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.

Deteksi Penyakit pada Tanaman Padi Menggunakan Pengolahan Citra Digital dengan Metode Convolutional Neural Network Santosa, Atharizky Ade; Fu'adah, R Yunendah Nur; Rizal, Syamsul
JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING Vol. 6 No. 2 (2023): 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.v6i2.7930

Rice plant is one of the important factors in supporting human life. When it starts to grow, of course, rice plants also often face problems such as pests or diseases that cause plants to die and lead to crop failure. So proper handling is needed to overcome the disease in rice plants. One of the treatments that can be done is by detecting diseases in rice plants, so that farmers can provide appropriate treatment for these problems. The research data will be processed through several stages, then the dataset used in this study consists of three classes of rice plant diseases, namely, bacterial leaf blight, brown spot, leaf smut and one class of healthy/healthy rice plants with a total of 16000 datasets collected from sources www.kaggle.net and previous research. The parameters tested in this study, namely hidden layer and optimizer affect system performance in the form of accuracy, precision, recall, fl-score, and loss values. In this study, the best results were obtained by using four hidden layers and Adam optimizer. Accuracy was 99.66%, precision, recall, fl-score was 99.66%. 100% and a loss of 0.0047 as well as a graph of the accuracy and loss performance in a good fit.

Title

Found 8 Documents
Search
Journal : JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 8 Documents Search Journal : JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 8 Documents
Search
Journal : JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING