Article Per Year (5 Year)
p-Index From 2020 - 2025
1.503
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering International Journal of Advances in Applied Sciences Jurnal Ilmiah Informatika Komputer Jurnal Ilmiah Teknologi dan Rekayasa CESS (Journal of Computer Engineering, System and Science) Jurnal Ilmiah KOMPUTASI
Achmad Fahrurozi
Universitas Gunadarma
Automotive Engineering Computer Science & IT Decision Sciences, Operations Research & Management Earth & Planetary Sciences Electrical & Electronics Engineering Environmental Science Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mathematics Physics

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 10 Documents
Search

 1 
TEMU KEMBALI CITRA DENGAN MENGGUNAKAN MOMEN ZERNIKE DAN CITY BLOCK Rifki Kosasih; Achmad Fahrurozi; Desti Riminarsih
Jurnal Ilmiah KOMPUTASI Vol 17, No 3 (2018): September
Publisher : STMIK JAKARTA STI&K

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

Abstract

Temu kembali citra (Image Retrieval) merupakan suatu metode untuk mendapatkan sejumlah citra yang diinginkan melalui citra masukan. Temu kembali citra yang dilakukan berbasis teks memiliki kelemahan karena ukuran basis data citra yang besar dan subjektifitas dalam mengaitkan citra dengan teks. Terdapat 2 jenis temu kembali citra yaitu Teks Based Image Retrieval dan Content Based Image Retrieval (CBIR). Pada penelitian ini digunakan metode CBIR yang merupakan metode pencarian citra berdasarkan isi visual dari citra masukan seperti bentuk, tekstur dan lain-lain. Fitur bentuk tersebut dicari dengan menggunakan metode momen zernike. Setelah itu dihitung jarak antara citra masukan dengan citra basis data dengan menggunakan metode jarak city block. Dari hasil penelitian diperoleh bahwa metode CBIR dengan menggunakan metode momen zernike dan city block sangat cocok dipakai untuk mencari citra yang diinginkan sesuai dengan citra masukan.
VEHICLE DETECTION USING PRINCIPAL COMPONENT ANALYSIS Rifki Kosasih; Achmad Fahrurozi; Iffatul Mardhiyah
Jurnal Ilmiah KOMPUTASI Vol 19, No 2 (2020): Juni
Publisher : STMIK JAKARTA STI&K

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

Abstract

The detection of a vehicle in video is a activity that is important to help the security forces keep an eye on the traffic flow. However, it is hard to security forces to keep watching the video (CCTV) of traffic flow in all day long. Artificial intelligence can be use to help the security to monitoring and analyze the traffic of vehicles, such as to know the level of vehicle traffic density at a certain time period or find out detailed information about the vehicle that want to observe. In this study, Principle Component Analysis (PCA) method used to doing background substraction process to detect vehicles in a real time. To improve the results of PCA method, morphological operation is implemented. The experiment result shown that PCA method is well used to detect the vehicle in a real time with accuracy at 95%.
Wood Classification Based on Edge Detections and Texture Features Selection Achmad Fahrurozi; Sarifuddin Madenda; Ernastuti Ernastuti; Djati Kerami
International Journal of Electrical and Computer Engineering (IJECE) Vol 6, No 5: October 2016
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (380.015 KB) | DOI: 10.11591/ijece.v6i5.pp2167-2175

Abstract

One of the properties of wood is a mechanical property, includes: hardness, strength, cleavage resistance, etc. Among these properties there that can be measured or estimated by visual observation on cross-sectional areas of wood, which is based on inter-fiber density, fiber size, and lines that build the annual rings. In this paper, we proposed a new wood quality classification method based on edge detections. Edge detection is applied to the wood test images with the aim to improving the characteristics of wood fibers so as to make it easier to distinguish their quality. Gray Level Co-occurrence Matrix (GLCM) used to obtain wood texture features, while the wood quality classification done by Naïve Bayes classifier. Found in our experimental results that the first-order edge detection is likely to provide a good accuracy rate and precision. The second order edge detection is highly dependent on the choice of parameters and tends to give worse classification results, as filtering the original wood image, thus blurring characteristics related to wood density. Selection of features obtained from co-occurrence matrix is also quite affected the classification results.
PENDETEKSIAN OBJEK PADA CITRA HEWAN KARNIVORA DAN HERBIVORA MENGGUNAKAN FASTER R-CNN Sherien Trisnawaty Eka Putri; Achmad Fahrurozi
Jurnal Ilmiah Informatika Komputer Vol 27, No 1 (2022)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2022.v27i1.5858

