Article Per Year (5 Year)
p-Index From 2020 - 2025
5.551
P-Index
This Author published in this journals
All Journal TEKNIK INFORMATIKA Edu Komputika Journal Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JURNAL MEDIA INFORMATIKA BUDIDARMA Informatika Pertanian JTERA (Jurnal Teknologi Rekayasa) InComTech: Jurnal Telekomunikasi dan Komputer Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) JURIKOM (Jurnal Riset Komputer) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Building of Informatics, Technology and Science JUKANTI (Jurnal Pendidikan Teknologi Informasi) Jurnal Abdi Insani MEANS (Media Informasi Analisa dan Sistem) Journal of Informatics, Information System, Software Engineering and Applications (INISTA) Jurnal Pengabdian kepada Masyarakat Nusantara Operations Research: International Conference Series Jurnal Riset dan Aplikasi Mahasiswa Informatika (JRAMI) Journal of Dinda : Data Science, Information Technology, and Data Analytics Jurnal Saintekom : Sains, Teknologi, Komputer dan Manajemen Tsaqofah: Jurnal Penelitian Guru Indonesia ALSYS : Jurnal Keislaman dan Ilmu Pendidikan Jurnal Karya Abdi Masyarakat JUPADAI : Jurnal Pengabdian Kepada Masyarakat Jurnal INFOTEL Jurnal Informatika Polinema (JIP) Jurnal Pendidikan Teknologi Informasi (JUKANTI) Journal of Software Engineering and Multimedia (JASMED)
Wahyu Andi Saputra
Telkom University
Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Public Health Social Sciences Other

Published : 35 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 35 Documents
Search

 1   2   3   4 
IMPLEMENTATION OF MORPHOLOGICAL OPERATION AND BLOB ANALYSIS IN COW’S MILK SOMATIC CELL CALCULATION Saputra, Wahyu Andi; Fitriana, Gita Fadila; Usada, Elisa; Widodo, Hermawa Setyo
Informatika Pertanian Vol 30, No 1 (2021): Juni 2021
Publisher : Sekretariat Badan Penelitian dan Pengembangan Pertanian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21082/ip.v30n1.2021.p29-38

Abstract

The Indonesian National Standards have established quality standards for fresh cow's milk. One of them is the somatic cell content with a maximum value of 4x105sel/ml. Generally, the content of somatic cells in each milk sample can be calculated manually with the help of a microscope or using a tool called Fossomatic. However, this tool is expensive. The research was conducted using an image processing science approach to detect and calculate the amount of somatic cell content in cow's milk. The operations performed are erosion, dilation, color channel conversion, and labeling. The results showed that the system's accuracy in counting somatic cells reached 85%. From this research, it is expected to be able to count somatic cells with the help of a computer without having to count manually or using a Fossomatic tool.
Implementasi Keras Library dan Convolutional Neural Network Pada Konversi Formulir Pendaftaran Siswa Wahyu Andi Saputra -; Muhammad Zidny Naf’an; Asyhar Nurrochman
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 3 No 3 (2019): Desember 2019
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (576.544 KB) | DOI: 10.29207/resti.v3i3.1338

Abstract

Form sheet is an instrument to collect someone’s information and in most cases it is used in a registration or submission process. The challenge being faced by physical form sheet (e.g. paper) is how to convert its content into digital form. As a part of study of computer vision, Optical Character Recognition (OCR) recently utilized to identify hand-written character by learning pattern characteristics of an object. In this research, OCR is implemented to facilitate the conversion of paper-based form sheet's content to be stored properly into digital storage. In order to recognize the character's pattern, this research develops training and testing method in a Convolutional Neural Network (CNN) environment. There are 262.924 images of hand-written character sample and 29 paper-based form sheets from SDN 01 Gumilir Cilacap that implemented in this research. The form sheets also contain various sample of human-based hand-written character. From the early experiment, this research results 92% of accuracy and 23% of loss. However, as the model is implemented to the real form sheets, it obtains average accuracy value of 63%. It is caused by several factors that related to character's morphological feature. From the conducted research, it is expected that conversion of hand-written form sheets become effortless.
KLASIFIKASI CITRA X-RAY TORAKS DENGAN MENGGUNAKAN CONTRAST LIMITED ADAPTIVE HISTOGRAM EQUALIZATION DAN CONVOLUTIONAL NEURAL NETWORK (STUDI KASUS: PNEUMONIA) Surya Adi Widiarto; Wahyu Andi Saputra; Atika Ratna Dewi
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 6, No 2 (2021)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v6i2.2102

