Garuda - Garba Rujukan Digital

p-Index From 2020 - 2025

2.727

P-Index

This Author published in this journals

All Journal Teknosains: Media Informasi Sains dan Teknologi Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal Brilliance: Research of Artificial Intelligence Algoritme Jurnal Mahasiswa Teknik Informatika Informatics and Enginering Dedication

gasim, Gasim

Unknown Affiliation

Author-ID : 1382135

Agriculture, Biological Sciences & Forestry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Mathematics Physics Social Sciences Other

Published : 16 Documents Claim Missing Document

Claim Missing Document

Articles

Title

1 2

BUAH TANGAN JENIS TEPUNG TERIGU PADA ROTI GORENG BERNABEU FITUR LBP DENGAN JARINGAN SARAF TIRUAN Chandra B, Leonardo; Gasim, Gasim; Rusbandi, Rusbandi
Jurnal Algoritme Vol 1 No 1 (2020): Oktober 2021 || Algoritme Jurnal Mahasiswa Teknik Informatika
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Penelitian ini tentang mengidentifikasi jenis tepung terigu pada goreng dengan menggunakan metode jaringan saraf tiruan. Jenis tepung terigu yang digunakan adalah kunci biru, sania, dan segitiga biru. Metode pengenalan yang digunakan adalah backpropagation . Hasil pengujian yang dilakukan menggunakan ukuran pixel 450x450px, jarak potret sejauh ±20 cm, resolusi kamera 16MP, menggunakan data latih sebanyak 100 citra/jenis dan data uji sebanyak 80 citra/jenis serta dengan menggunakan ekstraksi ciri Local Binary Pattern maka didapatkan hasil berupa tingkat akurasi sebesar 68,57%, presisi sebesar 53,33% dan recall sebesar 54,47%.

Perbandingan Akurasi Pengenalan Kadar Semen Dan Pasir Berdasarkan Ukuran Citra Dengan Backpropagation A, Satria; Gasim, Gasim; Ricoida, Desy Iba
Jurnal Algoritme Vol 1 No 2 (2021): April 2021 || Algoritme Jurnal Mahasiswa Teknik Informatika
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Penelitian ini mengangkat topik terkait dengan identifikasi jenis campuran semen dan pasir pada material yang sudah kering menggunakan kecerdasan buatan. Namun belum diketahui pada ukuran citra berapa yang memiliki tingkat pengenalan yang terbaik dalam penelitian tersebut. Penelitian ini membandingkan tingkat akurasi pengenalan kadar semen dan pasir berdasarkan ukuran citra. Jenis campuran semen dan pasir yang digunakan adalah 1:1, 1:1.5, 1:2, 1:2.5, 1:3, dan 1:3.5. Data yang digunakan sebanyak 570 citra yang terdiri dari 450 citra latih dan 120 citra uji pada setiap ukuran citranya. Metode pengenalan menggunakan jaringan syaraf tiruan dengan algoritma backpropagation, dengan input berupa nilai tekstur dari hasil ekstraksi ciri menggunakan fitur GLCM dari citra campuran semen dan pasir. Pengujian sistem dilakukan dengan variasi ukuran cropping citra yaitu 550x550 piksel, 450x450 piksel, 350x350 piksel, 250x250 piksel, dan 150x150 piksel. Tingkat akurasi tertinggi didapatkan pada ukuran citra 550x550 piksel yaitu sebesar 89.17% dengan hasil pengenalan sebanyak 107 dari 120 data uji. Hasil dari penelitian ini dapat digunakan sebagai referensi pada penelitian lanjutan dengan objek karakter sejenis ataupun objek yang sama.