Abstract

Penelitian ini bertujuan menghasilkan sistem pendeteksian objek dengan menggunakan Faster R-CNN untuk mengklasifikasikan jenis hewan dari kelompok hewan karnivora dan herbivora berbasis citra. Pembuatan program dalam penelitian ini menggunakan Faster R-CNN dengan arsitektur Inception V2 dan Google Collab pada tahap pelatihan. Data yang digunakan yaitu 2000 citra hewan yang diambil secara random menggunakan Chrome extension dan dilabelkan secara manual. Hasil akuisisi citra memberikan variasi sudut pengambilan gambar, variasi jarak pengambilan, dan variasi jumlah objek dalam citra. Pembuatan sistem pendeteksian objek ini meliputi tahap pelatihan untuk membentuk model Faster R-CNN, tahap uji coba, dan pengukuran performa sistem pendeteksian objek yang dihasilkam. Berdasarkan hasil implementasi dan uji coba, disimpulkan bahwa sistem ini dapat mengklasifikasikan jenis hewan karnivora dan herbivora dengan total loss model hasil pelatihan berada pada 0.06 dan rata-rata tingkat akurasi sebesar 89%. Hasil perhitungan Recall dan Precision menunjukkan bahwa  performa dari sistem klasifikasi yang dihasilkan sangat baik, dengan nilai Recall 100% terdapat pada kelompok citra hewan Cheetah, Eagle, Komodo, Shark, Tiger, Bull, Guineapig, dan Zebra.
Implementation of Random Forest on Face Recognition Using Isomap Features Rifki Kosasih; Achmad Fahrurozi; Desti Riminarsih
CESS (Journal of Computer Engineering, System and Science) Vol 7, No 2 (2022): July 2022
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v7i2.34498

Abstract

Sistem pengenalan wajah merupakan salah satu bidang yang digunakan untuk mengenali wajah seseorang. Dalam penelitian ini, data yang dikumpulkan merupakan data citra wajah yang terdiri dari 24 citra dengan komposisi 6 orang dan tiap orang memiliki 4 citra dengan berbagai ekspresi. Untuk mengenali wajah tersebut, dilakukan ekstraksi fitur wajah terlebih dahulu menggunakan metode isomap. Isomap merupakan metode reduksi dimensi yang dapat mereduksi dari dimensi tinggi menjadi fitur-fitur yang berdimensi rendah. Berdasarkan hasil ekstraksi diperoleh 4 fitur yang digunakan untuk mengklasifikasikan wajah. Untuk mengklasifikasikan wajah, digunakan algoritma random forest. Berdasarkan hasil penelitian diperoleh tingkat akurasi hasil klasifikasi sebesar 87,5%, nilai weighted average precision sebesar 81,25% dan nilai weighted average recall sebesar 87,5%.
SISTEM PENDETEKSI PELANGGAR JARAK SOSIAL COVID-19 BERBASIS VIDEO MENGGUNAKAN ALGORITMA YOLOv3 Putri Setiya Ningsih; Achmad Fahrurozi
Jurnal Ilmiah Teknologi dan Rekayasa Vol 27, No 2 (2022)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/tr.2022.v27i2.7100

