Garuda - Garba Rujukan Digital

TEA LEAVES GMB SERIES CLASIFFICATION USING CONVOLUTIONAL NEURAL NETWORK Rizal, Syamsul; Pratiwi, Nor Kumalasari Caecar; Ibrahim, Nur; Vidya, Hurianti; Saidah, Sofia; Fu'adah, R Yunendah Nur
JESCE (JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING) Vol 3, No 2 (2020): Journal Of Electrical And System Control Engineering Februari
Publisher : Universitas Medan Area

This study classifies GMB series tea leaves by using a convolutional neural network as a classification system. GMB series tea are the superior tea seeds in Indonesia. Gambung series, namely: GMB 1 to GMB 11, are planting material seeds that have been recommended by the Ministry of Agriculture. The potential of these tea series yield of 4,000 - 5,800 kg / ha of dried tea. The morphological similarity level of GMB 1 to GMB 11 is very high, because many elders from the clones are from the same crossing parents. During this time, the process of identifying GMB clones 1 through GMB 11 is done manually using the visual eye of an experts at PPTK Gambung. These experts are limited to be able to identify each tea series. This process is susceptible to errors in the reading of clone types, and is very dependent on the presence of the experts. If an error occurs in the process of identifying the type of clone, it will interfere with the nursery process. Errors in the selection of recommended clones will harm the process of a long period of time, because the economic age of tea plants can reach until 50 years. The potential loss of production due to misuse of plant material can reach 1,200 kg / ha per year. Against the background of these problems, it is very necessary to have a system to identify the GMB series clone. Continuous studies has been conducted to build an automation system for the identification and classification of GMB series tea clones. The system is designed using the Convolutional Neural Network (CNN) method. The results obtained from this system output in the form of accuracy with a value of 85%.

DENOISING SINYAL ECG DENGAN METODE EMPIRICAL MODE DECOMPOSITION Pratiwi, Nor Kumalasari Caecar; Suhartono, Efri; Magdalena, Rita; Fu?adah, Yunendah Nur; Sari, Febriani Ruming
JESCE (JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING) Vol 3, No 2 (2020): Journal Of Electrical And System Control Engineering Februari
Publisher : Universitas Medan Area

Sinyal electrocardiogram (ECG) mengandung informasi yang menggambarkan kondisi kesehatan jantung. Irama jantung yang tidak teratur atau kerusakan pada otot jantung dapat berdampak pada aktivitas listrik jantung sehingga mengubah bentuk sinyal ECG. Pengukuran menggunakan ECG sering dipengaruhi oleh noise yang tidak diinginkan. Noise yang diperoleh saat pengukuran ini tidak dapat dihilangkan dengan metode filter yang sederhana. Penelitian ini akan mengetahui performansi metode Empirical Mode Decomposition (EMD) untuk denoising pada sinyal ECG. Dataset sinyal ECG dan beberapa noise diambil dari database MIT-BIH arrhythmia dengan variasi besar Signal to Noise Ratio (SNR) input sebesar 20 dB, 25 dB dan 30 dB. Noisy sinyal yang difilter menggunakan EMD didapatkan hasil terbaik pada iterasi ke-4, karena jika diteruskan ke-iterasi selanjutnya, output dari hasil denoised sinyal akan menjadi datar. Hasil pengujian diperoleh bahwa nilai Mean Square Error (MSE) 0.0035 dB dan SNR 25.12 dB pada noise input 20 dB, MSE 0.0016 dB dan SNR 26.44 dB pada noise input 25 dB, MSE 0.002 dB dan SNR 27.5 dB pada noise input sebesar 30 dB. Dengan demikian, dapat dikatakan bahwa sistem denoising sinyal ECG menggunakan empirical mode decomposition dapat bekerja secara efektif dan mampu menghilangkan noise.

KLASIFIKASI DIABETIC RETINOPATHY BERBASIS PENGOLAHAN CITRA FUNDUS DAN DEEP LEARNING Syafiq Hilmi Abdullah; Rita Magdalena; R Yunendah Nur Fu'adah
JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING Vol 5, No 2 (2022): Journal of Electrical and System Control Engineering
Publisher : Universitas Medan Area

