Article Per Year (5 Year)
p-Index From 2021 - 2026
3.484
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) International Journal of Advances in Intelligent Informatics JOIV : International Journal on Informatics Visualization Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) POLYGLOT JURNAL MEDIA INFORMATIKA BUDIDARMA MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Building of Informatics, Technology and Science Journal of Electronics, Electromedical Engineering, and Medical Informatics Journal of Health and Nutrition Research eProceedings of Engineering
Wikky Fawwaz Al Maki
Universitas Telkom
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Medicine & Pharmacology Nursing Public Health

Published : 21 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search
Journal : eProceedings of Engineering

 1 
Klasifikasi Penyakit Pada Tanaman Kopi Robusta Berdasarkan Citra Daun Menggunakan Convolutional Neural Network Savira Anggita Sabrina; Wikky Fawwaz Al Maki
eProceedings of Engineering Vol 9, No 3 (2022): Juni 2022
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Tanaman kopi merupakan salah satu komoditas perkebunan andalan di Indonesia, dengan sebagian besar hasil produksinya berasal dari tanaman kopi robusta. Salah satu permasalahan dalam produksi kopi robusta, yang dapat menyebabkan kerugian yang cukup signifikan, adalah rendahnya mutu hasil panen tanaman kopi robusta akibat serangan hama dan penyakit. Proses penanganan hama dan penyakit pada tanaman kopi robusta memerlukan sumber daya yang tidak sedikit. Terdapat beberapa cara untuk mengatasi permasalahan tersebut, salah satunya adalah dengan membangun sistem yang dapat melakukan identifikasi terhadap hama dan penyakit pada tanaman kopi robusta. Penelitian ini menggunakan Convolutional Neural Network (CNN) dengan arsitektur EfficientNet-B0 untuk menghasilkan sistem klasifikasi penyakit pada citra daun tanaman kopi robusta. Teknik augmentasi data dan pendekatan fine-tuning diterapkan untuk membantu menghasilkan sistem dengan performansi optimal. Evaluasi performansi dilakukan pada dua algoritma optimasi berbeda, yaitu Adam dan Root Mean Square Propagation (RMSProp). Kedua algoritma memperoleh hasil terbaik yang sama dengan nilai akurasi sebesar 91%Kata kunci : tanaman kopi robusta, CNN, Adam, RMSProp
Deteksi Glaukoma Menggunakan Metode Convolutional Neural Network Dan Grabcut Segmentation Dicky Hidayat; Wikky Fawwaz Al Maki
eProceedings of Engineering Vol 9, No 3 (2022): Juni 2022
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Glaukoma adalah jenis gangguan yang menyerang penglihatan. Glaukoma terjadi karena kerusakan saraf optik yang dapat menyebabkan kebutaan. Cara yang dapat dilakukan untuk mendeteksi glaukoma adalah melalui gambar retina. Ada banyak cara untuk memproses gambar retina sebelum dapat mendeteksi glaukoma. Proses ini sangat penting karena dapat mempengaruhi tingkat keberhasilan sistem pendeteksian glaukoma. Dalam penelitian ini, kami menggunakan Convolution Neural Network sebagai metode klasifikasi. Gambaran retina dibagi menjadi dua kelas, yaitu glaukoma positif dan negatif. kemudian kami menerapkan metode Contrast Limited Adaptive Histogram Equalization (CLAHE) dan segmentasi Grabcut. Hasil akurasi tertinggi dengan menggunakan data uji pada percobaan ini adalah 75.71%, precision sebesar 75.47%, recall sebesar 76.19%, dan F1- score sebesar 75.82% untuk arsitektur CNN InceptionV3. Kata kunci: convolutional neural network, CLAHE, pemrosesan gambar, segmentasi grabcut
Klasifikasi Ikan Cupang Menggunakan Support Vector Machine Irsyad Rafi Diesta; Wikky Fawwaz Al Maki
eProceedings of Engineering Vol 8, No 5 (2021): Oktober 2021
Publisher : eProceedings of Engineering

