Article Per Year (5 Year)
p-Index From 2021 - 2026
0.92
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Informatika Komputer UG Journal TELKOMNIKA (Telecommunication Computing Electronics and Control) CESS (Journal of Computer Engineering, System and Science) Jurnal Ilmiah KOMPUTASI Media Jurnal Informatika Jurnal Profesi Insinyur Universitas Lampung Jurnal Pengabdian Kepada Masyarakat Darma Saskara
Desti Riminarsih
Universitas Gunadarma
Agriculture, Biological Sciences & Forestry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Social Sciences

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Jurnal Ilmiah Informatika Komputer

 1 
KLASIFIKASI CITRA GENUS PANTHERA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) Anwar, Gusti Alfahmi; Riminarsih, Desti
Jurnal Ilmiah Informatika Komputer Vol 24, No 3 (2019)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2019.v24i3.2364

Abstract

Panthera merupakan genus dari keluarga kucing yang memiliki empat spesies popular yaitu, harimau, jaguar, macan tutul, singa. Singa memiliki warna keemasan dan tidak memilki motif, harimau memiliki motif loreng dengan garis-garis panjang,  jaguar memiliki tubuh yang lebih besar dari pada macan tutul serta memiliki motif tutul yang lebih lebar, sedangkan macan tutul memiliki tubuh yang sedikit lebih ramping dari pada jaguar dan memiliki tutul yang tidak terlalu lebar. Pada penelitian ini dilakukan klasifikasi genus panther yaitu harimau, jaguar, macan tutul, dan singa menggunakan metode Convolutional Neural Network. Model Convolutional Neural Network yang digunakan memiliki 1 input layer, 5 convolution layer, dan 2 fully connected layer. Dataset yang digunakan berupa citra harimau, jaguar, macan tutul, dan singa. Data training terdiri dari  3840 citra, data validasi sebanyak 960 citra, dan data testing sebanyak 800 citra. Hasil akurasi dari pelatihan model untuk training yaitu 92,31% dan validasi yaitu 81,88%, pengujian model menggunakan dataset testing mendapatan hasil 68%. Hasil akurasi prediksi didapatkan dari nilai F1-Score pada pengujian didapatkan sebesar 78% untuk harimau, 70% untuk jaguar, 37% untuk macan tutul, 74% untuk singa. Macan tutul mendapatkan akurasi terendah dibandingkan 3 hewan lainnya tetapi lebih baik dibandingkan hasil penelitian sebelumnya.
KLASTERISASI GRAF MENGGUNAKAN METODE MARKOV CLUSTER ALGORITHM (MCL) Riminarsih, Desti; Sari, Ilmiyati; Andriani, Feni
Jurnal Ilmiah Informatika Komputer Vol 22, No 3 (2017)
Publisher : Universitas Gunadarma

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

Abstract

Analisis klaster merupakan salah satu teknik yang banyak digunakan untuk mengenali kelompok alami dalam suatu kelas entitas. Salah satu metode analisis klaster pada graf adalah metode MCL. Pada penelitian ini dijelaskan algoritma MCL dan contoh penerapan pada klasterisasi graf. MCL merupakan suatu simulasi aliran pada random walk hingga ditemukannya klaster. Algoritma diawali dengan menentukan representasi graf dalam bentuk associated matrix. Langkah berikutnya adalah menentukan matriks Markov berdasarkan pada associated matrix. Tahap berikutnya adalah operasi ekspansi pada matriks Markov yang dilanjutkan dengan operasi inflasi pada matriks hasil ekspansi. Langkah berikutnya adalah mengecek apakah sudah sesuai dengan kriteria konvergensi. Jika kondisi konvergensi belum tercapai maka proses diulang kembali dari tahap operasi ekspansi matriks.  Kata Kunci:   Graf, Klasterisasi, Markov Chain, Matriks, Operator Inflasi, Random Walk.
ANALISIS SENTIMEN TERHADAP PELAYANAN KRL COMMUTERLINE BERDASARKAN DATA TWITTER MENGGUNAKAN ALGORTIMA BERNOULLI NAIVE BAYES Saraswati, Mediana; Riminarsih, Desti
Jurnal Ilmiah Informatika Komputer Vol 25, No 3 (2020)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2020.v25i3.3256