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31289/jesce.v5i2.5659

Retinopati Diabetik merupakan salah satu penyakit pada retina mata yang disebabkan oleh adanya komplikasi pada penyakit diabetes di mana terdapat kerusakan pembuluh darah pada retina sehingga mengalami penumpukan cairan (eksudat) serta pendarahan pada retina. Pemeriksaan medis untuk mendeteksi penyakit retinopati diabetik membutuhkan waktu yang relatif lama karena dilakukan secara manual oleh dokter dengan mengamati citra fundus dari retina pasien, namun citra fundus retina tidak dapat memberikan informasi secara jelas. Oleh karena itu, dilakukan perancangan sistem Convolutional Neural Network (CNN) menggunakan model EfficientNet untuk melakukan klasifikasi dengan waktu yang efektif dan efisien. Dataset yang digunakan adalah APTOS 2019 Blindness Detection berisi 3662 citra RGB yang terbagi dalam 5 kelas, yaitu No DR, mild NPDR, moderate NPDR, severe NPDR, dan proliferate DR. Hasil akhir menunjukkan model terbaik menggunakan optimizer AdaMax, learning rate 0.001, dan batch size 32 dengan akurasi sebesar 82.096%, nilai presisi sebesar 67.6%, nilai recall sebesar 63.4%, dan f-1 score sebesar 64.6%. Berdasarkan hasil penelitian, kinerja sistem menunjukkan bahwa model yang dibuat dapat dijadikan sistem deteksi dini serta mengurangi waktu pemeriksaan medis pada pasien penyakit Retinopati Diabetik.

PERANCANGAN DAN IMPLEMENTASI ALAT PENGUKUR KADAR NATRIUM DALAM CAIRAN Miftahul Fawaz; Raditiana Patmasari; R Yunendah Nur Fuadah; Azis Ansori Wahid
JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING Vol 4, No 2 (2021): Journal of Electrical And System Control Engineering
Publisher : Universitas Medan Area

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31289/jesce.v4i2.4199

Elektrolit adalah senyawa yang sangat penting untuk mendukung proses metabolisme dalam tubuh. Alat untuk melakukan pengukuran kadar elektrolit dalam darah biasa disebut Electrolyte Analyzer. Alat yang tersedia saat ini memiliki harga yang relatif mahal dikarenakan harus di import dari luar negeri. Oleh karena itu, penulis mencoba membuat perangkat pendeteksi elektrolit yang sederhana. Komponen terpenting dari alat ini adalah Ion Selective Electrode untuk mengukur tegangan dalam cairan elektrolit. Selain itu, terdapat komponen pendukung seperti multimeter. Setelah mendapatkan data, data akan dibagi menjadi 2 yaitu data uji dan data latih untuk mengelompokan kadar elektrolit. Pengelompokan menggunakan metode klasifikasi k-Nearest Neighbour (k-NN) ke dalam kondisi normal, hipoatremia, dan hiperatremia. Hasil akhir dari penelitian ini adalah sebuah alat yang digunakan untuk melakukan pengukuran kadar elektrolit dalam cairan dan dikelompokan dengan Matlab. Data diambil dari cairan sampel dengan konsentrasi 110, 115, 120, 125, 130, 135, 140, 145, 150, dan 154 mmol/L. Pengujian yang dilakukan adalah penentuan nilai kadar elektrolit dan pengujian waktu kalibrasi yang memperoleh tingkat akurasi 99,7% dengan skema melalukan kalibrasi setiap satu kali pembacaan cairan sampel. Sedangkan untuk pengelompokan, nilai akurasi tertinggi adalah 75% dengan menggunakan metode k-NN dengan pengukuran jarak Euclidean, City-Block, Chebychev, dan Minkowski dengan nilai k=1 dan k=3.

TEA LEAVES GMB SERIES CLASIFFICATION USING CONVOLUTIONAL NEURAL NETWORK Syamsul Rizal; Nor Kumalasari Caecar Pratiwi; Nur Ibrahim; Hurianti Vidya; Sofia Saidah; R Yunendah Nur Fu'adah
JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING Vol 3, No 2 (2020): Journal Of Electrical And System Control Engineering Februari
Publisher : Universitas Medan Area

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31289/jesce.v3i2.3320

This study classifies GMB series tea leaves by using a convolutional neural network as a classification system. GMB series tea are the superior tea seeds in Indonesia. Gambung series, namely: GMB 1 to GMB 11, are planting material seeds that have been recommended by the Ministry of Agriculture. The potential of these tea series yield of 4,000 - 5,800 kg / ha of dried tea. The morphological similarity level of GMB 1 to GMB 11 is very high, because many elders from the clones are from the same crossing parents. During this time, the process of identifying GMB clones 1 through GMB 11 is done manually using the visual eye of an experts at PPTK Gambung. These experts are limited to be able to identify each tea series. This process is susceptible to errors in the reading of clone types, and is very dependent on the presence of the experts. If an error occurs in the process of identifying the type of clone, it will interfere with the nursery process. Errors in the selection of recommended clones will harm the process of a long period of time, because the economic age of tea plants can reach until 50 years. The potential loss of production due to misuse of plant material can reach 1,200 kg / ha per year. Against the background of these problems, it is very necessary to have a system to identify the GMB series clone. Continuous studies has been conducted to build an automation system for the identification and classification of GMB series tea clones. The system is designed using the Convolutional Neural Network (CNN) method. The results obtained from this system output in the form of accuracy with a value of 85%.

