Article Per Year (5 Year)
p-Index From 2020 - 2025
5.878
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Techno.Com: Jurnal Teknologi Informasi TELKOMNIKA (Telecommunication Computing Electronics and Control) Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Jurnal Edukasi dan Penelitian Informatika (JEPIN) ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika JOIV : International Journal on Informatics Visualization JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING Jurnal Ilmiah FIFO MIND (Multimedia Artificial Intelligent Networking Database) Journal Jurnal Abdimasa TELKA - Telekomunikasi, Elektronika, Komputasi dan Kontrol TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika JMECS (Journal of Measurements, Electronics, Communications, and Systems) Aiti: Jurnal Teknologi Informasi Jurnal Teknik Informatika (JUTIF) Prosiding SNAST Jurnal Ilmu Komputer dan Informatika eProceedings of Engineering
Rita Magdalena
Universitas Telkom
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mechanical Engineering Other

Published : 124 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 91 Documents
Search
Journal : eProceedings of Engineering

 5   6   7   8   9 
Analisis Performansi Denoising Sinyal Eeg Menggunakan Metode Discrete Wavelet Transform Dan Adaptive Filter Muhamad Rokhmat Isnaini; Rita Magdalena; Yunendah Nur Fuadah
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Sinyal EEG ( Electroencephalogram ) merupakan rekaman sinyal yang dihasilkan dari medan elektrik spontan pada aktivitas neuron di dalam otak. Sinyal EEG dimanfaatkan pada bidang kesehatan untuk mendiagnosis keadaan neurologis otak, serta pada bidang teknologi seperti aplikasi Brain Computer Interface ( BCI ). Dalam perekaman sinyal EEG, terdapat noise yang tidak diinginkan sehingga dalam analisis sinyal EEG sulit mendapatkan informasi sinyal yang sebenarnya. Oleh karena itu dalam Tugas Akhir ini dirancang sebuah sistem denoising untuk menghilangkan noise agar memperoleh visualisasi sinyal yang sebenarnya. Pada penelitian ini sinyal EEG bersih akan di berikan noise AWGN (Additive White Gaussian Noise), kemudian teknik denoising yang akan dilakukan adalah menggunakan dua metode yaitu Discrete Wavelet Transforms dan Adaptive Filter. Pengujian dilakukan dalam Matlab dengan menggunakan parameter Minimum Squared Error ( MSE ), Signal-to-Noise Ratio ( SNR ), serta Peak Signal-to-Noise Ratio ( PSNR ). Berdasarkan hasil pengujian pada 5 data sinyal EEG, menunjukan untuk metode DWT ( Discrete Wavelet Transforms ) mendapatkan nilai rata – rata pada masing – masing parameter, MSE sebesar 0.0000209082, SNR sebesar 29.1607127780 dB dan PSNR sebesar 29.8262675865 dB. Dan untuk metode Adaptive Filter dengan algoritma Kalman diperoleh nilai rata – rata pada masing – masing parameter, MSE sebesar 0.0000425027, SNR sebesar 27.6136811973 dB dan PSNR sebesar 28.2792360058 dB. Kata kunci: Electroencephalogram (EEG), Denoising, Discrete wavelet Transform (DWT), Adaptive Filter. Abstract The EEG signal (Electroencephalogram) is a recording of a signal generated from a spontaneous electric field in the activity of neurons in the brain. EEG signals are used in the health field to diagnose the neurological state of the brain, as well as in areas of technology such as Brain Computer Interface (BCI) applications. In recording EEG signals, there is an undesirable noise so that in the EEG signal analysis it is difficult to get the actual signal information. Therefore in this final project is designed a denoising system to eliminate noise in order to obtain the actual signal visualization. In this study the clean EEG signal will be given AWGN noise (Additive White Gaussian Noise), then denoising technique that will be done is to use two methods of Discrete Wavelet Transforms and Adaptive Filter. The test is done in Matlab using Minimum Squared Error (MSE), Signal-to-Noise Ratio (SNR), and Peak Signalto-Noise Ratio (PSNR). Based on the results of testing on 5 EEG signal data, it shows that the DWT (Discrete Wavelet Transforms) method gets the average value of each parameter, MSE is 0.0000209082, SNR is 29.1607127780 dB and PSNR is 29.8262675865 dB. And for the Adaptive Filter method with Kalman algorithm, the average values for each parameter, MSE is 0.0000425027, SNR is 27.6136811973 dB and PSNR is 28.2792360058 dB. Keywords: Electroencephalogram (EEG), Denoising, Discrete wavelet Transform (DWT), Adaptive Filter.