Abstract

Pneumonia merupakan penyakit yang menyerang paru-paru. Ketika seseorang dicurigai sebagai penderita pneumonia maka akan dilakukan berbagai pemeriksaan untuk memastikan hasil diagnosis, salah satunya yaitu pemeriksaan pada citra x-ray toraks. Namun, terdapat kemungkinan dokter/radiologis melakukan kesalahan dalam melakukan interpretasi. Untuk meminimalisir hal tersebut diperlukan terbososan guna membantu dokter/radiologis dalam menganalisis citra x-ray toraks. Salah satunya adalah dengan menerapkan penggunaan Convolutional Neural Network (CNN), dimana harapannya CNN dapat digunakan untuk mengenali citra x-ray toraks sehat dan berpneumonia. Akan tetapi terdapat faktor yang dapat menyebabkan citra x-ray menjadi buruk, sehingga dimungkinkan dapat mempengaruhi hasil perolehan CNN. Untuk mengatasi hal tersebut Contrast Limited Adaptive Histogram Equalization (CLAHE) digunakan untuk melakukan perbaikan citra sebelum citra diterapkan pada CNN. Selain itu penggunaan beberapa epoch dan ukuran gambar yang berbeda juga diterapkan untuk mengetahui pengaruh pada hasil yang diperoleh model, dimana kemudian hasil-hasil yang diperoleh tersebut dilakukan analisis untuk mengetahui model mana yang memperoleh hasil terbaik. Setelah dilakukan pengujian, diperoleh hasil perolehan terbaik pada model dengan penerapan CLAHE pada epoch 180 dengan ukuran 256x256 yang memperoleh tingkat akurasi sebesar 95,21%.
User Experience Lifecycle pada Aplikasi Knowledge Management System Inovasi Desa Ariq Cahya Wardhana; Condro Kartiko; Wahyu Andi Saputra; Tio Fani
JURNAL MEDIA INFORMATIKA BUDIDARMA Vol 6, No 1 (2022): Januari 2022
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/mib.v6i1.3431

Abstract

Indonesia is a country based on the village. The number of villages in Indonesia increases every year due to regional expansion in several regions. The division serves to reduce disadvantaged areas. Development management is needed to reduce underdeveloped areas. One of them is village development activities that must be able to give birth to creative and innovative habits. The Village Innovation Knowledge Management System is a medium to initiate the transformation of knowledge and practice between villages. The system needs to be assessed and evaluate its performance to see how far the level of success is on the user side. Based on these problems, it is necessary to develop the User Experience Lifecycle (UXL) method. UXL has four stages, namely analysis, design, prototype, and evaluation. Interviews were conducted with 7 participants to find the main problems. The problems obtained are then analyzed and converted into a system that can be used by users. The system that has been created is then started with the use of testing using think-aloud and System Usability Scale. The results of think-aloud show a positive impression of the participants. While the System Usability Scale gets a score of 74.5 which is categorized as good (B).
Klasifikasi Analisis Sentimen Pada Gambar Meme Politik Dengan Library Tesseract Dan Algoritme Support vector machine Eko Sanjaya; Agi Prasetiadi; WAHYU ANDI SAPUTRA
Journal of INISTA Vol 2 No 1 (2019): November 2019
Publisher : LPPM INSTITUT TEKNOLOGI TELKOM PURWOKERTO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20895/inista.v2i1.96