Abstract

Corona Virus Disease 2019 (COVID-19) telah dinyatakan oleh WHO sebagai pandemik dan Pemerintah Indonesia berdasarkan Keputusan Presiden Nomor 11 Tahun 2020 tentang Penetapan Kedaruratan Kesehatan Masyarakat telah menyatakan COVID-19 sebagai kedaruratan kesehatan masyarakat yang wajib dilakukan upaya penanggulangan. Untuk mengatasi pengaruh dalam banyak sektor di Indonesia, pemerintah telah melakukan tindakan pencegahan. Salah satunya yaitu dengan menjaga jarak dan menghindari kerumunan. Pencegahan ini untuk menghindari penyebaran virus Corona yang lebih luas. Organisasi Kesehatan Dunia (WHO) menyebut pencegahan ini sebagai physical distance. Namun masyarakat cenderung lalai dalam melaksanakan protokol kesehatan tersebut. Salah satu cara untuk mengatasi masalah ini adalah dengan memantau jarak fisik antar objek manusia dan membuat sistem pendeteksian otomatis yang digunakan untuk mendeteksi jumlah dan jarak dari objek manusia yang ada pada suatu area tertentu. Penelitian ini bertujuan untuk membangun sistem pemantauan jarak fisik menggunakan bahasa pemrograman Python dengan library YOLOv3. Data yang digunakan dalam penelitian ini merupakan data primer berupa video berdurasi 15 detik dengan rate 20 fps, dengan format MP4. Secara umum, sistem mendeteksi jumlah objek manusia yang terdapat dalam tiap frame dari video, untuk kemudian mendeteksi pelanggar jarak sosial dalam frame tersebut. Hasil rata - rata akurasi dari deteksi objek adalah 83,07% dan hasil  rata – rata akurasi dari deteksi pelanggar jarak sosial adalah 86,24%.
Vehicle Detection Using Principal Component Analysis: Array Rifki Kosasih; Achmad Fahrurozi; Iffatul Mardhiyah
Jurnal Ilmiah Komputasi Vol. 19 No. 2 (2020): Jurnal Ilmiah Komputasi Volume: 19 No. 2, Juni 2020
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.19.2.83

Abstract

The detection of a vehicle in video is an activity that is important to help the security forces keep an eye on the traffic flow. However, it is hard to security forces to keep watching the video (CCTV) of traffic flow in all day long. Artificial intelligence can be use to help the security to monitoring and analyze the traffic of vehicles, such as to know the level of vehicle traffic density at a certain time period or find out detailed information about the vehicle that want to observed. In this study, Principle Component Analysis (PCA) method used to doing background substraction process to detect vehicles in a real time. To improve the results of PCA method, morphological operation is implemented. The experiment result shown that PCA method is well used to detect the vehicle in a real time with accuracy at 95%. Abstrak Pendeteksian kendaraan menggunakan video merupakan kegiatan yang penting untuk membantu pihak keamanan untuk mengawasi arus lalu lintas. Akan tetapi, sangat sulit bagi pihak keamanan untuk terus mengawasi video arus lalu lintas sepanjang hari melalui CCTV. Oleh karena itu kecerdasan buatan dapat digunakan untuk membantu pihak keamanan dalam memantau dan menganalisis lalu lintas kendaraan, seperti untuk mengetahui tingkat kepadatan lalu lintas kendaraan pada periode waktu tertentu atau mengetahui informasi terperinci tentang kendaraan yang ingin diamati. Dalam penelitian ini, metode Principle Component Analysis (PCA) digunakan untuk melakukan proses substraksi latar belakang untuk mendeteksi kendaraan secara real time. Untuk meningkatkan hasil metode PCA, operasi morfologi diimplementasikan. Hasil percobaan menunjukkan bahwa metode PCA baik digunakan untuk mendeteksi kendaraan secara real time dengan tingkat akurasi 95%.
Classification of six banana ripeness levels based on statistical features on machine learning approach Rifki Kosasih; Sudaryanto Sudaryanto; Achmad Fahrurozi
International Journal of Advances in Applied Sciences Vol 12, No 4: December 2023
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijaas.v12.i4.pp317-326

Abstract

Banana plants are often cultivated because they have many benefits. In producing, we need to maintain the quality of bananas by looking at banana ripeness levels before being distributed to markets. The level of banana ripeness is related to marketing reach. If the marketing reach is far, bananas should be harvested when the ripeness level of bananas is still relatively low. A system that can classify the degree of ripeness of bananas can help overcome this problem. In this study, our dataset includes 6 ripeness levels of bananas, more than in previous related studies. Furthermore, we use the statistical features extraction method to find the parameters that affect the level of banana ripeness, considering the texture and color of the banana peel which determines the level of ripeness visually. The extraction used is features extraction based on a histogram, then we employ four features, i.e., mean, skewness, energy descriptor, and smoothness, generated from the image dataset. In the next stage, we perform classification based on the features that have been obtained. In this study, we use Naive Bayes classifier and support vector machine (SVM) algorithms. Based on the result of this research, the best performance is the Naive Bayes classifier, with an accuracy is 86.67%, a weighted average precision of 83.55%, and a weighted average recall of 86.67%.
IMPLEMENTASI INTERNET OF THING (IOT) SISTEM MONITORING KUALITAS AIR SHRIMP FARMING VANAME PADA APLIKASI BERBASIS ANDROID Alwansyah Alwansyah; Achmad Fahrurozi
Jurnal Ilmiah Teknologi dan Rekayasa Vol 29, No 1 (2024)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/tr.2024.v29i1.11227

