Article Per Year (5 Year)
p-Index From 2021 - 2026
1.8
P-Index
This Author published in this journals
All Journal IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Jurnal Ilmiah Merpati (Menara Penelitian Akademika Teknologi Informasi) KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal) Jurnal Komputasi Madaniya Jurnal Komputasi
Muliadi Muliadi
Universitas Lambung Mangkurat
Religion Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
Iplementasi Fuzzy Pada Monitoring dan Kontrol Kualitas Air Tangki Pembibitan ikan Menggunakan LabView Andi Farmadi; Dwi Kartini; Muliadi Muliadi
Jurnal Komputasi Vol. 9 No. 2 (2021)
Publisher : Jurusan Ilmu Komputer Fakultas MIPA Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/komputasi.v9i2.2864

Abstract

Abstract — Pada kolam pembibitan ikan, pengamatan kualitas air harus terus dilakukan secara berkala karena kondisi pembibitan ikan merupakan masa rawan kematian yang diakibatkan oleh perubahan kondisi lingkungan pembibitan, parameter yang paling berpengaruh dalam kelangsungan hidup ikan yaitu kondisi keasaman air (Ph), kekeruhan air (Turbidiy), oksigen terlarut dalam air (DO) dan suhu air. Parameter tersebut harus selalu dimonitor dan dikontrol untuk mencapai kestabilan lingkungan pembibitan sesuai yang diharapkan. Telah dibuat sistem monitoring dan kontrol terhadap parameter yang berpengaruh pada pembibitan ikan menggunakan sistem fuzzy inferensi. Pengukuran parameter lingkungan dilakukan menggunakan sensor kemudian nilai parameter tersebut disesuaikan dengan nilai fuzzifikasi yang telah dibuat hingga menghasilkan nilai defuzzifikasi, output dari defuzzyfikasi akan melakukan kontrol terhadap parameter tersebut untuk mencapai nilai kestabilan lingkungan air. Pengontrolan Ph dan kekeruhan air dilakukan dengan mengganti air hingga mencapai tinggkat ph dan kejernian air yang sesuai kondisi yang diharapkan, jumlah buangan air dapat dihitung menggunakan teorema fluida. Perhitungan fuzzy dan Pengembangan antarmuka monitoring dan kontrol dibangun menggunakan program berbasis grafik LabView.
DETEKSI PENYAKIT TANAMAN PADI MENGGUNAKAN EKSTRAKSI FIRUR LBP DAN KLASIFIKASI MODIFIED KNN Andi Farmadi; Muliadi Muliadi
Jurnal Komputasi Vol. 11 No. 2 (2023)
Publisher : Jurusan Ilmu Komputer Fakultas MIPA Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/komputasi.v11i2.13238

Abstract

Daun dan batang padi merupakan bagian utama dalam pemantauan investigasi tanaman padi yang memberikan informasi mengenai status kesehatan tanaman yang mempengaruhi kualitas dan kuantitas hasil tanaman padi. Pemantauan melalaui hasil digitasi daun dan batang dapat mengklasifikasikan penyakit tanaman padi sebagai jenis kelas penyakit berdasarkan data yang diperoleh dari repositori basis data citra pertanian. Data penyakit pada yang digunakan sebanyak 300 data dengan 3 kelas penyakit, yaitu Brown Spot, Hispa, dan Leaf Blast. Digunakan metode analisis tekstur gambar (citra) dengan menggunakan model statistik serta structural, dengan memakai 8 piksel ketetanggan dari sebuah piksel tengah yang dipergunakan dalam operator dasar dari metode Local Binary Pattern (LBP) yang mempunyai ukuran 3x3. Nilai piksel ketetanggaan tersebut dikonversi ke dalam nilai decimal untuk menggantikan nilai piksel tengah. Tahapan pembagian data menggunakan 5-Fold Cross validation. Metode Modified K-Nearest Neighbor digunakan untuk melakukan pengklasifikasian untuk identifikasi terhadap citra daun Padi. Dimana pada tahap klasifikasi data di uji secara manual satu-persatu pada saat proses klasifikasi. dari tiga kelas dan masing-masing memiliki 100 data, totalnya ada 300 data. Dalam 5 cross-validation. Hasil uji didapatkan model klasifikasi dengan nilai akurasi tertinggi sebesar 81,24%, pada K=13.
Perbandingan Ekstraksi Fitur dengan Pembobotan Supervised dan Unsupervised pada Algoritma Random Forest untuk Pemantauan Laporan Penderita COVID-19 di Twitter Sulastri Norindah Sari; Mohammad Reza Faisal; Dwi Kartini; Irwan Budiman; Triando Hamonangan Saragih; Muliadi Muliadi
Jurnal Komputasi Vol. 11 No. 1 (2023)
Publisher : Jurusan Ilmu Komputer Fakultas MIPA Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/komputasi.v11i1.6650

Abstract

Dimasa sekarang masyarakat sudah berani melaporkan dirinya terpapar COVID-19 melalui unggahan di media sosial seperti Twitter. Hal ini dapat dimanfaatkan oleh masyarakat sekitar atau lembaga kesehatan untuk memberikan bantuan terhadap pelapor. Pemantauan laporan penderita COVID-19 di Twitter dapat dilakukan secara otomatis dengan algoritma machine learning untuk klasifikasi teks. Pada kasus klasifikasi teks, algoritma machine learning menerima input berupa data terstruktur hasil ekstraksi fitur dengan teknik unigram dengan pembobotan. Metode pembobotan kata unsupervised merupakan pembobotan yang tidak memperhatikan letak term di kelas positif atau negatif. Kemudian metode pembobotan ini dikembangkan menjadi pembobotan supervised, karena dalam proses pembobotannya metode ini membobotkan term dengan memperhatikan letak term di kelas positif atau negatif. Pada riset ini dilakukan perbandingan kedua jenis pembobotan pada klasifikasi data tweet gejala covid dengan algoritma machine learning yaitu Random Forest. Dari hasil penelitian didapat hasil kinerja klasifikasi dengan pembobotan supervised Delta TF-IDF terbukti lebih bagus dengan akurasi sebesar 88,5% sedangkan dengan pembobotan unsupervised TF-IDF diperoleh hasil akurasi 87,9%
Co-Authors Adela Putri Ariyanti Andi - Farmadi Andi Farmadi Dita Amara Dodon Turianto Nugrahadi Dwi Kartini, Dwi Irwan Budiman Irwan Budiman Jhondy Baharsyah Muhammad Al Ichsan Nur Rizqi Said Muhammad Itqan Mazdadi Muhammad Reza Faisal, Muhammad Reza Rudy Herteno Saragih, Triando Hamonangan Sulastri Norindah Sari