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 Tutupan Lahan Melalui Citra Satelit SPOT-6 dengan Metode Convolutional Neural Network (CNN) Magdalena, Rita; Saidah, Sofia; Pratiwi, Nor Kumalasari Caecar; Putra, Akbar Trisnamulya
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 7, No 3 (2021): Volume 7 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v7i3.48195

Lahan merupakan suatu wilayah dimana seluruh bagian biosfer dianggap tetap atau siklis yang terdapat di atas maupun di bawah permukaan bumi. Klasifikasi lahan dilakukan dengan tujuan untuk memudahkan pemantauan penggunaan serta pengaturan tata letak lahan pada suatu wilayah. Pada penelitian ini dilakukan klasifikasi terhadap citra lahan yang diperoleh dari satelit SPOT-6 dengan menggunakan Metode Convolutional Neural Network (CNN). Jenis lahan yang dilakukan klasifikasi berupa sawah, hutan, pemukiman, sungai dan bukit gundul dengan jumlah data yang digunakan adalah 350 data citra lahan. Dari total data, sebanyak 75% data digunakan sebagai data latih dan 25% digunakan sebagai data uji. Model CNN yang digunakan pada penelitian ini yaitu basic CNN dengan arsitektur yang terdiri dari 3 hidden convolutional layer, 1 fully connected layer dan 2 stride. Hasil performansi sistem yang diperoleh pada penelitian ini diantaranya adalah akurasi 95,45%, loss 0,2457, serta rata-rata dari masing-masing nilai precision, recall dan f1-score sebesar 0,92. Dapat disimpulkan bahwa metode CNN dapat digunakan secara optimal dalam mengklasifikasikan 5 jenis tutupan lahan.

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%.

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.

Denoising Sinyal EEG dengan Algoritma Recursive Least Square dan Least Mean Square Nor Kumalasari Caecar Pratiwi; Rita Magdalena; Yunendah Nur Fuadah; Sofia Saidah; Syamsul Rizal; Muhamad Rokhmat Isnaini
TELKA - Jurnal Telekomunikasi, Elektronika, Komputasi dan Kontrol Vol 5, No 2 (2019): TELKA
Publisher : Jurusan Teknik Elektro UIN Sunan Gunung Djati Bandung

EEG mengukur fluktuasi tegangan yang dihasilkan dari arus ionik yang beredar sepanjang neuron otak. Dalam pengaturan eksperimental, sinyal EEG sering terkontaminasi dengan berbagai noise akibat gerakan otot dan jantung. Noise dengan magnitudo yang lebih tinggi dari sinyal aslinya akan merusak sinyal EEG dan bisa berakibat fatal dalam analisis diagnosa. Sehingga diperlukan sebuah sistem denoising yang mampu secara maksimal mengurangi noise, tanpa menghilangkan komponen informasi penting dari sinyal EEG. Salah satu algoritma yang dapat digunakan dalam mereduksi noise pada sinyal biomedis adalah RLS dan LMS. Keuntungan utama dari penggunaan adaptif filtering termasuk RLS dan LMS adalah dapat digunakan pada lingkungan non-stasioner. Tujuan penelitian adalah melakukan uji perbandingan performansi filtering RLS dan LMS dalam mereduksi noise pada sinyal EEG. Parameter performansi yang diukur adalah waktu komputasi, MSE, SNR, dan PSNR. Dari hasil pengujian, diperoleh bahwa adaptif filtering dengan RLS dan LMS mampu mereduksi noise pada sinyal EEG dengan baik. Filter LMS memiliki kelebihan pada waktu komputasinya yang singkat, rata-rata waktu komputasi filter LMS selama 0.7 detik, jauh berbeda dengan filter RLS yang membutuhkan waktu sampai dengan 113 detik. Tetapi kehandalan sistem dari sisi MSE, SNR dan PSNR untuk filter LMS masih berada dibawah RLS untuk intensitas noise yang rendah. Besarnya parameter SNR dan PSNR pada filter RLS cenderung lebih stabil pada intesitas noise 10 dB, 20 dB, dan 30 db. Hal berbeda terjadi pada denoising dengan menggunakan filter LMS, terjadi perubahan SNR yang signifikan dari 16.14 dB pada noise 10 dB, 21.09 dB untuk noise sebesar 20 dB, dan 25.81 dB untuk intensitas noise sebesar 30 dB.

