ILKOM Jurnal Ilmiah (Fakultas Ilmu Komputer, Universitas Muslim Indonesia)
Not a member yet
653 research outputs found
Sort by
Pelatihan Pembuatan Media Pembelajaran Interaktif Menggunakan Aplikasi Prezi
Full text linkPesatnya Perkembangan Teknologi Informasi dan Komunikasi (TIK) telah memberikan pengaruh pada dunia pendidikan khususnya dalam proses pembelajaran. Media pendidikan memainkan peran penting dalam kemajuan dan pembangunan negara, yang tidak dapat dipisahkan. Pembelajaran yaitu suatu proses yang mengandung serangkaian kegiatan guru dengan murid dengan dasar hubungan timbal balik yang terjadi dalam suasana edukatif agar memperoleh tujuan yang hendak dicapai. Tujuan kegiatan pengabdian ini adalah untuk memberikan kemampuan kepada guru DTA Ar-Rahmat Muara Bulian menggunakan aplikasi prezi dalam pembuatan media pembelajaran yang interaktif. Hasil kegiatan menunjukkan kemampuan yang menjanjikan dari para guru dalam merancang media pembelajaran interaktif menggunakan aplikasi prezi
PKM PENGUATAN KOMPETENSI SANTRIPRENEUR DALAM MUAMALAH ISLAM DAN TEKNOLOGI DI PESANTREN MELALUI BUDIDAYA AYAM
Full text linkProgram Pengabdian kepada Masyarakat (PkM) ini dirancang untuk memperkuat kompetensi kewirausahaan santri melalui penerapan konsep Santripreneur yang terintegrasi dengan teknologi tepat guna pada budidaya ayam petelur. Pesantren sebagai lembaga pendidikan Islam memiliki potensi besar dalam mencetak sumber daya manusia yang religius, mandiri, dan berdaya saing. Namun, sejumlah tantangan masih dihadapi, seperti minimnya keterampilan bisnis praktis, kurangnya akses terhadap teknologi budidaya modern, serta terbatasnya pemahaman mengenai manajemen usaha berbasis syariah. Kegiatan ini meliputi pelatihan kewirausahaan, penerapan prinsip muamalah dalam bisnis, pendampingan teknik budidaya ayam petelur, serta penggunaan teknologi seperti Pengenalan beberapa marketplace media sosial dan pengambilan gambar dan video. Program ini diikuti oleh 25 santri yang terlibat dalam sesi teori dan praktik langsung di masjid dalam wilayah pesantren. Hasil evaluasi menunjukkan peningkatan kemampuan yang signifikan, di mana 88% peserta memahami konsep muamalah Syariah Islam, 84% menguasai teknik pemeliharaan ayam yang benar, dan 79% mampu mengoperasikan perangkat teknologi sederhana untuk mendukung pemasaran di masa yang akan datang. Secara keseluruhan, program ini berhasil membangun pola pemberdayaan pesantren yang relevan dengan kebutuhan ekonomi modern. Integrasi nilai agama, keterampilan teknis, dan teknologi memungkinkan pesantren untuk mengembangkan unit usaha berkelanjutan sekaligus menjadi model pembelajaran kewirausahaan yang dapat direplikasi oleh pesantren lain di Indonesia
Refining the Performance of Neural Networks with Simple Architectures for Indonesian Sign Language System (SIBI) Letter Recognition Using Keypoint Detection
Full text linkThe diversity of non-verbal communication styles among persons with disabilities in Indonesia highlights the urgent need for technological solutions that support accessibility in both workplace settings and social contexts. This study proposes a novel approach to improving neural network performance through the use of simple architectures for recognizing Indonesian Sign Language (SIBI) letters M and N, by applying keypoint detection while accounting for hand size variations (17–22 cm). Four models were evaluated: YOLOv5 based on image detection, as well as VGG-16, Attention, and Multi-Layer Perceptron (MLP) developed using keypoint detection. The evaluation was conducted in real-time, taking into account accessories such as rings, watches, and gloves, as well as varying lighting intensities to simulate real-world user environments. The novelty lies in the integration of keypoint detection into lightweight architectures, which significantly improves accuracy and resilience against visual disturbances (noise). The MLP model achieved the best performance, with an accuracy of 94% for M and 93% for N, outperforming more complex approaches such as