Perbandingan Tingkat Akurasi Pengenalan Kadar Semen Dan Pasir Pada Campuran Kering Berdasarkan Tingkat Resolusi Kamera Dengan Metode Pengenalan JST Tanjungan, Erven; Gasim, Gasim; Sudiadi, Sudiadi
Jurnal Algoritme Vol 1 No 2 (2021): April 2021 || Algoritme Jurnal Mahasiswa Teknik Informatika
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Pasir dan semen merupakan salah satu material terbesar atau terpenting yang digunakan dalam proses pembangunan pada suatu bangunan atau gedung dan selalu digunakan oleh masyarakat. Masing-masing campuran memiliki takaran pasir dan semennya masing-masing, namun untuk orang biasa sulit untuk membedakan jenis-jenis campuran kering pada bangunan runtuh ataupun bangunan yang belum jadi. Penelitian ini membandingkan tingkat akurasi pengenalan kadar semen dan pasir pada campuran kering berdasarkan tingkat resolusi kamera dengan metode pengenalan Jaringan Saraf Tiruan. Jenis campuran yang digunakan antara lain dengan takaran 1semen 1pasir, 1semen 1,5pasir, 1semen 2pasir, 1semen 2,5pasir, 1semen 3pasir, dan 1semen 3,5pasir. Tingkat resolusi kamera yang digunakan ada 5 antara lain 3MP, 5MP, 8MP, 10MP, 12MP, dan menggunakan jarak pemotretan ±9cm. Metode pengenalan menggunakan Jaringan Syaraf Tiruan dan ekstrasi fitur menggunakan GLCM(Gray Level Co-Occurrence Matrix) yang terdiri dari Entropy, Standard Deviation, Contrast, Angular Second Moment(ASM)/ Homogeneity, Correlation, dan Inverse Different Moment(IDM)/ Energy. Hasil perhitungan tertinggi dalam pengenalan jenis campuran kering berdasarkan tingkat resolusi kamera ialah pada resolusi kamera 12MP dengan jumlah pengenalan sebanyak 105 dari 120 data uji, sehingga menghasilkan tingkat akurasi sebesar 87,5%.

Perbandingan Tingkat Akurasi Pengenalan Cacat Kayu Berdasarkan Tingkat Pencahayaan Dengan Metode JST Juniawan, Rycci; Gasim, Gasim
Jurnal Algoritme Vol 2 No 1 (2021): Oktober 2021 || Algoritme Jurnal Mahasiswa Teknik Informatika
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Kayu adalah bagian batang / cabang / ranting tumbuhan yang mengeras akibat proseslignifikasi atau pengayuan secara alami. Kayu terbentuk akibat akumulasi selulosa dan ligninpada bagian dinding sel berbagai jaringan pada batang pohon. Cacat kayu di alam inimerupakan akibat serangan dari luar pohon selama masa pertumbuhannya. Penelitihan iniadalah bagaimana melakukan perbandingan tingkat akurasi pengenalan cacat kayu. Penelitihanmenggunkan dataset cacat kayu yaitu 80 data uji dan 80 data latih. Dataset yang diambil laludiekstraksi menggunakan GLCM untuk dilatih menggunakan JST. Pelatihan JST dilakukandengan mencari semua kemungkinan hidden layer. Setelah mendapatkan hidden layer kemudianakan dibandingkan dengan setiap hidden layer untuk melihat hasil pengenalan paling baik.Perbedaan terlihat secara jelas adalah akurasi menggunakan pencahayaan 3 lampumemdapatkan akurasi paling tinggi. Dengan melihat persentase dari perhitungan jumlah datayang dikenali dengan jumlah data yang diuji tiap layer pada seriap pencahayaan. Berdasarkanhasil yang didapat, pencahayaan 3 lampu dengan jaringan syaraf tiruan dapat menghasilkantingkat akurasi yang paling tinggi yaitu sebesar 98%.

Perbandingan Akurasi Pengenalan Kadar Semen Berdasarkan Tingkat Pencahayaan Menggunakan Jaringan Syaraf Tiruan Wilsen, Erick Brilliant; Gasim, Gasim; Teguh, Rizani
Jurnal Algoritme Vol 2 No 1 (2021): Oktober 2021 || Algoritme Jurnal Mahasiswa Teknik Informatika
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Penelitian ini menggunakan dataset kadar semen dan pasir yang memiliki 450 data latihdan 120 data uji. Dataset yang telah diambil lalu diekstraksi menggunakan GLCM untuk dilatihmenggunakan JST. Pelatihan JST dilakukan dengan mencari semua kemungkinan hidden layer.Setelah mendapatkan hidden layer kemudian akan dibandingkan dengan setiap hidden layeruntuk melihat hasil pengenalan paling baik. Perbedaan yang terlihat jelas adalah bahwa akurasimenggunakan pencahayaan 1 lampu mendapatkan akurasi lebih tinggi daripada pencahayaanlainnya yaitu dengan melihat persentase dari perhitungan jumlah data yang dikenali denganjumlah data yang diuji tiap layer pada setiap pencahayaan. Perbandingan persentase yangdilakukan tiap pencahayaan dibandingkan persentase yang terbaik. Berdasarkan hasil yangdidapat, pencahayaan 1 lampu dengan jaringan syaraf tiruan dapat menghasilkan tingkat akurasiyang paling tinggi yaitu sebesar 87%.