Identifikasi Wajah Berdasarkan Gender Dan Kelompok Usia Dengan Metode Viola Jones Dan Metode Jaringan Syaraf Tiruan Sayidina Ariq Farhan; Jangkung Raharjo; Nor Kumalasari Caecar Pratiwi
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstrak Wajah merupakan peran yang penting dari bagian tubuh manusia. Wajah juga bisa menjadi sebuah sistem identifikasi pribadi. Pengenalan wajah ini salah satu ilmu biometrik, yaitu ilmu yang menggunakan karakteristik fisik seseorang untuk menentukan identitasnya. Beberapa informasi bisa kita dapatkan melalui citra wajah seseorang, misalnya mengetahui gender dan kelompok usia. Dalam tugas akhir ini, proses pengenalan wajah ini bertujuan untuk memberikan keluaran yaitu kelompok usia dan gender. Pada penelitian ini, pembagian kelompok usia dan gender dibedakan menjadi empat kelas yaitu pria dewasa, pria remaja, wanita dewasa dan wanita remaja. Dalam penelitian ini digunakan Face Database Chicago. Proses yang dilakukan melalui beberapa tahap, pada tahap preprocessing dilakukan konversi citra RGB menjadi citra grayscale, kemudian untuk tahap mendeteksi wajah digunakan metode Viola-Jones, untuk ekstraksi ciri menggunakan Gray Level Cooccurrence Matrix (GLCM) dan klasifikasi dengan Jaringan Syaraf Tiruan (JST). Sistem ini menghasilkan akurasi sebesar 100% untuk kelas pria dewasa dan wanita dewasa dengan jumlah data latih sebanyak 37 dan data uji sebanyak 19 dan waktu komputasi 12.12 detik. Kata kunci : viola-jones, jaringan syaraf tiruan, backpropagation, pengenalan wajah, biometric, GLCM Abstract The face is an important role in the human body part. The face can also be a personal approval system. Face recognition is one of the biometric sciences, namely the science that uses a person's physical characteristics to determine his identity. Some information can be obtained through a person's face image, for example knowing gender and age groups. In this final assignment, this face recognition process supports conveying about age groups and gender. In this study, the distribution of age and gender groups was divided into four classes, namely adult men, male adolescents, adult women, and adolescent women. In this study, Chicago Face Database was used The process is carried out through several processes, preprocessing process RGB conversion is made into grayscale images, then for the face detection in the process using the Viola-Jones method, for feature extraction using the Gray Level Counseling Matrix (GLCM) and connections with Artificial Neural Networks (ANN). This system produces an accuracy of 100% for adult male and female classes with 37 training data and 19 test data and 12.12 seconds of computing time. Keywords: viola-jones, artificial neural networks, backpropagation, face recognition, biometrics, GLCM