Abstract

Penelitian ini bertujuan untuk mengembangkan sebuah sistem aplikasi berbasis mobile yang memungkinkan pemantauan kualitas air tambak udang vaname secara real-time. Dengan fokus pada parameter suhu, Total Dissolved Solid (TDS), dan pH air, sistem ini menggunakan teknologi Internet of Things (IoT) untuk mengoptimalkan pengelolaan budidaya udang. Di Indonesia, sebagai negara kepulauan dengan garis pantai terpanjang kedua di dunia, budidaya udang vaname menjadi komoditas ekspor utama dalam sektor perikanan. Kualitas air dalam tambak udang memiliki peranan krusial dalam produktivitas dan keberlangsungan hidup udang. Gangguan pada parameter kualitas air seperti suhu yang tidak tepat, TDS yang tidak terkontrol, atau pH yang tidak seimbang dapat menyebabkan penurunan pertumbuhan dan bahkan penyebaran penyakit. Keterbatasan penerapan teknologi di sektor budidaya perikanan di Indonesia telah menjadi hambatan dalam memantau dan mengontrol kualitas air secara efisien. Diharapkan bahwa implementasi sistem monitoring kualitas air tambak udang vaname ini dapat memberikan solusi untuk permasalahan kualitas air yang sering dihadapi dalam budidaya udang. Dengan penerapan teknologi IoT dengan keluaran pada aplikasi android, informasi yang diperoleh menjadi lebih akurat dan dapat diakses dengan cepat melalui perangkat smartphone. Selain itu, kemampuan untuk mengambil tindakan preventif atau korektif berdasarkan data yang tersedia diharapkan akan meningkatkan efisiensi dan produktivitas budidaya udang vaname di Indonesia.
ANALISA SENTIMEN PADA ULASAN GOOGLE UNTUK HOTEL GRAN MAHAKAM JAKARTA MENGGUNAKAN PENDEKATAN MACHINE LEARNING Muhammad Rizki Prasetyo; Achmad Fahrurozi
Jurnal Ilmiah Informatika Komputer Vol 28, No 3 (2023)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2023.v28i3.9761

Abstract

Fitur Google Review memungkinkan pelanggan untuk mem-posting ulasan maupun rating secara publik mengenai pengalaman mereka dengan layanan serta produk sebuah bisnis. Ketika seorang pengguna memberikan rating tertentu, umumnya diasumsikan bahwa rating tersebut mencerminkan sentimen atau pendapat mereka tentang produk atau layanan tersebut. Terkadang ulasan yang disertakan oleh pengguna dapat menunjukkan sentimen yang bertentangan dengan rating yang diberikan. Salah satu ulasan yang memiliki cukup banyak kontradiksi antara rating dan sentimen review adalah ulasan pada hotel Gran Mahakam yang berlokasi di Jakarta. Dalam melakukan analisis sentimen ada beberapa metode yang dapat digunakan, antara lain SVM (Support Vector Machine) dan Naïve Bayes Classifier (NBC). Penelitian ini bertujuan untuk membangun model analisis sentimen pada ulasan hotel Gran Mahakam menggunakan pendekatan machine learning sebagai perbandingan untuk mengetahui polaritas sentimen dan kecenderungan opini konsumen. Hasil dari penelitian ini menghasilkan nilai dari evaluasi model kerja yaitu akurasi sebesar 92% pada algoritma SVM, dan 90% pada NBC. Lebih lanjut, penelitian ini menemukan kasus dimana NBC memiliki nilai Precision yang tidak terdefinisi, karena gagal memprediksi satu pun label senitmen negatif. Hal ini diduga karena karakteristik dataset ulasan yang merupakan imbalanced dataset. Dapat disimpulkan secara keseluruhan model yang dibangun menggunakan SVM memiliki performa yang lebih baik dari model menggunakan NBC, dalam kasus analisa sentimen pada ulasan hotel Gran Mahakam di Google Review.
Co-Authors Alwansyah Alwansyah Desti Riminarsih Djati Kerami Ernastuti Ernastuti Iffatul Mardhiyah Muhammad Rizki Prasetyo Putri Setiya Ningsih Rifki Kosasih Rifki Kosasih Sarifuddin Madenda Sherien Trisnawaty Eka Putri Sudaryanto Sudaryanto