Identifikasi Kelompok Umur Menggunakan Ronsen Panoramik Gigi Dengan Jaringan Syaraf Tiruan (artificial Neural Network) Putri Andriani; Rita Magdalena; Ratri Dwi Atmaja
eProceedings of Engineering Vol 4, No 3 (2017): Desember, 2017
Publisher : eProceedings of Engineering

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

Abstract

Ilmu forensik merupakan salah satu bidang yang sangat dibutuhkan saat ini. Ada berbagai jenis ilmu forensik, yang salah satunya adalah odontology forensic yang merupakan penggunaan ilmu kedokteran gigi terhadap hukum,. Dengan banyaknya bencana alam dan kecelakaan transportasi yang terjadi sekarang ini, maka bidang ilmu ini dirasa sangat berguna untuk menyelesaikan masalah tersebut untuk melakukan identifikasi korban yang berjatuhan karena peristiwa tersebut. Identifikasi tersebut salah satunya adalah identifikasi umur. Biasanya ahli forensik akan menggunakan hasil ronsen panoramik gigi sebagai alat bantu untuk menentukan perkiraan umur dari korban a yang sedang diidentifikasinya. Namun pada kenyatannya proses identifikasi ini cukup memakan waktu, sehingga dengan adanya teknologi pengolahan citra dirasa dapat mempermudah proses tersebut. Pada tugas akhir ini, mengembangkan aplikasi identifikasi gambar tampak gigi dari hasil ronsen panoramik yang di scanning yang outputnya akan berupa perkiraan klasifikasi umur . Tugas akhir ini menggunakan dua ekstraksi yaitu PCA dan LBP, serta JST backpropagation sebagai klasifikasinya. Hasil yang diperoleh pada tugas akhir ini adalah sebuah program berbasiskan Matlab yang menghasilkan akurasi rata-rata 80% untuk identifikasi kelompok umur menggunakan klasifikasi Jaringan Syaraf Tiruan Backpropagation.Kata Kunci : Schour and Massler, Jaringan Syaraf tiruan backprop
Klasifikasi Kondisi Paru-paru Normal, Penyakit Tuberkulosis (tbc) Dan Efusi Pleura Pada Manusia Menggunakan Jaringan Syaraf Tiruan Propagasi Balik Ardhi Fibrianto; Rita Magdalena; R Yunendah Nur Fuadah
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

ABSTRAK Tugas Akhir ini tentang pendeteksian penyakit tuberculosis (TBC) dan efusi pleura menggunakan metode gray level coocurance matrix (GLCM) dan jaringan syaraf tiruan backpropagation (JST- BP). Penyakit tersebut mempunya ciri yang dapat dikenali dari foto hasil rontgen paru-paru. Sistem deteksi penyakit paru-paru yang dirancang pada penelitian ini terdiri dari beberapa bagian sistem, yaitu sistem pre-processing, sistem ekstraksi ciri dan sistem klasifikasi. Sistem pre-processing bertujuan untuk memperbaiki tingkat kualitas foto masukan yang akan dideteksi, pada Tugas Akhir ini menggunakan resize dan grayscale. Sistem ekstraksi ciri yang bertujuan untuk mengambil ciri pada sebuah foto atau citra dan proses selanjutnya akan diklasifikasi, Tugas Akhir ini menggunakan metode GLCM. Sedangkan sistem klasifikasi yang berfungsi memilah kedalam tiga kondisi paru-paru yaitu efusi pleura, normal dan TBC menggunakan JST- BP. Ketiga bagian sistem sudah diimplementasikan pada perangkat lunak, selanjutnya akan dilakukan proses pelatihan. Pada proses pelatihan digunakan 60 citra, kemudian citra akan diklasifikasi dalam tiga kondisi efusi pleura, normal dan TBC, citra tersebut akan dijadikan sebagai jaringan atau net pada JST-BP. Sebelum diuji dengan citra baru atau citra uji, sistem diuji dengan 60 citra latih dan menghasilkan 100% untuk semua kondisi. Selanjutnya sistem akan diuji dengan 60 citra baru atau citra uji. Akurasi sistem akan dihitung berdasarkan citra yang diujikan benar dengan semua citra yang diujikan. Akurasi yang dihasilkan sistem pada Tugas Akhir ini yaitu 100% untuk 60 citra latih, dengan masing-masing kelas 20 citra latih. Akurasi citra uji yaitu 70% untuk 60% citra uji, dengan masing-masing kelas 20 citra uji, kondisi efusi 85%, normal 70%, TBC 55%. Kata kunci: Tuberculosis (TBC), efusi pleura, gray level coocurance matrix (GLCM), jaringan syaraf tiruan backpropagation (JST-BP). ABSTRACT This Final Project about detection of tuberculosis (TBC) and pleura effusion using co-insurance matrix gray level (GLCM) method and artificial neural network-backpropagation (ANN-BP). The disease has characteristics that can be identified from photos of lung X-rays. The system developed consists of several parts, pre-processing system, feature extraction system and classification system. The pre-processing phase aims to improve the level of photos quality will be detected, furethrmore the system uses resize and grayscale. Feature extraction phase aims to get feature of images uses GLCM and then will be classify uses ANN-BP. The system has been developed, in the learning process uses 60 images, then the image will be classified in three conditions of pleura effusion, normal and tuberculosis, the image will be used as a network or net on ANN-BP. Before testing with a new image or test image, the will be train with 60 training data 60 and produced 100% for all conditions. Furethrmore the system will be test with 60 new images or test data. The accuracy of testing phase will be compute with the true data defied the total data. The accuracy obtained of the system about 100% for 60 training images, with each class 20 training images. The accuracy of the test image is 70% for 60% of the test image, with each class 20 test image, the effusion condition 85%, normal 75%, TBC 55%. Keywords: Tuberculosis (TBC), pleura effusion, gray level coocurance matrix (GLCM), artificial neural network - backpropagation (ANN-BP). Keyword : Cigarette, Electroencephalograph, Principal Component Analysis, K-Nearest Neighbor.
