Article Per Year (5 Year)
p-Index From 2020 - 2025
6.22
P-Index
This Author published in this journals
All Journal ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika E-Dimas: Jurnal Pengabdian kepada Masyarakat Jurnal Inovasi Bisnis (Inovbiz) JMM (Jurnal Masyarakat Mandiri) Martabe : Jurnal Pengabdian Kepada Masyarakat Jurnal Abdimasa Indonesian Journal of Electrical Engineering and Computer Science JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Journal of Telecommunication, Electronics and Control Engineering (JTECE) eProceedings of Engineering Ranah Research : Journal of Multidisciplinary Research and Development Jurnal Rekayasa elektrika Jurnal INFOTEL al Kimiya : Jurnal Ilmu Kimia dan Terapan Emitor: Jurnal Teknik Elektro
Jangkung Raharjo
Universitas Telkom
Agriculture, Biological Sciences & Forestry Arts Humanities Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Public Health Social Sciences Transportation Other

Published : 67 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 67 Documents
Search

 1   2   3   4   5 
Analisis Performansi Super Resolusi Menggunakan Metode Stationary Wavelet Transform (swt) - Centroid Berbasis Digital Image Watermarking Kahfi Fadhlan Maulana; Jangkung Raharjo; Irma Safitri
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Penyebaran konten digital yang begitu mudah membuat pemberian identitas sangatlah penting. Setiap orang dapat merubah dan memodifikasinya secara mudah. Watermarking adalah salah satu cara pemberian identitas tanpa merusak konten yang disisipi. Konten digital yang telah di Watermark membutuhkan resolusi yang tinggi untuk menghasilkan citra yang lebih jelas dan detail. Pada penelitian ini memberikan alternatif dengan teknik super resolusi. Tujuan utama super resolusi adalah untuk menghasilkan gambar resolusi tinggi dari gambar resolusi rendah menggunakan kepadatan pixel yang tinggi. Metode yang digunakan pada tugas akhir ini antara lain metode SWT (Stationary Wavelet Transform) karena host tetap utuh setelah dilakukan penyisipan. Memiliki nilai kualitas PSNR yang baik, dan memiliki persepsi transparansi yang baik. dan metode Centroid dilakukan untuk melihat nilai tengah dari citra yang diteliti. Serta dengan menggunakan metode penyisipan QIM (Quantization Index Modulation). Adapun metode pada super resolusi menggunakan bicubic. Interpolasi ini menghasilkan pembesaran citra lebih halus pada bagian tepi-tepinya. Bicubic menggunakan 4×4 piksel tetangga untuk mengambil informasi. Hasil penelitian ini menggunakan MATLAB, dan diuji dengan sample image 32 × 32. Sebagai watermark, serta host dengan ukuran 2048×2048. Dan diberi serangan Gaussian Noise, Translation, dan Rotate. Dari penelitian ini dilihat hasil terbaik menggunakan bicubic dengan nilai BER=0,1201 pada tanpa serangan, BER=0,1064 pada serangan Gaussian Noise, BER=0,541 pada serangan translasi, BER=0,4814 pada serangan rotate . Dan juga parameter lainnya PSNR, serta SSIM. Kata kunci : Watermarking, Stationary Wavelet Transform (SWT), Centroid, BER, SSIM, PSNR, BICUBIC Abstract Dissemination of digital content is so easy that it provides an important identity. Everyone can change and modify it easily. Watermarking is one way of providing identity without damaging the inserted content. Digital content that has been watermarked requires high resolution to produce clearer and more detailed images. This research provides an alternative to the super resolution technique. The main purpose of super resolution is to produce high resolution images from low resolution images using high pixel density. The method used in this thesis is the SWT (Stationary Wavelet Transform) method because the host remains intact after insertion. Have a good PSNR quality value, and have a good perception of transparency. and the Centroid method is performed to see the mean value of the image under study. And by using the QIM (Quantization Index Modulation) insertion method. The super resolution method uses bicubic. This interpolation results in finer image enlargement at the edges. Bicubic uses 4 × 4 neighboring pixels to retrieve information. The results of this study used MATLAB, and were tested with a 32 × 32 sample image. As a watermark, and a host with a size of 2048 × 2048. And given a Gaussian Noise, Translation, and Rotate attack. From this study the best results are seen using a bicubic with a value of BER = 0.1201 on no attacks, BER = 0.1064 on Gaussian Noise attacks, BER = 0.541 on translational attacks, BER = 0.4814 on rotate attacks. And also other parameters PSNR, as well as SSIM. Keywords: Watermarking, Stationary Wavelet Transform (SWT), Centroid, BER, SSIM, PSNR, BICUBIC
