Article Per Year (5 Year)
p-Index From 2021 - 2026
0.947
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Komputer dan Informasi Journal of Information Systems Engineering and Business Intelligence Indonesia Symposium on Computing Indonesian Journal on Computing (Indo-JC) IJoICT (International Journal on Information and Communication Technology) JOIN (Jurnal Online Informatika) International Journal of Artificial Intelligence Research JURNAL MEDIA INFORMATIKA BUDIDARMA Indonesian Journal of Artificial Intelligence and Data Mining Jurnal Teknologi dan Informasi TEKNOLOGIA Building of Informatics, Technology and Science Journal of Data Science and Its Applications eProceedings of Engineering
Untari Novia Wisesty
Telkom University
Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Library & Information Science Mathematics

Published : 35 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 35 Documents
Search

 1   2   3   4 
Klasifikasi Sinyal Eeg Menggunakan Deep Neural Network Dengan Stacked Denoising Autoencoder Dieka Nugraha Karyana; Untari Novia Wisesty; Jondri Nasri
eProceedings of Engineering Vol 3, No 3 (2016): Desember, 2016
Publisher : eProceedings of Engineering

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

Abstract

Pengenalan emosi merupakan kunci untuk membangun sebuah human computer interacton yang alami, yaitu komputer yang memiliki kecerdasan emosional dalam memberikan tanggapan. emosi dapat dikenali salah satunya melalui EEG (electrocephalonogram). Deep Learning berfokus pada menemukan reperesentasi fitur bertingkat yang dimana pada tingkatan fitur yang lebih tinggi merepresentasikan lebih banyak aspek abstrak dari data. Dengan menggunakan deep learning, data EEG dapat ditemukan representasi bertingkatnya dan dijadikan sebagai input kepada classifier agar dapat dilakukan Klasifikasi. Pada tugas akhir ini emosi diklasifikasi dengan menggunakan metode deep learning dengan Stacked Denoising AutoEncoder sebagai pembangun dari Deep Neural Network. Hasil pengujian terbaik untuk 4 kelas didapatkan nilai f1 score sebesar 0.3578 menggunakan data PCA. Sedangkan untuk klasifikasi 2 kelas didapatkan nilai f1 score sebesar 0.5656 untuk klasifikasi valence dan 0.5891 untuk klasifikasi arousal. Proses klasifikasi menggunakan data per orang menghasilkan performansi dengan rerata f1 score sebesar 0.5488. Penambahan jumlah hidden layer dan peningkatan nilai corruption level menyebabkan efek yang bervariasi terhadap peformansi DNN. Kata kunci : EEG, DNN, autoencoder, klasifikasi
Klasifikasi Pergerakan Jari Tangan Berdasarkan Sinyal EMG Menggunakan Stacked Denoising Autoencoder untuk Mengendalikan Tangan Prostetik Echa Pangersa Sugianto Oeoen; Jondri Jondri; Untari Novia Wisesty
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 Elektromiografi (EMG) adalah teknik penelitian yang berkaitan dengan perekaman sinyal myoelectric. Sinyal mioelektrik dibentuk oleh variasi fisiologis dalam keadaan selaput serat otot. Sinyal ini berguna untuk mendiagnosis kesalahan pada sistem saraf perifer. Penggunaan EMG juga bisa menjadi sumber utama dalam pengendalian tangan prostetik karena kenyamanan penggunanya. Tujuan dari penelitian ini adalah untuk mengidentifikasi pergerakan jari tangan manusia melalui sinyal EMG dengan cara klasifikasi. Ada 4 jenis gelombang dalam penelitian ini yang di klasifikasikan yaitu Literal, Grasp, Fist/Hook dan Tip. Metode yang digunakan dalam penelitian ini adalah Deep Neural Network - Stacked Denoising Autoencoder . Hasil pengujian penelitian ini menunjukan akurasi tertinggi sebesar 94%. Dalam studi kasus yang diterapkan penulis mencetak tangan prostetik yang sebelumnya telah dikembangkan mengunakan 3D printing. Kata kunci : Deep Learning, Electromyograph, Tangan Prostetik, Deep Neural Network, Mechine Learning, Stacked Denoising Autoencoder. Abstract Electromyography (EMG) is a research technique related to signal recording myoectric. The myoelectric signal is formed by physiological variation in the state of the muscle fiber membrane. This signal is useful for diagnosing errors in the peripheral nervous system. The use of EMG can also be a major source of prosthetic hand control due to the convenience of its users. The purpose of this project is to identify the movement of human fingers through EMG signals by way of classification. There are 4 types of waves in this study which will be classified as Literal, Grasp, Fist/Hook and Tip. Method that used in this project is Deep Neural Network - Stacked Denoising Autoencoder. The highest accuracy generated in this study was 94%. In a case study the writer applied a prosthetic hand print that had previously been developed using 3D printing. Keywords: Deep Learning, Electromyograph, Prosthetic Hand, Deep Neural Network, Mechine Learning, Stacked Denoising Autoencoder.
Analisis Dan Implementasi Metode Certainty Factor Pada Sistem Pendukung Pengambilan Keputusan Untuk Penyakit Diabetes Melitus Hadli Fadli Santoso; Eko Darwiyanto; Untari Novia Wisesty
eProceedings of Engineering Vol 3, No 3 (2016): Desember, 2016
Publisher : eProceedings of Engineering