Pemisahan Reff Dan Verse Secara Otomatis Pada Musik Mp3 Menggunakan Korelasi Antar Frame Berbasis Ciri Harmonik Fast Fourier Transform (fft) Muhammad Ihsan Fadhil; Rita Magdalena; I Nyoman Apraz Ramatryana
eProceedings of Engineering Vol 6, No 1 (2019): April 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Lagu merupakan suatu kesatuan musik yang terdiri atas susunan nada yang berurutan. Lagu juga merupakan seni yang melukiskan pemikiran dan perasaan manusia lewat keindahan suara. Terkadang kita menyanyikan sebuah lagu, tetapi tidak mengetahui reff dan verse nya. Penelitian ini tentang pencarian reff dan verse dengan inputan lagu yang membutuhkan potongan reff dan verse dari lagu untuk disimpan pada database. Database yang terdiri dari 25 potongan reff dan verse dari data lagu diproses secara manual. Proses tersebut membutuhkan waktu yang lama dikarenakan peneliti harus terlebih dahulu menentukan letak reff dan verse secara manual. Hal ini akan menjadi masalah bila jumlah database reff dan verse ditambahkan dengan data baru, sehingga diperlukan penelitian lebih lanjut untuk melakukan pemisahan reff dan verse secara otomatis dengan menganalisis sinyal dari file musik pada mp3. Pada penelitian ini akan merancang metode pemisahan letak reff dan verse menggunakan perhitungan kreorelasi antar frame. Sinyal audio dari file mp3 diubah menjadi frame-frame kecil pada proses framing, selanjutnya frame tersebut ditransformasi menggunakan metode Harmonik Fast Fourier Transform (FFT). Hasil transformasi Harmonik FFT kemudian akan dihitung nilai korelasi antara kumpulan frame untuk mencari pola kesamaan beberapa kumpulan frame tersebut. Dari hasil korelasi tersebut didapat pola korelasi yang sama pada kumpulan frame dan selanjutnya menentukan letak reff dan verse. Proses terakhir adalah pemotongan reff dan verse sesuai dengan letak yang telah ditentukan pada proses sebelumnya. Simulasi metode ini diaplikasikan pada software pemrograman matlab. Penelitian ini menghasilkan akurasi lebih dari 50% dari ketepatan letak reff dan verse dalam detik yang berjumlah 25 lagu dari hasil metode dibandingkan dengan letak aktual dari hasil pemisahan letak secara manual oleh peneliti pada masing-masing lagu. Waktu komputasi terbaik yang dihasilkan pada tugas akhir ini 86 detik dengan frame 1000ms untuk pemotongan 1 lagu file mp3. Kata kunci : Harmonik Fast Fourier Transform(FFT), reff, verse, korelasi, mp3. Abstract Song is a unity of music which consists of sequences of sequential tones. Songs are also art that depicts human thoughts and feelings through the beauty of sound. Sometimes we sing a song, but don't know the verse and the verse. This research is about search referrals and verses with song input that requires reffers and verses from songs to be stored in the database. A database consisting of 25 rebate pieces and verses from song data is processed manually. This process takes a long time because the researcher must first determine the location of the referrals and verses manually. This will be a problem if the number of reff and verse databases is added with new data, so further research is needed to automatically separate the reff and verse by analyzing the signal from the music file in mp3. In this research, we will design a method of separating the reff and verse locations using the calculation of the frame inter-creoration. Audio signals from mp3 files are converted into small frames in the framing process, then the frame is transformed using the Harmonic Fast Fourier Transform (FFT) method. The Harmonic FFT transformation results will then be calculated the correlation value between the frames collection to find the similarity patterns of several sets of frames. From the results of the correlation obtained the same correlation pattern in the collection of frames and then determine the location of the reff and verse. The last process is cutting ISSN : 2355-9365 e-Proceeding of Engineering : Vol.6, No.1 April 2019 | Page 890 reff and verse in accordance with the location specified in the previous process. This method simulation is applied to matlab programming software. This research results in an accuracy of more than 50% of the exact location of the reff and verse in seconds totaling 25 songs from the results of the method compared to the actual location of the results of the manual location separation by the researcher in each song. The best computing time generated in this final project is 86 seconds with a 1000ms frame for cutting 1 song mp3 file. Keywords: Harmonic Fast Fourier Transform (FFT), reff, verse, correlation, mp3.