ANALISIS PERFORMANSI SISTEM KLASIFIKASI KANKER KULIT MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK Dian Ayu Nurlitasari; Rita Magdalena; R Yunendah Nur Fu'adah
JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING Vol 5, No 2 (2022): Journal of Electrical and System Control Engineering
Publisher : Universitas Medan Area

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31289/jesce.v5i2.5691

Kanker kulit adalah salah satu kanker ganas yang banyak ditemukan di Indonesia dan dapat menyebabkan kematian. Diagnosis kanker kulit dilakukan secara manual oleh dokter kulit melalui proses biopsi dan mikroskopis, namun proses ini memakan waktu lama dan membawa risiko kecelakaan selama proses biopsi. Sedangkan diagnosis dini menunjukkan lebih dari 90% dapat disembuhkan, dan diagnosis yang terlambat menunjukkan kurang dari 50% dapat disembuhkan.Pada Tugas Akhir ini diusulkan metode Convolutional Neural Network (CNN) menggunakan arsitektur Alexnet untuk mengklasifikasikan kanker kulit. Eksperimen dilakukan dengan menggunakan dataset yang diperoleh dari dataset International Skin Imaging Collaboration (ISIC) sebanyak 4000 citra kondisi kanker kulit dermatofibroma, melanoma, nevus pig-mentosus, dan karsinoma sel skuamosa, yang terdiri dari 1000 citra di setiap kelas. Dataset tersebut akan digunakan sebagai data latih dan data validasi dengan distribusi persentase data latih 80% dan data validasi 20%. Jadi jumlah data latih yang digunakan adalah 3200 citra kanker kulit. Sedangkan jumlah data validasi yang digunakan adalah 800 citra. Parameter terbaik yang digunakan dalam sistem klasifikasi kanker kulit ini antara lain menggunakan ukuran citra 64x64 piksel pada proses pre-processing, menggunakan Adam optimizer, learning rate 0,0001, epoch 20 dan batch size 16. Hasil pengujian menunjukkan bahwa sistem dapat mengklasifikasikan kulit kanker menurut kelasnya, dengan tingkat akurasi 99,50%, nilai presisi dan recall 99,75%, nilai f1-score 99,50%, dan nilai loss 0,0223. Berdasarkan hasil kinerja sistem, menunjukkan bahwa model yang dibuat menjanjikan untuk menjadi alat deteksi dini kanker kulit oleh dokter kulit dan dapat membantu mengurangi resiko keterlambatan diagnosis dini.

DENOISING SINYAL ECG DENGAN METODE EMPIRICAL MODE DECOMPOSITION Nor Kumalasari Caecar Pratiwi; Efri Suhartono; Rita Magdalena; Yunendah Nur Fu’adah; Febriani Ruming Sari
JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING Vol 3, No 2 (2020): Journal Of Electrical And System Control Engineering Februari
Publisher : Universitas Medan Area

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31289/jesce.v3i2.3272

Sinyal electrocardiogram (ECG) mengandung informasi yang menggambarkan kondisi kesehatan jantung. Irama jantung yang tidak teratur atau kerusakan pada otot jantung dapat berdampak pada aktivitas listrik jantung sehingga mengubah bentuk sinyal ECG. Pengukuran menggunakan ECG sering dipengaruhi oleh noise yang tidak diinginkan. Noise yang diperoleh saat pengukuran ini tidak dapat dihilangkan dengan metode filter yang sederhana. Penelitian ini akan mengetahui performansi metode Empirical Mode Decomposition (EMD) untuk denoising pada sinyal ECG. Dataset sinyal ECG dan beberapa noise diambil dari database MIT-BIH arrhythmia dengan variasi besar Signal to Noise Ratio (SNR) input sebesar 20 dB, 25 dB dan 30 dB. Noisy sinyal yang difilter menggunakan EMD didapatkan hasil terbaik pada iterasi ke-4, karena jika diteruskan ke-iterasi selanjutnya, output dari hasil denoised sinyal akan menjadi datar. Hasil pengujian diperoleh bahwa nilai Mean Square Error (MSE) 0.0035 dB dan SNR 25.12 dB pada noise input 20 dB, MSE 0.0016 dB dan SNR 26.44 dB pada noise input 25 dB, MSE 0.002 dB dan SNR 27.5 dB pada noise input sebesar 30 dB. Dengan demikian, dapat dikatakan bahwa sistem denoising sinyal ECG menggunakan empirical mode decomposition dapat bekerja secara efektif dan mampu menghilangkan noise.