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

Abstract

Diabetes melitus merupakan merupakan penyakit dimana kadar gula darah seseorang meningkat yang disebabkan oleh ganguan sekresi insulin, kerja insulin atau keduanya. Diabetes melitus merupakan penyebab kematian terbesar keempat didunia. Gaya hidup modern yang cenderung tidak sehat, membuat penyandang penyakit diabetes melitus ini semakin meningkat. Peningkatan ini tidak diimbangi dengan tenaga professional yang menangani serta minimnya pengetahuan tentang gejala serta tindakan preventif terhadap penyakit ini juga menjadi penyebab penderita penyakit ini terus meningkat setiap tahunya. Banyak diantara penderita diabetes melitus yang tidak terdiagnosa karena minimnya pengetahuan tentang gejala diabetes melitus. Untuk itu diperlukan suatu aplikasi sistem pengambilan pendukung keputusan berupa sistem pakar untuk membantu dalam pengambilan keputusan untuk mendiagnosa penyakit diabetes melitus ini secara dini. Sistem ini mendiagnosa berdasarkan fakta dan gejala yang dialami pasien. Metode certainty factor diterapkan pada sistem ini sebagai metode untuk memecahkan masalah ketidakpastian yang muncul ketika seseorang merasakan suatu gejala, sehingga dapat meningkatkan ketepatan sistem ini untuk mendiagnosa penyakit diabetes melitus. Berdasarkan hasil implementasi dan pengujian didapat kan kesimpulan bahwa SPPK diabetes melitus ini dapat mendiagnosa pasien dengan akurasi 80%, serta dengan tingkat kepuasan, membantu, kebutuhan, fungsionalitas, kemudahan masing– masing adalah puas, membantu, butuh, memenuhi fungsionalitas, dan mudah terhadap SPPK ini. Kata kunci : sistem pakar, certainty factor, diabetes melitus, sppk
Deteksi Polycystic Ovarian Syndrome (pcos) Menggunakan Klasifikasi Microarray Data Dengan Algoritma Artificial Neural Network (ann) Backpropagation Dan Fitur Seleksi Principal Component Analysis Tiara Laksmi Basuki; Jondri Jondri; Untari Novia Wisesty
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 PCOS (polycystic ovary syndrome) atau sindrom ovarium polikistik merupakan kondisi terganggunya fungsi ovarium pada wanita yang berada di usia subur. Kondisi ini menyebabkan hormon wanita yang menderita PCOS menjadi tidak seimbang karena hal-hal yang tidak diketahui. Penelitian ini bertujuan untuk membuat sistem klasifikasi menggunakan data yang berbentuk microarray karena berguna untuk menganalisis beribu-ribu sampel pada waktu bersamaan yang dapat membantu analisis dan diagnosis terhadap penyakit PCOS. Sistem klasifikasi akan terdiri dari tiga tahapan, yaitu pre-processing data dengan normalisasi, ekstraksi fitur dengan menggunakan Principal Component Analysis, dan klasifikasi menggunakan metode Artificial Neural Network yaitu Backpropagation, dan didapatkan hasil akurasi sebesar 50% - 100%. Kata kunci:PCOS, microarray, Principal Component Analysis, Artificial Neural Network Abstract PCOS (polycystic ovary syndrome) or polycystic ovary syndrome is a condition of impaired ovarian function in women in childbearing age. This condition causes female hormones that suffer from PCOS to become unbalanced because of things that are not known. This study aims to make a classification system using data in the form of a microarray because it is useful to analyze thousands of samples at the same time which can help analysis and diagnosis of PCOS disease. The classification system will consist of three stages, namely pre-processing data with normalization, feature extraction using Principal Component Analysis, and classification using the Artificial Neural Network method, namely Backpropagation, and the results are 50%-100%. Keywords:PCOS, microarray, Principal Component Analysis, Artificial Neural Network
Kategorisasi Berita Multi-label Berbahasa Indonesia Menggunakan Algoritma Random Forest Brama Hendra Mahendra; Adiwijaya Adiwijaya; Untari Novia Wisesty
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