Deteksi Dehidrasi Pada Tubuh Manusia Berdasarkan Citra Urine Menggunakan Metode Content Based Image Retrieval Dengan Klasifikasi Fadlil Azimi Syafli; Jangkung Raharjo; Nor Kumalasari Caecar Pratiwi
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstrak Salah satu penyakit atau gangguan yang disebabkan oleh tubuh kekurangan air serta rendahnya kualitas air yang dikonsumsi manusia dapat menyebabkan dehidrasi. Pada dasarnya masih banyak orang yang tidak menyadari bahwa tubuhnya telah terkena dehidrasi. Oleh karena itu, dibutuhkan suatu sistem yang secara otomatis dapat mendeteksi dehidrasi serta mencegah terjadinya dehidrasi lebih dini. Pada penelitian ini telah dirancang suatu program atau sistem yang dapat mendeteksi dehidrasi secara otomatis. Dehidrasi pada tubuh manusia dapat dideteksi menggunakan citra urine yang diproses dengan beberapa tahap mulai dari akuisisi citra hingga klasifikasi. Metode Content Based Image Retrieval (CBIR) digunakan untuk mencari kemiripan dari beberapa jenis urine dengan karakteristik yang sama. Untuk mengklasifikasikan hasil pengolahan sistem dan menganalisis keputusan, digunakan klasifikasi Decision Tree dimana sampel diuji hanya yang sesuai dengan kriteria atau kelas tertentu. Pada penelitian ini jumlah data diambil dari 45 jenis sampel urine. Sistem yang telah dirancang mampu mendeteksi dehidrasi pada tubuh manusia berdasarkan citra urine dengan hasil akurasi tertinggi sebesar 86,6% dan waktu komputasi 1,610 detik. Hasil pengujian menunjukkan bahwa metode Content Based Image Retrieval (CBIR) dan klasifikasi Decision Tree bekerja dengan baik. Kata kunci : Dehidrasi, Citra Urine, Content Based Image Retrieval, Decision Tree Abstract One of the disease or disorder that occurred because the body lack of water and the quality of the water that consumed by human is too bad might caused dehydration. Basically, there is a lot of people who do not realize that their body have been dehydrated. Therefore, we need a system that could detecting dehydration automatically and preventing dehydration earlier. In this research has been design a program or system that could detect dehydration automatically. Dehydration on human body can be detect using urine image that processed with some step that begin with image acquisition up to classification. Content Based Image Retrieval (CBIR) method is used for looking the similarities from a few type of urine with same characteristic. To classify the result of system processing dan decision analyzing, we can use Decision Tree clasification which is the sample is tested only with same criteria or certain classes. In this research the data was taken from 45 kind of urine sample. The system that has been design is able to detect dehydration on human body through urine image with highest accuration as big as 86,6% and computation time for 1,610 second. The results showing that Content Based Image Retrieval (CBIR) method and Decision Tree Classification has worked very well. Keywords: Dehydration, Urine Image, Content Based Image Retrieval, Decision Tree

Deteksi Derajat Kebengkokan Tulang Belakang Berdasarkan Citra Medis Digital Menggunakan Metode Glcm Dan Lvq Fitya Nur Fadhilah; Rita Magdalena; Nor Kumalasari Caecar Pratiwi
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstrak Kelainan tulang skoliosis merupakan kelainan tulang yang sering dianggap remeh, karena untuk mengetahui kelainan tulang tersebut pasien/penderita harus melakukan pemeriksaan dengan Rontgen. Skoliosis merupakan kelainan pada tulang belakang yang menyebabkan tulang belakang mengalami kelengkungan sehingga posisi tulang belakang tidak pada bentuk normalnya. Pada penelitian ini, akan membangun sistem yang dapat mendeteksi derajat kebengkokan dan kemiringan pada kelainan tulang belakang manusia dengan hasil Rontgen yaitu dengan format *jpg. Pada Tugas Akhir ini digunakan metode Gray Level Coocurent Matrix (GLCM) dan Learning Vector Quantization (LVQ). Gray Level Coocurent Matrix yang merupakan metode analisis pengambilan ciri berdasarkan tingkat keabuan yang berbasis statistical. Proses klasifikasi menggunakan metode Learning Vector Quantization dengan tujuan untuk mengklasifikasikan citra berdasarkan sudut derajatnya. Dengan pemilihan metode dan analisis performasi dalam penelitian ini, sistem mampu dalam mengklasifikasikan keluaran yaitu tulang punggung normal, kelainan dekstoskoliosis, kelainan levoskoliosis dan mengetahui derajat kebengkokannya. Dengan citra masukkan sebanyak 121 dengan komposisi pembagian pada kelas yaitu 31 citra tulang dektroskoliosis, 38 citra tulang levoskoliosis, 52 citra tulang normal. Hasil penelitian yang diperoleh dari serangkaian pembuatan sistem tersebut dapat menganalisis performansi dari suatu sistem dan akurasi terbaik yang didapatkan sebesar 100% dengan menggunakan parameter Gray Level Coocurent Matrix (GLCM) orde dua dikeempat parameter, level kuantisasi8,denganjarak1piksel padaarah135Â° denganprosesklasifikasimenggunakanLearningVector Quantization (LVQ) saat nilai hidden layer 10 dan epoch sebesar 300. Kata Kunci : Tulang Punggung, Gray Level Coocurent Matrix, Learning Vector Quantization. Abstract Scoliosis bone is a bone abnormality that is often underestimated, because to find out the bone abnormalities the patient must do a roentgen examination. Scoliosis is a spine disorder that causes the spine to experience curvature so that the position of the spine is not in itâ€™s normal shape. In this research, researcher will build a system that can detect exact degree of bone bending in human spinal abnormalities with roentgen results in *jpg format. In this Final Project the Gray Level Coocurent Matrix (GLCM) and Learning Vector Quantization (LVQ) methods are used. Gray Level Coocurent Matrix which is a method of analyzing character traits based on gray level on statistics. The classification process uses the Learning Vector Quantization (LVQ) method with purpose to classify the image based on its angle. With the selection of methods and performance analysis in this study, the system is able to classify outputs such as normal backbone, dextoscoliosis abnormalities, levoscoliosis abnormalities and also know the degree of bending. Using 121 input images with the composition of division in the class, namely 31 images of dictroscoliosis bone, 38 images of levoscoliosis bone, 52 images of normal bone Keywords : Spine, Grey Level Coocurent Matrix, Learning Vector Quantization.

