Article Per Year (5 Year)
p-Index From 2020 - 2025
5.781
P-Index
This Author published in this journals
All Journal Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JMM (Jurnal Masyarakat Mandiri) Jurnal Riset Teknologi dan Inovasi Pendidikan (Jartika) Jurnal Inovasi Hasil Pengabdian Masyarakat (JIPEMAS) TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika Jurnal Teknokes Prosiding Konferensi Nasional PKM-CSR eProceedings of Engineering Community Service Seminar and Community Engagement (COSECANT) Jurnal Rekayasa elektrika Jurnal INFOTEL Serambi Engineering SWAGATI: Journal of Community Service
Wahmisari Priharti
Universitas Telkom
Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Mathematics Nursing Public Health Social Sciences Other

Published : 36 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
PERANCANGAN DAN PENGEMBANGAN PENDETEKSI PENYAKIT MELANOMA MENGGUNAKAN METODE GREY LEVEL CO-OCCURANCE MATRIX (GLCM) DAN METODE KLASIFIKASI CONVOLUTIONAL NEURAL NETWORK (CNN) Sang Ayu Ketut Devi Saraswati; Wahmisari Priharti; Fenty Alia
TEKTRIKA Vol 6 No 2 (2021): TEKTRIKA Vol.6 No.2 2021
Publisher : Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/tektrika.v6i2.4637

Abstract

Melanoma merupakan salah satu jenis penyakit kulit berupa tumor ganas yang berkembang pada sel melanosit penghasil melanin. Penyakit ini merupakan penyakit langka, namun memiliki risiko kematian yang tinggi jika tidak segera ditangani. Salah satu cara yang dapat membantu penanganan melanoma adalah diagnosis secara dini terhadap penyakit tersebut. Pada penelitian ini dirancang sebuah pendeteksi penyakit melanoma menggunakan Raspberry pi dan pi camera dengan mengimplementasikan metode ekstraksi fitur Grey Level Co-Occurance Matrix (GLCM) dan metode klasifikasi Convolutional Neural Network (CNN). Citra input akan diolah melalui proses preprocessing berupa proses grayscale, image adjustment, dan cropping. Citra hasil pre-processing akan diekstraksi menggunakan metode GLCM berdasarkan parameter contrast, correlation, entropy, dan uniformity. Tahap terakhir, citra akan diklasifikasikan apakah merupakan penyakit melanoma atau non-melanoma menggunakan metode CNN. Pengujian dilakukan menggunakan dataset yang berjumlah 416 data citra nevus dan melanoma serta citra validasi yang berjumlah 16 sampel citra nevus. Dari hasil pengujian didapatkan hasil akurasi sebesar 85% dengan F1-score sebesar 89% sehingga hasil penelitian ini dapat digunakan sebagai salah satu alat bantu untuk proses screening kasus penyakit melanoma. Kata Kunci: Convolutional Neural Network (CNN), Grey Level Co-Occurance Matrix (GLCM), Melanoma, Deep Learning, Image Processing.
PERANCANGAN PEMINDAI DOKUMEN CETAK PORTABEL MENGGUNAKAN TESSERACT DAN OPENCV Wahmisari Priharti; Kris Sujatmoko; Arief Syahnakri Abubakar
TEKTRIKA Vol 7 No 1 (2022): TEKTRIKA Vol.7 No.1 2022
Publisher : Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/tektrika.v7i1.4634

Abstract

Dokumen cetak masih menjadi pilihan beberapa industri untuk menyimpan data-data penting dalam bentuk faktur, struk, dan dokumen cetak lainnya. Hal ini menimbulkan masalah ketika diperlukan bentuk data digital dari dokumen cetak tersebut. Oleh karena itu, dibutuhkan suatu sistem yang dapat mengkonversi citra dokumen cetak menjadi string agar data tidak perlu dimasukkan ke komputer secara manual. Saat ini, teknologi yang mampu mengidentifikasi huruf pada citra adalah OCR engine yang didalamnya sudah diprogram untuk melakukan segmentasi, ekstraksi ciri, klasifikasi, training, dan recognition. Salah satu OCR engine yang memiliki akurasi yang paling tinggi (96,38%) dengan lama pemrosesan paling cepat (4,60 detik) adalah Tesseract. Namun, keakurasian Tesseract bergantung kepada kualitas citra dan noise sehingga diperlukan pengolahan citra tambahan. Oleh karena itu, pada penelitian ini dirancang suatu alat pemindai dokumen cetak menggunakan OCR Tesseract dengan tahapan pengolahan citra: grayscaling, unsharp masking, Otsu thresholding, dan dilation dengan library OpenCV. Dari hasil pengujian terhadap jenis font Arial, Calibri, Times New Roman, Dot Matrix, dan Fake Receipt ukuran 16, diperoleh persentase kesalahan sebesar 2,58% untuk mengenali kata, 3,5% untuk mengenali kata dalam suatu kalimat, 10,5% untuk mengenali kata dalam paragraf, dan 9,5% untuk mengenali kata dalam dokumen struk.
Co-Authors Achmad Rizal Achmad Rizal Agnes Christy Margareth Rumapea Agung Surya Wibowo Aisha Medina Arafat Aldrivo Muhamad Supit Enoch Andi Majesta, I Made Andre Suryaputra Anggelina Margaretha Marsukan Arief Syahnakri Abubakar Aziz, Burhanuddin Bambang Setia Nugroho Bandiyah Sri Aprillia Bena Bimantara, Wayan Abin Brahmantya Aji Pramudita Burhanuddin Aziz Dago, Leonardus Chirstopher Desri Kristina Silalahi Dien Rahmawati Dopo, Obed Orieyanto Ega Elfira Ekki Kurniawan Fajra Octrina Farhan Edwan Mursalaat Fenty Alia Fenty Alia Firas Maulana Lasidi Fransiskus Abel Pramuadi Putra Ghibran Herlangga Zahra Rievansa Hasan Basri Dongoran Hesty Susanti Husneni Mukhtar I Gede Putu Oka Indra Wijaya Ig. Prasetya Dwi Wibawa Ihsan Ahmad Kamal Ilham, Adam Abiyyu Iswahyudi Hidayat Kertanegara, Mochamad Gattan Kris Sujatmoko Kusnahadi Susanto Lovindo Nulova Maudina Citra Febriani Mochammad Fahreza Darmawan Muhammad Hablul Barri Muhammad Syarifuddin Novi Prihatiningrum Porman Pangaribuan Prastha Giriwara, I Made Rizqi Aulia Syihab Ruri Octari Dinata Sang Ayu Ketut Devi Saraswati Saragih , Haamid Ahmad Sony Sumaryo Sudarmono Sasmono Suryo Adhi Wibowo Suto Setiyadi Teuku Zulkarnain Muttaqien Trisa Putri Siregar Widiyasari, Diyah Willy Anugrah Cahyadi Yazid Ammar Yendi Surya Agung Yusuf Nur Wijayanto Zainal Abidin Pane