AbstrakBerita merupakan informasi mengenai sesuatu yang sedang terjadi atau sudah terjadi. Seiring denganberkembangnya teknologi dimana berita disajikan dalam bentuk website karena hal itu menyebabkanjumlah berita digital yang dirilis oleh beberapa portal berita setiap harinya menjadi sangat banyak. Daribanyaknya ketersediaan dokumen berita yang ada, berdampak pada banyaknya dokumen berita yangmemiliki makna yang sama. Berdasarkan dari uraian diatas dibutuhkan metode-metode pengkategorianberita yang baik untuk memudahkan dalam pengambilan informasi. Dalam hal ini, banyak metode yangdapat dilakukan dalam mengkategorikan berita salah satunya dengan metode Random Forest. Tapisebelum menggunakan metode tersebut, terdapat beberapa langkah yang harus dilakukan dalammenentukan nilai dari random forest. Salah satu langkah yang harus dilakukan adalah menentukan featureextraction dengan metode Regular Expression dan dilanjutkan dengan pembobotan TF-IDF lalu setelah itumelakukan Cross-Validation dengan k-Fold. Dataset yang digunakan terdiri dari dua jenis yaitu data testingdan data training. Untuk hasil uji coba diperoleh nilai sebesar 0,126 dari proses persamaan Hamming Loss.Kata kunci: Random Forest, Dokumen Berita, Feature Extraction, Pembobotan TF-IDF, Cross-Validation,Hamming LossAbstractNews is an information about something that is happening or has happened. Along with the development oftechnology where news is presented in the form of websites, it causes a large number of digital news releasedby several news portals issued. From the abundance of news document that exist, it has an impact on thenumber of news document that have the same meaning. Based on the description above, it needs a goodnews categorization methods to facilitate information retrieval. In this case, there are many methods can bedone in categorizing the news one of them by the Random Forest method. But before using this method,there are several steps must be taken to determine the value of random forest. One step that must be doneis to determine feature extraction using the Regular Expression method and complete it by weighting of TFIDF,andthendoingCross-Validation.Thedatausedconsistsoftwotypes,testingdataandtrainingdata.Fortheresultsofthetrialobtainedavalueof0.126fromtheHammingLossequationprocess. Keywords:RandomForest,News Document, Feature Extraction, Weighting of TF-IDF, Cross-Validation,Hamming Loss
Cetak Biru Rencana Induk Pengembangan Tik Untuk Dinas Pariwisata Dan Kebudayaan Kabupaten Bandung Barat Menggunakan Metode Enterprise Architecture Planning Yosua Nababan; Eko Darwiyanto; Untari Novia Wisesty
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

