Articles
<![CDATA[GPU Accelerated Fuzzy C-Means (FCM) Color Image Segmentation ]]>
<![CDATA[Akbar, Mutaqin]]>;
<![CDATA[Witanti, Arita]]>;
<![CDATA[Susilawati, Indah]]>
<![CDATA[ Compiler Vol 8, No 2 (2019): November ]]>
Publisher : <![CDATA[Sekolah Tinggi Teknologi Adisutjipto Yogyakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (477.913 KB)
|
DOI: 10.28989/compiler.v8i2.455
<![CDATA[In this paper, computational acceleration of color image segmentation using fuzzy c-means (FCM) algorithm has been presented. The color image is first converted from the Red Green Blue (RGB) color space to the YUV color space. Then, the luma (Y) information values are grouped according to the desired number of clusters using the FCM algorithm. The FCM algorithm is implemented on a Graphical Processing Unit (GPU) using the Compute Unified Device Library (CUDA) library which is developed by NVidia to speed up the computing time. Images used in this research are red blood cell images, geometry images and leaf images. The results of segmented images processed using GPU were seen identic to the results of segmented images processed using the Central Processing Unit (CPU). The computational time of the FCM algorithm can be accelerated by speed-up to 5,628 times faster and the average speed-up of all simulations done is 5,517 times faster.]]>
<![CDATA[PKM BATIK JUMPUTAN MAWAR JAYA MELALUI PEMBERDAYAAN MASYARAKAT DASA WISMA DI DUSUN KUNDEN KELURAHAN JOGOTIRTO ]]>
<![CDATA[Nugraeni, Nugraeni]]>;
<![CDATA[Susilawati, Indah]]>;
<![CDATA[Paramitalaksmi, Ratri]]>
<![CDATA[ ADI WIDYA : JURNAL PENGABDIAN MASYARAKAT Vol 5, No 1 (2021): ADIWIDYA ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Masyarakat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33061/awpm.v5i1.4625
<![CDATA[Kelompok Dasa Wisma adalah kelompok ibu-ibu yang ada di lingkungan Rukun Tetangga (RT) yang juga bagian yang tidak terpisahkan dari kehidupan manusia terutama menyangkut kegiatan sosial dan ekonomi. Demikian juga ibu-ibu dasawisma di dusun Kunden, kelurahan Jogotirto, kecamatan Berbah, kabupaten Sleman. Pemilihan pedukuhan Kunden dikarenakan di pedukuhan ini terdapat banyak obyek wisata edukasi kelompok masyarakat seperti peternakan, pertanian, bank sampah dan pembuatan batik jumputan yang memiliki potensi usaha untuk dikembangkan lebih lanjut. Diantara beberapa wisata edukasi yang ada di pedukuhan Kunden, kami memilih satu kelompok masyarakat yang akan menjadi fokus kami dalam pelaksanaan pengabdian pada masyarakat, yakni kelompok masyarakat Dasa wisma Mawar Jaya yang fokus dalam pembuatan batik jumputan. Saat ini program sudah melakukan pelatihan tentang pembukuan dan promosi online bagi pengelola Dasa Wisma Mawar Jaya, juga melakukan pendampingan untuk kedua kegiatan tersebut.]]>
<![CDATA[Ekstraksi Pembuluh Darah pada Citra Retina Mata ]]>
<![CDATA[Indah Susilawati]]>
<![CDATA[ JMAI (Jurnal Multimedia & Artificial Intelligence) Vol. 1 No. 1 (2017): Jurnal Multimedia dan Artificial intelligence ]]>
Publisher : <![CDATA[LPPM Universitas Mercu Buana Yogyakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1134.565 KB)
|
DOI: 10.26486/jmai.v1i1.45
<![CDATA[Deteksi dan ekstraksi pembuluh darah pada retina mata merupakan salah satu langkah penting untuk mengetahui atau mendiagnosa beberapa penyakit yang terkait dengan mata, misalnya mengetahui adanya pertumbuhan pembuluh darah yang tampak pada optic disc pada citra retina mata yang menandai adanya penyakit diabetes militus. Seorang pakar medis biasanya melakukan segmentasi pembuluh darah pada retina secara manual untuk kepentingan tersebut. Cara manual ini dilakukan dengan mendasarkan diri pada citra retina mata yang biasanya dihasilkan menggunakan kamera fundus. Dalam penelitian ini dilakukan ekstraksi pembuluh darah pada citra retina mata berbantuan komputer menggunakan cara-cara pengolahan citra digital. Dengan mengambil citra aras keabuan kanal Y (luminansi) dari citra, pembuluh darah diekstraksi setelah dilakukan peningkatan kontras menggunakan metode CLAHE untuk kemudian dilakukan segmentasi dengan cara thresholding. Penelitian menunjukkan bahwa metode berhasil melakukan ekstraksi pembuluh darah pada retina mata dengan akurasi tertinggi 72,47%. Hasil juga menunjukkan bahwa secara visual pembuluh darah berhasil diekstrak dengan baik, sebagian besar pembuluh darah yang tidak berhasil diekstrak merupakan pembuluh-pembuluh yang sangat halus.]]>
