http://repository.potensi-utama.ac.id/jspui/jspui/handle/123456789/5713 2026-04-16T15:20:29Z http://repository.potensi-utama.ac.id/jspui/jspui/handle/123456789/6165 Title: Rancang Bangun Aplikasi Media Pengenalan Adat Istiadat dan Budaya Sumatera Utara Berbasis Android Authors: Rika, Rosnelly Abstract: Indonesia merupakan salah satu negara yang memiliki wilayah luas yang sekarang terdiri dari 34 provinsi. Salah satunya provinsi Sumatera Utara yang merupakan bagian wilayah Indonesia yang memiliki kawasan cukup luas dengan berbagai kebudayaan khasnya. Adat istiadat dan kebudayaan merupakan aspek yang perlu dijaga serta dilestarikan agar tiap individu memiliki identitas yang jelas. Tetapi belakangan ini khusus nya pengenalan adat istiadat dan budaya yang ada di Sumatera Utara mengalami masa penurunan dalam bersosialisasi, Semakin maju arus globalisasi, rasa cinta terhadap adat istiadat dan budaya semakin berkurang yang berdampak bagi masyarakat asli Sumatera Utara. Terlalu banyaknya kehidupan asing yang masuk ke Indonesia khusus nya di Sumatera Utara. Dengan adanya teknologi perangkat mobile saat ini dapat membantu masyarakat umum dalam pengenalan tentang adat istiadat dan budaya khusus nya di Sumatera Utara. Informasi yang diterima bisa lebih cepat diketahui dan akurat sehingga adat istiadat dan budaya yang ada tidak luntur, hilang, atau digantikan Description: ada awalnya Indonesia merupakan salah satu negara yang memiliki wilayah luas yang sekarang terdiri dari 34 provinsi. Dengan banyaknya jumlah provinsi tersebut membuat Negara Indonesia mempunyai beragam kebudayaan dari segi adat istiadat, pakaian adat, rumah adat, tarian adat, bahasa daerah dan lagu daerah masing-masing salah satu nya provinsi Sumatera Utara. Penduduk asli provinsi Sumatera Utara ini terdiri dari suku Melayu, Batak Toba, Batak Mandailing, Batak Karo, nias, dan lain-lain sebagainya. Tetapi belakangan ini khusus nya adat istiadat dan budaya yang ada di Sumatera Utara mengalami masa penurunan dalam bersosialisasi terhadap adat istiadat dan budaya sehingga penduduk telah banyak yang melupakan tentang adat istiadat dan budaya di Sumatera Utara. Semakin maju arus globalisasi, rasa cinta terhadap adat istiadat dan budaya semakin berkurang yang berdampak bagi masyarakat asli Sumatera Utara. Terlalu banyaknya kehidupan asing yang masuk ke Indonesia khusus nya di Sumatera Utara, masyarakat kini telah berkembang menjadi masyarakat modern. Dalam suatu hal penyampaian informasi tentang adat istiadat yaitu: media buku, radio, koran dan internet. Bahkan di era globalisasi sekarang masih sangat jarang atau hampir tidak ada dalam platform android. Pada Penelitian [1] menyebutkan bahwa metode belajar yang dikenalkan kepada anak usia dini pada masa sekarang masih bersifat konvensional yang kurang membangkitkan minat anak dalam belajar mengenal angka dan huruf. Maka dari itu membutuhkan sebuah aplikasi media pembelajaran pengenalan angka dan huruf dengan menggunakan teknologi Augmented Reality dimana sebuah teknologi yang menggabungkan dunia maya dengan dunia nyata sehingga mengandung nilai edukasi yang dapat diajarkan oleh guru. Supaya dalam proses belajar anak tidak merasa bosan karena menampilkan bentuk 3 dimensi yang menarik. Penelitian [2] Bahasa Korea adalah sebuah bahasa yang sehari-hari digunakan oleh orangorang yang tinggal di Semenanjung Korea.Tetapi pada zaman sekarang ini media pembelajaran yang membahas tentang budaya dan aksara korea sangat terbatas sehingga dibutuhkan aplikasi media informasi pembelajaran budaya dan aksara Hangeul korea. Dalam penyampaian aplikasi ini terdapat fitur - fitur cara menulis hangeul korea, cara penyebutan aksara hangeul korea,selain itu terdapat juga fitur quiz untuk memahami seberapa ngerti tentang aksara Hangeul korea, serta mengenai budaya korea didalam aplikasi Android ini. Pendidikan di Indonesia masih banyak menggunakan metode konvensional yaitu dengan cara mendengarkan penjelasan dari guru dan menggunakan buku yang membuat siswa merasa mudah bosan. Maka dibuatlah suatu media pembelajaran dengan mengunakan teknologi multimedia interaktif berbasis android, supaya siswa lebih semangat untuk belajar. Sehingga siswa