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

Abstract

Ikan cupang merupakan ikan hias yang umum dijumpai di wilayah Indonesia. Dibandingkan dengan ikan secara umum ikan cupang memiliki bentuk, ukuran, serta warna yang jauh lebih menarik. Minimnya riset terkait ikan laut maupun ikan hias dan sulitnya membedakan jenis ikan cupang yang unik. Dengan menerapkan ilmu pengolahan citra, visi komputer, dan pembelajaran mesin dapat dibuat model yang dapat mengidentifikasi jenis ikan cupang berdasarkan ciri-ciri yang dimiliki ikan cupang. Beberapa penelitian terkait ikan masih meneliti berdasarkan beberapa bagian ikan saja seperti kepala, kulit atau sisik, ekor atau sirip saja. Dalam Tugas Akhir (TA) ini ikan cupang diteliti berdasarkan bentuk sirip, ekor, bentuk tubuh, dan warna sisik yang beragam dan lebih kompleks dibanding ikan secara umum. Dataset yang digunakan sebanyak 3,082 citra ikan cupang yang telah diaugmentasi menjadi 12.328 yang diterapkan beberapa teknik pengolahan citra, lalu metode fitur ekstraksi PHOG dan Color Moments, dan diklasifikasi menggunakan SVM dengan beberapa jenis kernel. Dari beberapa model yang telah dibuat, dihasilkan akurasi paling besar 87% sedangkan akurasi terkecil 73%. Dengan model yang berhasil dibuat diharapkan penelitian terkait ikan cupang yang memiliki bentuk dan warna kompleks dapat menginspirasi para peneliti lain untuk meneliti terhadap ikan hias maupun ikan laut yang memiliki informasi yang lebih kompleks lagi. Kata kunci : ikan cupang, color moments, PHOG, Klasifikasi SVM, pengolahan citra
Klasifikasi Genus Burung Hantu Berdasarkan Suara Menggunakan Convolutional Neural Network Ihsanti, Soraya; Al Maki, Wikky Fawwaz
eProceedings of Engineering Vol. 11 No. 4 (2024): Agustus 2024
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Burung memiliki peran penting dalam sikluskehidupan yang kebanyakan aktif di siang hari. Burung hantumerupakan salah satu jenis burung yang aktif di malam hari.Burung hantu berperan penting di bidang pertanian dalammengusir hama. Meskipun penelitian tentang burung hantusudah banyak, namun banyak aspek biologi, sejarah evolusi,dan taksonomi burung hantu yang tetap kurang diketahui.Penelitian ini dilakukan untuk mengenali suara burung hantudan menggunakan Convolutional Neural Network (CNN) untukmengklasifikasikannya berdasarkan genusnya. Trimming dannoise reduction dilakukan untuk membantu menghasilkansistem dengan performansi yang optimal. Pengujian sistemdilakukan dengan skenario mencari nilai epoch, learning rate,dan optimizer dengan akurasi terbaik. Evaluasi performansidilakukan dengan hyperparameter terbaik yang sudah didapat.Hasil dari pengujian mendapat akurasi sebesar 99.8%. Kata kunci— audio processing, CNN, sound classification
Deteksi Penyakit Tanaman Cabai Menggunakan Metode Convolutional Neural Network Dzaky, Athallah Tsany Rakha; Maki, Wikky Fawwaz Al
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 Penyakit dari suatu tanaman akan sangat mempengaruhi hasil panen dari tanaman tersebut. Jika penyakitnya tidak segera ditangani maka penyakit tersebut dapat merusak tanaman dan mengakibatkan gagal panen yang akan berpengaruh ekonomi. Maka dari itu deteksi penyakit tanaman menjadi hal yang sangat penting dalam proses perawatan tanaman. Tanaman cabai merupakan salah satu bahan makanan yang paling sering digunakan dalam berbagai masakan di Indonesia. Banyaknya permintaan maka akan diperlukan adanya penambahan lahan cabai. Semakin luas lahannya maka akan semakin besar usaha yang diperlukan untuk merawat dan mengawasi tanaman. Dengan perkembangan teknologi saat ini, memungkinkan dilakukannya pengawasan terhadap tanaman secara otomatis menggunakan sistem komputer. Dengan menggunakan image processing penyakit yang dapat dilihat dan direkam oleh kamera akan dapat dianalisis dan diidentifikasikan oleh komputer. Dengan begitu pengawasan tanaman akan menjadi lebih mudah dan efisien. Beberapa penyakit tanaman cabai yang terlihat dan cukup sering ditemui adalah virus kuning, keriting mosaik, dan layu. Ciri penyakit tersebut bisa dilihat dari bentuk dan warna daun. Pada penelitian ini dilakukan pengenalan penyakit dengan menggunakan algoritma CNN. CNN digunakan agar model dapat mengekstrak fitur dan melakukan klasifikasi citra secara otomatis. Data citra yang digunakan diambil langsung dari perkebunan cabai di Jawa Tengah. Data diambilsekitar pukul 10.00 – 12.00 siang, sehingga citra memiliki warna yang jelas. Model ini akan bisa mengklasifikasikan 4 jenis kondisi daun dengan 3 penyakit dan 1 kondisi normal. Model CNN ini bisa menghasilkan akurasi diatas 90% menggunakan arsitektur AlexNet. Kata kunci : Tanaman Cabai, Penyakit Tanaman, CNN, Neural Network, AlexNet. Abstract Disease from a plant will greatly affect the harvest of that plant. If the disease is not treated immediately, it can damage the crops and resulting in crop failure which will affect the economy. Therefore detection of plant diseases is very important. Chili plants are one of the most commonly used food ingredients in various dishes in Indonesia. With a large number of requests, it will require additional chili fields. The more extensive the land, the greater the effort required to care for and maintain the plants. With current technological developments, it is possible to observe plants disease automatically using a computer system. By using image processing, disease that can be seen and recorded by the camera can be analyzed and identified by a computer. That way, crop disease identification will become easier and more efficient. Some of the diseases that are seen and often encountered are yellow virus, curl mosaic, and wilting. The characteristics of the disease can be seen from the shape and color of the leaves. In this study, disease recognition was carried out using the CNN algorithm. CNN is used so that the model can extract features and perform image classification automatically. The image data used were taken directly from chili plantations in Central Java. Data is taken around 10:00 - 12:00 AM, so the image has a clear color. This model will be able to classify 4 types of leaf conditions with 3 diseases and 1 normal condition. This CNN model can produce an accuracy over 90% using AlexNet architecture. Keyword : Chili Plant, Plant Disease, CNN, Neural Network, AlexNet
Peringkas Teks Otomatis Bahasa Indonesia Secara Abstraktif Menggunakan Metode Long Short-term Memory Saputra, Muhammad Alfhi; Maki, Wikky Fawwaz Al
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