Klasifikasi Tingkat Sangrai Biji Kopi Berbasiskan Pengolahan Citra Digital Dengan Menggunakan Singular Value Decomposition Dan Learning Vector Quantization Muh, Ipnu Udjie Hasiru; Jangkung Raharjo; Nur Ibrahim
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Saat ini kopi termasuk komoditas nomor dua terbesar didunia. Namun masih banyak pelaku industri kopi yang belum mengetahui tingkat sangrai biji kopi. Oleh sebab itu diperlukan metode khusus dengan cara mengklasifikasikan tingkat sangrai biji kopi bertujuan dapat mempermudah para pelaku industri kopi dan menambah ketertarikan masyarakat untuk mengenali jenis tingkat sangrai biji kopi, terutama kopi arabika. Proses yang telah dilakukan dalam klasifikasi ini yaitu dengan mengambil citra biji kopi menggunakan device kemudian dilakukan preprocessing. Data yang dipakai pada penelitian ini berjumlah 150 dimana terdapat 90 data latih dan 60 data uji diantaranya terdapat 3 kelas tingkat sangrai biji kopi yaitu, light roast, medium roast, dan dark roast. Ekstraksi ciri menggunakan metode Singular Value Decomposition (SVD) dan klasifikasinya menggunakan Learning Vector Quantization (LVQ). Data dan metode yang telah dirancang kemudian disimulasikan dengan menggunakan Matlab. Hasil akhir dari penelitian ini adalah dapat mengklasifikasi tingkat sangrai dari citra biji kopi yang diambil. Pada penelitian kali ini dengan menggunakan metode yang telah diuji hasil akurasi yang didapatkan sebesar 90%. Kata kunci: kopi, sangrai, Image Processing, Matlab, Singular Value Decomposition, Learning Vector Quantization. Abstratc Currently coffee is the second largest commodity in the world. But there are still many coffee industry players who do not know the level of roasting of coffee beans. Therefore a special method is needed by classifying the roasting level of coffee beans aimed at facilitating coffee industry players and increasing public interest in recognizing the types of roasted coffee beans, especially arabica coffee. The process that has been carried out in this classification is by taking the image of coffee beans using a device then pre-processing. The data used in this study amounted to 150 where there were 90 training data and 60 test data including 3 classes of roasting levels of coffee beans, namely, light roast, medium roast, and dark roast. Feature extraction uses the Singular Value Decomposition (SVD) method and its classification uses Learning Vector Quantization (LVQ). The data and methods that have been designed are then simulated using Matlab. The final result of this research is to be able to classify the level of roasting from the image of coffee beans taken. In this study using a method that has been tested the results obtained by accuracy of 90%. Keywords: coffee, roaster, Image Processing, Matlab, Singular Value Decomposition, Learning Vector
Implementasi Data Encryption Standard (des) Pada Image Watermarking Citra Menggunakan Algoritma Discrete Cosine Transform (dct) Rizqi Muhammad; Jangkung Raharjo; Nur Andini
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Pencurian dan penyalahgunaan data, merupakan hal yang sangat wajar seiring berkembangnya teknologi. Dengan memanfaatkan teknologi informatika hari ini, dapat memudahkan manusia dalam penyalinan, penyebaran dan pengarsipan data multimedia. Perkembangan jaringan komunikasi digital, dapat memudahkan data-data digital diakses dan tersebar luas oleh khalayak melalui jaringan internet. Banyaknya pengguna internet yang melakukan pertukaran data dengan pengguna lainnya, dapat memungkinkan pertukaran data dilakukan secara ilegal. Untuk melindungi keamanan dan kerahasiaan pemilik data beserta datanya, maka diperlukan suatu teknik untuk menjamin keamanan hal tersebut. Watermarking merupakan suatu teknik yang dapat digunakan untuk menyembunyikan pesan atau menandai pesan. Dengan penggunaan teknik pada berbagai jenis data media digital, diharapkan dapat mencegah terjadinya pelanggaran hak cipta atas hasil karya seni dan intelektual. Dalam tugas akhir ini, penulis merancang sistem watermarking dengan tujuan menyisipkan pesan informasi berbentuk citra (.jpeg) pada gambar (.jpeg). Dengan mengkombinasikan algoritma Discrete Cosine Transform (DCT) dan Data Encryption Standar (DES), dimana plaintext merupakan secret image. Pada proses sistem yang dirancang berjalan akan dicari nilai PSNR dan MSE pada saat embedding serta nilai BER pada saat extraction dan decryption. Hasil