secara bersamaan menggunakan rasio sampling tertentu pada dataset yang berasal dari kelas minoritas dan sub kelas mayoritas yang merupakan tetangga terdekat kelas minoritas tersebut. Metode penghapusan sampel diterapkan pada sub kelas mayoritas yang memiliki jarak yang sangat signifikan dari kelas minoritas. Tujuan dari skema yang diajukan adalah untuk meminimalkan terjadinya pembangkitan false sample pada kelas minoritas dan penghapusan sampel informatif pada kelas mayoritas. Hasil simulasi menunjukkan bahwa kombinasi teknik undersampling dan oversampling dengan skema yang diusulkan mampu meningkatkan kinerja model klasifikasi NN secara signifikan. Model klasifikasi terbaik menghasilkan  nilai accuracy sebesar 93.45%,  TPR sebesar 90,00%, TNR sebesar 93.67%, G-Mean sebesar 91,51%, dan nMCC sebesar 81.25%.  Abstract  The limited quota for recipients of the Kartu Indonesia Pintar Kuliah (KIP Kuliah) program requires the university to select carefully the students who are entitled to receive the program. This study aims to build the classification model for KIP Kuliah recipients using Neural Network (NN) which can be utilized by universities in selecting prospective KIP Kuliah recipients students. To solve the imbalanced KIP Kuliah recipients data, we propose a hybrid sampling technique that combines the Synthetic Minority Over-Sampling Technique (SMOTE) and the Edited Nearest Neighbor (ENN) and also samples selected deletion method with a new scheme. Firstly, the majority class is clustered into several sub-classes using the k-means algorithm.  The SMOTE and ENN methods are applied simultaneously on a dataset derived from a minority class and a majority sub-class that is the nearest neighbor of the minority class with a certain sampling ratio. Furthermore, the sample-selected deletion method is applied to the majority sub-classes that have a very significant distance from the minority class. Lastly, The resampling results of the proposed scheme are combined into one training dataset in ANN. The objective of the proposed scheme is to minimize the generation of ‘false samples’ in the minority class and the elimination of informative samples in the majority class. The results show that the proposed scheme can significantly improve the performance of the NN classification model. The best classification model produces an accuracy value of 93.45%, TPR of 90.00%, TNR of 93.67%, G-Mean of 91.51%, and MCC of 81.25%.
Penerapan Aplikasi Klasifikasi Hukum Tajwid Menggunakan Image Processing Fabyan Kindarya; Entin Martiana Kusumaningtyas; Aliridho Barakbah; Desy Intan Permatasari; M. Udin Harun Al Rasyid; Nana Ramadijanti; Arna Fariza; Iwan Syarif; Umi Sa'adah; Ferry Astika Saputra; Ahmad Syauqi Ahsan; Irwan Sumarsono; Andhik Ampuh Yunanto; Renovita Edelani; Grezio Arifiyan Primajaya; Selvia Ferdiana Kusuma
El-Mujtama: Jurnal Pengabdian Masyarakat  Vol. 4 No. 2 (2024): El-Mujtama: Jurnal Pengabdian Masyarakat
Publisher : Intitut Agama Islam Nasional Laa Roiba Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47467/elmujtama.v4i2.1930

Abstract

Tajwid is an important science that regulates the way of reading the verses of the Al-Qur’an properly. Learning Tajwid means knowing the meaning that corresponds to the correct recitation. Learning to read the Al-Qur’an tends to be done traditionally in a place of learning or by calling a teacher to the house. Learning in this way has some drawbacks, such as the limited availability of trained and competent teachers because not all areas have sufficient access to these teachers. Dependence on schedules and locations can be a constraint for students with limited mobility or busy schedules. The role of the teacher is still important in learning tajwid, especially in providing effective explanations, guidance, and feedback. However, to overcome these shortcomings, integration with independent and technology-based learning methods can help improve the accessibility, flexibility, and quality of tajwid learning. The classification of tajwid laws using image processing allows users to see the results of inputting images of verses of the Al-Qur’an into the type of detected nun sukun tajwid and how to recite it. The initial stage of this system in detecting tajwid laws from uploaded images is the input of images by users, which can be done in two ways, namely by directly taking pictures using a smartphone camera or uploading images from the gallery. This is followed by the OCR process to detect the Arabic text contained in the image and provide diacritics for that Arabic text. Finally, letter classification is carried out after nun sukun and classification of tajwid laws contained in accordance with the detected letters after nun sukun. This system has an accuracy rate of 92.18% from the classification results that have been carried out.
Co-Authors Ahmad Syauqi Ahsan Ali Ridho Barakbah Andhik Ampuh Yunanto Arna Fariza Desy Intan Permatasari Elly Purwantini Entin Martiana Kusumaningtyas Fabyan Kindarya Fadilah Fahrul Hardiansyah Ferry Astika Saputra Grezio Arifiyan Primajaya iwan Syarif M Udin Harun Al Rasyid, M Udin Harun Peni Rahayu Renovita Edelani Ronny Susetyoko Selvia Ferdiana Kusuma Setiawardhana Setiawardhana Sumarsono, Irwan Umi Sa'adah Urfiyatul Erifani Wiratmoko Yuwono Yanuar Risah Prayogi Zaqiatud Darojah