Identifikasi Kadar Ikan Pada Pempek Menggunakan Fitur LBP Dengan Metode Jaringan Syaraf Tiruan Agustina, Dina; Gasim, Gasim
Jurnal Algoritme Vol 2 No 2 (2022): April 2022 || Algoritme Jurnal Mahasiswa Teknik Informatika
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Pempek merupakan makanan khas Palembang yang terbuat dari campuran ikan giling, tepung, dan bumbu-bumbu penambah cita rasa dan dibuat dengan berbagai bentuk. Perbandingan karakteristik yang terdapat pada pempek selain dapat diketahui oleh orang awam melalui rasa dan tekstur kekenyalan pempek dapat juga diketahui dengan menggunakan teknologi seperti media kecerdasan buatan. Ada 4 jenis perbandingan yang ada pada pempek diantaranya adalah 1 ikan 1 tepung, 1,5 ikan 1 tepung, 2 ikan 1 tepung, dan 1 ikan 2 tepung, dengan resolusi kamera 2MP dan jarak pengambilan citra ±15cm. penelitian ini bertujuan untuk mengimplementasikan suatu sistem yang mampu mengidentifikasi kadar ikan pada pempek, dengan menerapkan Local Binary Pattern (LBP) sebagai ekstraksi fitur dan metode Jaringan Syaraf Tiruan (JST). Hasil dari ekstraksi LBP dijadikan masukan pada proses pembelajaran pada JST dengan training function traingdx serta menggunakan 40 neuron. Berdasarkan hasil pengujian menggunakan ekstraksi fitur LBP memperoleh tingkat akurasi sebesar 31,67% dan jumlah pengenalan data uji sebanyak 76 dari 240 data uji.

IDENTIFIKASI CACAT PADA KAYU MENGGUNAKAN FITUR GLCM DENGAN METODE SVM Siregar, Muhammad Azwar Tsar; Gasim, Gasim
Jurnal Algoritme Vol 3 No 1 (2022): Oktober 2022 || Algoritme Jurnal Mahasiswa Teknik Informatika
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/algoritme.v3i1.2970

Wood is the part of the stem or twig of a plant that hardens as a result of the natural lignification process. Wood has properties that cannot be imitated by other materials. The properties of wood are durable, strong and non-corrosive. Weaknesses of wood, namely natural deficiencies contained in it such as knot defects, heart brittle defects, and borer hole defects. This study uses the SVM (Support Vector Machine) method to obtain accuracy against defects in wood by using GLCM (Gray Level Co-occurence Matrix) extraction. The dataset used contains 160 images and then separated into 112 train data and 48 test data. The identification carried out on the Gaussian kernel got the highest accuracy of 27.08% compared to using the Linear kernel with a smaller accuracy of 16.67%.

Identifikasi Kadar Ikan Pada Pempek Menggunakan Teknik Blok Citra Dengan Fitur GLCM Dan Metode JST Saputri, Nurdiana Dewi; Gasim, Gasim
Jurnal Algoritme Vol 3 No 1 (2022): Oktober 2022 || Algoritme Jurnal Mahasiswa Teknik Informatika
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

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

As we know today, Indonesia has many unique foods, each in each region. For example, pempek is a typical food from Palembang, South Sumatra. The ingredients for making pempek do not only use fish, but there are many different dough formulas that create different flavor compositions. Differences that occur in the dough formula when making pempek will affect the texture and taste, because there is a mixture of fish and the amount of flour. The research uses image block techniques with GLCM (Gray Level Co-Occurrence Matrix) features and artificial neural network methods. The GLCM (Gray Level Co-Occurrence Matrix) feature extraction used consists of Entropy, Standard Deviation, Contrast, Angular Second Moment (ASM)/ Homogeneity, Correlation, and Inverse Different Moment (IDM)/ Energy. The dataset used in this study is to use the best results at a portrait distance of 13 cm from previous studies. There are 4 types of comparisons used, namely 1 fish 1 flour, 1.5 fish 1 flour, 2 fish 1 flour, and 1 fish 2 flour. The recognition results obtained in this study were 360 recognized training data and 89 recognized test data and obtained an accuracy rate of 37.08%.