<![CDATA[Identifikasi Personal Berdasarkan Geometri Citra Punggung Tangan Kiri Menggunakan Metode Learning Vector Quantization ]]>
<![CDATA[Muhammad Fandi Nurdiansyah]]>;
<![CDATA[Indah Susilawati]]>
<![CDATA[ JMAI (Jurnal Multimedia & Artificial Intelligence) Vol. 2 No. 1 (2018): Jurnal Multimedia & Artificial Intelligence ]]>
Publisher : <![CDATA[LPPM Universitas Mercu Buana Yogyakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (738.057 KB)
|
DOI: 10.26486/jmai.v2i1.66
<![CDATA[Geometri Tangan (Hand Geometry), merupakan biometrika yang relatif baru, yang memiliki karakteristik unik seperti lebar telapak tangan, luas tangan, dan panjang jari. Ukuran geometri tangan seseorang cenderung berbeda dengan tangan milik orang lain. Keunikan inilah yang merupakan ciri setiap tangan. Sistem identifikasi merupakan proses pencocokan citra punggung tangan kiri yang diuji dengan suatu citra punggung tangan kiri yang diklaim. Hasilnya adalah suatu keputusan apakah citra punggung tangan kiri yang diuji milik personal yang sah (genuine user) atau tidak sah (imposter user). Proses perhitungan ukuran panjang jari, lebar tangan, dan luas tangan memegang peranan penting terhadap keberhasilan identifikasi.Tujuan utama penelitian adalah pengembangan program identifikasi personal berdasarkan geometri citra punggung tangan kiri dengan menghitung luas tangan, lebar tangan, dan panjang jari. Panjang jari diperoleh dengan metode pencarian titik puncak jari. Untuk identifikasi geometri citra punggung tangan kiri dalam penelitian ini menggunakan Jaringan Syaraf Tiruan metode Learning Vector Quantization (LVQ). Metode ini akan menghitung jarak antara bobot awal dengan data pelatihan, sehingga pada akhir iterasi akan ditemukan bobot akhir untuk setiap kelas. Hasil pengujian menunjukkan bahwa keberhasilan identifikasi personal mencapai kinerja setinggi 85,71%.]]>
<![CDATA[KLASIFIKASI CITRA MAMOGRAFI MENGGUNAKAN JARINGAN SYARAF TIRUAN ]]>
<![CDATA[Indah Susilawati]]>
<![CDATA[ Elektron : Jurnal Ilmiah Vol 1 No 2 (2009): Elektron Jurnal Ilmiah ]]>
Publisher : <![CDATA[Teknik Elektro Politeknik Negeri Padang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (358.861 KB)
|
DOI: 10.30630/eji.1.2.25
<![CDATA[There are abnormalities in breast tissue which can be detected by mammogram images analysis. One of those abnormalities is microcalcification. Microcalcifications are small calcium deposits in the breast tissue that can be seen only on a mammogram and can be an indicator of breast cancer. The main objective of this research is to automatically recognize the pattern of two types of breast tissues, i.e. normal tissue and breast tissue which contain microcalcifications in digital mammograms using Matlab software tools. In this research, pattern recognition is carried out using Artificial Neural Network (ANN), i.e. LVQ (Learning Vector Quantization). The pattern recognition is formulated as a supervised-learning problem and classification was based on six-feature input given to the ANN. The system recognizes the pattern in three steps. Firstly, a tophat transformation is applied on the images, and then features of the images are extracted based on images pixel values. Finally, image classification is carried out in recognizing the pattern. The research uses 26 digital mammograms, consist of 16 normal mammograms and 10 mammograms which contain microcalcifications. The results show that the LVQ best performance in recognizing the pattern is 97%, using learning rate and decrement of learning rate equal to 0.1.]]>
