Sutikno Sutikno
Universitas Diponegoro

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

Optimization of Backpropagation for Early Detection of Diabetes Mellitu Rosita Sofiana; Sutikno Sutikno
International Journal of Electrical and Computer Engineering (IJECE) Vol 8, No 5: October 2018
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (221.412 KB) | DOI: 10.11591/ijece.v8i5.pp3232-3237

Abstract

Diabetes mellitus is one of the urgent health problems in the world. Diabetes is a condition primarily defined by the level of hyperglycemia giving rise to risk of micro vascular damage. Those who suffer from this disease generally do not realize and tend to overlook the early symptoms. Late recognition of these early symptoms may drive the disease to a more concerning level. One solution to solve this problem is to create an application that may perform early detection of diabetes mellitus so that it does not grow larger. In this article, a new method in performing early detection of diabetes mellitus is suggested. This method is backpropagation with three optimization namely early initialization with Nguyen-Widrow algorithm, learning rate adaptive determination, and determination of weight change by applying momentum coefficient. The observation is conducted by collecting 150 data consisting of 79 diabetes mellitus patient and 71 non diabetes mellitus patient data. The result of this study is the suggested algorithm succeeds in detecting diabetes mellitus with accuracy rate of 99.33%. Optimized backpropagation algorithm may allow the training process goes 12.4 times faster than standard backpropagation.
Comparison of Feature Extraction Mel Frequency Cepstral Coefficients and Linear Predictive Coding in Automatic Speech Recognition for Indonesian Sukmawati Nur Endah; Satriyo Adhy; Sutikno Sutikno
TELKOMNIKA (Telecommunication Computing Electronics and Control) Vol 15, No 1: March 2017
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/telkomnika.v15i1.3605

Abstract

Speech recognition can be defined as the process of converting voice signals into the ranks of the word, by applying a specific algorithm that is implemented in a computer program. The research of speech recognition in Indonesia is relatively limited. This paper has studied methods of feature extraction which is the best among the Linear Predictive Coding (LPC) and Mel Frequency Cepstral Coefficients (MFCC) for speech recognition in Indonesian language. This is important because the method can produce a high accuracy for a particular language does not necessarily produce the same accuracy for other languages, considering every language has different characteristics. Thus this research hopefully can help further accelerate the use of automatic speech recognition for Indonesian language. There are two main processes in speech recognition, feature extraction and recognition. The method used for comparison feature extraction in this study is the LPC and MFCC, while the method of recognition using Hidden Markov Model (HMM). The test results showed that the LPC method is better than MFCC in Indonesian language speech recognition.
PENERAPAN LOGIKA FUZZY UNTUK MENENTUKAN KONDISI MESIN PADA MOTOR TRANSMISI MANUAL (STUDI KASUS HONDA CS-1) Eric Teguh Ariyanto; sutikno sutikno
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 9, No 1 (2018): JURNAL SIMETRIS VOLUME 9 NO 1 TAHUN 2018
Publisher : Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (396.02 KB) | DOI: 10.24176/simet.v9i1.599

Abstract

Honda CS-1 merupakan salah satu jenis sepeda motor dengan transmisi manual dengan spesifikasi mesin SOHC (Single  Overhead Camshaft). Untuk  melakukan perawatan mesin tersebut dibutuhkan pengetahuan yang cukup. Beberapa mekanik memiliki tingkat pengetahuan yang berbeda sehingga dimungkinkan terdapat kesalahan dalam melakukan perawatan mesin.Untuk menghindari kesalahan tersebut, maka perlu dirancang sebuah aplikasi untuk membantu mekanik melakukan analisa kondisi mesin tersebut, sehingga mekanik dapat  menganalisa letak kerusakan mesin dan  memberikan saran penanganan yang tepat.Metode yang digunakan adalah metode mamdani. Dari hasil pengujian aplikasi ini didapatkan bahwa error rate untuk menentukan kondisi kerusakan mesin adalah 10%. Hal ini berarti bahwa aplikasi sudah dapat diterapkan untuk membantu mekanik untuk menentukan kondisi kerusakan mesin motor Honda CS-1.
Prediksi Penjualan Barang Menggunakan Metode Adaptive Neuro-Fuzzy Inference System (ANFIS) Allyna Virrayyani; Sutikno Sutikno
Khazanah Informatika Vol. 2 No. 2 Desember 2016
Publisher : Department of Informatics, Universitas Muhammadiyah Surakarta, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/khif.v2i2.2554