Deteksi Status Gizi Balita Dengan Estimasi Antropometri Menggunakan Metode Deteksi Tepi Berbasis Pengolahan Citra Digital Rafid Fakhri; Rita Magdalena; R Yunendah Nur Fu’adah
eProceedings of Engineering Vol 6, No 1 (2019): April 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Untuk mengetahui kategori status gizi pada balita dibutuhkan nilai tinggi dan berat badan. Namun pengukuran secara manual cenderung tidak efektif. Sehingga dibutuhkan suatu cara yang efisien untuk mendapatkan nilai status gizi balita. Oleh karena itu dilakukan penelitian untuk membuat aplikasi yang bisa mendeteksi estimasi tinggi dan berat badan menggunakan analisis pengolahan citra digital pada foto balita menggunakan Matlab. Hal ini dilakukan dengan menguji citra digital pada layer grayscale, Red Green Blue (RGB). Serta menganalisis nilai keluaran yang didapat dari masing-masing operator pada metode Deteksi Tepi, yaitu operator Canny, Roberts, Prewitt, dan Sobel. Hasil dari esktraksi ciri diklasifikasikan menggunakan tabel standar antropometri penilaian status gizi balita[1] yang sudah dikeluarkan oleh menteri kesehatan. Hasil keluaran aplikasi berupa beberapa kategori dari indeks status gizi, yaitu indeks berdasarkan Berat Badan Menurut Umur (BB/U), Tinggi Badan Menurut Umur (TB/U), dan Berat Badan Menurut Tinggi Badan (BB/TB). Hasil yang didapat dengan menggunakan metode tersebut, sistem aplikasi untuk mendeteksi status gizi menampilkan performansi dengan tingkat akurasi paling besar 87.08% pada tinggi dan 74.78% pada berat badan balita menggunakan 25 sampel citra laki-laki dan 25 sampel citra perempuan. Dengan adanya aplikasi ini proses menghitung status gizi balita dapat dilakukan berkala dan lebih praktis dibandingkan secara manual. Kata Kunci : Edge Detection, Canny, Sobel, Prewitt, Robert, Anthropometry Abstract To find out the nutritional status category in children, the height and weight values are needed. But with manual measurement tends to be ineffective. So that it requires an efficient way to get the nutritional status of children. Therefore a study was conducted to make an application that could detect the estimation of height and weight using an analysis of digital image processing on child’s photos using Matlab. This is done by testing digital images on the grayscale layer, Red Green Blue (RGB). And analyze the value of the output obtained from each operator on the Edge Detection method, namely Canny, Roberts, Prewitt, and Sobel Operators. The results of feature extraction are classified using the standard anthropometric table evaluating the nutritional status of children [1] issued by the minister of health. The results of the application are in the form of several categories of nutritional status indices, which are indexes based on Body Weight by Age (BB / U), Body Height by Age (TB / U), and Body Weight by Body Height (BB / TB). The results obtained using this method, the application system for detecting nutritional status displays performance with the highest level of accuracy of 87.08% at high and 74.78% on underweight children using 25 male image samples and 25 female image samples. With this application the process of calculating child nutritional status can be done periodically and more practically than manually. Keywords : Edge Detection, Canny, Sobel, Prewitt, Robert, Anthropometry
Matched Filter Dan Morphology Operation Untuk Deteksi Status Gizi Bayi Berdasarkan Estimasi Antropometri Rifqi Muhammad Fikri; Rita Magdalena; R Yunendah Nur Fu’adah
eProceedings of Engineering Vol 6, No 1 (2019): April 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Pengukuran fisik atau antropometri selama ini dikenal sebagai indikator sederhana dalam penilaian status gizi perorangan maupun masyarakat. Dalam penilaian untuk menentukan status gizi balita, antropometri disajikan dalam bentuk indeks yang dikaitkan dengan variabel lain. Indeks yang digunakan adalah indeks berat badan, dan tinggi badan sesuai usia dan jenis kelamin balita. Di Indonesia, grafik pertumbuhan yang dipergunakan berdasarkan The National Centre for Health Statistics (NCHS) dari Amerika Serikat. Grafik inilah yang digunakan dalam Kartu Menuju Sehat (KMS), atau buku catatan kesehatan anak yang diberikan pada orang tua. Grafik tersebut terdiri dari grafik pertumbuhan indeks-indeks yang diukur pada antropometri. Pada tugas akhir ini dirancang sebuah aplikasi Android yang dapat melakukan antropometri dengan input berupa citra digital menggunakan metode matched filter dan morphology operation. Kedua metode tersebut