YOLOv5, which showed a significant drop in accuracy under disturbed conditions. The integration of VGG-16 with Attention resulted in underfitting, emphasizing that complexity does not always correlate with effectiveness. These findings underscore the potential of lightweight models to enhance technological accessibility for the disabled community across various social and professional domains.The diversity of non-verbal communication styles among persons with disabilities in Indonesia highlights the urgent need for technological solutions that support accessibility in both workplace settings and social contexts. This study proposes a novel approach to improving neural network performance through the use of simple architectures for recognizing Indonesian Sign Language (SIBI) letters M and N, by applying keypoint detection while accounting for hand size variations (17–22 cm). Four models were evaluated: YOLOv5 based on image detection, as well as VGG-16, Attention, and Multi-Layer Perceptron (MLP) developed using keypoint detection. The evaluation was conducted in real-time, taking into account accessories such as rings, watches, and gloves, as well as varying lighting intensities to simulate real-world user environments. The novelty lies in the integration of keypoint detection into lightweight architectures, which significantly improves accuracy and resilience against visual disturbances (noise). The MLP model achieved the best performance, with an accuracy of 94% for M and 93% for N, outperforming more complex approaches such as YOLOv5, which showed a significant drop in accuracy under disturbed conditions. The integration of VGG-16 with Attention resulted in underfitting, emphasizing that complexity does not always correlate with effectiveness. These findings underscore the potential of lightweight models to enhance technological accessibility for the disabled community across various social and professional domains
Detection of Drivers Drowsiness on Four-Wheeled Vehicles using the Haar Cascade Algorithm and Eye Aspect Ratio
Full text linkOne of the most common types of threats to four-wheeled vehicle drivers is microsleep. Microsleep is a condition in which a person's loss of attention or consciousness due to a state of fatigue or drowsiness. In general, microsleep lasts for a short duration, about a fraction of a second to a full 10 seconds. One way to modify the driver's sleepy condition is to form a drowsiness detection system through the extraction of facial feature points. The extraction of facial feature points refers to 68 predictor landmarks with detection in the eyes and facial movements of the driver in the form of poses with the determination of the angle threshold of changes in the position of the face while driving which indicates a state of drowsiness. This study implements the use of the Haar Cascade Classifier algorithm in detecting the drowsiness of four-wheeled vehicle drivers and the Eye Aspect Ratio of the points that form the eyes using Euclidean Distance. In detecting the eye index on the face predictor landmarks uses the dlib python library to detect objects, face detection, and face landmark detection. This study also uses the Face Detector library to create a face detector object and a Landmark Predictor. The test results showed that the detection system was 98.33% accurate with the condition of facial features that could still be identified by the system even though the difference in face distance with the webcam acquisition tool was far away. This detection system is also able to detect driver drowsiness with an average time duration of less than 5 seconds with a distance of up to 50 meters. The system detects drowsiness quickly with a notification in the form of a warning in the form of an alarm sound, which is very important in order to reduce the number of accidents due to drowsiness.One of the most common types of threats to four-wheeled vehicle drivers is microsleep. Microsleep is a condition in which a person's loss of attention or