Article Per Year (5 Year)
p-Index From 2021 - 2026
1.881
P-Index
This Author published in this journals
All Journal TELKOMNIKA (Telecommunication Computing Electronics and Control) Bulletin of Electrical Engineering and Informatics Khazanah Informatika: Jurnal Ilmu Komputer dan Informatika Proceeding of the Electrical Engineering Computer Science and Informatics Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Indonesian Journal of Applied Informatics JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Charity : Jurnal Pengabdian Masyarakat Indonesian Community Journal eProceedings of Engineering Community Service Seminar and Community Engagement (COSECANT) Jurnal INFOTEL
Ema Rachmawati
Universitas Telkom, Bandung
Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Public Health Social Sciences Other

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : eProceedings of Engineering

 1 
Klasifikasi Genus Tanaman Sukulen Menggunakan Convolutional Neural Network Hamad Fauzi Jessar; Agung Toto Wibowo; Ema Rachmawati
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 Tanaman sukulen merupakan jenis tanaman hias yang banyak ditemukan jenisnya di indonesia. Tanaman sukulen mempunyai banyak jenis genus yang dimana setiap genus mempunyai ciri dan karakteristik yang beragam sehingga sulit untuk mengidentifikasi jenis genus pada tanaman sukulen.Oleh karena itu, penulis membuat sebuah sistem yang dapat mengenali jenis genus tanaman sukulen melalui gambar menggunakan metode Convolutional Neural Network (CNN). CNN merupakan salah satu teknik deep learning yang dapat digunakan untuk mengenali objek dua dimensi seperti gambar dan video. CNN memiliki banyak jenis arsitektur jaringan, arsitektur jaringan CNN yang digunakan penulis untuk membangun sistem ini adalah custom arsitektur dan penulis juga menggunakan k fold cross validation yang bertujuan untuk memastikan keakuratan akurasi yang dihasilkan oleh model sistem. Penelitian dilakukan penulis dengan membandingkan antara model yang dilatih menggunakan dataset berwarna (RGB) dan model yang dilatih menggunakan dataset grayscale. Dari hasil penelitian didapatkan bahwa model yang dilatih menggunakan dataset berwarna mempunyai akurasi testing yang lebih tinggi dibandingkan dengan model yang dilatih menggunakan dataset grayscale. Akurasi testing yang dihasilkan model yang dilatih dengan dataset berwarna sebesar 93% sedangkan model yang dilatih menggunakan dataset grayscale sebesar 64%. Kata kunci : convolutional neural network, deep learning, k fold, grayscale, RGB Abstract Succulent plants are a type of ornamental plant that are found in many species in Indonesia. Succulent plants have many types of genera, where each genus has various characteristics and characteristics making it difficult to identify the type of genus in succulent plants. Therefore, the authors created a system that can recognize the types of succulent plant genera through images using the Convolutional Neural Network (CNN) method. ). CNN is a deep learning technique that can be used to recognize two-dimensional objects such as images and videos. CNN has many types of network architectures, the CNN network architecture used by the author to build this system is a custom architecture and the author also uses k fold cross validation which aims to ensure the accuracy of the accuracy generated by the system model. The research was conducted by the author by comparing the model trained using the color dataset (RGB) and the model trained using the grayscale dataset. From the results of the study, it was found that models trained using color datasets have higher accuracy than models trained using grayscale datasets, namely 93% for models with color datasets while models with grayscale datasets have 64% accuracy. Keywords: convolutional neural network, deep learning, k fold cross validation, RGB, grayscale
Klasifikasi Gender Berdasarkan Citra Wajah Menggunakan Vision Transformer Ganjar Gingin Tahyudin; Ema Rachmawati; Mahmud Dwi Sulistiyo
eProceedings of Engineering Vol 10, No 2 (2023): April 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak-Gender seseorang dapat dilihat salah satunya secara visual berdasarkan citra wajah manusia. Selain itu, dengan kemajuan teknologi saat ini, komputer juga dapat melakukan klasifikasi gender berdasarkan data yang dilatih. Proses klasifikasi gender menggunakan komputer dapat diaplikasikan terhadap berbagai sektor seperti industri atau pemerintahan. Pada penelitian sebelumnya, terdapat berbagai metode konvensional yang digunakan untuk melakukan klasifikasi citra, khusus klasifikasi gender berdasarkan citra wajah, namun sebagian besar tidak melakukan Cross-Dataset Evaluation untuk melakukan uji performa terhadap model yang dihasilkan. Tugas akhir ini akan membahas bagaimana melakukan klasifikasi gender berdasarkan citra wajah menggunakan metode Vision Transformer menggunakan dataset AFAD sebagai dataset training dan melakukan Cross-Dataset Evaluation terhadap model yang dihasilkan menggunakan dataset UTKFace. Model yang dibangun berhasilkan mendapatkan akurasi validasi sebesar 0,9676 dan akurasi testing sebesar 0,9661 pada pengujian training atau Same-Dataset serta mendapatkan akurasi 0,8174, Precision 0,8188, Recall 0,8189, dan F1 Score sebesar 0,8189 pada pengujian Cross-Dataset Evaluation.Kata kunci- transformer, vision transformer, gender classification, image processing, computer vision.
Co-Authors Abdul Khaliq Al Bari Achmad Hussein Sundawa Kartamihardja Ade Romadhony Agung Toto Wibowo Agus Cahya Ananda Yoga Putra Amin Nur Arfianto Fahmi Arifudin Achmad Bambang Pudjoatmodjo Bedy Purnama Dodi Wisaksono Sudiharto Edwar Esa Prakasa Faishal Daffa Fat'hah Noor Prawira Fat’hah Noor Prawira Fazmah Arif Yulianto Febryanti Sthevanie Gamma Kosala Ganjar Gingin Tahyudin Grandhys Setyo Utomo Haddad Alwi Yafie Hamad Fauzi Jessar Indra Lukmana Sardi Iping Supriana Iping Supriana Suwardi Jondri Jondri Kurniawan Nur Ramadhani Lidya Ningsih Mahmud Dwi Sulistiyo Masayu Leylia Khodra Maula Ilma Ahgnia Dwi Anjani Muhammad Arzaki Naufal Harsa Pratama Prawita, Fat’hah Noor Putu Harry Gunawan Rimba Whidiana Ciptasari Rina Pudji Astuti Rini Shintawati Selly Meliana Simon Siregar Supriana, Iping Yayan Agustian