bstrak Salah satu topik dalam bidang Natural Language Processing (NLP) yang cukup menantang adalah peringkas teks otomatis. Dalam praktiknya peringkas teks otomatis terbagi menjadi dua pendekatan, yaitu ekstraktif dan abstraktif. Pendekatan abstraktif dinilai lebih baik karena cara kerjanya mendekati cara kerja manusia ketika meringkas teks atau yang disebut parafrase. Metode yang digunakan pada penelitian ini adalah Long Short-Term Memory (LSTM) yang mana metode tersebut telah sukses melakukan peringkasan dalam Bahasa Inggris. Dataset yang digunakan adalah kumpulan artikel berita media daring Bahasa Indonesia. Hasil terbaik yang didapatkan pada pengujian dengan metode LSTM menggunakan metode evaluasi ROUGE-1 adalah 0.13846. Kata kunci: peringkas teks otomatis, abstraktif, Bahasa Indonesia, long short-term memory, ROUGE Abstract One topic about natural language processing that is quite challenging is automatic text summarization. Automatic-text-summarization is practically divided into two kinds of approach, namely extractive and abstractive. Abstractive-approach is considered better since it resembles how humans work in terms of text summarizing or paraphrasing. A method used in this study is Long Short-Term Memory (LSTM) which has succeeded to summarize texts in English. Datasets that have been used are a number of online news articles in Bahasa Indonesia. The best result gained using LSTM based on the ROUGE-1 evaluation is 0.13846. Keywords: automatic text summarization, Bahasa Indonesia, long short-term memory, ROUGE
Translasi Citra Antara Manusia Dan Wayang Orang Menggunakan Generative Adversarial Network Nurdenara, Ciara; Fawwaz al Maki, Wikky
eProceedings of Engineering Vol. 8 No. 5 (2021): Oktober 2021
Publisher : eProceedings of Engineering

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

Abstract

Hanya sedikit orang yang mengenal nudaya tradisional Indonesia, khususnya pertunjukkan wayang orang. Pemain wayang orang membutuhkan waktu sekitar sejam untuk menjadi wayang orang. Perlu menyewa kostum unik yang sulit ditemukan dan perlu mempelajari tata rias wayang orang yang bisa memakan waktu lama untuk menguasai. Penggunaan translasi citra dapat memudahkan setiap orang berkesempatan melihat diri berwujud wayang orang. Penelitian ini bertujuan untuk menerjemahkan wajah manusia menjadi wayang orang dengan menambahkan makeup dan aksesoris menggunakan Generative Adversarial Network (GAN) dan menggunakan unpaired dataset yang terdiri dari 1216 data latih dan 240 data uji. Tantangan dari penelitian ini adalah mempertahankan latar belakang citra dan komponen identitas wajah pada citra masukan. Penelitian ini menggunakan pengujian kuantitatif menggunakan FID, KID, dan IS untuk mengevaluasi kualitas citra yang dihasilkan dari generator. Hasil eksperimen dari penelitian ini adalah UGATIT memiliki hasil yang lebih baik dari DCLGAN berdasarkan nilai dari Inception Score, FID, dan KID. Berdasarkan IS, FID, dan KID, UGATIT memiliki hasil yang lebih baik daripada DCLGAN. Hasil dari UGATIT pada IS, FID, dan KID dengan skor sebagai berikut adalah 2.414, 0.924, dan 4.357, yang berarti UGATIT dapat berkinerja lebih baik daripada DCLGAN. Kata kunci : translasi citra, GAN, unpaired dataset, wayang orang.
Co-Authors Amien Jafar Makrufi Arkananta, Muhammad Hafizh Arsyan, Athalla Rizky Artika, Artika Cahya Kemila, Azizah Crisannaufal, Kemal Dicky Hidayat Dodi Dodi Dzaky, Athallah Tsany Rakha Elvira Wardah Febryanti Sthevanie Fernanda Januar Pratama Galuh Ramaditya Ihsanti, Soraya Indra Bayu Muktyas Irsyad Rafi Diesta Khaidir Mauladan Nurdenara, Ciara Putri, Kania Ardhani Saputra, Muhammad Alfhi Savira Anggita Sabrina Suazini, Esa Risi Widya Hary Cahyati Yulio Ferdinand