<![CDATA[GPU Accelerated Fuzzy C-Means (FCM) Color Image Segmentation ]]>
<![CDATA[Mutaqin Akbar]]>;
<![CDATA[Arita Witanti]]>;
<![CDATA[Indah Susilawati]]>
<![CDATA[ Compiler Vol 8, No 2 (2019): November ]]>
Publisher : <![CDATA[Institut Teknologi Dirgantara Adisutjipto ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (477.913 KB)
|
DOI: 10.28989/compiler.v8i2.455
<![CDATA[In this paper, computational acceleration of color image segmentation using fuzzy c-means (FCM) algorithm has been presented. The color image is first converted from the Red Green Blue (RGB) color space to the YUV color space. Then, the luma (Y) information values are grouped according to the desired number of clusters using the FCM algorithm. The FCM algorithm is implemented on a Graphical Processing Unit (GPU) using the Compute Unified Device Library (CUDA) library which is developed by NVidia to speed up the computing time. Images used in this research are red blood cell images, geometry images and leaf images. The results of segmented images processed using GPU were seen identic to the results of segmented images processed using the Central Processing Unit (CPU). The computational time of the FCM algorithm can be accelerated by speed-up to 5,628 times faster and the average speed-up of all simulations done is 5,517 times faster.]]>
<![CDATA[THE DECISION SUPPORT SYSTEM OF PUBLIC SERVICE SATISFACTION USING TOPSIS METHOD AT REGIONAL I BKN YOGYAKARTA ]]>
<![CDATA[Benedictus Fredika Apriawan Santoso]]>;
<![CDATA[Indah Susilawati]]>
<![CDATA[ Jurnal Teknik Informatika (Jutif) Vol. 2 No. 1 (2021): JUTIF Volume 2, Number 1, June 2021 ]]>
Publisher : <![CDATA[Informatika, Universitas Jenderal Soedirman ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.20884/1.jutif.2021.2.1.42
<![CDATA[Public service satisfaction is the result of public opinion and assessment for the service performance provided by the public service organizer apparatus. In real action, this public satisfaction survey is conducted periodically to discover the real value owned and anything that the public wants to get for its services. This then becomes one of the commitments of the Regional I BKN Yogyakarta in implementing the predetermined quality policies and service standards which are useful for improving the service quality for the public. Hence, additional efforts are needed in processing the data obtained from the public satisfaction survey report results to follow up according to the real requirements expected by the public in making decisions, so that they can be right on target. Researchers aim to make a decision support system prototype that gives an overview about the public service satisfaction rate, using the TOPSIS Method with the parameter data of satisfaction criteria and the survey data as well as the value range of the public service satisfaction survey in January to March 2019. Based on the data of the public service satisfaction test for that 3 months, either the results of the system prototype calculation or the manual calculation, 3-period compatibility with 100% was obtained.]]>
<![CDATA[Pelatihan Pembukuan Kelompok Wanita Tani (KWT) Karya Bunda ]]>
<![CDATA[Nugraeni]]>;
<![CDATA[Indah Susilawati]]>
<![CDATA[ Dinamisia : Jurnal Pengabdian Kepada Masyarakat Vol. 4 No. 1 (2020): Dinamisia: Jurnal Pengabdian Kepada Masyarakat ]]>
Publisher : <![CDATA[Universitas Lancang Kuning ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31849/dinamisia.v4i1.3747