Abstract

Meme merupakan penyebaran informasi dalam bentuk gambar. Berdasarkan data yang diperoleh, pengembangan meme mulai meningkat menjelang pemilu 2019. Informasi yang diperoleh dari meme politik beragam. Salah satunya memberikan dukungan untuk suatu partai atau tokoh politik atau digunakan untuk mengkritik / mencaci-maki partai politik atau tokoh. Sehingga diperlukan suatu sistem yang dapat mengklasifikasikan meme berdasarkan kelas Penelitian ini bertujuan untuk menciptakan sistem yang dapat mengklasifikasikan meme politik berdasarkan kelas. Algoritma yang akan digunakan dalam mengklasifikasikan adalah Support vector macine (SVM) dengan ekstraksi fitur TF-IDF. Library yang akan digunakan dalam optical character recognition (OCR) adalah Tesseract. Berdasarkan hasil pengujian diketahui bahwa akurasi yang dihasilkan oleh SVM linier lebih baik daripada SVM non-linear. Akurasi terbaik dalam SVM linear dengan kombinasi TF-IDF adalah 75.71%.
Penerapan Teknik Blob Analysis dalam Pemilihan Region of Interest pada Citra Leukosit wahyu andi saputra
Journal of INISTA Vol 2 No 2 (2020): Mei 2020
Publisher : LPPM INSTITUT TEKNOLOGI TELKOM PURWOKERTO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20895/inista.v2i2.128

Abstract

Leukimia merupakan penyakit pada manusia yang terjadi karena tubuh memproduksi sel darah putih dalam jumlah yang tidak wajar. Dalam penelitian di bidang IT yang berkaitan dengan sel darah putih, umumnya data yang digunakan sebagai pengujian adalah citra sel darah putih yang diambil dengan bantuan mikroskop. Mula-mula, sel darah putih diletakkan pada preparat, diberi pewarnaan untuk mempertegas warna sel, lalu diambil gambar sel tersebut. Citra yang diambil umumnya masih merupakan citra berukuran besar yang jumlahnya lebih dari satu citra sel darah putih. Padahal umumnya, untuk melakukan ekstraksi fitur, diperlukan satu sel darah putih pada satu citra. Hal ini menjadi pekerjaan tersendiri pada sebuah penelitian. Upaya untuk memilih area sel darah putih dapat dilakukan dengan pendekatan pengolahan citra. Citra yang berukuran besar dan bisa terdiri dari berbagai sel darah putih akan dipilih areanya agar menjadi area yang lebih spesifik. Hal ini disebut dengan Region of Interest. Penelitian ini bertujuan untuk memilih Region of Interest pada sel darah putih secara otomatis dengan menggunakan teknik Blob Analysis yang memanfaatkan BoundingBox. Dengan bantuan citra ground-truth yang didapat dari pakar, area ini kemudian menjadi rujukan dalam menandai koordinat sel darah putih pada citra aslinya. Kemudian, kordinat tersebut diterapkan pada citra asli untuk dilakukan pemotongan agar menjadi citra yang lebih kecil dan memiliki satu sel darah putih. Pengujian dilakukan pada 250 citra berbagai jenis sel darah putih. Dari pengujian, didapatkan hasil Region of Interest dari citra dengan tingkat ketelitian mencapai 99.95%. Hasil penelitian diharapkan dapat memudahkan peneliti dalam mengembangkan peneltian lebih jauh pada citra sel darah putih.
Penerapan Face Recognition Berbasis GUI Visual Studio 2012 Menggunakan Algoritma Eigenface dan Metode Pengembangan Waterfall Pada Sistem Absensi Mahasiswa IT Telkom Purwokerto Ilham Fauzi; Apri Junaidi; Wahyu Andi Saputra
Indonesian Journal of Data Science, IoT, Machine Learning and Informatics Vol 2 No 1 (2022): February
Publisher : Research Group of Data Engineering, Faculty of Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20895/dinda.v2i1.264