mudah mengenal para pahlawan nasional Indonesia untuk meningkatkan daya ingat dan nasionalisme [3]. Rambu lalu lintas ialah bagian dari tanda-tanda yang terdapat dijalan raya yang memuat aturan-aturan yang harus ditaati oleh pengguna jalan. Dengan membangun aplikasi media pembelajaran pengenalan rambu – rambu lalu lintas menggunakan Augmented Reality berbasis android anak – anak usia dini di harapkan dapat lebih mengetahui rambu – rambu lalu lintas secara detail [4]. Komputer memiliki peranan penting dalam bidang pendidikan, dimana dengan adanya aplikasi multimedia yang beredar, maka di kembangkan sebuah aplikasi media pembelajaran berbasis android yang menerangkan tentang kebudayaan diIndonesa. Untuk membantu siswa agar lebih mudah memahami tentang kebudayaan diIndonesia [5]. Kebudayaan di Kalimantan Tengah terdapat suku Dayak Ngaju yang memiliki beragam kebudayaan yang sangat unik dan perlu dilestarikan serta disebar luaskan agar dapat lebih dikenal oleh masyarakat luas. Tujuannya untuk memberikan informasi tentang kebudayan suku Dayak Ngaju sejarah dan asal usulnya yang terdiri dari tarian tradisional, kuliner, dan lagu. Sistem yang dibuat menggunakan metode pengembangan perangkat lunak System Development Life Cycle (SDLC) dengan pendekatan pengembangan model Waterfall. Bahasa pemrograman yang P 2023-01-01T00:00:00Z http://repository.potensi-utama.ac.id/jspui/jspui/handle/123456789/6082 Title: PERBANDINGAN ALGORITMA SUPPORT VECTOR MACHINE DAN KNEAREST NEIGHBORS PADA KEMATANGAN BUAH SAWIT Authors: Rika, Rosnelly Abstract: Berdasarkan pengamatan dan hasi dari observasi, buah kelapa sawit memiliki suatu warna buah yang hampir sama yaitu berwarna hitam pekat atau hitam agak kekuning-kuningan saat mentah, dan berwarna merah tua saat matang. Sangat sulit untuk membedakan buah kelapa sawit yang matang dan mentah. Tandan buah kelapasawit memiliki jumlah buah yang banyak, dalam satu tandan diperkirakan beratnya mencapai kurang lebih 20 sampai 30 Kilogram. Untuk dapat mengetahui kematangan buah sawit tersebut, dibutuhkan suatu sistem untuk melakukan klasifikasi kematangan buah secara otomatis. Metode Support Vector Machine (SVM) dan K-Nearest neighbors (K-NN) dapat digunakan untuk klasifikasi buah kelapa sawit yang matang dan mentah. Penelitian ini bertujuan untuk membandingkan model prediksiSupport Vector Machine dengan KNearest Neighbor dalam memprediksi kematangan buah sawit. Dalam penelitian ini, model Support Vector Machine dan K-Nearest Neighbor disajikan dalam dataset dari 40 data Image, yang terdiri dari 35 Image data Uji, dan 34 Image data Latih, Data latih yang digunakan berjumlah 34 data image dengan 2 categorys. Data uji yang digunakan berjumlah 6 data image. Data latih dan data uji akan dilakukan proses mengekstrasi fitur gambar menggunakan Inception-V3. Setelah ekstrasi fitur gambar dilakukan, maka dilaksanakan hitungan metode Support Vector Machine (SVM) dan K-Nearest neighbors (K-NN). Hasil evaluasi menunjukkan bahwa kedua model prediksi kematangan buah sawit memiliki nilai akurasi yang sama. Support Vector Machine (SVM) dan K-Nearest neighbors (K-NN)K-NN yaitu 0.500 dan 0.500. Hal tersebut menunjukkan bahwa kedua metode tersebut sama baiknya. . Penggunaan model Support Vector Machine dan K-Nearest Neighbor digunakan untuk memperoleh hasil yang relavan serta akurat dalam prediksi struktur sekunder. Kedua Metode ini akan digunakan untuk melihat kelebihan akurasi tertinggi. Sehingga Kedua metode ini, akan dibandingkan. dan bekerja baik dangan ruang dimensi yang tinggi dengan menggunakan bantuan aplikasi Orange data mining. Hasil yang diperoleh pada metode Support Vector Machine (SVM) skenario satu, mendapatkan nilai akurasi yang sangat baik, yaitu 100%. Pada skenario dua, dengan menggunakan metode K-Nearest neighbors (K-NN) mendapatkan nilai akurasi yang sangat baik juga sebesar 100%.. Hal ini membuktikan bahwa kedua metode tersebut dapat digunakan untuk mengklasifikasikan kematangan buah kelapa sawit dengan hasil yang sangat baik. Description: Penelitian ini berkaitan dengan prediksi kematangan buah sawit dengan menggunakan dua Algoritma pembanding yaitu dengan menggunakan Algritma Support Vector