Claim Missing Document
Check
Articles

Found 27 Documents
Search

Interactive Digital Storybook for Increasing Children Reading Interest of Indonesian Folklore Naufal, Mohammad Farid; Kusuma, Selvia F
Jurnal Informatika dan Multimedia Vol 8 No 1 (2016): Jurnal Volume 8, No 1 (2016)
Publisher : Teknik Informatika Politeknik Kediri

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

Abstract

— is very important for children but now children reading interest are decreasing, especially in Indonesian folklore. It happened because Indonesian folklore is written in traditional storybook version. If it continues to happen then children in the future will not know the histories of Indonesia. One way to increase children reading interest is introducing pictured storybook, but the traditional pictured storybook are not sufficient to increase children reading interest. In a growing era we can create a more interesting pictured storybook with implementing interactive digital storybook on android devices. Interactive means that children can interact to move the animated storybook characters. We assume that children interaction with interactive digital storybook can increase their enthusiasms in reading Indonesian folklore. To prove our hypothesis we conducted an experiment to 30 children. In the experiment, the children will read interactive digital storybook and traditional storybook after that we will see their responds. The result shows that interactive digital storybook can increase children reading interest of Indonesian folklore.
Analisa Teknik Pembelajaran dan Pengajaran pada Universitas dan Industri Naufal, Mohammad Farid
Jurnal Informatika dan Multimedia Vol 10 No 2 (2018): Jurnal Volume 10, No.2 (2018)
Publisher : Teknik Informatika Politeknik Kediri

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

Abstract

Perkembangan teknologi yang sangat pesat mempengaruhi cara belajar terhadap sesuatu. Salah satunya yaitu belajar koding atau pemrograman. Pentingnya memperbarui cara dalam mempelajari dan mengajarkan koding merupakan sebuah solusi untuk memperbaiki sistem yang dinilai kurang dan sudah usang. Terdapat banyak sekali metode yang telah diterapkan oleh universitas dan perusahaan dalam mempelajari dan mengajarkan teknik pemrograman. Metode-metode yang digunakan seperti menggunakan via interactive gaming, online learning, melalui perkuliahan, mengerjakan project, dan lain-lain. Di dalam jurnal ini akan menjelaskan teknik-teknik dan metode pembelajaran dan pengajaran koding yang bermacam-macam. Selain itu, akan membandingkan metode satu dengan yang lainnya sehingga akan mengetahui teknik dan metode apa yang paling efektif digunakan sebagai metode pembelajaran dan pengajaran koding.  Sehingga metode pembelajaran dan pengajaran koding yang paling efektif adalah dengan menggunakan game interaktif berbentuk open source bernama pex4fun yang dapat diikuti oleh banyak pelajar dengan teknik pembelajaran yang beragam dan teknik penilaian yang modern.
Finding The Most Desirable Car Using K-Nearest Neighbor From E-Commerce Websites Naufal, Mohammad Farid; Wibisono, Yudistira Rahadian
Jurnal ELTIKOM : Jurnal Teknik Elektro, Teknologi Informasi dan Komputer Vol 5 No 1 (2021)
Publisher : P3M Politeknik Negeri Banjarmasin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31961/eltikom.v5i1.221

Abstract

The increasing number of cars that have been released to the market makes it more difficult for buyer to choose the choice of car that fits with their desired criteria such as transmission, number of kilometers, fuel type, and the year the car was made. The method that is suitable in determining the criteria desired by the community is the K-Nearest Neighbors (KNN). This method is used to find the lowest distance from each data in a car with the criteria desired by the buyer. Euclidean, Manhattan, and Minkowski distance are used for measuring the distance. For supporting the selection of cars, we need an automatic data col-lection method by using web crawling in which the system can retrieve car data from several ecommerce websites. With the construction of the car search system, the system can help the buyer in choosing a car and Euclidean distance has the best accuracy of 94.40%.
Analisis Sentimen pada Media Sosial Twitter Terhadap Kebijakan Pemberlakuan Pembatasan Kegiatan Masyarakat Berbasis Deep Learning Naufal, Mohammad Farid; Kusuma, Selvia Ferdiana
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 1 (2022): Volume 8 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v8i1.49951