penelitian tugas akhir ini adalah sebuah sistem yang dapat menyisipkan sebuah pesan informasi berbentuk citra (secret image) ke dalam sebuah gambar (host image). Pada hasil uji avalanche effect DES, data nilai yang diperoleh membuktikan bahwa DES dapat mengubah isi pesan sebanyak 50% jika key masukan diubah 1-bit. Hasil PSNR yang didapat memiliki nilai >>30dB, membuat pesan yang disisipkan kasat mata terhadap penglihatan manusia. Uji coba terbaik dilakukan saat secret image berukuran 32x32 pixel, dimana nilai rata-rata BER <<0.03. Kata kunci: Watermarking, Kriptografi, Discrete Cosine Transform, Data-Encryption Standar Abstract Data theft and misuse are very common as technology develops. By utilizing informatics technology today, it can facilitate humans in copying, distributing and archiving multimedia data. The development of digital communication networks, can facilitate digital data accessed and widely distributed by the public through the internet network. Many internet users who exchange data with other users, can allow data exchange to be done illegally. To protect the security and confidentiality of data owners and their data, a technique is needed to guarantee the security of this. Watermarking is a technique that can be used to hide messages or mark messages. By using techniques in various types of digital media data, it is expected to prevent copyright infringement on works of art and intellectuals. In this thesis, the author designed a watermarking system with the aim of inserting an information message in the form of an image (.jpeg) in an image (.jpeg). By combining the Discrete Cosine Transform (DCT) algorithm and the Standard Data-Encryption (DES), where the plaintext is a secret image. In the system process that is designed to run will look for the value of PSNR and MSE when embed-ding and the value of BER when extraction and decryption. The result of this final project research is a system that can insert an information message in the form of an image (secret image) into an image (host image). In the DES avalanche effect test results, the data values obtained show that DES can change the message content by as much as 50% if the input key is changed to 1-bit. PSNR results obtained have a value of> 30dB, making the message inserted invisible to human vision. The best test is done when the secret image is 32x32 pixels, where the average value of BER << 0.03. Key words: Watermarking, Cryptography, Discrete Cosine Transform, Data-Encryption Standar
Klasifikasi Sinyal Alpha Beta Terhadap Konsentrasi Diri Dalam Kondisi Mengerjakan Tes Matematikamenggunakan Metode K-nearest Neighbor(k-nn) Muhammad Alif Rizqi Hatmadiansyah; Jangkung Raharjo; Gelar Budiman
eProceedings of Engineering Vol 8, No 5 (2021): Oktober 2021
Publisher : eProceedings of Engineering

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

Abstract

Secara umum gelombang otak manusia mengalami perubahan ketika dalam kondisi normal dan ketika melakukan aktifitas. salah satunya ketika meminum kafe-in yang menyebabkan perubahan pada kondisi otak seseorang terhadap objek yang diinginkan. Objek yang akan diuji adalah konsentrasi diriseseorang ketika menger-jakan tes matematika, dimana seseorang akan mengalami tingkat konsentrasi yang tinggiketika mengerjakannya. Pada penelitian tugas akhir ini akan dilakukan analisis pada gelombang alpha dan beta otak manusia saat dalam kondisi normal dan saat keadaan meminum kafe-in, yangmemberikan perbandingan dari kedua kondisi tersebut danmemperlihatkan hasil analisis yang diinginkan.Pengukuran bentuk konsentrasi diukur dari informa-si sinyal Elektroencephalogram (EEG) yang dapat merekam aktivitas elektrik di sepanjang kulit kepala. Metode yang digunakan dalam penelitian ini ialah Discrete Wavelet Transform(DWT)sebagai metode Ekstraksi ciri dengan mengekstraksisinyal terhadap gelom-bang Alpha dan Beta untuk mendapatlan suatu ciri yang akan mempengaruhi tahapselanjutnya yaitu dalam menjalankan proses klasifikasi menggunakan metode K- Nearest Neighbor (K-NN). Pada penelitian ini digunakan muse monitor 1 channelatau alat perekam yang memiliki 1 saluran kanal. Pada penelitian ini digunakan 10responden dalam stimulus atau rangsangan yang berbeda dan sudah dikelaskan,pada penelitian kali ini ada dua jarak KNN terbaik yaitu euclidean dan juga minkowskiyang sama-sama memiliki akurasi terbaikk sebesar 83% dengan parameter yang berbeda. Kata Kunci : Elektroensephalogram, Discrete Wavelet Transform, K-NearestNeighbor, Gelombang Alpha, Gelombang Beta, Tes Matematika.