<![CDATA[The Women Farmers Group (KWT) is a group of mothers in order to advance agriculture, especially the management of agricultural products, economic growth and community welfare (eradicating poverty, overcoming unemployment), social and cultural development. KWT Karya Bunda is located in Patukan, Ambarketawang, Gamping, Sleman Yogyakarta, within 7.5 KM from Mercu Buana University Yogyakarta. This KWT has a strategic location which is close to the Vegetable and Fruit Main Market. This PKM helps the problem of managing KWT, namely bookkeeping and online promotion. The method used is online training and mentoring and promotion. The result of the PKM is an increase in knowledge about preparing financial statements (balance sheets, reports of changes in capital and profit and loss reports) i. So you can find out how many assets and where these assets come from, can arrange cash flow for the future. With online promotion there is an increase in income]]>
<![CDATA[Klasifikasi Jenis Ikan Cupang Menggunakan Algoritma Principal Component Analysis (PCA) Dan K-Nearest Neighbors (KNN) ]]>
<![CDATA[Imam Edwin Hasym]]>;
<![CDATA[Indah Susilawati]]>
<![CDATA[ KONSTELASI: Konvergensi Teknologi dan Sistem Informasi Vol. 1 No. 1 (2021): Juni 2021 ]]>
Publisher : <![CDATA[Program Studi Sistem Informasi Universitas Atma Jaya Yogyakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (339.008 KB)
|
DOI: 10.24002/konstelasi.v1i1.4242
<![CDATA[Ikan cupang merupakan ikan air tawar asli asia tenggara yang memiliki warna yang menarik, sisik yang cemerlang dan indah, bentuk tubuh proporsional serta menawan, dan tergolong ikan yang agresif. Dalam penelitian kali ini saya menggunakan 3 jenis ikan cupang untuk melakukan klasifikasi dengan metode PCA dan KNN, semoga dengan adanya penelitian ini akan membantu pecinta ikan cupang dalam menentukan jenis ikan cupang. Penelitian ini dimulai dengan pengambilan sampel 3 jenis ikan cupang. Kemudian dilakukan cropping citra untuk menuju tahap proses selanjutnya yakni ekstraksi ciri, training dan testing. Masing-masing ikan di ambil 30 data citra .Total data pelatihan 45 data citra, dan 455 data citra digunakan sebagai data uji, total keseluruhan data 90 data citra. Pada proses ekstraksi ciri menggunakan ekstraksi ciri RGB,HSV dan area, Proses training dan testing menggunakan algoritma PCA dan klasifikasi menggunakan KNN. Hasil evaluasi pengenalan pola pada citra ikan cupang menggunakan klasifikasi K-NN berdasarkan ekstraksi ciri dengan PCA menghasilkan akurasi sebesar 93,33%.]]>
<![CDATA[Prototipe Sistem Deteksi Ketersediaan Lahan Parkir Menggunakan Metode Algoritma Canny Edge ]]>
<![CDATA[Ferry Pradana Putra]]>;
<![CDATA[Indah Susilawati]]>
<![CDATA[ Journal Of Information System And Artificial Intelligence Vol. 1 No. 2 (2021): Journal of Information System and Artificial Intelligence Vol I, No II Mei.2021 ]]>
Publisher : <![CDATA[Universitas Mercu Buana Yogyakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (355.764 KB)
|
DOI: 10.26486/jisai.v1i2.20
<![CDATA[Pada setiap tempat parkir terdapat petugas parkir di pintu masuk maupun keluar untuk melayani pemberian karcis parkir serta pembayaran biaya parkir. Sangat jarang petugas parkir berkeliling di tempat parkir, untuk mengetahui ketersediaan dari tempat parkir. Hal ini menyebabkan banyaknya pengendara yang harus berkeliling mencari tempat parkir sehingga memakan banyak waktu para pengendara. Kesulitan mencari tempat parkir juga menyebabkan kemacetan dikarenakan kendaraan cenderung bergerak lebih lambat untuk mencari slot parkir yang kosong. Maka dirasa diperlukan suatu sistem yang mendeteksi ketersediaan lahan parkir secara real time agar para pengendara tidak kebingungan mencari lahan parkir yang kosong untuk kendaraan mereka. Penelitian dilakukan dengan OpenCV sebagai library pemrograman bahasa python dengan algoritma canny edge dengan posisi kamera berada diatas kendaraan. Berdasarkan pengujian yang dilakukan dengan posisi kamera berada diketinggian 40cm dengan menggunakan threshold 510 mendapatkan akurasi 77%. Namun ada beberapa hal yang mempengaruhi akurasi seperti,ketinggian,cahaya, dan letak objek.]]>