Abstract

Kebijakan Pemberlakukan Pembatasan Kegiatan Masyarakat (PPKM) merupakan salah satu kebijakan pemerintah yang diambil untuk menekan laju persebaran Covid19. Tidak setiap kebijakan selalu berdampak positif untuk warga. Oleh sebab itu perlu adanya evaluasi terhadap setiap kebijakan. Saat ini banyak warga yang sering menanggapi kebijakan pemerintah melalui komentar-komentar di media sosial twitter. Komentar-komentar tersebut sebanarnya dapat dijadikan bahan evaluasi terhadap kebijakan yang telah diambil. Namun komentar-komentar tersebut perlu diklasifikasikan dahulu, komentar yang bersentimen positif, negative maupun netral. Proses pengklasifikasian secara manual tentunya akan menyita banyak waktu karena jumlah sangat banyak, bisa ribuah bahkan puluhan ribu. Perlu adanya otimatisasi pengklasifikasin sentimen dari twitter tersebut. Oleh sebab itu penelitian ini berfokus pada otomatisasi analisis sentimen komentar-komentar warga pada media sosial twitter terkait PPKM. Proses otomatisasi analisis sentimen terkait kebijakan PPKM ini berbasis deep learning. Semua data yang telah melalui preprocess dan pelabelan kemudian akan dimodelkan menggunakan algoritma Long Short Term Memory (LSTM). Model dibentuk berdasarkan uji coba paramater yang paling baik menggunakan algoritma grid search. Model yang terbentuk inilah yang digunakan untuk mengklasifikasikan sentimen tweet secara otomatis.  Berdasarkan eksperimen yang dilakukan, metode yang diusulkan berhasil mengklasifikasikan 37750 tweet sesuai dengan sentimennya dengan akurasi 87%.
Klasifikasi Citra Game Batu Kertas Gunting Menggunakan Convolutional Neural Network Mohammad Farid Naufal; Solichul Huda; Aryo Budilaksono; Wisnu Aria Yustisia; Astri Agustina Arius; Fania Alya Miranti; Farrel Arghya Tito Prayoga
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.v20i1.4273

Abstract

Permainan batu, gunting, dan kertas sangat populer di seluruh dunia. Permainan ini biasanya dimainkan saat sedang berkumpul untuk mengundi ataupun hanya bermain untuk mengetahui yang menang dan yang kalah. Namun, perkembangan zaman dan teknologi mengakibatkan orang dapat berkumpul secara virtual. Untuk bisa melakukan permainan ini secara virtual, penelitian ini membuat model klasifikasi citra untuk membedakan objek tangan yang menunjuk batu, kertas, dan gunting. Performa metode klasifikasi merupakan hal yang harus diperhatikan dalam kasus ini. Salah satu metode klasifikasi citra yang populer adalah Convolutional Neural Network (CNN). CNN adalah salah satu jenis neural network yang biasa digunakan pada data klasifikasi citra. CNN terinspirasi dari jaringan syaraf manusia. Algoritma ini memiliki 3 tahapan yang dipakai, yaitu convolutional layer, pooling layer, dan fully connected layer. Uji coba 5-Fold cross validation klasifikasi objek tangan yang menunjuk citra batu, kertas, dan gunting menggunakan CNN pada penelitian ini menghasilkan rata-rata akurasi sebesar 97.66%.
Pembuatan Aplikasi Sosial Media “Pet Mate” Berbasis Android Derry Alim Fernando; Mohammad Farid Naufal; Felix Handani
CALYPTRA Vol. 9 No. 1 (2020): Calyptra : Jurnal Ilmiah Mahasiswa Universitas Surabaya (November)
Publisher : Perpustakaan Universitas Surabaya