Machine (SVM) dan Algoritma K-Nearest Neighbor (KNN) . Metode Support Vector Machine (SVM), yaitu merupakan sistem pembelajaran dengan menggunakan ruang hipotesis yang berupa fungsi-fungsi linear didalam sebuah fitur yang memiliki dimensi tinggi dan dilatih menggunakan algoritma pembelajaran yang berdasarkan teori optimasi (Monika Parapat & Tanzil Furqon, 2018). K-Nearest Neighbor Algoritma K-Nearest Neighbor (KNN) merupakan sebuah metode untuk melakukan klasifikasi terhadap objek berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek tersebut (Raysyah et al., 2021) 2. METODE Orange Data Mining adalah perangkat lunak open-source yang dirancang untuk menganalisis dan melakukan pengembangan data dengan pendekatan yang intuitif dan mudah digunakan. Aplikasi ini memungkinkan pengguna dari berbagai latar belakang, termasuk ilmuwan data, peneliti, mahasiswa, dan pengguna pemula, untuk memproses dan memahami data mereka dengan lebih efisien. 2.1. Data Mining Process Hasil simulasi 2 model prediksi, data yang telah melalui tahap preprocessing selanjutnya dilakukan pengujian untuk mendapatkan model prediksi terbaik. Model prediksi yang telah dilakukan pengujian dan evaluasi dengan menggunakan kumpulan data uji pada aplikasi orange dimana 1 atribut sebagai targetnya. Model prediksi buah matang dapat dianalisa menggunakan orange tool untuk memilih metode terbaik. Model prediksi dataimage. Setelah dilakukan preprocessing data, maka selanjutnya dataiamge diproses kedalam model prediksi pada software orange dengan menggunakan metode K-NN dan SVM 2023-11-01T00:00:00Z http://repository.potensi-utama.ac.id/jspui/jspui/handle/123456789/6081 Title: DETEKSI PENGENALAN WAJAH ORANG BERBASIS AI COMPUTER VISION Authors: Rika, Rosnelly Abstract: Teknologi kecerdasan buatan (AI) telah menjadi perhatian utama dalam penerapan Personal Identification (PI). Visi komputer sebagai subkategori AI bertujuan untuk mengekstrak informasi yang berguna dari gambar. Pengenalan wajah menjadi penting karena kompleksitas wajah manusia yang memiliki ciri-ciri berbeda. Penelitian ini berfokus pada pengenalan dan verifikasi wajah menggunakan computer vision dengan tujuan mendeteksi dan mengenali citra wajah seseorang secara akurat. Algoritma Histogram of Oriented Gradients (HOG) digunakan sebagai solusi praktis untuk meningkatkan efisiensi dan efektivitas dalam bidang keamanan dan aplikasi lainnya. Penelitian ini berkontribusi dalam mengembangkan teknik dan metode yang lebih baik untuk deteksi wajah dan pengolahan gambar dalam bidang teknologi informasi, khususnya dalam aplikasi pengenalan wajah. Hasil dari perancangan dan pengujian deteksi pengenalan dan verifikasi wajah berbasis computer vision menunjukkan bahwa program yang dibuat dari model algoritma HOG dengan fitcecoc multiclass SVM mampu mendeteksi citra wajah orang dengan baik setelah melewati proses testing, dengan tingkat akurasi mencapai 98.5714%. Description: Kemajuan teknologi artificial intelligence (AI) yang cukup signifikan telah menjadi perhatian untuk penerapan Personal Identification (PI). Sebagai teknologi berbasis AI, banyak aplikasi personal identification telah diperluas ke berbagai bidang seperti ilmu forensik, biometrik, medis dan pendidikan [1]. AI atau kecerdasan buatan adalah bidang ilmu komputer yang mempelajari kecerdasan manusia untuk menciptakan kecerdasan buatan yang mampu memecahkan masalah. Visi komputer adalah subkategori kecerdasan buatan (AI). Tujuan dari visi komputer adalah untuk mengekstrak informasi yang berguna dari gambar[2]. Sejumlah sistem telah dikembangkan yang memanfaatkan kemampuan pengenalan wajah, termasuk entri dan kontrol yang aman, pemrosesan gambar, dan visi komputer, penemuan komputasi yang membantu menciptakan sistem yang mendekati sistem visual manusia.. Pemrosesan citra dan visi komputer sekarang sering digunakan di perusahaan atau institusi untuk meningkatkan sistem keamanan berdasarkan data karakteristik fisik atau perilaku yang disebut biometrik [3]. Wajah Itu adalah bagian dari manusia yang memiliki karakteristik berbeda. Karena wajah manusia mewakili sesuatu yang kompleks, sangat penting untuk mengembangkan model komputer yang sempurna untuk pengenalan wajah. Salah satunya adalah kebutuhan dalam industri keamanan untuk mengidentifikasi informasi pribadi individu, mengisi daftar hadir dengan menggunakan pemindai wajah, dan membuka pintu dengan menggunakan wajah [4]. 