Klasifikasi Kesegaran Sayur Kangkung Dan Deteksi Terpapar Bahan Kimia Menggunakan Metode Glcm Dan Knn Rufus Ocsan; Jangkung Raharjo; Irma Safitri
eProceedings of Engineering Vol 8, No 2 (2021): April 2021
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Sayur kangkung dapat diklasifikasikan sebagai sayuran jenis daun yang memiliki banyak khasiat bagi kesehatan dan mudah untuk didapatkan. Namun terdapat hal buruk yang bisa terjadi, jika sayur kangkung sudah tidak segar dan terpapar bahan kimia. Dampak dari sayuran yang terpapar bahan kimia dan yang mengalami pembusukan seperti, kram perut, diare, demam, menggigil, mual, muntah, pusing, kelelahan, lemas, bahkan dampak yang lebih buruk mengakibatkan gangguan seperti pikun, penyakit parkinson, dalam jangka panjang, mengganggu kesuburan pria dan dapat menyebabkan kanker. Oleh sebab itu, Tugas Akhir ini dirancang untuk menghasilkan proses klasifikasi kualitas dan mendeteksi jika terpapar bahan kimia pada sayur kangkung. Data yang digunakan adalah hasil dari pengambilan sayur kangkung pada bagian batang dan daun yang akan dikelola dengan citra digital. Data akan dibagi berdasarkan data latih dan data uji. Sistem menggunakan metode Gray Level Co-ocurrence Matrix (GLCM) untuk mengekstraksi ciri dari data yang telah diolah dengan penggunaan citra digital dan metode K-Nearest Neighbor untuk mengklasifikasikan data. Tugas Akhir ini dilakukan dengan dua kali percobaan yang menghasilkan sebuah sistem untuk mengklasifikasikan kesegaran dan mendeteksi terpapar bahan kimia berdasarkan 3 jenis, yaitu sayur kangkung segar yang tidak terpapar bahan kimia, sayur kangkung segar yang terpapar bahan kimia dan sayur kangkung yang mengalami proses pembusukan. Percobaan pertama sistem ini memiliki akurasi sebesar 42,85% dengan nilai k=1 pada arah sudut 0°, 45°, 90°, 135°. Percobaan kedua system ini memliki akurasi sebesar 100% dengan nilai k=1 pada arah sudut 0°, 45°, 90°, 135°. Kesalahan klasifikasi banyak terdapat pada percobaan pertama dikarenakan nilai karakteristik citra uji lebih dominan dengan nilai karakteristik citra latih dan terdapat data uji yang tidak sempurna. Kata Kunci: Kangkung, Gray Level Co-Occurrence Matrix, K-Nearest Neighbor, Matlab Abstract Kale vegetables can be classified as leafy vegetables that have many health benefits and are easy to obtain. But there are bad things that can happen, if the kale vegetables are not fresh and are exposed to chemicals. The effects of vegetables that are exposed to chemicals and which experience decay, such as stomach cramps, diarrhea, fever, chills, nausea, vomiting, dizziness, fatigue, weakness, even worse effects result in disorders such as dementia, Parkinson's disease, in the long term, disturbing male fertility and can cause cancer. Therefore, this final project is designed to produce a quality classification process and detect if it is exposed to chemicals in kale vegetables. The data used is the result of taking kale vegetables on the stems and leaves which will be managed with digital images. The data will be shared based on training data and test data. The system uses the Gray Level Co-occurrence Matrix (GLCM) method to extract features from processed data using digital images and the K-Nearest Neighbor method to classify data. This final project was carried out with two experiments which resulted in a system to classify freshness and detect chemical exposure based on 3 types, namely fresh kale vegetables that were not exposed to chemicals, fresh kale vegetables that were exposed to chemicals and vegetables that were subjected to a process of decay. The first experiment of this system has an accuracy of 42.85% with a value of k = 1 at the angle of 0 °, 45 °, 90 °, 135 °. Experiments of these two systems have an accuracy of 100% with a value of k = 1 in the direction of the angle of 0 °, 45 °, 90 °, 135 °. There are many classification errors in the first experiment because the characteristic value of the test image is more dominant with the characteristic value of the training image and there are imperfect test data. Keywords: Kale, Gray Level Co-Occurrence Matrix, K-Nearest Neighbor, Matlab