Konversi Sinyal Suara Ke Video Untuk Tunarungu Menggunakan Metode Mel-frequency Cepstral Coefficients Dan K-nearest Neighbors Hanif Chandra Mulya; Iwan Iwut Tritoasmoro; Nor Kumalasari Caecar Pratiwi
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstrak Komunukasi merupakan salah satu cara untuk berinteraksi dengan sesama manusia. Namun berbeda untuk orang tunarungu dalam berinterkasi dan berkomunikasi dengan sesama maupun dengan orang awam menggunakan Sistem Isyarat Bahasa Indonesia (SIBI) ataupun Bisindo yang merupakan bahasa dari ibu. Penelitian ini mengusulkan sebuah sistem konversi sinyal suara ke video gerakan bahasa isyarat untuk tunarungu dengan input sinyal ucapan yang selanjutnya tahapan preprocessing, kemudian melakukan proses ektraksi ciri menggunakan metode Mel-frequency Cepstral Coefficients. Hasil ekstraksi ciri diklasifikasi menggunakan metode K-Nearest Neighbors untuk mencari kemiripan terdekatnya dengan data yang ada pada database. Jika hasil klasifikasi sama dengan database, maka akan menghasilkan keluaran berupa teks, kemudian teks tersebut menjadi input untuk memanggil video gerakan bahasa isyarat yang ada pada database. Hasil dari penelitian, sistem mampu mengonversi sinyal suara ke video bahasa isyarat untuk tunarungu dengan akurasi terbaik sebesar 95.417%. Kata kunci : Tunarungu, Mel-frequency Cepstral Coefficients, K-Nearest Neighbors. Abstract Communication is one of the way to interact between humans. But itâ€™s different for deaf people to interact and communicate with each of them or people in general using Indonesian Sign Language System (SIBI) or Bisindo which is mother language. This research proposes a system to convert the speech signal to sign language motion video for deaf people which the first stage is begin from inputting the signal word then continued to preprocessing stage, and then feature extraction process using Mel-frequency Cepstral Coefficients method. The result of the feature extraction is classified using K-Nearest Neighbors method to looking for the closest similarities between the data with the database. If the result of the classification same as the database, then the output of the system will be a text. The text is become the input to summon the sign language motion video on the database. The result of research, the system capable to convert the speech signal to sign language motion video for deaf people with the highest accuration as big as 95.417% Keywords: Deaf, Mel-frequency Cepstral Coefficients, K-Nearest Neighbors.

Title

Found 24 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 24 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 24 Documents
Search