Abstract

Sektor pelayanan publik merupakan sektor strategis sebagai indikasi tata kelola pemerintahan yang baik. KRL Commuterline merupakan salah satu sektor pelayanan publik pada bidang transportasi yang banyak digunakan oleh masyarakat. Media sosial khususnya Twitter merupakan wadah masyarakat untuk berinteraksi, berbagi informasi bahkan mengemukakan opini mereka terhadap pelayanan KRL. Opini masyarakat terhadap pelayanan KRL Commuterline dapat dijadikan sebagai evaluasi dalam peningkatan kualitas layanan. Pada penelitian ini dilakukan analisis sentimen masyarakat terhadap pelayanan KRL Commuterline berdasarkan data yang diperoleh dari Twitter. Analisis sentimen ini bertujuan untuk mengklasifikasikan tweets mengenai pelayanan KRL Commuterline ke dalam sentimen positif dan negatif dengan pendekatan machine learning menggunakan algoritma Bernoulli Naive Bayes. Data latih yang digunakan sebanyak 2.690 data dan data validasi sebanyak 1.626 data tweets. Pada proses pelatihan model diperoleh tingkat akurasi pelatihan sebesar 86,36% dan tingkat akurasi validasi sebesar 85,73%. Pengujian model dilakukan menggunakan 20 tweets baru dan diperoleh tingkat akurasi sebesar 85%.
IDENTIFIKASI PENYAKIT PNEUMONIA BERDASARKAN CITRA CHEST X-RAY MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK Nadya Putri Ekananda; Desti Riminarsih
Jurnal Ilmiah Informatika Komputer Vol 27, No 1 (2022)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2022.v27i1.6487

Abstract

Perkembangan teknologi digital telah mempengaruhi banyak bidang. Salah satunya dalam bidang kesehatan. Teknologi digital dalam bidang kesehatan banyak digunakan untuk menganalisis organ tubuh manusia bagian dalam yang sulit dilihat, menemukan obat yang tepat untuk mengobati penyakit, mendiagnosa penyakit dan masih banyak lagi. Salah satu hasil pemeriksaan yang dimanfaatkan oleh teknologi adalah hasil citra X-ray. Penyakit yang menggunakan hasil citra X-ray salah satunya adalah pneumonia. Pneumonia adalah infeksi akut pada jaringan paru-paru (alveoli). Gejala pneumonia adalah demam, sesak nafas, dahak berwarna kehijauan, serta gambaran hasil chest X-ray memperlihatan kepadatan pada bagian paru. Hasil citra chest X-ray diperiksa secara manual dan membutuhkan pencahayaan yang baik oleh dokter. Oleh karena itu, tujuan penelitian ini adalah mengimplementasikan algoritma Convolutional Neural Network (CNN) untuk mengidentifikasi penyakit pneumonia berdasarkan citra chest X-ray yang didahului dengan peningkatan kualitas citra menggunakan histogram equalization. Pada model convolutional neural network ini digunakan 5.879 citra chest X-ray, diantaranya 5.255 citra chest X-ray untuk pelatihan dan 624 citra chest X-ray digunakan untuk pengujian. Pada proses pelatihan model diperoleh tingkat akurasi sebesar 97,16%. Pada pengujian model diperoleh tingkat akurasi sebesar 88.46%.
Co-Authors Achmad Benny Mutiara Achmad Fahrurozi Anwar, Gusti Alfahmi Bambang Wahyudi Cut Maisyarah Karyati Dina Indarti Ernastuti Ernastuti Fachry Abda El Rahman Ilmiyati Sari Nadya Putri Ekananda Nugraha, Alfin Nurma Nugraha Rifki Kosasih Saraswati, Mediana Syah Putra, Subhan