Watermarking Citra Medis Menggunakan Metode Discrete Sine Transform-Lifting Wavelet Transform dan Singular Value Decomposition Saiful Azis; Jangkung Raharjo; Yunendah Nur Fuadah
eProceedings of Engineering Vol 7, No 3 (2020): Desember 2020
Publisher : eProceedings of Engineering

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

Abstract

Perkembangan teknologi informasi saat ini begitu pesat dikarenakan sangat memudahkan aktivitas manusia. Hal tersebut telah menyentuh berbagai aspek kehidupan termasuk dunia medis salah satunya Electronical health record (EHR). Salah satu fitur utama dari EHR adalah informasi kesehatan dapat dibuat dan dikelola oleh penyedia resmi dalam format digital yang dapat dibagikan dengan penyedia lain yang lebih dari satu organisasi kesehatan Pada penelitian ini akan dilakukan watermarking dengan menggunakan metode Discrete Sine Transform (DST), Lifting Wavelet Transform (LWT) dan Single Value Decomposition (SVD) . DST dan LWT akan memproses citra medis dan penggabungan antara citra medis sebagai host dengan citra watermark pada proses SVD. Pada skenario tertentu citra terwatermark akan diberi serangan untuk mengetahui ketahanan yang dihasilkan. Adapun hasil yang didapatkan adalah nilai PSNR 54,3953 dB dan SSIM 0,9737. Hasil ini menandakan bahwa watermarking ini memilki kualitas yang baik karena PSNR berada diatas 40 dB. Kata Kunci :.Watermarking, Discrete Sine Transform, Lifting Wavelet Transform, Singular Value Decomposition
Identifikasi Penyakit Parkinson Dengan Metode Discrete Cosine Transform (DCT) Dan Learning Vector Quantization (IVQ) Berdasarkan VGRF Iwa Swandana; Jangkung Raharjo; Irma Safitri
eProceedings of Engineering Vol 7, No 2 (2020): Agustus 2020
Publisher : eProceedings of Engineering

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

Abstract

Penyakit Parkinson merupakan salah satu penyakit degenerasi yang sulit untuk didiagnosis. Sampai saat ini, masih banyak penderita Parkinson yang terlambat ditangani dikarenakan sulitnya untuk mendeteksi gejala awal yang diderita oleh penderita Parkinson. Penyakit Parkinson timbul dikarenakan adanya kerusakan pada sel substantia neigra. Oleh karena itu penelitian ini dilakukan dengan cara mengolah dan mengklasifikasi data rekaman menggunakan Vertical Ground Reaction Force (VGRF) dari database Physiobank. Dengan mengklasifikasi data sinyal rekaman VGRF berjumlah 16 sensor yang akan dipasang pada kaki pasien saat berjalan. Metode penelitian ini menggunakan Discrete Cosine Transform (DCT) untuk ekstraksi ciri dan Learning Vector Quantization (LVQ) untuk klasifikasi. Pemrosesan komputasi penilitian ini dilakukan menggunakan Python. Penulis berhasil memperoleh tingkat akurasi terbaik berdasarkan 428 data, yang terdiri dari 300 data latih dan 128 data uji menghasilkan akurasi dengan 2 nilai yang sama sebesar 91,41% dengan parameter klasifikasi yaitu Learn Rate sebesar 0,1 Epoch sebesar 50 Codebooks sebesar 5 dengan waktu komputasi 91.59 detik dan untuk nilai yang kedua Learn Rate sebesar 0,1 Epoch sebesar 50 Codebooks sebesar 7 dengan waktu komputasi 47.77 detik. Dengan adanya sistem ini keluaran yang diharapkan dapat memberikan penanganan lebih dini terhadap penderita Parkinson serta menguragi jumlah penderita penyakit Parkinson karena dengan terlambatnya diagnosis dapat menyebabkan gejala yang diterima oleh penderita Parkinson berkembang lebih berbahaya.Kata Kunci: Parkinson, Vertical Ground Force Reaction, Discrete Cosine Transform, Learning Vector Quantization
Klasifikasi Tiga Jenis Psoriasis Dengan Menggunakan Metode Fraktal Dan KNearest Neighbor Muh Hisyam Siddiq; Jangkung Raharjo; Irma Safitri