Abstract

Setiap manusia memiliki karakter yang berbeda antara satu dengan yang lainnya, salah satunya adalah karakteristik alami yang dimiliki oleh manusia yaitu wajah. Wajah manusia tentu saja memiliki ciri unik yang membedakan satu dengan lainnya, sehingga dapat dikenali oleh manusia lain maupun oleh suatu sistem yang memiliki kemampuan tersebut. Pengenalan wajah berkaitan erat dengan biometrik manusia, hal tersebut dikarenakan terdapat informasi unik yang terkandung di dalamnya. Teknologi pengenalan wajah dapat dimanfaatkan salah satunya pada sistem presensi kehadiran. Banyak metode yang digunakan pada proses pengenalan wajah, salah satunya dengan menggunakan algoritma eigenface. Eigenface berfungsi untuk menghitung eigenvalue dan eigenvector yang akan digunakan sebagai fitur dalam melakukan pengenalan wajah. Citra akan direpresentasikan dalam sebuah gabungan vektor yang dijadikan satu matriks tunggal. Dari matriks tunggal ini akan di ekstrasi suatu ciri utama yang membedakan antara citra wajah satu dengan citra wajah yang lainnya. Untuk dapat mengenali dan mengidentifikasi wajah seseorang maka pada penelitian ini diperlukan sebuah tools tambahan berupa web camera atau sering kita kenal dengan istilah WebCam dan aplikasi yang akan digunakan adalah Visual Studio 2012. Teknologi pengenalan wajah ini dapat dimanfaatkan oleh IT Telkom Purwokerto sebagai sistem presensi kehadiran mahasiswa. Salah satu hasil evaluasi perlunya pemanfaatan teknologi face recognition sebagai sistem presensi kehadiran mahasiswa dikarenakan belum optimalnya pemanfaatan sistem absensi berbasis RFID yang sebelumnya telah digunakan, berbagai permasalahan teknis yang dihadapi oleh sistem absensi tersebut mengakibatkan proses absensi kembali dilakukan secara manual menggunakan kertas absensi yang diberikan oleh Dosen. Kata kunci: Citra, Eigenface, Face recognition, Image Processing, C#, Sistem Absensi
Klasifikasi Status Gizi Pada Lansia Menggunakan Learning Vector Quantization 3 (LVQ 3) Khurun Ain Muzaqi; Apri Junaidi; Wahyu Andi Saputra
Indonesian Journal of Data Science, IoT, Machine Learning and Informatics Vol 2 No 1 (2022): February
Publisher : Research Group of Data Engineering, Faculty of Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20895/dinda.v2i1.272

Abstract

The Elderly is someone who has reached the age of 60 years, the main health problem in the elderly is nutritional problems. Nutritional status is a measurement that can assess food intake and the use of nutrients in the body. One of the assessments of nutritional status in the elderly uses anthropometry with the type of measurement of Body Mass Index (BMI). Determination of nutrition is an effort to increase Life Expectancy (UHH). Therefore, a study will be conducted on the classification of nutritional status in the elderly using the Learning Vector Quantization 3 (LVQ 3) method with seven inputs used, namely: gender, age, Bb, Tb, BMI, social status and disease history, and five results of status classification nutritional status, namely inferior nutritional status, poor nutritional status, normal nutritional status, obese nutritional status, and very obese nutritional status. The best parameters used in this study are: learning rate (α) = 0.2, learning rate reduction = 0.4, window (ɛ) = 0.4 and minimum learning rate = 0.001, epoch = 1, 5, 10, 50, 100, 200, 500, 1000 with a comparison of the distribution of training and testing data of 80:20 on a total of 599 data. Based on the test results, the number of epoch values affects the accuracy results. The highest accuracy obtained is 86.67%. The calculations using the confusion matrix in this algorithm are 87% accuracy, 83% precision, and 81% recall. The Learning Vector Quantization 3 (LVQ 3) method can use to classify nutritional status in the elderly.
Klasifikasi Penyakit Daun Padi Menggunakan Convolutional Neural Network Mohtar Khoiruddin; Apri Junaidi; Wahyu Andi Saputra
Indonesian Journal of Data Science, IoT, Machine Learning and Informatics Vol 2 No 1 (2022): February
Publisher : Research Group of Data Engineering, Faculty of Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20895/dinda.v2i1.341