consciousness due to a state of fatigue or drowsiness. In general, microsleep lasts for a short duration, about a fraction of a second to a full 10 seconds. One way to modify the driver's sleepy condition is to form a drowsiness detection system through the extraction of facial feature points. The extraction of facial feature points refers to 68 predictor landmarks with detection in the eyes and facial movements of the driver in the form of poses with the determination of the angle threshold of changes in the position of the face while driving which indicates a state of drowsiness. This study implements the use of the Haar Cascade Classifier algorithm in detecting the drowsiness of four-wheeled vehicle drivers and the Eye Aspect Ratio of the points that form the eyes using Euclidean Distance. In detecting the eye index on the face predictor landmarks uses the dlib python library to detect objects, face detection, and face landmark detection. This study also uses the Face Detector library to create a face detector object and a Landmark Predictor. The test results showed that the detection system was 98.33% accurate with the condition of facial features that could still be identified by the system even though the difference in face distance with the webcam acquisition tool was far away. This detection system is also able to detect driver drowsiness with an average time duration of less than 5 seconds with a distance of up to 50 meters. The system detects drowsiness quickly with a notification in the form of a warning in the form of an alarm sound, which is very important in order to reduce the number of accidents due to drowsiness
Analisis Sentimen Pengguna Gojek Berdasarkan Ulasan pada App Store dengan Metode KNN, Naive Bayes, dan SVM
Full text linkGojek adalah aplikasi layanan on-demand yang telah menjadi salah satu platform terbesar di Asia Tenggara dengan jutaan pengguna aktif dan 5 juta ulasan di App Store. Ulasan ini menjadi sumber informasi penting untuk mengevaluasi dan meningkatkan layanan. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna Gojek dengan mengelompokkan ulasan menjadi lima kelas sentimen: "Sangat Puas", "Puas", "Cukup", "Buruk", dan "Sangat Buruk". Metode yang digunakan meliputi K-Nearest Neighbors (KNN), Naive Bayes, dan Support Vector Machine (SVM). Setelah melakukan text preprocessing, ketiga metode tersebut dievaluasi berdasarkan accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model SVM dengan kernel Linear mencapai akurasi tertinggi sebesar 79.00%, diikuti kernel RBF dengan precision tertinggi sebesar 83.85%. Model Naive Bayes menunjukkan performa cukup baik dengan akurasi 78.00%, sementara KNN memiliki akurasi terendah sebesar 69.25%. Berdasarkan hasil ini, SVM, khususnya dengan kernel Linear dan RBF, terbukti menjadi metode paling efektif dalam menganalisis sentimen pengguna Gojek, memberikan wawasan yang lebih akurat untuk perbaikan layana
Penerapan Metode Copras Pada Sistem Pendukung Keputusan Dalam Menentukan Supplier Bahan Kue Terbaik Toko Homecake
Full text linkPenelitian ini bertujuan untuk mengimplementasikan Metode COPRAS (Complex Proportional Assessment) dalam Sistem Pendukung Keputusan (SPK) untuk memilih supplier bahan kue terbaik bagi Toko Homecake. Toko Homecake merupakan sebuah usaha yang membutuhkan bahan kue berkualitas tinggi untuk menjaga kualitas produknya. Dalam konteks ini, pemilihan supplier bahan kue menjadi faktor krusial dalam menjaga keberlangsungan usaha. Metode COPRAS digunakan karena dapat mengatasi kompleksitas dalam pengambilan keputusan dengan mempertimbangkan berbagai kriteria yang relevan. Kriteria-kriteria yang digunakan dalam penelitian ini antara lain adalah kualitas produk, harga, keandalan pengiriman, layanan purna jual, dan faktor-faktor lain yang relevan dengan kebutuhan Toko Homecake. Penelitian ini melibatkan proses pengumpulan data tentang kriteria-kriteria yang relevan dan informasi tentang setiap supplier yang dipertimbangkan. Selanjutnya, data tersebut diolah menggunakan Metode COPRAS untuk menghasilkan peringkat relatif dari setiap supplier. Hasil dari peringkat ini kemudian digunakan sebagai dasar dalam pengambilan keputusan untuk memilih supplier bahan kue terbaik. Diharapkan bahwa implementasi Metode COPRAS dalam SPK untuk pemilihan supplier bahan kue dapat membantu Toko Homecake dalam mengoptimalkan kinerja rantai pasoknya, meningkatkan kualitas produk, dan memperkuat daya saingnya di pasar. Penelitian ini juga dapat memberikan kontribusi pada pengembangan metode pengambilan keputusan yang efektif dalam konteks bisnis kuline
