Article Per Year (5 Year)
p-Index From 2021 - 2026
0
P-Index
This Author published in this journals
All Journal PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Informatics for Educators and Professional : Journal of Informatics Journal of Students‘ Research in Computer Science (JSRCS)
Retno Nugroho Whidhiasih
Teknik Komputer Universitas Islam 45
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Engineering Other

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

Found 13 Documents
Search

 1   2 
Klasifikasi Buah Belimbing Berdasarkan Citra Red-Green-Blue Menggunakan KNN Dan LDA Retno Nugroho Whidhiasih; Nursinta Adi Wahanani; Supriyanto Supriyanto
PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Vol. 1 No. 1 (2013): Januari 2013
Publisher : LPPM Universitas Islam 45 Bekasi

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

Abstract

ABSTRAK Tulisan ini dilakukan untuk membandingkan metode klasifikasi K-nearest neigbourhood (KNN) dan Linear Discriminant Analysis (LDA) dengan variabel R-G dan R-G-B dari citra buah belimbing untuk memprediksi tingkat kemanisan buah belimbing. Pengenalan digunakan untuk mengelompokkan buah belimbing menjadi tiga kelas yaitu kelas manis, sedang dan asam. Pada tahapan pra proses dilakukan reduksi citra dengan menggunakan analisis komponen utama 2 dimensi (2D-PCA). Percobaan dilakukan dengan menggunakan 3 fold cross validation. Hasil yang didapatkan dari penelitian ini menyatakan bahwa Klasifikasi ini dapat digunakan untuk mengklasifikasi belimbing kelas asam dengan tepat sedangkan kelas lainnya ketepatannya tidak mencapai 100%. Metode KNN dengan variabel RG menghasilkan akurasi sebesar 80 %, sedang KNN dengan variabel RGB menghasilkan akurasi sebesar 91 %. Teknik LDA linier maupun LDA dengan ukuran jarak mahalanobis menghasilkan akurasi sebesar 91 %. Kata kunci : KNN, LDA, RG, RGB, Klasifikasi Belimbing ABSTRACT This paper want to compare classification method between k-nearest neighbor (KNN) and linier discriminant analysis (LDA) from starfruit image for sweetness prediction of starfruit. Recognition is used to classify starfruit in sweet, medium and sour class. Classification is done with R-G and R-G-B predictor feature with 3 fold cross validation. Image reduction is then conducted in the Pre-process step by using 2D principal componen analysis. Result of this research denotes this classifier can classify sour starfruit class precisely while sweet and medium classes are less precise. Accuracy of KNN method with RG variable is 81%, while KNN, LDA linier and LDA with mahalanobis distance with RGB variable is 91%. Keyword: KNN, LDA, RG, RGB, starfruit classification
EVALUASI DAN OPTIMASI LOKASI PENDIRIAN SENTRA PENGISIAN BAHAN BAKAR UTAMA (SPBU) DI KABUPATEN BEKASI MENGGUNAKAN METODE ALGORITMA GENETIK Rahmadya Trias Handayanto; Anita Setyowati Srie Gunarti; Retno Nugroho Whidhiasih
PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Vol. 1 No. 2 (2013): September 2013
Publisher : LPPM Universitas Islam 45 Bekasi

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

Abstract

ABSTRACTGas Stations are important objects for transportation. Therefore, the location must be optimum regardingto economic, environment, and safety aspects. Genetic Algorithms are used to help calculating for optimumlocation of gas stations. For easiness we integrated Geographic Information Systems (GIS) with geneticalgorithms for Bekasi District. According to GIS rule, we use two kinds of data: vector data and rasterdata. Road of map and location of object that must far away from gas station as vector data and map asraster data. Conversion from local coordinate to global coordinate is used in order to be integrated withgoogle map application. Testing result showed that optimum gas station location are far enough from vitallocations that must far away from gas stations. Keywords: Geographic Information System, Genetic Algorithms, Optimization ABSTRAKSentra Pengisian Bahan Bakar Utama (SPBU) merupakan sarana vital rakyat agar sistem transportasiberjalan dengan baik. Oleh karena itu letaknya harus memenuhi syarat optimum yang selain memiliki aspekekonomis, juga harus tidak menyalahi aspek lingkungan, keamanan dan keselamatan warga yang berada disekitar SPBU. Algoritma genetik digunakan untuk membantu sistem penentuan lokasi yang optimum.Untuk meningkatkan kemudahan pengguna, sistem ini diintegrasikan dengan Sistem Informasi Geografis(SIG) khusus kabupaten Bekasi. Sesuai aturan SIG dimana data terdiri dari data vektor dan data raster makasebagai data vektor kami menggunakan data fungsi jalan dan lokasi koordinat dimana lokasi tersebut harussejauh mungkin dari SPBU. Untuk data raster kami menggunakan peta yang berupa citra. Konversikoordinat lokal menjadi koordinat lintang dan bujur perlu dilakukan agar dapat dikombinasikan denganaplikasi google map sehingga dapat langsung terkoneksi ke sistem SIG tersebut. Hasil pengujianmenghasilkan lokasi optimal SPBU yang secara matematis terbukti terjauh dari lokasi-lokasi yangberbahaya dan kurang optimal untuk berdekatan dengan SPBU. Kata Kunci: Sistem Informasi Geografis, Algoritma Genetik, Optimasi
KLASIFIKASI BUAH BELIMBING MANIS DAN TIDAK MANIS BERDASARKAN CITRA RED GREEN BLUE MENGGUNAKAN FUZZY NEURAL NETWORK Retno Nugroho Whidhiasih
PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Vol. 1 No. 2 (2013): September 2013
Publisher : LPPM Universitas Islam 45 Bekasi

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

Abstract

BSTRACTClassical classification problems that can not be solved using the NN can be done using the FNN. Thedifference lies in the use of learning targets, which uses a degree of membership in the output. This studyaims to create a classification of star fruit to sweet and not sweet categories with non destructive methodusing fuzzy neural network. Red green and blue components of the image of the star fruit is used as an inputparameter. FNN 3-15-2 accuration obtained is 88.89% by using 15 neurons in the hidden layer, MSE9.13e-09 at epoch 16th. Keyword : classification, fuzzy neural network, starfruit, non-destructive grading, pattern recognition. ABSTRAKPermasalahan klasifikasi klasik yang tidak dapat diselesaikan menggunakan NN dapat dilakukanmenggunakan FNN. Perbedaannya terletak pada target pembelajaran yang digunakan, yaitu menggunakanderajat keanggotaan pada output. Penelitian ini bertujuan untuk membuat klasifikasi buah belimbing manisdan tidak manis secara non destruktif menggunakan fuzzy neural network. Komponen red green dan bluedari citra buah belimbing digunakan sebagai parameter masukan. Ketepatan yang didapatkan menggunakanFNN 3-15-2 pada penelitian ini sebesar 88,89% dengan 15 neuron pada lapisan tersembunyi, MSE sebesar9.13e-09 pada epoch ke 16. Keyword : identifikasi, fuzzy neural network, belimbing, identifikasi non destruktiF
Co-Authors Anita Setyowati Srie Gunarti Dadan Irwan Dede Rosadi Dwi Yulianto Imma Jamaliah Maimunah Maimunah Maimunah Maimunah Malikus Sumadyo Muhamad Rifqi Muhammad Gilang Alfianto Nur Saqinah Hodijah Nursinta Adi Wahanani Rahmadya Trias Handayanto Rahmadya Trias Handayanto Supriyanto Supriyanto Upi Yuliana