Abstract

Rice (Oryza sativa) is a grain that comes in third place among all grains after corn and wheat. 80 percent of Indonesians eat rice as a staple diet, especially in Southeast Asian countries, but the International Rice Research Institute (IRRI) reports that farmers lose 37 percent of their rice crops each year owing to pests and illnesses. Based on this study, it is critical to investigate the detection of rice pests and illnesses. Using the Convolution Neural Network (CNN) technique, an automatic classification system to identify and predict plant illnesses has been developed. A study titled Classification of Rice Leaf Diseases was undertaken by the author. The CNN Algorithm is being used to help farmers learn how to combat rice leaf diseases. Bacterial leaf blight, Rice blast, and Rice tungro virus were among the rice leaf types classified in this study. There are 6000 datasets in all, with 80% of them being training data, 10% being validation data, and 10% being testing data. The accuracy of the results obtained for epochs 25, 50, 75, and 100 varies. The best training accuracy results come from epoch 100, which has a 98% accuracy rate, and testing using a confusion matrix has a 98% accuracy rate. In diagnosing rice leaf diseases, the Convolutional Neural Network (CNN) algorithm delivers great accuracy.
Klasifikasi Penyakit Kanker Kulit Menggunakan Metode Convolutional Neural Network (Studi Kasus: Melanoma) Reynaldi Rio Saputro; Apri Junaidi; Wahyu Andi Saputra
Indonesian Journal of Data Science, IoT, Machine Learning and Informatics Vol 2 No 1 (2022): February
Publisher : Research Group of Data Engineering, Faculty of Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20895/dinda.v2i1.349

Abstract

Skin cancer is one of the most commonly diagnosed cancers worldwide, especially in the white population. One of the most dangerous skin diseases is melanoma cancer. Melanoma is a skin cancer that can develop in melanocytes, the skin pigment cells that produce melanin. Melanin is what absorbs ultraviolet rays and protects the skin from damage. Melanoma is a type of skin cancer that is rare and very dangerous, many laypeople have not been able to distinguish between ordinary moles and melanoma. Therefore, a study on the classification of melanoma skin cancer was carried out using the CNN method, where CNN was able to classify melanoma images. In CNN itself there is an architectural model, while the architecture used in this research is using conv2d layer, max pooling, flatten, dense, dropout, and using ReLu activation. The image size used in this architecture is 128x128, at the 50th epoch, an accuracy rate of 92.64% is obtained. It is hoped that this research can help the community in distinguishing normal moles and melanoma cancer.
Co-Authors Abednego Dwi Septiadi Agi Prasetiadi Agung Wicaksono Andi Prademon Yunus Apri Junaidi Arief Rais Bahtiar Arif Amrulloh Ariq Cahya Wardhana Asyhar Nurrochman Atika Ratna Dewi Brawijaya, Brawijaya Cepi Ramdani Choo, Yit Hong Condro Kartiko Dany Candra Febrianto Eko Sanjaya Febriani, Atik Gustalika, Muhammad Azrino Hafidz Daffa Hekmatyar Hanif, Muhammad Zuhdi Hari Widi Utomo Hilmi, Nizar Huda, Farhat Ilham Fauzi Ipam Fuaddina Adam Johanes Christianto Tiku Khurun Ain Muzaqi Leksono, M. Lukman Lumban Batu, Benedict Evan Lumban Batu Mohtar Khoiruddin Muhamad Azrino Gustalika Muhammad Zidny Naf'an Mulyawan Safwandy Nugraha Nicolaus Euclides Wahyu Nugroho Novian Adi Prasetyo Pane, Sayyid Yakan Khomsi Purnama Sukardi Ratih Windu Arini Reynaldi Rio Saputro Riyatno Riyatno, Riyatno Sa’adah, Aminatus Sidanti, Risang Windu Surya Adi Widiarto Tio Fani Trihastuti Yuniati Usada, Elisa Wibawa, Panca Widargo, Yulio Aldi Widodo, Hermawa Setyo Wisnu Wardana, Mohammad Adiyudha Yasykur, Muhammad Fauzan Yit Hong Choo Zaenury , Zaenury Dhany Wibowo Zaenury Dhany Wibowo