2023-06-01T00:00:00Z http://repository.potensi-utama.ac.id/jspui/jspui/handle/123456789/5718 Title: Utilization of Digital Image and Convolution Neural Network Algorithm in Customer Satisfaction Survey with Facial Expressions Authors: Rika, Rosnelly Abstract: The human face provides us with a lot of information about a person, and arguably the two most important pieces of information in a face are a person's identity and their emotional state. Judgments of identity and emotion facilitate social interactions. Services are a crucial part of the activities of all organizations, especially those in the service sector. Good services support customer satisfaction and ultimately impact the progress of the organization. The Convolutional Neural Network algorithm has become the most widely used neural architecture in various tasks, including image classification, audio pattern recognition, machine translation of text, and speech recognition. The data groups (angry, fearful, happy, neutral, sad, and surprised) tested with a threshold value of 30 epochs achieved a loss (error) accuracy of 1.5146 on the test data. The accuracy on the test data is 0.61. The proposed Convolutional Neural Network algorithm and digital image utilization achieved high accuracy performance to assist in evaluating a service-related field Description: The human face provides us with a lot of information about someone, and it can be said that the two most important pieces of information in a face are identity and emotional state. Assessing identity and emotions facilitates social interactions (Noyes et al., 2021). Facial expression recognition has become important with the advancement of technology in computers, mobile phones, robots, and so on. This advancement has made human-technology interactions increasingly unavoidable. By using facial expressions, systems can be developed to recognize customer satisfaction, among other things (Alamsyah et al., 2020). Customer service is a crucial part of all organizations, especially those in the service sector, and good service supports customer satisfaction, ultimately leading to the progress of the respective organization. Consumer satisfaction as an implication of service maximization has been extensively researched both in service and non-service companies (Badar et al., 2021). Segmentation refers to partitioning an image into several parts based on similarity of characteristics or uniformity. Its usefulness is particularly significant in image analysis and digital image processing applications (Anwar et al., 2021). Digital Image Processing is a discipline that studies techniques for processing images, which can be images or videos (Anwar et al., 2021) Segmentation refers to partitioning an image into several parts based on similarity of characteristics or uniformity. Its usefulness is particularly significant in image analysis and digital image processing applications (Anwar et al., 2021). Digital Image Processing is a discipline that studies techniques for processing images, which can be images or videos (Fakultas et al., 2020) Classification is one of the techniques in data mining that involves the concept of neural networks, where the artificial neural network, often referred to as Convolutional Neural Network (CNN), undergoes validation processes with training and test data. The process of neural networks involves classification with guidance (Sari Hutagalung et al., 2023). Convolutional Neural Network (CNN) has become the most widely used neural architecture in various tasks, including image classification, audio pattern recognition, machine translation of texts, and speech recognition (Zhu et al., n.d.) Based on human knowledge in distinguishing facial expressions, this research will explore the utilization of digital image of human facial expressions with Convolutional Neural Network Algorithm in a survey of customer satisfaction towards a service. 2023-08-30T00:00:00Z