digunakan sebagai alat untuk melakukan ekstraksi komponen citra berupa representasi dan deskripsi suatu area dalam citra. Objek yang sudah tersegmentasi akan diolah lebih lanjut dengan perhitungan Body Surface Area (BSA) Mosteller yang menghasilkan informasi berupa berat badan dalam satuan kilogram (kg) dan tinggi badan dalam satuan centimeter(cm) Dari hasil pengujian sistem aplikasi, keluaran nilai antropometri mempunyai akurasi sebesar 82.19% untuk jenis kelamin laki-laki dan 82.45% untuk jenis kelamin perempuan. Kata Kunci: Antropometri, balita, deteksi citra, matched filter, morphology operation, Body Surface Area Mosteller. Abstract Physical measurement or anthropometry known as simple indicators to measure nutritional status of individuals or society. To determine the child's nutritional status, anthropometry is presented in the form of indexes which assosiated with another variable. The index used are weight index and height index according to the age and sex of the child. In Indonesia, the growth charts used are based on The National Centre for Health Statistics (NCHS) from United States of America. This graph is used in Kartu Menuju Sehat (KMS), or child health record books given to the parents. The graph consists of a growth chart of the indexes measured by anthropometry. This final project designs an Android app that can-do anthropometry with the input of digital image using matched filter and morphology operation method. Both methods are used as tools for performing image component extraction in the form of representation and description of an area in image. Objects that have been segmented will be processed further into the calculation of Body Surface Area (BSA) Mosteller which produces information of weight in kilograms (kg) and height in centimeters (cm). From the results of testing the application system, the output of anthropometry value has an accuracy of 82.19% for boys and 82.45% for girls. Keywords: anthropometry, child, image detection, matched filter, morphology operation, Body Surface Area Mosteller
Perancangan Dan Analisis Sistem Speech Processing Untuk Tunarungu Menggunakan Metode Hidden Markov Model Dan Mel-frequency Cepstral Coefficients Bagus Robbiyanto; Raditiana Patmasari; Rita Magdalena
eProceedings of Engineering Vol 6, No 1 (2019): April 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Mendengar merupakan salah satu cara untuk saling berkomunikasi, mendengar sangat dibutuhkan oleh manuasia untuk mengerti maksud satu sama lain. Namun hal ini membatasi untuk orang normal berkomunikasi dengan tunarungu, karena tidak semua orang mengerti gerakan Bahasa isyarat. Pada Tugas Akhir ini membuat dibuat suatu alat untuk membantu orang normal untuk berkomunikasi dengan orang yang menderita tunarungu. Alat ini mengolah sinyal suara input menjadi suatu text menggunakan metode Mel Frequency Cepstral Coefficient untuk mengekstrasi sinyal suara input dan diklasifikasi menggunakan metode Hidden Markov Model untuk melihat kemiripan antara sinyal suara yang sudah diekstrasi ciri dengan yang di database. Jika terdapat suatu kemiripan maka menghasilkan suatu text, kemudian text tersebut diolah menjadi suatu input baru yang menampilkan video Bahasa Isyarat Indonesia. Hasil pengujian menunjukkan bahwa kombinasi metode mel frequency cepstral coefficient dan Hidden Markov Model mampu mengenali sinyal suara berupa kata dengan akurasi tertinggi mencapai 87%. Kata Kunci: Bahasa Isyarat indonesia, Tunarungu, MFFC, HMM. Abstract Hearing is one way to communicate with each other, hearing is needed by manuasia to understand each other's intentions. But this limits the normal person communicating with the deaf, because not everyone understands Sign Language. In this Final Project, a tool is created to help normal people communicate with people who are deaf. This tool processes the input sound signal into a text using the Mel Frequency Cepstral Coefficient method to extract input sound signals and is classified using the Hidden Markov Model method to see the similarity between the sound signals that have been extracted and those in the database. If there is a similarity then it produces a text, then the text is processed into a new input that displays Indonesian Sign Language videos. The test results showed that the combination of the mel frequency cepstral coefficient method and the Hidden Markov Model were able to recognize sound signals in the form of words with the highest accuracy reaching 87%. Keywords: Indonesian Sign Language, Deaf Person, speech processing, MFCC, HMM.
