Article Per Year (5 Year)
p-Index From 2021 - 2026
2.517
P-Index
This Author published in this journals
All Journal Proceedings Konferensi Nasional Sistem dan Informatika (KNS&I) JURNAL MEDIA INFORMATIKA BUDIDARMA Jurnal Ilmiah Matrik METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi CSRID (Computer Science Research and Its Development Journal) IT (INFORMATIC TECHNIQUE) JOURNAL JOURNAL OF INFORMATION SYSTEM MANAGEMENT (JOISM) Jurnal Ilmiah Intech : Information Technology Journal of UMUS Jurnal Dialektika Informatika (Detika) Journal Automation Computer Information System (JACIS) Abdiformatika: Jurnal Pengabdian Masyarakat Informatika The Indonesian Journal of Computer Science Research JAMU : Jurnal Abdi Masyarakat UMUS Fahma : Jurnal Informatika Komputer, Bisnis dan Manajemen Intechno Journal : Information Technology Journal
Hartatik
Fakultas Ilmu Komputer, Universitas Amikom Yogyakarta
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Medicine & Pharmacology Nursing Public Health Social Sciences Transportation Other

Published : 28 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search
Journal : Intechno Journal : Information Technology Journal

 1 
DETEKSI CITRA DIGITAL MENGGUNAKAN ALGORITMA CNN DENGAN MODEL NORMALISASI RGB Khairullah, Irfan Khalil; Hartanto, Anggit Dwi; Yusa, Aldo; Hartatik, Hartatik; Kusnawi, Kusnawi
Intechno Journal : Information Technology Journal Vol. 2 No. 2 (2020): December
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/intechnojournal.2020v2i2.1545

Abstract

Pengolahan citra digital ialah usaha untuk melakukan perubahan sebuah citra objek berupa gambar atau video menjadi citra obyek lainnya. Citra yang dimaksud berupa objek yang berupa citra gambar yang berasal dari sensor vision atau alat tangkap gambar berupa kamera. Banyak penelitian yang dilakukan untuk memproses pengolahan citra digital. Penelitian sebelum-sebelumnya menggunakan bermacam - macam metode untuk pengujian citra digital. Salah satunya adalah penggunaan metode naïve bayes dan Learning Vector Quantization atau disingkat LVQ. Penelitian menggunakan metode naïve bayes mendapatkan akurasi sekitar 80%. Sedangkan dengan LVQ didapatkan presentase akurasi sebesar 83,5%. Pada penelitian dengan menggunakan metode CNN di dapatkan rata-rata akurasi dengan beberapa kali pengulangan percobaan sebesar 90%. Berarti bahwa penelitian dengan metode CNN meningkatkan tingkat akurasi yang didapat dari penelitian - penelitian sebelumnya. Diharapkan pada penelitian berikutnya disarankan menggunakan metode dan model yang lain, supaya didapat hasil yang lebih baik
Implementasi Algoritma SVM Dalam Pengembangan Sistem Presensi Berbasis Face Recognition Ramadhani, Zanuarestu; Safira, Livia; Hartanto, Anggit Dwi; Hartatik, Hartatik
Intechno Journal : Information Technology Journal Vol. 4 No. 2 (2022): December
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/intechnojournal.2022v4i2.1561

Abstract

Sistem presensi Universitas Amikom Yogyakarta memiliki potensi untuk dikembangkan. Dari sistem yang sudah ada kami menemukan sebuah ide untuk meng-implementasikan face recognition dalam sistem tersebut. Sistem presensi dengan menggunakan face recognition akan lebih mempermudah mahasiswa/i untuk melakukan presensi. Mengingat permasalahan yang ada seperti menggunakan QR Code yang masih susah dideteksi pada barisan-barisan tertentu. Maka, dalam penelitian ini menggunakan metode Support Vector Machine (SVM) sebagai metode untuk klasifikasi gambar yang sudah diconvert menjadi Numpy Array dengan meng-uji coba beberapa sampel foto mahasiswa/i Universitas Amikom Yogyakarta lalu mengidentifikasi satu persatu data baru untuk mendapatkan sebuah hasil yang berupa pengenalan sebuah wajah dengan tampilan berupa identitas pengenal dari mahasiswa/i tersebut. Diakhir penelitian ini kami menemukan bahwa keakurasian face recognition dengan menggunakan metode SVM menghasilkan rata-rata 93,46% yang berarti bahwa sebuah image yang dapat diproses untuk melakukan sebuah presensi.
Implementasi Metode Random Forest Klasifikasi untuk Phishing Link Detection Kencana, Adi Kresna; Ananda, Fadhilah Dwi; Hartanto, Anggit Dwi; Hartatik, Hartatik
Intechno Journal : Information Technology Journal Vol. 4 No. 2 (2022): December
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/intechnojournal.2022v4i2.1562

