Article Per Year (5 Year)
p-Index From 2021 - 2026
2.22
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Jurnal Ilmiah Informatika Komputer UG Journal International Journal of Advances in Intelligent Informatics Jurnas Nasional Teknologi dan Sistem Informasi CESS (Journal of Computer Engineering, System and Science) Jurnal Ilmiah KOMPUTASI Journal of Social Research Postulat : Jurnal Inovasi Pendidikan Matematika International Journal of Scientific and Professional ICONESTH Jurnal Pengabdian Kepada Masyarakat Darma Saskara
Dina Indarti
Universitas Gunadarma
Agriculture, Biological Sciences & Forestry Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Engineering Health Professions Languange, Linguistic, Communication & Media Mathematics Medicine & Pharmacology Neuroscience Nursing Public Health Social Sciences Other

Published : 16 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Jurnal Ilmiah Informatika Komputer

 1 
PENGENALAN OBJEK PADA CITRA BERDASARKAN SIMILARITAS KARAKTERISTIK KURVA SEDERHANA Indarti, Dina
Jurnal Ilmiah Informatika Komputer Vol 20, No 2 (2015)
Publisher : Universitas Gunadarma

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

Abstract

Pengenalan objek pada citra banyak dimanfaatkan pada berbagai bidang. Permasalahan dalam pengenalan objek pada citra yaitu bagaimana mengenali antara citra yang satu dengan citra lainnya yang memiliki objek yang sama. Karakteristik objek-objek pada citra dapat diwakili oleh karakteristik hasil deteksi tepi dari objek tersebut. Pada penelitian ini digunakan hasil deteksi tepi objek berupa kurva sederhana. Pengenalan objek pada citra menggunakan karakteristik hasil deteksi tepi berupa kurva sederhana terdiri dari dua tahap. Pertama, tahap pembentukan basis data citra yang terdiri dari proses deteksi tepi citra, penelusuran kurva, pengenalan jenis kurva, dan penyimpanan karakteristik kurva ke basis data. Kedua, tahap pengenalan objek pada citra yang terdiri dari proses deteksi tepi citra query, penelusuran kurva, pengenalan jenis kurva, dan pengenalan objek pada citra. Pengenalan objek pada citra terdiri dari dua tahap yaitu coarse level similarity dan fine level similarity. Pada coarse level similarity, karakteristik yang dibandingkan yaitu jenis dan panjang kurva. Pada fine level similarity, karakteristik yang dibandingkan yaitu koordinat kurva. Berdasarkan hasil pengujian dan analisis, metode pengenalan objek pada citra yang dikembangkan pada penelitian ini dapat melakukan pengenalan objek antara dua citra menggunakan similaritas karakteristik kurva sederhana. Kata Kunci : Kurva Sederhana, Pengenalan Objek, Similaritas Kurva.
APLIKASI SISTEM PAKAR DIAGNOSA PENYAKIT PENCERNAAN BALITA DENGAN METODE FORWARD CHAINING BERBASIS ANDROID Gozzal, Reynaldo Mohammad; Indarti, Dina
Jurnal Ilmiah Informatika Komputer Vol 22, No 3 (2017)
Publisher : Universitas Gunadarma

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

Abstract

Balita memiliki daya tahan tubuh yang belum sempurna dibandingkan orang dewasa sehingga lebih retan terjangkit suatu penyakit. Salah satu penyakit yang sering dialami oleh balita yaitu penyakit pencernaan. Oleh karena itu diperlukan suatu sistem yang dapat membantu para orang tua dalam melakukan pencegahan dan pengobatan pada balita yang sakit. Dalam penelitian ini dibahas mengenai pembuatan sistem pakar untuk mendiagnosa delapan penyakit pencernaan pada balita berbasis Android menggunakan metode forward chaining. Pengumpulan data mengenai gejala, pengobatan, dan pencegahan penyakit-penyakit pencernaan pada balita dilakukan pada tahap awal pembuatan sistem pakar ini. Sistem ini dibuat menggunakan Android Studio dengan Java sebagai bahasa pemrograman utama dan XML sebagai bahasa pemrograman yang menopang tampilan dari aplikasi. Pada sistem pakar ini dilengkapi dengan informasi singkat mengenai info pencegahan, gejala, penyebab dan pengobatan penyakit-penyakit pencernaan pada balita serta menampilkan peta rumah sakit yang terdekat dengan pengguna. Hasil implementasi menunjukkan bahwa sistem pakar diagnosa penyakit pencernaan balita dapat berjalan baik pada Android versi 4.0 sampai dengan versi 6.0. Berdasarkan hasil pengujian, persentase akurasi sistem pakar diagnosa penyakit pencernaan balita sebesar 93,33%. Kata Kunci: Aplikasi Android, Forward Chaining, Penyakit Pencernaan Balita, Sistem Pakar.
PENGENALAN OBJEK MAKANAN CEPAT SAJI PADA VIDEO DAN REAL TIME WEBCAM MENGGUNAKAN METODE YOU LOOK ONLY ONCE (YOLO) Karlina, Oktaviani Ella; Indarti, Dina
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.v24i3.2362