Analisis Performansi Sistem Pendeteksi Katarak Menggunakan Dct (discrete Cosine Transform) Dan Jaringan Saraf Tiruan Backpropagation (jst Backpropagation) Herdian Anantya Risma; Raditiana Patmasari; Rita Magdalena
eProceedings of Engineering Vol 6, No 1 (2019): April 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Seiring berkembangnya teknologi saat ini, kita dapat memanfaatkan pengolahan citra digital sebagai cara untuk mendeteksi penyakit katarak. Pada pengolahan citra digital ini, akan dilakukan pengenalan suatu objek yang dapat dilakukan dengan mengenali algoritma tertentu. Pada tugas akhir ini menggunakan pengolahan citra digital untuk mempercepat proses identifikasi penyakit katarak. Pada identifikasi ini akan menggunakan metode DCT (Discrete Cosine Transform). Metode ini merupakan suatu metode yang akan digunakan dalam proses pemampatan file citra, yaitu untuk mentransformasikan sebuah matriks citra dengan representasi lain serta dapat digunakan di daerah pengolahan digital untuk keperluan pengenalan pola. Kemudian menggunakan Jaringan Saraf Tiruan Backpropagation (JST Backpropagation) sebagai pengklasifikasi citra uji. Hasil yang di peroleh adalah berupa sebuah simulasi perangkat lunak operasi matriks yang dapat digunakan untuk mengetahui dan mengklasifikasi mata katarak dengan akurasi sebesar 86,67% dengan waktu komputasi terbaik 3,666 detik menggunakan jumlah data latih dan data uji masing-masing 45 buah data, parameter orde satu standard deviation dan entropy, blok size DCT 5, saat epoch bernilai 1000, learning rate bernilai 1, dan hidden layer bernilai 5. Kata Kunci : DCT, JST Backpropagation, Katarak Abstract As technology develops today, we can utilize digital image processing as a way to detect cataract disease. In this digital image processing, we will do the introduction of an object that can be done by recognizing a particular algorithm. In this final project the research will use digital image processing to speed up the process of identification of cataract disease. This identification will use the DCT (Discrete Cosine Transform) method. This method is a method that will be used in image file compression process, that is to transform an image matrix with another representation and can be used in digital processing area for pattern recognition purposes. Then using Backpropagation Neural Network (JST Backpropagation) as the classifier of test image. The result obtained are a simulation of matrix operating software that can be used to know and classify cataract eyes with an accuracy of 86,67% with the best computation time 3,666 seconds using the amount of training data and test data for each of 45 pieces, the first orde parameter standard deviation and entropy, DCT size 5 block, when epoch is 1000, the learning rate is 1, and hidden layer is 5. Keywords : DCT, JST Backpropagation, Cataract
Deteksi Zat Narkotika Berdasarkan Tekstur Menggunakan Metode Principal Component Analysis Dan Learning Vector Quantization Septian Eko Kuncahyono; Rita Magdalena; Sofia Sa’idah
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Narkotika adalah salah satu jenis narkoba yang berasal dari tanaman atau bukan tanaman, sintesis maupun semi sintesis. Narkotika sering digunakan didunia kedokteran untuk membius atau menghilangkan rasa sakit dan nyeri. Makin bertambahnya jenis – jenis napza yang beredar, aparat penegak hukum mengalami kesulitan pada saat proses penindakan pelanggaran kejahatan narkotika. Karena itu juga tidak semua petugas dilapangan mengetahui seluruh jenis narkotika yang beredar. Maka diperlukan sistem yang dapat mempermudah deteksi zat narkotika di sekitar kita. Pada tugas akhir ini dibuat sistem yang dapat mendeteksi dan mengklasifikasikan zat narkotika dengan pengolahan citra menggunakan metode ekstrasi ciri Principal Component Analysis (PCA) yang dapat mereduksi dimensi citra tanpa mengurangi karakteristik secara signifikan dan untuk klasifikasinya menggunakan Learning Vector Quantization (LVQ). Hasil yang didapat pada Tugas Akhir ini adalah aplikasi dengan menggunakan MATLAB yang dapat mengolah citra narkotika untuk mendeteksi jenis zat narkotika. Performansi yang dihasilkan oleh sistem yang dibuat yaitu akurasi sebesar 82% dan waktu komputasi 0.0179 dengan menggunakan parameter ciri statistik mean standard ddeviasi, size 128x128, komponen PCA 100, hidden size 30, learning rate 0.01 dan epoch 900. Kata Kunci : Zat narkotika, Principal Component Analysis (PCA), Learning Vector Quantization (LVQ). Abstract Narcotics are one of the types of drugs derived from plants or non-crops, synthesis and semi-synthesis. Narcotics are often used in the world of medicine to breed or relieve pain and pain. The increasing type of drugs in circulation, the law enforcement officers have difficulty in the process of enforcement of narcotic crimes violations. Cause that, not all officers in the field know all types of narcotics in circulation. Then, needed a system that can facilitate the detection of narcotic substances around us. In this final project, a system can be detected which can classify narcotics by image processing using the Principal Component Analysis (PCA) feature extraction method that can reduce the dimensions of the image without reducing its characteristics significantly and for its classification using Learning Vector Quantization (LVQ). The results obtained in this Final Project are applications using MATLAB which can process narcotics images to detect narcotics. The performance produced by the system is made, 82% accuracy and 0.0179 computation time using the mean standard deviasi statistical parameter, size 128x128, PCA 100 component, hidden size 30, learning rate 0.01 and epoch 900. Keywords: Narcotics, Principal Component Analysis (PCA), Learning Vector Quantization (LVQ).