AbstrakPada saat ini setiap elemen pemerintahan memerlukan suatu system informasi TIK untuk mendukungproses bisnis dan kinerja mereka. Saat ini penggunaan system informasi di Dinas Pariwisata danKebudayaan Kabupaten Bandung Barat belum maksimal, mengingat bahwa di Kabupaten Bandung Baratmerupakan salah satu wilayah yang terdapat banyak tempat wisata di Jawa Barat. Pada penelitian ini akandibuat suatu cetak biru rancangan Arsistektur Sistem Informasi untuk sebagai pedoman Dinas Pariwisatadan Kebudayaan Kabupaten Bandung Barat dalam membangun dan mengembangkan system informasi.Cetak biru rancangan arsistektur informasi ini dibuat dengan metode Enterprise Architecture Planning,metode ini mendefinisikan arsitektur secara keseluruhan system. Hasil dari cetak biru rancangan ini diujidengan Enterprise Architecture Scorecard (EA Scorecard) untuk mengukur kualitas dari cetak birurancangan yang diusulkan. Nilai EA Scorecard yang didapatkan yaitu 52,14%Kata kunci:system informasi, dinas pariwisata dan kebudayaan kabupaten bandung barat, cetak biru,enterprise architecture planning, EA Scorecard.AbstractAt present every element of government requires an ICT information system to support their businessprocesses and performance. Currently the use of information systems in the Department of Tourism andCulture of West Bandung Regency has not been maximized, given that in West Bandung Regency is onearea that has many tourist attractions in West Java. In this study a blueprint for the Information SystemsArchitect design will be made to guide the Department of Tourism and Culture of West Bandung Regencyin developing and developing information systems. The blueprint of the information architecture designwas created using the Enterprise Architecture Planning method, this method defines the overallarchitecture of the system. The results of this design blueprint were tested with the Enterprise ArchitectureScorecard (EA Scorecard) to measure the quality of the proposed design blueprint.Keywords: information system, Department of Tourism and Culture of West Bandung Regency, blueprint,Enterprise Architecture Planning, EA Scorecard
Klasifikasi Iris Biometrik menggunakan Convolutional Neural Network (CNN) dengan Metode Segmentasi Bitplane Slicing Iqbal Hapid Sukana Putra; Said Al Faraby; Untari Novia Wisesty
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

