Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

1.503

P-Index

This Author published in this journals

All Journal Telematika Joined Journal (Journal of Informatics Education Jurnal Ilmiah IT CIDA : Diseminasi Teknologi Informasi Archive: Jurnal Pengabdian Kepada Masyarakat J-Innovation JAMU : Jurnal Abdi Masyarakat UMUS Jurnal Penelitian Sistem Informasi Scientica: Jurnal Ilmiah Sains dan Teknologi

Purwidiantoro, Moch. Hari

STMIK AMIKOM Surakarta

Author-ID : 1906806

Religion Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Medicine & Pharmacology Nursing Public Health Social Sciences Transportation Other

Published : 13 Documents Claim Missing Document

Claim Missing Document

Articles

Title

VIRTUAL MOUSE MENGGUNAKAN ALGORITMA HAARCASCADE DAN HOUGH TRANSFORM SEBAGAI MEDIA INTERAKSI MANUSIA DENGAN KOMPUTER BAGI PENYANDANG DISABILITAS Fandy Setyo Utomo; Moch Hari Purwidiantoro
Telematika Vol 8, No 1: Februari (2015)
Publisher : Universitas Amikom Purwokerto

Komputer adalah salah satu media untuk pencarian informasi. Dalam mengoperasikan komputer seseorang harus dapat menggerakkan pointer pada layar komputer dengan mouse. Hal ini menjadi sulit untuk dilakukan bagi penderita disabilitas gerak tangan. Penelitian yang dilakukan bertujuan untuk membuat aplikasi virtual mouse yang dapat digunakan sebagai media interaksi antara penyandang disabilitas dengan komputer. Proses penjejakan wajah untuk mengendalikan pointer menggunakan algoritma Haarcascade Classifier, sedangkan untuk operasi click event mouse menggunakan deteksi kedipan mata dengan algoritma Hough Transform. Penelitian dilakukan dalam beberapa tahap yaitu melakukan analisis kebutuhan fungsional, membuat desain aplikasi, implementasi, dan pengujian aplikasi. Pengujian dilakukan terhadap kecepatan aplikasi dalam mendeteksi wajah berdasarkan sudut kemiringan wajah tertentu. Selain itu, pengujian dilakukan pula terhadap kecepatan aplikasi dalam mendeteksi iris mata berdasarkan nilai threshold tertentu. Berdasarkan hasil pengujian aplikasi dapat disimpulkan bahwa nilai pergeseran memiliki toleransi 10o hingga 25o untuk pendeteksian wajah, sedangkan nilai threshold yang baik untuk pendeteksian iris mata berkisar antara 90 sampai dengan 100.

PENERAPAN INFORMATION ENGINEERING UNTUK MENINGKATKAN KEUNGGULAN KOMPETITIF AMIKOM CIPTA DARMA SURAKARTA Moch. Hari Purwidiantoro; M. Suyanto; Hanif Al Fatta
Telematika Vol 11, No 1: Februari (2018)
Publisher : Universitas Amikom Purwokerto

Amikom Cipta Darma Surakarta merupakan salah satu Perguruan Tinggi swasta di kota Solo. Amikom Cipta Darma Surakarta telah berperan aktif dalam pemanfaatan sistem informasi dan teknologi informasi (SI/TI) untuk kegiatan belajar mengajar serta pengelolaan operasional kampus. Akan tetapi pemanfaatan SI/TI tersebut belum maksimal dan terdapat beberapa permasalahan. Permasalahan tersebut antara lain berkaitan dengan kompleksitas sistem dan SI/TI tidak selaras dengan bisnis. Hal tersebut dikarenakan belum ada perencanaan yang matang dalam investasi SI/TI. Dengan demikian Amikom Cipta Darma Surakarta harus memiliki rencana strategis yang tepat sebagai kunci sukses dalam menjamin kelangsungan proses bisnis dan memenangkan persaingan. Perencanaan strategis sistem informasi dan teknologi informasi pun menjadi kebutuhan dan keharusan dalam menunjang perkembangan Amikom Cipta Darma Surakarta untuk meraih keunggulan kompetitif. Pada penelitian ini menggunakan metode Information Engineering (IE) untuk analisis dan perencanaan SI/TI. Dalam analisis kondisi internal perguruan tinggi digunakan analisis SWOT dan CSF untuk dapat mengidentifikasi kebutuhan dan strategi SI/TI. Hasil dari penelitian ini yaitu rencana strategis SI/TI dan blueprint SI/TI yang akan dijadikan acuan dalam pengembangan SI/TI Amikom Cipta Darma Surakarta di masa depan.Kata kunci: Information Engineering, SI/TI, SWOT, CSF

CNN and SVM Combination for Multi-Class Classification of Diabetic Retinopathy Based on Fundus Imaging Agustin, Tinuk; Purwidiantoro, Moch. Hari; Utami, Ema; Fatta, Hanif Al
Telematika Vol 15, No 2: August (2022)
Publisher : Universitas Amikom Purwokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35671/telematika.v15i2.2086

Diabetic Retinopathy (DR) is a cause of blindness. Early detection has the potential to save the patient's vision. Reading fundoscopic photos requires more expertise and effort by the ophthalmologist. There are many visual similarities in lesions and only minor differences in the spatial domain. A computer-assisted automatic detection system is needed to assist medical experts in DR diagnosis and can reduce costs. This study proposes a combination method of Convolutional Neural Network (CNN) and Support Vector Machine (SVM) for the automatic classification of Diabetic Retinopathy (DR). The pre-train architecture Inception-V3 uses for feature extraction of input data. After training and getting the best model, the next is classification with SVM. Data augmentation techniques use to multiply and add variations to the dataset. Before the feature extraction stage, the dataset will process by separating the green channel from the RGB image. Next, the CLAHE will require increasing the contrast of the picture. This study aims to improve the performance in multi-class DR classification. The proposed model uses four classes of unbalanced and small datasets from retinal fundus images. This paper also compares the combined performance of CNN SVM with CNN Softmax based on the accuracy value to validate the results. Our experiments show that the combination of CNN SVM can increase the accuracy of auto-detection of DR severity up to 11.48% better than CNN softmax. The results showed that the pre-trained architectural model from the combination of Inception-V3 with SVM classification improves the accuracy extensively, even on small and unbalanced datasets.

Co-Authors Abdul Aziz, Riyan Afnan Rosyidi Agung Pambudi Agus Purwanto Agustin, Tinuk Ema Utami Falih Nawwaf Fandy Setyo Utomo Hanif Al Fatta Hanif Al Fatta Ina Sholihah Widiati, Ina Sholihah Indrawan Ady Saputro Krisnawan Arie Santosa Lashwaty, Nina Dewi Lilik Sugiarto Lilik Sugiarto M. Suyanto Nina Dewi Lashwaty Piskonata, Yogi Rasyid, Rum Mohamad Andri Kristiyanto Rindi Astuti Siti Rihastuti Sri Widiyanti Tinuk Agustin Uqik Nur Hidayat Wibowo, Alfian Nur Widiyanto Hadi Widjiyati, Nur

Title Search

Found 3 Documents Search Journal : Telematika

Abstract

Abstract

Abstract

Title

Found 3 Documents
Search
Journal : Telematika