Klasifikasi Katarak Menggunakan Metode Discrete Wavelet Transform (dwt) Dan Support Vector Machine (svm) Naufal Adi Gifran; Rita Magdalena; R. Yunendah Nur Fu'adah
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Katarak merupakan penyakit mata yang ditandai dengan mengeruhnya lensa mata, sehingga membuat penglihatan kabur. Seiring bertambahnya usia, protein pada lensa akan menggumpal dan perlahan-lahan membuat lensa keruh dan berkabut. Hal ini menyebabkan penglihatan menjadi kabur dan tidak jelas. Berdasarkan pada penjelasan di atas, maka penulis melakukan penelitian dengan menggunakan metode Discrete Wavelet Transform (DWT) dan klasifikasi Support Vector Machine (SVM) untuk merancang sistem klasifikasi katarak. Penelitian sebelumnya tentang klasifikasi katarak pernah dilakukan oleh Rais Zul Ihram pada tahun 2018 mendapatkan akurasi sebesar 93,3% dengan menggunakan metode GLCM dengan klasifikasi yang digunakan adalah SVM. Penelitian serupa dilakukan oleh Rizkia Dwi Auliannisa pada tahun 2017 tentang deteksi katarak menggunakan metode Transformasi Hough berbasis Android dengan menggunakan pengklasifikasian K-NN dan mencapai akurasi lebih dari 80%. Dari hasil pengujian diperoleh akurasi terbaik dari klasifikasi katarak sebesar 80%. Akurasi tersebut didapatkan dari pengujian 90 citra mata yang memiliki ukuran 512x512 piksel, pada tahap ekstrasi ciri digunakan subband filter LH pada metode Discrete Wavelet Transform (DWT). Digunakan kombinasi enam ciri statistik yaitu Mean, standar deviasi, skewness, kurtosis, entropy, variance. Pada tahap klasifikasi digunakan metode Support Vector Machine (SVM) dengan kernel gaussian, dan pembagian multikelas OneAgainst-All (OAA). Kata Kunci : Katarak, Discrete Wavelet Transform (DWT), Support Vector Machine (SVM) Abstract Cataract is an eye disease characterized by the clouding of the lens of the eye, which makes vision blurry. As we get older, the protein in the lens will clot and slowly make the lens cloudy and foggy. This causes vision to be blurred and unclear. Based on the explanation above, the authors conducted a study using the Discrete Wavelet Transform (DWT) method and the Support Vector Machine (SVM) classification to design a cataract classification system. Previous research on the classification of cataracts was done by Rais Zul Ihram in 2018 to get an accuracy of 93.3% using the GLCM method with the classification used was SVM. A similar study was conducted by Rizkia Dwi Auliannisa in 2017 on cataract detection using the Android-based Hough Transform method using K-NN classification and achieving an accuracy of more than 80%. From the test results obtained the best accuracy of cataract classification by 80%. The accuracy is obtained from testing 90 eye images that have a size of 512x512 pixels, at the feature extraction stage the LH subband filter is used in the Discrete Wavelet Transform (DWT) method. A combination of six statistical features is used, namely Mean, standard deviation, skewness, kurtosis, entropy, variance. At the classification stage, the Support Vector Machine (SVM) method is used with the Gaussian kernel, and the One-Against-All (OAA) multiclass division. Keywords: Cataract, Discrete Wavelet Transform (DWT), Support Vector Machine (SVM)