Abstract

Prediksi penjualan barang merupakan salah satu cara untuk menjaga stabilitas penjualan barang. Hasil prediksi yang diperoleh dapat dijadikan sebagai pertimbangan untuk mengambil keputusan dalam perencanaan manajemen bisnis. Salah satu metode yang dapat digunakan untuk prediksi adalah Adaptive Neuro-Fuzzy Inference System (ANFIS). Di dalam penelitian ini, ANFIS diimplementasikan dalam sebuah aplikasi sistem prediksi penjualan barang. Prosedur prediksi menggunakan analisis runtun waktu. Aturan ANFIS menggunakan model fuzzy Takagi-Sugeno dan fungsi keanggotaan tipe Generalized bell dengan 2 data masukan untuk 1 data target. Dari hasil pelatihan dan pengujian ANFIS untuk penjualan Beras Delanggu Raja, diperoleh nilai Mean Absolute Persentage (MAPE) pelatihan sebesar 9.4180332828% dan diperoleh nilai MAPE pengujian sebesar 7.5343642644%. Hasil MAPE pengujian tersebut kurang dari batas toleransi error, yaitu 20 %. Batas toleransi tersebut berdasarkan penafsiran Batey dan Friedrich di mana MAPE 10% merupakan perkiraan yang sangat baik dan 10% MAPE 20% merupakan perkiraan yang baik. ANFIS berhasil memprediksi penjualan Beras Delanggu Raja pada bulan yang akan datang dengan total 4944. Aplikasi sistem telah diuji menggunakan pengujian black-box. Seluruh prosedur pengujian dinyatakan berhasil.
Deteksi Objek Lubang pada Citra Jalan Raya menggunakan Pengolahan Citra Digital Prima Yusuf Budiarto; Sutikno Sutikno
Jurnal Komputer Terapan  Vol. 3 No. 2 (2017): Jurnal Komputer Terapan November 2017
Publisher : Politeknik Caltex Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (650.23 KB)

Abstract

Perkembangan sistem transportasi terutama transportasi darat di Indonesia sangat pesat. Pesatnya perkembangan sistem transportasi darat di Indonesia harus didukung infrastruktur-infrastruktur yang memadai. Salah satu infrastruktur yang paling penting adalah jalan. Permasalahan yang sering terjadi akibat banyaknya alat transportasi darat, yaitu banyak ditemukan lubang-lubang pada jalan.Untuk dapat mendeteksi keberadaan lubang pada citra jalan dapat dilakukan secara komputasi, yaitu dengan menggunakan jaringan syaraf tiruan. Penelitian ini mengimplementasikan metode jaringan syaraf tiruan backpropagation dan pengolahan citra digital. Dari hasil pengujian menghasilkan teknik yang digunakan ini mampu mendeteksi lubang pada citra jalan raya. Nilai laju pembelajaran dan jumlah data pelatihan mempengaruhi hasil dari dateksi. Semakin kecil nilai laju pemahaman dan semakin banyak data yang di gunakan dalam pelatihan mempunyai kecenderungan meningkatkan hasil akurasi deteksi lubang pada jalan raya.
Fuzzy Logic Algorithm of Sugeno Method for Controlling Line Follower Mobile Robot Bayu Aji; Sutikno Sutikno
ILKOM Jurnal Ilmiah Vol 15, No 2 (2023)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v15i2.1558.283-289

Abstract

The industrial world has been increasingly using robots for production purposes. One type of robot used is a line follower robot for the purposes of transportation of production materials. Various researches and competitions of line follower robots were held to improve its performance. This study proposed a fuzzy logic algorithm using Sugeno method for a line follower mobile robot. This algorithm received input from the readings of 8 sensors mounted on the bottom of the robot and generated the speed of each left and right motor. This speed was used to keep the robot on track. The performance of this algorithm was compared with the fuzzy logic algorithm of the Mamdani method. The proposed fuzzy logic algorithm was better in terms of speed. The results of this study can be used as material to study the application of fuzzy logic algorithm in real time.