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

Abstract

Abstrak- Pada zaman modern ini memelihara hewan peliharaan merupakan kegemaran tersendiri bagi setiap orang. Hewan peliharaan merupakan seekor hewan yang dirawat dan diperlakukan secara lebih layak dan istimewa daripada hewan-hewan lainnya. Hewan peliharaan pun terdiri dari beraneka ragam jenis dan ras yang mempunyai ciri khas tersendiri. Hewan peliharaan juga memerlukan kebutuhan biologis yaitu berkembang biak dengan cara kawin dengan lawan jenisnya. Namun, dalam mengawinkan hewan peliharaan terdapat berbagai macam kendala, seperti tidak adanya pasangan bagi hewan tersebut, ketidakcocokan dengan hewan yang akan dikawinkan, dan masih banyak lagi. Sedangkan, pada era modern ini dengan adanya teknologi informasi dan komunikasi sebagai contohnya adalah sosial media yang berkembang sangat pesat, di mana sekarang sosial media dapat membantu para pemilik hewan peliharaan dalam mempermudah pencarian pasangan bagi hewan peliharaannya sesuai dengan kriteria yang diinginkan dan juga dalam area tertentu pula. Dengan memanfaatkan pemrograman berbasis android, pemilik hewan dapat menggunakan aplikasi dalam mencari pasangan untuk hewan peliharaannya. Selain itu, fitur chatting yang didukung oleh firebase cloud messaging dapat mempermudah komunikasi antar pemilik hewan dalam proses mengawinkan hewan peliharaan. Dengen demikian aplikasi ini dapat memudahkan para pemilik hewan peliharaan untuk mencarikan pasangan bagi hewan peliharaannya melalui fitur-fitur yang tersedia dalam aplikasi. Kata Kunci: sosial media, hewan peliharaan, perkawinan hewan, perkembangbiakan hewan, komunikasi Abstract- In modern times, caring for pets is a hobby for everyone. A pet is an animal that is cared for and treated more properly and specially than other animals. Pets also consist of various types and races that have their own characteristics. Pets also need biological needs, namely breeding by marrying the opposite sex. However, in marrying a pet there are various kinds of obstacles, such as the absence of a partner for the animal, incompatibility with the animal to be mated, and many more. Meanwhile, in this modern era with the presence of information and communication technology as an example is social media that is growing very rapidly, where now social media can help pet owners in facilitating the search for a partner for their pets according to the desired criteria and also in certain areas also. By utilizing Android-based programming, animal owners can use the application in finding partners for their pets. In addition, chat features supported by Firebase cloud messaging can facilitate communication between pet owners in the process of mating pets. Thus this application can make it easier for pet owners to find a partner for their pets through the features available in the application. Keywords: social media, pet, animal marriage, animal breeding, communication
Analisis Perbandingan Algoritma Klasifikasi Citra Chest X-ray Untuk Deteksi Covid-19 Mohammad Farid Naufal; Selvia Ferdiana Kusuma; Kevin Christian Tanus; Raynaldy Valentino Sukiwun; Joseph Kristiano; Jeremy Owen Lieyanto; Daniel Cristianindra R.
Teknika Vol 10 No 2 (2021): Juli 2021
Publisher : Center for Research and Community Service, Institut Informatika Indonesia (IKADO) Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34148/teknika.v10i2.331

Abstract

Kondisi pandemi global Covid-19 yang muncul diakhir tahun 2019 telah menjadi permasalahan utama seluruh negara di dunia. Covid-19 merupakan virus yang menyerang organ paru-paru dan dapat mengakibatkan kematian. Pasien Covid-19 banyak yang telah dirawat di rumah sakit sehingga terdapat data citra chest X-ray paru-paru pasien yang terjangkit Covid-19. Saat ini sudah banyak peneltian yang melakukan klasifikasi citra chest X-ray menggunakan Convolutional Neural Network (CNN) untuk membedakan paru-paru sehat, terinfeksi covid-19, dan penyakit paru-paru lainnya, namun belum ada penelitian yang mencoba membandingkan performa algoritma CNN dan machine learning klasik seperti Support Vector Machine (SVM), dan K-Nearest Neighbor (KNN) untuk mengetahui gap performa dan waktu eksekusi yang dibutuhkan. Penelitian ini bertujuan untuk membandingkan performa dan waktu eksekusi algoritma klasifikasi K-Nearest Neighbors (KNN), Support Vector Machine (SVM), dan CNN untuk mendeteksi Covid-19 berdasarkan citra chest X-Ray. Berdasarkan hasil pengujian menggunakan 5 Cross Validation, CNN merupakan algoritma yang memiliki rata-rata performa terbaik yaitu akurasi 0,9591, precision 0,9592, recall 0,9591, dan F1 Score 0,959 dengan waktu eksekusi rata-rata sebesar 3102,562 detik.
PENGIDENTIFIKASIAN EXTRACT CLASS REFACTORING UNTUK MENINGKATKAN NILAI COHESION CLASS: SYSTEMATIC LITERATURE REVIEW Mohammad Farid Naufal
Telematika Vol 14, No 2 (2017): Edisi Oktober 2017
Publisher : Jurusan Teknik Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31315/telematika.v14i2.2100

Abstract

Context: Cohesion merupakan faktor yang sangat diperhitungkan dalam menilai tingkat kualitas sebuah software yang menggunakan dasar Object Oriented Programming (OOP) dalam pengembangannya. Semakin besar nilai cohesion maka class tersebut semakin independen sehingga semakin mudah dilakukan maintenance pada saat software berevolusi. Dalam pengembangan OOP diharapkan memiliki nilai cohesion yang tinggi.Objective: Paper ini menggunakan studi literatur sistematis terkait pada salah satu teknik refactoring yaitu extract class yang merupakan suatu cara untuk meningkatkan nilai cohesion dari sebuah class dan class cohesion metric untuk menilai tingkat kompleksitas class.Method: Dalam paper ini akan dilakukan studi literatur secara sistematis pada dua database jurnal yang berkaitan dengan extract class dan class cohesion metric hingga tujuh tahun terakhir.Results: Literatur tentang extract class refactoring dan class cohesion metric yang telah ada saat ini diklasifikasikan dan dilakukan perbandingan dari masing-masing metode.Conclusion: Dari review studi literatur masih terdapat issue terkait berapa jumlah optimal class yang harus dibentuk dari extract class refactoring.
Pendeteksi Citra Masker Wajah Menggunakan CNN dan Transfer Learning Mohammad Farid Naufal; Selvia Ferdiana Kusuma
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8, No 6: Desember 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021865201