Co-Authors A F Akbar Abel Bima Wiratama Achmad Rizal Adham Nurjati Adinda Maulida Agung Aditama Putra Agustina Trifena Dame.S AGUSTINA, REGITA Ahmad Zendhaf Aldo Setiawan Alva Rischa Qhisthana Pratika Andria Sufy Angga Prihantoro Ardhi Fibrianto Arianto Sirandan Arintyo Archamadi Ayu Putu Wida Vanhita Bagas Farhan Hadyantoro Bagus Robbiyanto Bambang Hidayat Bambang Hidayat Bayuaji Kurniadhani Brian Adam Danding Adhi Priutomo Davita Nadia Fadhilah Dea Sifana Ramadhina Dewa Nyoman Indra Dewi Siskawati Dian Ayu Nurlitasari Dimas Frandisyah Putra Donny Janu Sundoro Dwi Anggreni Novitasari Dyah Ajeng Pramudhita Dyah Ayu Pratiwi Efri Suhartono Eko Susatio Eky Yuliansyah Eriel Mar Estananto Faizhal Rifky Alfaris Fathurrahman, Muhammad Hanif Fatima Azzahra FAUZI FRAHMA TALININGSIH Fauzi, Muhammad Ilham Febriani Ruming Sari Firmanda Robi Firmansyah Patriandhika Fitya Nur Fadhilah Galih Surya Gede Hari Yogiswara Gusty Aditya Arrazaq HARSONO, ALI BUDI Herdian Anantya Risma Hilman Fauzi, Hilman I Dewa Gede Agung Kurniawan I Gusti Agung Dian Wintara I Nyoman Apraz Ramatryana I Nyoman Apraz Ramatryana I NyomanApraz Ramatryana Ibnu Da'wan Salim Ibnu Da’wan Salim Ubaidah Ibnu Da’wan Salim Ubaidah Ignatius Yoslan Kurniawan Ikhwanda, Alfan Ikrar Khaera Arfat Ilma Rahma Dewi Imanuel Boyke Nainggolan Immanuel Rayuzi Pandapotan Sinaga Indrafaqih Eskamara Inung Wijayanto Iqbal Kurniawan Perdana Irham Bani Alfafa Ivan Prayoga Prawiro Ivandy Chaniago Jangkung Raharjo Jonthala Tambunan Koredianto Usman Krisna Prayoga Kurnia Khafidhatur Rafiah Ledya Novamizanti Lugina Perceka Putri M.Aldia Abilisa M.Fajar Zulvan Nugraha Mahendra, Dio Maisaroh Agustina Rahayu Malardy , Muhammad Andriyansyah Masykur, Muhammad Fadhel Affandi Misbakhul Munir Muhamad Rokhmat Isnaini MUHAMMAD ADNAN PRAMUDITO Muhammad Akhyar Ghifari Muhammad Ardhi Prakasa Muhammad Bayu Adinegara Muhammad Fadly Mustakim Muhammad Ihsan Fadhil Muhammad Ilham Muhammad Ilham Fauzi Muhammad Najiburahman Muhammad Tezar Muhammad Yuqdha Faza Nabila Herman Naufal Adi Gifran Nidaan Khofiya Nor Kumalasari Nor Kumalasari Caecar Nor Kumalasari Caecar Pratiwi Nor Kumalasari Caesar Pratiwi Nur Andini Nur Ibrahim NURFAJAR, FEBI Obed Simanungkalit Octavian Putera Kesuma Sugeng Olyvia Fernanda Soedradjat PERDANI, WAHYUNI RIZKY Prayudi, Yoshi Putra, Akbar Trisnamulya Putri Andriani R Ricki Juniansyah R Yunenda Nur Fu'adah R. Rumani R. Rumani R. Yunendah Nur Fu’adah Raditiana Patmasari Rafid Fakhri Rahmad Hidayatullah Salam Raihan Nur Fadhlillah Rama Arjun Setiawan Ramdhan Nugraha Ratri Dwi Atmaja Renny Rahmawati Reyfaldi Wahyu Pradana Reyhan Radifan Jordy Rezki Ariz Rahadian Ricardo Ricardo Richard Bina Jadi Simanjuntak Ridwan Firdaus Rifqi Muhammad Fikri Rissa Rahmania Rizki Muhammad Iqbal Rizqi Surya Utama Rosyita Ayuning Mauludiya Sa’idah, Sofia Saidah, Sofiah Sari, Febriani Ruming Sayidia Rizki Arfina Sean Alexander Suryaman Septian Eko Kuncahyono Shimon Anterio Armando Sinaga Sofia Sa'idah Sofia Sa'idah Sofia Sa’idah SOFIA SAIDAH Sofia Sa’idah Steven Palondongan Suci Aulia Sugondo Hadiyoso Susilo, Mochammad Hilmi Suwandhi, Adhisty Putrina Suwitrisna Putra Syafiq Hilmi Abdullah Syamsul Rizal Tahta Restu Adiguna Tamardi Pranata Tampubolon Tauhid Nur Azhar Teguh Dian Arifandi Tri Siswanto Twinarya Bagus Wibawa Varian Mohammad Sutama Yohana Karina Candra Sari Yunendah Fu’adah