eProceedings of Engineering Vol 9, No 6 (2022): Desember 2022
Publisher : eProceedings of Engineering

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

Abstract

Abstrak—Psoriasis adalah penyakit yang dapat menyerang di bagian kulit pada seluruh tubuh dan tidak memandang umur seseorang. Fraktal adalah objek yang memiliki kemiripan dengan dirinya-sendiri namun dalam skala yang tidak sama. K-Nearest Neighbor digunakan untuk mencari jarak terdekat antara data latih yang dimasukkan ke dalam database dengan data uji dan mengklasifikasikannya. Tugas akhir ini bertujuan untuk membuat simulasi pada Matlab dengan mendeteksi dan mengklasifikasikan jenis Psoriasis. Klasifikasi tersebut dibagi menjadi tiga kelas, yaitu: Psoriasis Pustular, Psoriasis Vulgaris, Psoriasis Guttate. Data yang digunakan diperoleh dari dataset yang tersedia pada website kaagle.com sebanyak 33 citra data uji, dengan masing-masing kelas berjumlah 11 citra, dan 66 citra data latih dengan masing-masing kelas berjumlah 22 citra. Pengujian yang telah dilakukan melalui sistem yang telah dirancang, memiliki keluaran dengan tingkat akurasi yang tinggi. Sistem dapat mengidentifikasi penyakit psoriasis melalui citra kulit dan dapat mengklasifikasikan citra ke dalam tiga kelas citra dengan waktu komputasi sebesar 20.1 detik dan memiliki tingkat akurasi tertinggi yaitu 97% pada saat nilai K-Nearest Neighbor (K-NN) yaitu K=1. Kata Kunci— psoriasis, citra, fraktal, k-nearest neighbor.
Deteksi Kelebihan Kadar Kolesterol Melalui Citra Iris Mata Menggunakan Metode Gray Level Co-occurrence Matrix Dan Learning Vector Quantization Putri Marito; Jangkung Raharjo; Koredianto Usman
eProceedings of Engineering Vol 6, No 3 (2019): Desember 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Seiring perkembangan zaman, teknologi mengalami perkembangan sangat pesat, begitu juga dengan perkembangan teknologi dalam bidang kesehatan. Saat menjalanin tes kesehatan rutin kita akan menjalani tes kolesterol yang memakan waktu lama dikarenakan pasien harus menjalanin puasa terlebih dahulu, dimana untuk mendapatkan hasil tes pun memakan waktu yang lama. Pada penelitian ini, penulis merancang sistem yang mendeteksi kadar kolesterol dalam tubuh manusia dengan mengidentifikasi citra iris mata lalu diekstraksi ciri dengan metode GLCM dan diklasifikasikan dengan metode LVQ. Citra iris mata diambil menggunakan kamera handphone sebagai data sistem. Data sistem terbagi menjadi data latih dan data uji. Setiap data dikelompokkan menjadi tiga kategori yaitu normal, berpotensi kolesterol dan kolesterol. Data sistem di preprocessing berupa cropping, resize, segmentasi, dan merubah citra RGB menjadi citra grayscale. Citra grayscale diekstraksi ciri dengan metode GLCM kemudian dilakukan proses klasifikasi dengan LVQ. Sistem melakukan proses pelatihan berupa data latih yang di preprocessing kemudian diekstraksi ciri dengan ketentuan parameter fitur, jarak piksel, arah/sudut, dan level kuantisasi. Kemudian, sistem mengklasifikasi data latih tersebut dengan ketentuan parameter epoch, dan hidden layer terhadap data latih kembali. Hasil dari proses pelatihan berupa parameter terbaik. Selanjutnya, sistem melakukan proses pengujian berupa data latih yang di preprocessing kemudian diekstraksi ciri dan diklasifikasi dengan ketentuan parameter terbaik terhadap data uji. Dari hasil pengujian, sistem yang dibangun mampu mendeteksi kadar kelebihan kolesterol melalui citra iris mata dan mengklasifikasikan kedalam tiga kelas yaitu berisiko kolesterol, kolesterol dan nonkolesterol dengan tingkat akurasi sebesar 98,67% dan waktu komputasi 0,039s menggunakan masing-masing 75 data latih dan data uji, dengan parameter orde dua yang digunakan adalah kontras-korelasi-homogenitas, jarak piksel (d) = 1, arah/sudut = 0° level kuantisasi (n) = 8, epoch 200 dan hidden layer 10. Kata Kunci: GLCM, LVQ, Citra iris mata, Kolesterol. Abstract Along with the times, technology