Analisis Trend dan Single Exponential Smoothing dalam Meramalkan Harga Komoditas Beras di Kota Makassar
No full textBeras dan produk turunannya banyak digunakan dalam industri makanan sehingga harga beras sangat penting untuk diramalkan karena sangat konsumsi masyarakat terhadap komoditas ini sangat tinggi. Penelitian ini bertujuan untuk memilih model terbaik dalam peramalan harga komoditas beras dan model tersebut digunakan untuk meramalkan harga komoditas beras periode selanjutnya. Data dari Dinas Ketahanan Pangan Kota Makassar sejumlah 670 data (hari) yang diukur pada kurun Juli 2022 hingga Mei 2024 dengan metode peramalan yang digunakan adalah model trend linier, trend kuadratik, dan single exponential smoothing (SES). Model terbaik dipilih berdasarkan nilai Mean Squared Error (MSE), Root Mean Squared Error (RMSE), dan Mean Absolute Percentage Error (MAPE). Model trend linier dipilih untuk dilakukan peramalan harga komoditas beras premium sedangkan peramalan harga komoditas beras medium menggunakan model trend kuadratik. Hasil peramalan berdasarkan model terbaik menunjukkan perkiraan terjadinya kenaikan harga komoditas beras premium pada rentang harga berkisar Rp15.400,-/kg hingga Rp16.200,-/kg sementara beras medium pada rentang harga berkisar Rp13.600,-/kg hingga Rp14.300,-/kg. Kenaikan harga beras dapat mendorong harga-harga komoditas lainnya meningkat sehingga dapat memicu inflasi. Hal ini dapat menjadi perhatian bagi pemerintah untuk dapat menekan harga komoditas beras di Kota Makassar
Pendampingan dan Penerapan Augmented Reality (AR) dalam Meningkatkan Kompetensi Guru TK/TPA Nurul Iman Pannara pada Pengajaran Huruf Hijaiyah
No full textPengabdian masyarakat ini dilaksanakan di TPA Nurul Iman Pannara, Kota Makassar, yang menghadapi keterbatasan dalam pemanfaatan teknologi digital pada pembelajaran huruf hijaiyah. Kegiatan dilakukan melalui pelatihan, pendampingan, dan praktik penggunaan aplikasi Augmented Reality (AR) kepada 21 guru dan asisten guru. Aplikasi AR ini menampilkan 30 huruf hijaiyah dalam bentuk tiga dimensi (3D), dilengkapi audio pelafalan, menu petunjuk, serta kuis interaktif untuk menguji pemahaman santri. Hasil implementasi menunjukkan adanya peningkatan kompetensi guru dalam mengoperasikan teknologi AR serta munculnya variasi metode pembelajaran yang lebih menarik dan interaktif. Bagi santri, penggunaan aplikasi AR mempermudah pemahaman bentuk huruf, meningkatkan motivasi belajar, serta memperkuat daya ingat melalui visualisasi tiga dimensi. Evaluasi dengan kuesioner terhadap 19 responden menghasilkan skor rata-rata 4,25 (kategori tinggi), yang menegaskan respon positif terhadap penggunaan aplikasi ini. Dengan demikian, kegiatan ini berhasil meningkatkan kompetensi guru sekaligus efektivitas pembelajaran huruf hijaiyah, serta mendukung transformasi digital pendidikan nonformal
YOLOv10 for Real-Time Detection of Personal Protective Equipment on Construction Workers
