Article Per Year (5 Year)
p-Index From 2021 - 2026
4.643
P-Index
This Author published in this journals
All Journal JTEV (Jurnal Teknik Elektro dan Vokasional Elkom: Jurnal Elektronika dan Komputer JREC (Journal of Electrical and Electronics) Electro Luceat CIRCUIT: Jurnal Ilmiah Pendidikan Teknik Elektro VOLT : Jurnal Ilmiah Pendidikan Teknik Elektro RELE: Rekayasa Elektrikal dan Energi Jurnal Teknik Elektro SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan Jurnal Media Elektro : Journal of Electrical Power, Informatics, Telecommunication, Electronics, Computer and Control System TESLA: Jurnal Teknik Elektro STRING (Satuan Tulisan Riset dan Inovasi Teknologi) TEKNOKOM : Jurnal Teknologi dan Rekayasa Sistem Komputer Aisyah Journal of Informatics and Electrical Engineering JE-Unisla Jurnal Teknik Elektro dan Komputasi (ELKOM) Jurnal Ilmiah Wahana Pendidikan Teknologika Sainteks: Jurnal Sain dan Teknik Power Elektronik : Jurnal Orang Elektro
Reni Rahmadewi
Universitas Singaperbangsa Karawang
Religion Agriculture, Biological Sciences & Forestry Chemical Engineering, Chemistry & Bioengineering Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 37 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
IDENTIFIKASI JENIS TUMBUHAN MENGGUNAKAN CITRA DAUN BERBASIS JARINGAN SARAF TIRUAN (ARTIFICIAL NEURAL NETWORKS) Reni Rahmadewi; Endah purwanti; Vita efelina
Jurnal Media Elektro Vol 7 No 2 (2018): Oktober 2018
Publisher : Universitas Nusa Cendana

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (395.517 KB) | DOI: 10.35508/jme.v0i0.427

Abstract

Tumbuhan merupakan salah satu komponen yang dibutuhkan oleh manusia. Ilmu yang mempelajari mengenai tumbuhan juga sudah mengalami kemajuan pesat, begitupun sistem pengenalan dan identifikasi tanaman yang berguna dalam memberi berbagai informasi. Proses pengenalan dapat diterapkan dalam berbagai bagian dari tanaman, salah satunya adalah pengenalan pada citra daun. Proses pengenalan citra daun harus melalui proses pembelajaran yang panjang, maka digunakan teknik pengolahan citra yaitu Jaringan Saraf Tiruan (JST). Identifikasi jenis daun menggunakan JST pada percobaan kali ini menggunakan 4 jenis nama daun seperti daun bougenvillea, daun Geranium, daun Magnolia Soulangeana, daun pinus, dengan 16 sampel citra daun dengan bentuk daun yang berbeda-beda untuk setiap jenisnya. Epoch dalam Jaringan Saraf Tiruan ini mencapai nilai maksimal 1000 iterasi. Sebelum melakukan pengujian citra, terlebih dahulu dilakukan proses pelatihan citra. Setelah melakukan pengujian pada 16 sampel citra daun, diperoleh 15 sampel citra daun memiliki hasil benar terdeteksi dan 1 sampel citra daun memiliki hasil tidak terdeteksi. Dari hasil penelitian ini memiliki persentasi keberhasilan sebesar 93,6% berhasil terdeteksi dan 6,4% tidak berhasil terdeteksi. Kata kunci: Pengolahan citra, Jaringan Saraf Tiruan, citra daun
ANALISA PERBANDINGAN BEBERAPA METODE DETEKSI TEPI PADA CITRA RONTGEN PENYAKIT PARU PARU Reni Rahmadewi
Jurnal Media Elektro Vol 6 No 1 (2017): April 2017
Publisher : Universitas Nusa Cendana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35508/jme.v0i0.6194

Abstract

Pengolahan citra sekarang ini sudah sangat pesat dalam berbagai bidang kehidupan, seperti bidang kesehatan yaitu dengan melakukan metode deteksi tepi pada citra rontgen paru-paru. Pada penelitian ini citra rontgen paru-paru yang diolah ada 6 jenis penyakit paru yaitu penyakit Tuberkulosis, Pleuritis, Pneumonia, Emfisema, Bronkitis dan Kanker Paru. Setiap citra mempunyai identifikasi/ informasi tertentu yang terletak pada gambar yang diperlihatkannya. Informasi tersebut sangat diperlukan bagi orang yang meneliti dibidang citra itu sendiri.Simulasi ini dirancang untuk mendapatkan hasil berupa citra digital yang memiliki kualitas yang lebih baik dalam mempertajam pola citra hasil rontgen paru-paru. Pengolahan citra meliputi tahapan pembersihan noise/ derau dengan high-pass filtering. Kemudian segmentasi citra yaitu operasi pengambangan (thresholding), selanjutnya dilakukan deteksi tepi. Penulisan ini membahas tentang perbandingan hasil deteksi tepi dengan 3 metode operator yaitu operator Prewitt, operator Sobel, dan operator Canny untuk mengidentifikasi penyakit dari pada citra itu sendiri. Hasil pengujian yang dilakukan pada 18 citra rontgen penyakit paru didapatkan hasil deteksi tepi yang lebih baik pada operator Sobel yaitu 100% dan operator Prewit 50% sedangkan operator Canny menghasilkan deteksi tepi kurang bagus.
Co-Authors Adam Robby Arifin Aldi Dwi Saputra Aldri Frinaldi Alghi Sawaludin Andrian Andrian Arnisa Stefanie Asep Maulana Bikar Juniagoro Billy Nugraha Danny Ramdani Devith Christian Dian Budhi Santoso Dian Budi Santoso Dian Budi Santoso Eko Rizkyanto Endah Purwanti Eri Widianto Farradina Choria Suci Felyta Emasriani Gina Lova Sari Hana Graceila Sitindjak Haris Hermawan Hirlan Firmansyah Ibrahim , Ibrahim Ibrahim Ibrahim Ibrahim Insani Abdi Bangsa Iqbal Maulana Iwan Sugihartono Jojo Sumarjo Lela Nurpulaela Lela Nurpulaela Marwan As Sadad Muhammad Fauzan Al-Ghifary Dwi Wibowo Muhammad Iqbal Alfarizi Muhammad Nur Ikhsan Najmudin Fauji Pri Hartini Rahmat Hidayat Raka Wahyu Utama Riza Ibnu Adam Rizal Hanifi Rizka Amalia Rizki Sya'bani Samsul Bahri Siregar Sarah Dampang Tesa Nur Padilah Tiara Nurhuda Ulinnuha Latifa Usi Eliesa Vita Efelina Wahyu Ramadhan Wilma Nurrul Adzilla Yuka Pakarti Yuliarman Saragih Zaki Alvin