Iris merupakan bagian dari mata yang memberikan tekstur dan warna yang unik pada setiap individu. Bagian iris merupakan area gelang yang dibatasi oleh pupil dan sklera atau bagian putih dari mata. Karakteristik unik ini dapat dimanfaatkan sebagai basis dalam sistem keamanan biometrik. Namun dalam praktik implementasinya, banyak hal yang menjadi permasalahan dalam proses pembuatan sistem. Permasalahan tersebut antara lain seperti proses penghapusan derau yang kurang praktis atau algoritma pengenalan sistem yang terlalu kaku terhadap perubahan gambar inputan. Oleh karena itu, dibutuhkan sistem yang dibangun berdasarkan permasalahan tersebut sebagai solusi. Sebagai langkah solusi dalam proses membangun sistem, digunakanlah metode segmentasi Bitplane Slicing yang bertujuan dalam untuk mencari area iris dengan tahapannya yang lebih praktis. Beberapa pengujian segmentasi menggunakan 50 class dari dua dataset dan hasil segmentasi terbaik dipilih masing-masing dataset sebanyak 25 class sebagai input data untuk pengujian klasifikasi. CNN sebagai metode klasifikasi yang berbasis jaringan pembelajaran, diyakini dapat menangani perubahan pada gambar inputan sistem sehingga timbul toleransi pada sistem. Berbeda dengan sistem yang berbasis template matching, sistem yang terbentuk tentunya lebih kaku dan peka terhadap perubahan gambar. Berdasarkan sedikitnya informasi tentang CNN yang diaplikasikan ke pengenalan iris, maka dibutuhkan pengujian yang diharapkan dapat menjadi nilai ukur dari sisi akurasi dan efisiensi arsitektur jaringan yang dibentuk. Pengujian dilakukan dengan menggunakan 25 class yang merupakan hasil pengujian segmentasi terbaik masing–masing dua dataset yaitu dataset pegawai bandara dan dataset iris CASIA, diperoleh akurasi 82% untuk dataset pegawai bandara dan 98,1% untuk dataset iris CASIA. Kata kunci: Iris Biometrik, segmentasi, klasifikasi, Bitplane Slicing, Convolutional Neural Network
Pengenalan Aksara Jawa Dengan Menggunakan Algoritma Convolutional Neural Network Stefanus Christian Adi Pradhana; Untari Novia Wisesty; Febryanthi Sthevanie
eProceedings of Engineering Vol 7, No 1 (2020): April 2020
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Aksara jawa merupakan salah satu warisan budaya suku Jawa yang penggunaannya perlu dilestarikan. Aksara jawa memiliki bentuk tulisan yang unik dan memiliki makna yang berbeda menyebabkan perlunya pembelajaran atau merupakan warga asli yang sering membaca tulisan tersebut. Dengan teknologi yang telah berkembang sampai saat ini, dapat dimanfaatkan untuk meningkatkan kesadaran dan kemudahan dalam mempelajari budaya jawa tersebut. Pada penelitian ini dibuat sebuah sistem yang mampu mengenali gambar aksara jawa yang ditulis tangan pada lembaran kertas. Algoritma Convolutional Neural Network (CNN) digunakan sebagai basis pembuatan sistem, dimana CNN dapat mengenali tulisan tanpa menggunakan algoritma ekstrasi fitur tambahan. Dalam penelitian ini CNN mampu mengenali gambar tulisan dengan performansi model 95,35% pada saat proses pelatihan menggunakan data training. Hasil klasifikasi pada data test menghasilkan akurasi sebesar 73%, menunjukkan bahwa CNN dapat mengenali sebagian besar gambar tulisan tangan aksara jawa. Kata kunci: Convolutional Neural Network, pengenalan tulisan, aksara jawa _______________________________________________________________ Abstract Javanese script is one of many heritages of Javanese tribe, which in need to be preserved. With how unique its style and how each word has different meaning, to understand Javanese script means the need of learning the script or simply is a native that has frequently read the script. Current technology makes it possible to increase awareness and make easier access to learn the culture. This research has built a system which managed to recognize handwritten Javanese script images that were drawn in papers. Convolutional Neural Network algorithm is the basis of the system, which managed to recognize the script without any extra feature extraction method. The performance of model of the CNN is around 95,35%. The classification result of test data yields around 73% which shows how CNN is capable of recognizing most of handwritten Javanese script. Keywords: Convolutional Neural Network, character recognition, Javanese scrip
Polyp Identification from a Colonoscopy Image Using Semantic Segmentation Approach Wahyu Hauzan Rafi; Mahmud Dwi Sulistiyo; Sugondo Hadiyoso; Untari Novia Wisesty
Building of Informatics, Technology and Science (BITS) Vol 5 No 2 (2023): September 2023
Publisher : Forum Kerjasama Pendidikan Tinggi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bits.v5i2.4083