has developed very rapidly, as well as technological developments in the health sector. When undergoing routine health tests we will undergo a cholesterol test that takes a long time because the patient must undergo fasting first, where to get the results of the test also takes a long time too. In this study, the authors designed a system that detects cholesterol levels in the human body by identifying the iris image then extracted features by the GLCM method and classified by the LVQ method. The iris image was taken using a cellphone camera as a data system. System data is divided into training data and test data. Each data is grouped into three categories namely normal, cholesterol and cholesterol potential. Preprocessing system data in the form of cropping, resizing, segmenting, and changing the RGB image into grayscale image. Grayscale image is extracted by GLCM method then classification process is done by LVQ. The system performs the training process in the form of training data which is preprocessed then features are extracted with the provisions of feature parameters, pixel spacing, direction / angle, and quantization level. Then, the system classifies the training data with the provisions of the epoch parameter, and the hidden layer of the training data again. The results of the training process are in the form of the best parameters. Furthermore, the system performs the testing process in the form of preprocessing training data then features are extracted and classified with the best parameter provisions of the test data. From the test results, the system that was built was able to detect levels of excess cholesterol through iris images and classify them into three classes namely risk of cholesterol, cholesterol and non-cholesterol with an accuracy rate of 98,67% and computing time of 0.039s using 75 each training data and test data, with secondorder parameters used are contrast-correlation-homogeneity, pixel spacing (d) = 1, direction = 0° quantization level (n) = 8, epoch 200 and hidden layer 10. Keywords: GLCM, LVQ, iris image, Cholesterol.
Estimasi Bobot Sapi Berdasarkan Citra Digital Dengan Metode Fraktal Dan Klasifikasi Decision Tree Fajar Kurniawan Alhamal; Jangkung Raharjo; Syamsul Rizal
eProceedings of Engineering Vol 8, No 2 (2021): April 2021
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Potensi sapi di Indonesia mempunyai peluang yang sangat besar, karena jenis sapi endemik Indonesia masuk jajaran sapi paling berkualitas di dunia. Dalam menentukan kualitas sapi, bobot merupakan salah satu indikator penting. Dengan bobot, peternak dapat menentukan hasil produksi dan produktivitas sapi. Menentukan bobot sapi yang paling umum adalah menggunakan timbangan. Namun, mahalnya harga timbangan menjadi salah satu faktor penghambat dalam merintis usaha peternakan sapi. Sistem yang dirancang menggunakan masukan citra sapi dari sisi samping dan keluaran berupa estimasi bobot sapi. Tujuan dari penelitian ini adalah mempermudah calon peternak dalam menentukan bobot sapi tanpa menggunakan timbangan yang harganya relatif mahal. Sistem yang telah dirancang dalam program aplikasi estimasi bobot sapi memerlukan input berupa citra atau gambar sapi dan menghasilkan output berupa bobot beserta klasifikasi sapi berdasarkan bobot sapi yang diperoleh. Program aplikasi yang diimplementasikan untuk mengestimasi bobot sapi, dirancang dalam software MATLAB 2018a menggunakan metode fraktal dan klasifikasi Decision Tree. Pada tugas akhir ini mendapatkan tingkat akurasi estimasi sistem sebesar 81% dengan nilai root mean squared error pada perhitungan rumus schoorl mendapatkan hasil 72,56277, winter 75,00148, dan denmark 69,11267. Waktu komputasi rata-rata 0,3329 detik. Akurasi dan waktu komputasi didapatkan dengan jumlah data latih sebanyak 47 citra dan jumlah data uji sebanyak 21 citra. Kata kunci: Bobot Sapi, Decision Tree, Fraktal, Pengolahan