Abstract

Makanan cepat saji banyak diminati masyarakat di Indonesia saat ini. Makanan cepat saji mengandung lemak dan kalori yang tinggi tetapi kurang mengandung gizi yang sangat dibutuhkan tubuh sehingga dapat menimbulkan berbagai penyakit. Salah satu cara untuk mengontrol konsumsi makanan cepat saji yaitu penggunaan metode pengenalan objek makanan cepat saji dari video dan real time webcam. Metode yang dapat digunakan untuk pengenalan objek pada citra makanan cepat saji adalah deep learning. You Look Only Once (YOLO) merupakan salah satu model deep learning yang dapat digunakan untuk pengenalan objek. Penelitian ini bertujuan untuk pengenalan objek pada citra makanan cepat saji menggunakan YOLO. Penelitian ini terdiri dari beberapa tahap yaitu pengumpulan data, pra-proses data, konfigurasi jaringan YOLO, pelatihan model YOLO dan pengujian. Jumlah data citra yang digunakan dalam pelatihan yaitu 468 citra yang terdiri dari tiga jenis makanan cepat saji. Nilai avg loss pada model akhir yang dibangun dengan YOLO yaitu 4.6% dan nilai validasi mAP 100%. Berdasarkan hasil pengujian yang dilakukan menggunakan video dan real time webcam, objek pada citra makanan cepat saji berhasil dikenali dengan akurasi 63% sampai 100%.
KLASIFIKASI TOPIK TWEET MENGENAI COVID MENGGUNAKAN METODE MULTINOMIAL NAÏVE BAYES DENGAN PEMBOBOTAN TF-IDF Lydia Mayasari; Dina Indarti
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.v27i1.6184

Abstract

COVID merupakan virus yang banyak menjangkiti masyarakat Indonesia, bahkan dunia saat ini. Upaya yang dilakukan oleh pemerintah yang tidak luput dari komentar masyarakat mulai dari komentar berupa pujian, kritik, serta saran yang diberikan melalui berbagai media sosial seperti Twitter. Banyak tweet yang dikirimkan mengenai COVID. Tujuan penelitian ini adalah mengklasifikasikan topik tweet mengenai COVID menggunakan Multinomial Naïve Bayes dengan pembobotan Term Frequency-Inverse Document Frequency (TF-IDF). Tahapan penelitian terdiri dari analisis masalah, pengumpulan data, pelabelan data, preprocessing, pembobotan TF-IDF, pelatihan menggunakan Multinomial Naïve Bayes, dan pengujian performa. Data tweet dikumpulkan dari 9 Juni 2021 sampai 9 Juli 2021 dengan kata kunci ‘COVID’. Jumlah tweet yang digunakan dalam penelitian ini yaitu 4.909 yang terdiri dari 3.436 data pelatihan dan 1.473 data pengujian. Topik tweet dalam penelitian ini terdiri dari ekonomi, kesehatan, hiburan, sosial, dan hukum. Klasifikasi topik tweet dilakukan pada tweet bahasa Indonesia. Tweet yang telah dikumpulkan lalu melalui tahap preprocessing terdiri dari case folding, tokenizing, stopword removal, normalisasi, dan stemming. Berdasarkan hasil pengujian, akurasi klasifikasi topik tweet menggunakan Multinomial Naïve Bayes dengan pembobotan TF-IDF sebesar 61%.
Co-Authors Afifah, Kusniatul Aini Suri Talita Arvianda Iswandari Bertalya Bertalya Cahyaningtyas, Rizqia Dedi Iskandar Desti Riminarsih Fatimatul Khikmiyah Fazriyati, Elyna Gozzal, Reynaldo Mohammad Hutapea, Octaviani Ias Sri Wahyuni Ihsan Jatnika Ilmiyati Sari Ilmiyati Sari Karlina, Oktaviani Ella Lydia Mayasari Mardhiyah, Iffatul Nugraha, Mara Rifki Kosasih Rizki Mufrizal Sarifuddin Madenda Sri Syamsiah Yunike, Yunike