Abstract

Pada tahun 2021 pandemi Covid-19 masih menjadi masalah di dunia. Protokol kesehatan diperlukan untuk mencegah penyebaran Covid-19. Penggunaan masker wajah adalah salah satu protokol kesehatan yang umum digunakan. Pengecekan secara manual untuk mendeteksi wajah yang tidak menggunakan masker adalah pekerjaan yang lama dan melelahkan. Computer vision merupakan salah satu cabang ilmu komputer yang dapat digunakan untuk klasifikasi citra. Convolutional Neural Network (CNN) merupakan algoritma deep learning yang memiliki performa bagus dalam klasifikasi citra. Transfer learning merupakan metode terkini untuk mempercepat waktu training pada CNN dan untuk mendapatkan performa klasifikasi yang lebih baik. Penelitian ini melakukan klasifikasi citra wajah untuk membedakan orang menggunakan masker atau tidak dengan menggunakan CNN dan Transfer Learning. Arsitektur CNN yang digunakan dalam penelitian ini adalah MobileNetV2, VGG16, DenseNet201, dan Xception. Berdasarkan hasil uji coba menggunakan 5-cross validation, Xception memiliki akurasi terbaik yaitu 0.988 dengan waktu total komputasi training dan testing sebesar 18274 detik. MobileNetV2 memiliki waktu total komputasi tercepat yaitu 4081 detik dengan akurasi sebesar 0.981. AbstractIn 2021 the Covid-19 pandemic is still a problem in the world. Therefore, health protocols are needed to prevent the spread of Covid-19. The use of face masks is one of the commonly used health protocols. However, manually checking to detect faces that are not wearing masks is a long and tiring job. Computer vision is a branch of computer science that can be used for image classification. Convolutional Neural Network (CNN) is a deep learning algorithm that has good performance in image classification. Transfer learning is the latest method to speed up CNN training and get better classification performance. This study performs facial image classification to distinguish people using masks or not by using CNN and Transfer Learning. The CNN architecture used in this research is MobileNetV2, VGG16, DenseNet201, and Xception. Based on the results of trials using 5-cross validation, Xception has the best accuracy of 0.988 with a total computation time of training and testing of 18274 seconds. MobileNetV2 has the fastest total computing time of 4081 seconds with an accuracy of 0.981.
Comparative Analysis of Image Classification Algorithms for Face Mask Detection Mohammad Farid Naufal; Selvia Ferdiana Kusuma; Zefanya Ardya Prayuska; Ang Alexander Yoshua; Yohanes Albert Lauwoto; Nicky Setyawan Dinata; David Sugiarto
Journal of Information Systems Engineering and Business Intelligence Vol. 7 No. 1 (2021): April
Publisher : Universitas Airlangga

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20473/jisebi.7.1.56-66

Abstract

Background: The COVID-19 pandemic remains a problem in 2021. Health protocols are needed to prevent the spread, including wearing a face mask. Enforcing people to wear face masks is tiring. AI can be used to classify images for face mask detection. There are a lot of image classification algorithm for face mask detection, but there are still no studies that compare their performance.Objective: This study aims to compare the classification algorithms of classical machine learning. They are k-nearest neighbors (KNN), support vector machine (SVM), and a widely used deep learning algorithm for image classification which is convolutional neural network (CNN) for face masks detection.Methods: This study uses 5 and 3 cross-validation for assessing the performance of KNN, SVM, and CNN in face mask detection.Results: CNN has the best average performance with the accuracy of 0.9683 and average execution time of 2,507.802 seconds for classifying 3,725 faces with mask and 3,828 faces without mask images.Conclusion: For a large amount of image data, KNN and SVM can be used as temporary algorithms in face mask detection due to their faster execution times. At the same time, CNN can be trained to form a classification model. In this case, it is advisable to use CNN for classification because it has better performance than KNN and SVM. In the future, the classification model can be implemented for automatic alert system to detect and warn people who are not wearing face masks.