Citra Digital. Abstract Potential cattle in Indonesia has a very big opportunity, because Indonesian endemic cows enter ranks of the most qualified cows in the world. In determining the quality of the cow, weight is an important indicator. With weight, breeders can determine cow production and productivity. Determines the most common cow weight is to use the scales. However, the high price of the scales is wrong one inhibiting factor in starting a cattle farm business. System which is designed using a cow image input from the side and output in the form of cow weight estimation. The purpose of this research is to make it easier for candidates breeders in determining the weight of the cow without using scales the price is relatively expensive. The system that has been designed in the cow weight estimation application program requires input in the form of an image or image of a cow and produces output in the form weight and classification of cattle based on the weight of cattle obtained. Program the application implemented to estimate the weight of a cow is designed in MATLAB 2018a software uses the fractal method and the Decision classification Tree. In this final project, the system estimation accuracy rate is 81% with the root mean squared error value in the Schoorl formula calculation, getting 72.56277 results, winter 75.00148, and Denmark 69.11267. The average computation time was 0.3329 seconds. Accuracy and computation time obtained by the amount of training data as much as 47 images and the number of test data as many as 21 images. Key words : Fractal, Decision Tree, Cow Weight, Digital Image Processing
Co-Authors Adi Soeprijanto Aditya Pratama Ahmad Zaky Rafif Muthafa Aisy, Naura Safina Rahadatul Andhika Yoga Andi Zahra Bunga Zana Andre Danika Angga Rusdinar Annisa Puji Lestari Arafah, M. Ilmil Madya Noor Ardio Pratama Putra ARIS HARTAMAN Ariza Rizky Pratama Arizsatrio Anggawijaya Atina Nur Azizah Augustina Asih Rumanti Bambang Hidayat Bandiyah Sri Aprilia Bandiyah Sri Aprillia Basuki Rahmat Masdi Siduppa Burhanuddin Dirgantoro Dega Pradipta Ramadhan Denny Darlis Desri Kristina Silalahi Dwi Bayu Leksono Efri Suhartono Eka Sugiarto Ekki Kurniawan Elia Kurniawati Fadlil Azimi Syafli Fairoez Nauval Reformatio Fajar Dwi Septria Fajar Kurniawan Alhamal Farhan, Mhd Althalif Firman Ag. Roni Fitria, Ismaulida Nur Fityanul Aditya Frisnanda Aditya Gelar Budiman Haidy Anazmar Hanifah, Dyatisa Hasbiya Ghifari Alfarizi Hermagasantos Zein Hernawan Kurniansyah Hilman Fauzi, Hilman I Gede Putu Oka Indra Wijaya I Nyoman Apraz R I Nyoman Apraz Ramatyana Ilma Mufidah Inung Wijayanto Irma Safitri Irwan Purnama Isnaeny Rahmawanthi Iwa Swandana Iwan Iwut Tritoasmoro Jaspar Hasudungan Kahfi Fadhlan Maulana Khalisa Sasikirana Athaya Kharisma Bani Adam Koredianto Usman Kristi, Meilinda Santa Ledya Novamizanti Lilis Setiono Maharani, Nabila Sri Mahendra, Dio Manfaati, Rintis Mohamad Iqbal Muayyadi, Achmad Aly MUFLIKHAH, INTAN LAILY Muh Hisyam Siddiq Muh Zidni Makarim Muh, Ipnu Udjie Hasiru Muhammad Alif Rizqi Hatmadiansyah Muhammad Samsul Muarif Muhammad Zakiyullah Romdlony Nabila Hatami Putri Nachwan Mufti Adriansyah Nadya Ainun Avrilya Nizhar Arya Hamitha Nor Kumalasari Caecar Pratiwi Novi Prihatiningrum Nur Andini Nur Ibrahim Putri Marhamah Yunita Putri Marito Putri, Aquila Anandya R. Yunendah Nur Fu’adah Rahmawan Ilham Al Fatha Rendi Bagus Oklanri Ridho Nurbagja Gumelar Rifki Rahman Nur Ikhsan Rifqy Assariy Victory Rissa Rahmania Rita Magdalena Rizqi Muhammad Rufus Ocsan Saiful Azis Salsabila, Siti Marwa Sambono, Oranda Aracelly Saputra, Muhamad Farid Yahya SASTROSUBROTO, ASHWIN SASONGKO Sayidina Ariq Farhan Silviana, Rena SOFIA SAIDAH Sudiana Sudiana Suryo Adhi Wibowo Sutomo Sutomo Suyatno Budiharjo Syamsul Rizal Syamsul Rizal Thoriq Bayu Aji Tita Haryanti Tri Siswanto Yogi Ghifari Sidik Yulinda yulinda Yustika, Lindiasari Martha Yusuf Nur Wijayanto