Abstract

Internet sangat dibutuhkan saat ini. Masalah yang muncul dari perkembangan internet dan teknologi saat ini adalah keamanan dan privasi, dimana data privasi sangat rentan untuk dicuri oleh seseorang melalui internet. Contohnya adalah situs web phishing yang telah tersebar luas di internet yang dapat mencuri data seperti, data pribadi, data kartu kredit, perbankan online, dan data email tanpa diketahui oleh pengguna internet. Bisa dibilang sulit membedakan situs web asli atau palsu. Karenanya diperlukan klasifikasi untuk membedakan situs web asli atau palsu. Penelitian ini menggunakan algoritma Random Forest untuk memilih situs web phishing dari pohon keputusan. Berdasarkan penerapan algoritma Random Forest untuk mendeteksi phishing situs web, hasil akurasi adalah 94,36% dan hasil validasi adalah 94,77% menggunakan 2.457 dataset yang diperoleh dari situs web www.kaggle.com. Dari penelitian ini terbukti bahwa algoritma ini memiliki akurasi tinggi untuk memprediksi situs web phishing dan hasil yang diperoleh diimplementasikan dalam bentuk ekstensi dari browser secara realtime yang nantintya akan memberikan popup peringatan jika situs website yang dibuka adalah phishing website.
Implementasi Metode CNN dan Deep Learning untuk Menentukan Tingkat Roasting Biji Kopi Setiadi F., A. Farhan; Kurniawan, Aas Andri; Hartanto, Anggit Dwi; Hartatik, Hartatik
Intechno Journal : Information Technology Journal Vol. 4 No. 2 (2022): December
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/intechnojournal.2022v4i2.1563

Abstract

Tipe hasil roasting biji kopi dapat ditentukan dengan melihat warna biji kopi ketika dalam proses roasting/sangrai. Cara tersebut cukup efektif untuk mendapatkan hasil yang sesuai dengan keinginan namun dapat terjadi masalah konsistensi dan efisiensi. Tujuan akhir penelitian kami yaitu mengembangkan sistem otomatis untuk menentukan tingkat/tipe hasil roasting pada biji kopi untuk produsen atau pengelola biji kopi. Langkah awal dari projek ini yaitu pengembangan sistem image processing yang mengklasifikasikan gambar biji kopi telah disangrai berdasarkan tekstur dan warna. Kami menggunakan convolutional neural network, model arsitektur VGG-16 dan framework Tensorflow untuk mengolah data set gambar berjumlah 100 gambar kelas light roasts, 100 gambar medium roasts dan 100 gambar dark roasts. Rata-rata hasil data latih mencapai 96.0% dan validasi score 60.0%. Dengan akurasi yang cukup tinggi maka dapat membantu pengklasifikasian tingkat roasting biji kopi menjadi lebih konsisten.
Implementasi Algoritma Naïve Bayes Dalam Mengidentifikasi Jenis Penyakit Cacar Dengan Image Processing Pattimura, Yudha Bagas; Kanoena, Melcior Paitin; Hartanto, Anggit Dwi; Hartatik, Hartatik; Kusnawi, Kusnawi
Intechno Journal : Information Technology Journal Vol. 5 No. 1 (2023): July
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/intechnojournal.2023v5i1.1571

Abstract

Cacar merupakan salah satu penyakit kulit yang sering diderita banyak masyarakat mulai dari anak bayi sampai orang tua. Cacar memliki beberapa jenis yang antara lain adalah cacar air (Quipperian), cacar api (herpes zoster) dan cacar monyet, seluruh penyakit ini semuanya dapat menular ke seama manusia melalui kontak lansung, bersin, batuk atau tersentuh dengan isi gelembung cacar yang pecah. Minimnya pengetahuan masyarakat dan tidak adanya penyuluahan dari pemerintah membuat masyarakat tidak mengetahui akan perbedaan jenis-jenis cacar yang diderita dan dapat terjadinya kesalahan dalam pengobatan. Dalam penilitian ini kami menggunakan image processing dengan metode histogram untuk ekstraksi fitur tekstur cacar tersebut serta menggunakan dengan metode klasifikasi naïve bayes dalam mengklasifikasi jenis cacar yang diderita oleh pasien. Dari penilitian yang kami lakukan menunjukan bahwa mengklasifikasi nilai ekstraksi fitur tekstur citra cacar dengan metode naïve bayes memperolehonilai akurasi sebesar 75%.
Co-Authors Abdul Mizwar A. Rahim Afdhal Walidy Al Abdul Rohim Ananda, Fadhilah Dwi Andri Syafrianto Anggit Dwi Hartanto Anggit Dwi Hartanto Anggit Dwi Hartanto, Anggit Dwi Arifa Satria Dwi Cahya Bagas Satrio Utomo Dwi Lestari Ema Utami Eva Suhailah Faishal Arif Wibowo Galih Candra Adi Saputra Harliana Harliana Hastari Utama Kanoena, Melcior Paitin Kencana, Adi Kresna Khairullah, Irfan Khalil Krisnawati Krisnawati Kurniawan, Aas Andri Kusnawi Kusnawi Lucky Adhikrisna Wirasakti Muhammad Aldi Muhammad Enggar Aziz Hibbannuari Nur Safariatun Pattimura, Yudha Bagas Raden Mohamad Herdian Bhakti Rahmadita Sabrina Islahany Ramadhani, Zanuarestu Rony Permadi Rosyid Rosyid Safira, Livia Setiadi F., A. Farhan Shintya Wulan Safitri Sri Devi Nurhayati Taufiq Nashrullah Wiwi Widayani Yusa, Aldo