Full text linkThis study addresses the challenges of detecting Personal Protective Equipment (PPE) on construction sites, where work-related accidents frequently occur due to the incomplete use of PPE, which can lead to fatal outcomes. The objective of this research is to evaluate the use of the YOLOv10 model a lightweight and efficient object detection architecture to detect various PPE items: safety helmets, safety vests, gloves, and safety boots. The dataset consists of 1,620 images and was split using two configurations: 70:20:10 and 80:10:10 for training, validation, and testing sets, respectively. The YOLOv10 model was evaluated using the key metric of Mean Average Precision (mAP). The evaluation results demonstrate the model’s capability to accurately detect PPE, despite variations in data splitting and the number of epochs used. The findings show that the YOLOv10 algorithm performs very well in detecting PPE. On manually processed datasets, the YOLOv10-M model achieved a mAP50 of 97.8% with a 70:20:10 split and 98.4% with an 80:10:10 split. Meanwhile, on datasets processed using Roboflow, the YOLOv10-B model obtained a mAP50 of 85.2% with the 70:20:10 split, and the YOLOv10-S model reached 84.6% on the 80:10:10 split. These findings indicate that YOLOv10 delivers a significant performance improvement in PPE detection compared to previous approaches. The algorithm’s ability to achieve high mAP50 scores under certain conditions highlights its potential for real-time implementation in construction environments, where accurate and timely PPE detection is crucial to reducing future workplace accidentsThis study addresses the challenges of detecting Personal Protective Equipment (PPE) on construction sites, where work-related accidents frequently occur due to the incomplete use of PPE, which can lead to fatal outcomes. The objective of this research is to evaluate the use of the YOLOv10 model a lightweight and efficient object detection architecture to detect various PPE items: safety helmets, safety vests, gloves, and safety boots. The dataset consists of 1,620 images and was split using two configurations: 70:20:10 and 80:10:10 for training, validation, and testing sets, respectively. The YOLOv10 model was evaluated using the key metric of Mean Average Precision (mAP). The evaluation results demonstrate the model’s capability to accurately detect PPE, despite variations in data splitting and the number of epochs used. The findings show that the YOLOv10 algorithm performs very well in detecting PPE. On manually processed datasets, the YOLOv10-M model achieved a mAP50 of 97.8% with a 70:20:10 split and 98.4% with an 80:10:10 split. Meanwhile, on datasets processed using Roboflow, the YOLOv10-B model obtained a mAP50 of 85.2% with the 70:20:10 split, and the YOLOv10-S model reached 84.6% on the 80:10:10 split. These findings indicate that YOLOv10 delivers a significant performance improvement in PPE detection compared to previous approaches. The algorithm’s ability to achieve high mAP50 scores under certain conditions highlights its potential for real-time implementation in construction environments, where accurate and timely PPE detection is crucial to reducing future workplace accidents
Pengembangan Sistem Informasi Praktik Kerja Lapangan (PKL) Berbasis Web pada Program Studi Sistem Informasi Universitas Muria Kudus
Full text linkPengembangan Sistem Informasi Praktik Kerja Lapangan (PKL) berbasis web dilakukan sebagai solusi atas permasalahan pengelolaan administrasi PKL yang masih dilakukan secara manual di Program Studi Sistem Informasi Universitas Muria Kudus. Sistem ini dirancang untuk mempermudah proses pendaftaran, verifikasi, bimbingan, hingga penilaian PKL secara terintegrasi antara mahasiswa, dosen pembimbing, dosen penguji, penyelia, dan koordinator PKL. Metode pengembangan yang digunakan adalah Software Development Life Cycle (SDLC) dengan model Waterfall, yang meliputi tahapan analisis kebutuhan, perancangan sistem, implementasi, pengujian, dan pemeliharaan. Hasil pengembangan menunjukkan bahwa sistem informasi PKL berbasis web ini mampu meningkatkan efisiensi dan akurasi dalam pengelolaan data PKL. Mahasiswa dapat melakukan pendaftaran dan unggah laporan secara mandiri, dosen dapat melakukan pemantauan serta penilaian secara online, sementara koordinator dan admin dapat memantau seluruh kegiatan PKL secara real-time. Dengan demikian, penerapan sistem ini tidak hanya mendukung digitalisasi layanan akademik, tetapi juga meningkatkan kualitas manajemen kegiatan PKL di lingkungan perguruan tinggi