Abstract

Colorectal Cancer (CRC) is a major contributor to cancer-related mortality worldwide, necessitating early detection and treatment of polyps to prevent cancer progression. A colonoscopy is a critical diagnostic procedure for identifying colon abnormalities and removing premalignant polyps. However, accurately segmenting polyps in colonoscopy images poses challenges due to their diverse appearance and indistinct boundaries. In this study, we investigate augmentation techniques to enhance polyp semantic segmentation using the U-Net model. Our analysis reveals that the most effective technique is found in sub-scenario 2.6.c with an input size of 320×320, striking a favorable balance between accuracy and efficiency. Additionally, we explore the benefits of larger input sizes, taking into account resource considerations. Moreover, we conduct further testing of the best augmentation technique identified in previous experiments with the SegNet model. The results show a 3.5% improvement in the dice coefficient and slightly better qualitative outcomes. However, it is important to note that this enhancement comes with a nearly fivefold increase in training time. Moving forward, our objective is to develop a unified model for segmenting diverse medical images, pushing the boundaries of polyp detection and medical imaging. This research provides valuable insights and lays the foundation for more advanced applications in polyp detection and medical image analysis.
Kajian Saintifik Fenomena Adiksi Gadget dan Media Sosial di Indonesia Nursikuwagus, Agus; Hikmawati, Erna; Wisesty, Untari Novia; Munggana, Wira; Mahayana, Dimitri
Jurnal Teknologi dan Informasi (JATI) Vol 10 No 1 (2020): Jurnal Teknologi dan Informasi (JATI)
Publisher : Program Studi Sistem Informasi, Fakultas Teknik dan Ilmu Komputer, Universitas Komputer Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (734.889 KB) | DOI: 10.34010/jati.v10i1.2589

Abstract

The use of Gadgets and Social Media at this time can not be separated from everyday life. This can lead to gadget and social media addiction. This study aims to answer whether the phenomenon of gadget addiction and social media is a scientific reality or not in Indonesia. Data was collected by a survei of 1601 respondents. Before the questionnaire was distributed, pearson product moment validity and reliability tests were performed with Cronbach’s alpha and the results showed that all questions on the questionnaire were valid and reliable. Based on the survei results, 42.45% of respondents experienced mild addiction, 10.82% of respondents experienced moderate level of addiction, and 0.38% of respondents experienced a very strong addiction to gadget. While the results for social media addiction, 37.50% of respondents experienced mild addiction, 7.85% of respondents experienced moderate level of addiction, and 0.38% of respondents experienced a very strong addiction to social media. In terms of the philosophy of science, Gadgets and Social Media Addiction is said to be science and not pseudo science because it has fulfilled the characteristics of science that is logical, empirical, and falsifiable. So it needs special attention from the community on the existence of gadget and media sosial addiction, so that this addiction can be anticipated and the symptoms can be minimized.
Co-Authors Ade Romadhony Adi Pancoro Aditya Kusuma Setyanegara Adiwijaya Agung Toto Wibowo Agus Nursikuwagus Al Azhar Al Azhar Al Faraby, Said Ali Zainal Abidin Assajjad Anditya Arifianto Andrian Fakhri Annisa Aditsania Ariyanto, Puguh Aiman Ayu Purwarianti Brama Hendra Mahendra Devy Yendriani Dieka Nugraha Karyana Dimitri Mahayana Echa Pangersa Sugianto Oeoen Eko Darwiyanto Ergandara Purba Setra Ersa Christian Prakoso Fathurrohman Elkusnandi Febryanthi Sthevanie Febryanti Sthevanie Hadli Fadli Santoso Henri Tantyoko Hifzi Priabdi Hikmawati, Erna Huda Sepriandi Ibrahim Intan Raharni Wijaya Iqbal Hapid Sukana Putra Jondri Jondri Lalu Gias Irham Mahmud Dwi Sulistiyo Mengko, Tati Rajab Munggana, Wira Putri Tsatsabila Ramadhani Renette Ersti Riko Bintang Purnomoputra Rita Rismala Stefanus Christian Adi Pradhana Sugondo Hadiyoso Tiara Laksmi Basuki Tjokorda Agung Budi Wirayuda Wahyu Hauzan Rafi Wisnu Adhi Pradana Yosua Nababan