Klasifikasi Glaukoma Menggunakan Artificial Neural Network Alva Rischa Qhisthana Pratika; Rita Magdalena; R Yunendah Nur Fuadah
Jurnal Ilmiah FIFO Vol 12, No 2 (2020)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2020.v12i2.007

Abstract Glaucoma is an eye disease caused by increased eyeball pressure resulting in damage to the optic nerve and the second leading cause of blindness after cataracts. Nerve damage often occurs without symptoms so that an early examination can reduce the risk of glaucoma. Therefore, the authors designed a glaucoma detection system through eye fundal images that can facilitate the detection of glaucomaby extracting various features like Rim to Disc Ratio, Cup to Disc Ratio (CDR), Vertical Cup to Disc Ratio (VCDR), Horizontal Cup to Disc Ratio (HCDR), and Horizontal to Vertical CDR (H-V CDR) with Morphological Operations dan Thresholding for segmentation of Optic Disc (OD) and Optic Cup (OC). Artificial Neural Network (ANN) is used as a classifier of glaucoma. Through this method, the test data can be divided into two classifications namely normal eyes and glaucoma eyes. 62 pieces of data will be trained and 62 pieces of data will be tested. The results obtained aim to facilitate early detection of glaucoma eyes. Accuracy on training data reaches 100% and accuracy in this study is reached 93.5484%.Keyword: Glaucoma, Morphological Operation, Thresholding, Artificial Neural Network AbstrakGlaukoma adalah penyakit mata yang disebabkan oleh peningkatan tekanan bola mata sehingga terjadi kerusakan saraf optik dan dapat menyebabkan kebutaan nomor dua setelah katarak. Kerusakan saraf sering terjadi tanpa gejala sehingga pemeriksaan dini dapat mengurangi resiko dari glaukoma. Oleh karena itu, penulis merancang suatu sistem untuk mendeteksi glaukoma melalui citra fundus mata dengan mengekstraksi beberapa fitur yaitu Rim to Disc Ratio, Cup to Disc Ratio (CDR), Vertical Cup to Disc Ratio (VCDR), Horizontal Cup to Disc Ratio (HCDR), dan Horizontal to Vertical CDR (H-V CDR) dengan mengsegmentasi Optic Disc (OD) dan Optic Cup (OC) dengan menggunakan metode Morphological Operations dan Thresholding. Artificial Neural Network (ANN) digunakan sebagai metode klasifikasi glaukoma. Melalui metode tersebut, data uji dapat dibagi dalam dua klasifikasi yaitu mata normal dan mata glaukoma. Data latih yang akan diambil sebanyak 62 buah dan data uji yang akan diambil sebanyak 62 buah. Hasil yang diperoleh bertujuan untuk memudahkan mendeteksi secara dini mata glaukoma. Akurasi pada data latih mencapai 100% dan akurasi pada data uji mencapai 93,5484%.Kata kunci: Glaukoma, Morphological Operation, Thresholding, Artificial Neural Network

Perancangan dan Pembuatan Aplikasi Ketahanan Pangan pada Masa Pandemi Covid-19 Berbasis Android di Desa Sukapura Rd Rohmat Saedudin; Avon Budiono; Edi Sutoyo; Siti Hajar Komariah; Wawan Tripiawan; M Teguh Kurniawan; R Yunendah Nur Fuadah; Rahmiati Aulia
Charity : Jurnal Pengabdian Masyarakat Vol 4 No 2 (2021): Charity-Jurnal Pengabdian Masyarakat
Publisher : PPM Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/charity.v4i2.3527