Identifikasi Kadar Ikan Pada Pempek Dengan Fitur LBP Dan Metode Pengenalan SVM Suhanto, Kevita Titany; Gasim, Gasim
Jurnal Algoritme Vol 3 No 1 (2022): Oktober 2022 || Algoritme Jurnal Mahasiswa Teknik Informatika
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/algoritme.v3i1.3363

The main ingredients commonly used by the community in making pempek are ground fish and sago flour. The people of Palembang usually make pempek into several variants such as egg pempek, pempek pistel, pempek curly, pempek submarine, pempek roasted, pempek lenggang, etc. In the previous study, the dataset was 4 types of pempek lenjer with different levels of snakehead fish and flour, where each comparison was equal to 200 grams. The comparisons are: 1 snakehead fish to 1 sago flour, 1.5 snakehead fish to 1 sago flour, 2 snakehead fish to 1 sago flour, 1 snakehead fish to 2 sago flour. In this study, the dataset used is a photo image using a 2MP camera resolution which is the best dataset from previous research (Amatullah, 2021) which obtained an accuracy rate of 23.33% and the number of test data recognition was 56 out of 240 test data. Then this research was conducted using LBP feature extraction and the introduction of the Support Vector Machine method which resulted in an accuracy rate of 22.92%.

Identifikasi Kadar Ikan Pada Pempek Menggunakan Fitur GLCM dan SVM Naufal, Muhammad Afif; Gasim, Gasim
Jurnal Algoritme Vol 3 No 2 (2023): April 2023 || Algoritme Jurnal Mahasiswa Teknik Informatika
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/algoritme.v3i2.4791

Pempek merupakan makanan khas kota Palembang, Sumatera Selatan. Pempek dibuat dari olahan daging ikan giling yang sebelumnya telah dikuliti dan dipisahkan dari duri halus. Perbandingan pada pempek tersebut selain dapat diketahui oleh orang awam melalui rasa dapat juga diketahui melalui media elektronik yakni melalui kecerdasan buatan. Penelitian ini dilakukan untuk mengetahui perbandingan kadar ikan pada pempek dengan empat jenis kadar perbandingan yakni kadar 1 terdiri dari 1 ikan gabus 1 tepung (1:1), kadar 2 terdiri dari 1.5 ikan gabus 1 tepung (1.5:1), kadar 3 terdiri dari 2 ikan gabus 1 tepung (2:1), dan kadar 4 terdiri dari 1 ikan gabus 2 tepung (1:2). Metode pengenalan yang digunakan Support Vector Machine dengan ekstraksi fitur GLCM dengan dua jenis parameter yang berbeda yakni menggunakan GLCM dengan 4 parameter yang terdiri dari nilai Contras, Homogeneity, Correlation, dan Energy. Dan GLCM dengan 2 parameter yang terdiri dari nilai Homogeneity dan Correlation. Klasifikasi menggunakan metode SVM dengan ekstraksi GLCM dua parameter berbeda pada penelitian ini mendapatkan nilai akurasi sebesar 25.83% pada ekstraksi GLCM empat parameter, sedangkan hasil dari SVM dengan ekstraksi GLCM dua parameter hanya 25%.

Co-Authors A, Satria Andika, Rizki Chandra B, Leonardo Derry Alamsyah Desy Iba Ricoida DEWI SARTIKA Dicky Pratama Dina Agustina, Dina Hartati, Ery Heriasyah, Rudi Inayatullah, Inayatullah Indah Permatasari Juniawan, Rycci Michael Michael Muhammad Farhan Muhammad Haviz Irfani Naufal, Muhammad Afif Purnamasari, Evi Rizani Teguh rusbandi rusbandi, rusbandi Saputri, Nurdiana Dewi Shinta Puspasari Siregar, Muhammad Azwar Tsar Sudiadi, Sudiadi Suhanto, Kevita Titany Tanjungan, Erven Tinaliah, Tinaliah Triana Elizabeth, Triana Wilsen, Erick Brilliant Yoannita, Yoannita

Title Search

Found 11 Documents Search Journal : Algoritme Jurnal Mahasiswa Teknik Informatika

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 11 Documents
Search
Journal : Algoritme Jurnal Mahasiswa Teknik Informatika