Desa Sukapura dengan potensi yang ada sekarang ini, yaitu Warung kurang lebih 500 warung termasuk (warteg dan warung makan). Jumlah penduduk asli sekitar 11.370 penduduk, pendatang/mahasiswa lebih dari 10rb sehingga potensi jumlah warga yang ada di Desa Sukapura sekitar 25 ribu orang. Berdasarkan data 2018, rata-rata kebutuhan makan warga Desa Sukapura sebesar Rp 25.000/ jiwa/ hari. Sehingga dengan estimasi kasar saja keperluan makan/ pangan warga sukapura adalah 625 juta rupiah per hari atau sekitar 225 milyar rupiah per tahun. Sebagaimana umumnya desa-desa di wilayah Kabupaten Bandung, Desa Sukapura dalam 3 bulan terakhir tidak terlepas dari dampak pandemi covid-19. Nilai potensi dan perputaran ekonomi di bidang pangan yang cukup besar ini di Desa Sukapura, dalam 3 bulan terakhir secara signifikan terdampak oleh kebijakan PSBB, social distance, stay at home, akibat pandemic covid-19. Warga desa banyak yang kehilangan penghasilan, daya beli menurun, kekurangan pasokan dan stok pangan, roda usaha mikro, kecil, dan menengah seperti warung turun drastis omsetnya sampai hanya tinggal 30-40% saja. Banyak program yang sudah digulirkan oleh pemerintahan Desa Sukapura baik program mandiri maupun dalam rangka mendukung program pemerintahan di atasnya khususnya terkait penganggulangan penyebaran pandemi covid-19 dan mengatasi dampak yang ditimbulkannya dan dirasakan oleh warga. Salah satu hal utama yang mendapat perhatian pemerintah, selain pencegahan dan pengetatan penyebaran wabah Covid-19 ini adalah terkait Ketahanan Pangan warga nya dalam kondisi pandemi yang sedang berlangsung berkepanjangan. Untuk mencukupi ketersediaan dan kecukupan stok pangan dengan harga murah terjangkau, pihak Desa menggandeng pihak ke-3, yaitu PT Satoe Juara untuk menyediakan dan memenuhi kebutuhan warga akan sembako murah (beras, minyak goreng, gula, garam, telor, dll). Permasalahan supplier dan stok bahan baku murah bisa diatasi, timbul permasalahan baru mengingat daya beli masyarakat turun, pola distribusi dan penjualan tidak bisa konvensional sebebas dan seperti biasa di tengah kebijakan-kebijakan pencegahan pandemic covid-19. Perlu di desain proses bisnis Kerjasama tripatrit dalam rangka mensukseskan program ketahanan pangan ini, yaitu pemerintahan (dalam hal ini Pemerintahan Desa Sukapura), Supplier Sembako Murah, UMKM (para pemilik warung) untuk distribusi sembako murah, dan warga sebagai konsumen dan pengguna sembako. Bagaimana caranya, program keekonomian rakyat seperti ini dapat berjalan di tengah kebijakan pembatasan social berskala besar (PSBB), social distance dan stay at home sebagai akibat pandemi Covid-19 dengan menggalakan perekonomian berbasis transaksi online dan delivery order. Hal ini demi menjaga jarak sosial dan mentaati kewajiban tinggal dirumah untuk mencegah, membatasi dan menghentikan penyebaran Covid-19. Program aplikasi ketahanan pangan perlu di rancang bangun dan dibuat untuk menghubungkan konsumen ke penyedia pangan melalui pemesanan online ke agen terdekat dengan memanfaatkan jasa delivery oleh pihak kurir jasa pengantar makanan

IMPLEMENTASI METODE DISCRETE WAVELET TRANSFORM (DWT) DALAM SISTEM IDENTIFIKASI TELAPAK KAKI MANUSIA DENGAN KLASIFIKASI SUPPORT VECTOR MACHINE (SVM) Adinda Maulida; Rita Magdalena; Yunendah Nur Fu’adah
PROSIDING SNAST Prosiding SNAST 2018
Publisher : IST AKPRIND Yogyakarta

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

Tvelhe deopment of information and technology have a good impact in modern life. One of them is the introduction of individuals created automatically to facilitate the search for information related to identity. In order not to difficult identification of individuals properly, used methods of recognizing physical characteristics to identify individuals or commonly known as biometrics. Many physical features can be used, such as fingerprints, nasal bones, teeth, and so on as long as they are still members of the body. One is the sole of the foot. Discrete Wavelet Transform (DWT) is a computation method that can be used to support digital identification system. In this study the steps to obtain the parameters required to achieve optimal accuracy include the acquisition of footprint image data, pre-processing, DWT feature extraction to the classification process using the Support Vector Machine (SVM). The process of classification and class determination using SVM algorithm by changing kernel parameters in each test. The highest accuracy of the system used in this final project is the SVM OAO of 72% with the fastest computation time of 66.72 seconds so that the algorithm can be said optimally in the system..

Title

Found 59 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 59 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 59 Documents
Search