Garuda - Garba Rujukan Digital

SEGMENTASI PENYAKIT PADA CITRA DAUN TEBU MENGGUNAKAN FUZZY C MEANS – SUPPORT VECTOR MACHINE DENGAN FITUR WARNA a* Mentari, Mustika; Ginardi, Hari; Fatichah, Chastine
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 13, No 1, Januari 2015
Publisher : Department of Informatics, Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j24068535.v13i1.a387

Penyakit pada pertanian tebu harus segera diatasi agar diperoleh peningkatan produktivitas. Deteksi penyakit yang secara manual dilakukan oleh ahli membutuhkan waktu dan biaya yang tinggi. Oleh karena itu, diperlukan otomatisasi sistem untuk mendeteksi penyakit pada tanaman tebu. Penelitian ini bertujuan untuk membangun sistem yang secara otomatis mampu melakukan segmentasi citra daun tebu berpenyakit menggunakan Fuzzy C Means (FCM)-Support Vector Machine (SVM) dengan fitur warna a*. Kombinasi FCM-SVM dapat meningkatkan akurasi pada proses segmentasi dengan karakteristik penyakit daun tebu dengan pencahayaan yang tak seimbang akibat pengambilan secara outdoor. Segmentasi citra daun tebu berpenyakit memiliki beberapa tahapan yaitu praproses, pemilihan region of interest (ROI), ekstraksi fitur, dan segmentasi. Tahap praproses melakukan pengambilan bagian tulang daun serta penghapusan bagian tulang daun, kemudian pemilihan ROI menunjukan dominasi area penyakit pada daun menggunakan overlapping window seluas 100x100 pixel. Metode kombinasi FCM dan SVM digunakan untuk segmentasi daun tebu berpenyakit, dimana FCM digunakan untuk segmentasi daun tebu pada data training. Hasil segmentasi tersebut digunakan sebagai label data pada tahap kedua bersama dengan data testing menggunakan metode klasifikasi SVM. Metode segmentasi yang diusulkan mampu menunjukkan rata-rata akurasi yang tinggi pada 30 citra daun tebu berpenyakit, yaitu sebesar76%. Sistem yang dibangun selanjutnya digunakan pada deteksi penyakit sebagai referensi untuk ketepatan permasalahan pertanian yang membutuhkan sistem deteksi penyakit sejak dini.

Deteksi Kanker Kulit Melanoma dengan Linear Discriminant Analysis-Fuzzy k-Nearest Neigbhour Lp-Norm Mentari, Mustika; Sari, Yuita Arum; Dewi, Ratih Kartika
Register: Jurnal Ilmiah Teknologi Sistem Informasi Vol 2, No 1 (2016): Januari-Juni
Publisher : Prodi Sistem Informasi - Universitas Pesantren Tinggi Darul Ulum

Seiring perkembangan teknologi dilakukan otomatisasi deteksi kanker kulit melalui citra dermoscopy. Pengambilan informasi fitur citra dermoscopy terganggu dengan outlier dan overfitting, karena faktor jenis kulit, penyebaran kanker yang tidak merata atau kesalahan sampling. Penelitian ini mengusulkan deteksi kanker kulit melanoma dengan mengintegrasikan metode fuzzy K-Nearest Neighbour (FuzzykNN), Lp-norm dan Linear Discriminant Analysis (LDA) untuk mengurangi outlier dan overfitting. Masukan berupa citra warna RGB yang dinormalisasi menjadi RGBr. Reduksi dimensi dengan LDA menghasilkan fitur dengan nilai eigen paling menonjol. LDA pada penelitian ini menghasilkan dua fitur paling menonjol dari 141 jenis fitur, yaitu wilayah tumor dan minimum wilayah tumor channel R. Kemudian dilakukan klasifikasi FuzzykNN dan metode pengukur jarak Lp-norm. Penggunaan metode LDA dan Lp-norm dalam proses klasifikasi ini mengatasi terjadinya overfitting. Akurasi yang dihasilkan metode LDA-fuzzykNN Lp Norm, yaitu 72% saat masing-masing nilai p dan k = 25. Metode gabungan ini terbukti cukup baik dari pada metode yang dijalankan terpisah. Kata kunci: melanoma, fuzzy, KNN, Lp-norm, LDA.Â As the advancement of technology skin cancer detection need to be automated with the use of dermoscopy image. Outlier and overfitting are the problem in feature extraction of dermoscopy image, this can be caused by skin type, uneven cancer distribution or sampling error. This study proposed melanoma skin cancer detection by fuzzy K-Nearest Neighbour (FuzzykNN) with Lp-norm integrated with Linear Discriminant Analysis (LDA) to reduce the problem of outlier and overfitting. Input used in this study are images with RGB channel, then it adapted to RGBr. Dimensional reduction with LDA result in features with highest eigen value. LDA in this research select 2 discriminant, they are tumor area and minimum tumor area in R channel. This features then classified by fuzzykNN with Lp-Norm. Integration of LDA and Lp-norm in classification can reduce the problem of overfitting. This study results in 72% accuracy when the value of p and k are 25. Integration of LDA and fuzzykNN with Lp-norm has better result than unintegrated method. Keywords: melanoma, fuzzy, KNN, Lp-norm, LDA.

Kombinasi Metode Logical Binary Pattern dan K-Nearest Neighbor untuk Identifikasi Lubang pada Jalan Aspal Arhandi, Putra Prima; Mentari, Mustika; Romadhon, Fathur
Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI Vol 10, No 1 (2021)
Publisher : Prodi Pendidikan Teknik Informatika Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/janapati.v10i1.30999

Kondisi jalan yang baik akan memudahkan segala aktivitas masyarakat. Terjadinya kerusakan pada jalan akan berakibat bukan hanya terhalangnya kegiatan ekonomi dan sosial namun akan berpengaruh pada keamanan dan kenyamanan pemakai jalan. Salah satu kendala utama yang menyebabkan lamanya perbaikan kerusakan jalan yaitu proses pendeteksian dan pencatatan kerusakan. Proses tersebut saat ini dilakukan secara manual dengan bantuan tenaga manusia. Karena proses pendeteksian dan pendataan masih dilakukan secara manual dengan tenaga manusia, waktu yang dibutuhkan relatif lama dan tingkat keakuratannya rendah. Oleh karena itu, pada penelitian ini dikembangkan sebuah sistem yang dapat menjadi alternatif Dinas Pembangunan Umum untuk mengidentifikasi lubang pada aspal sehingga dapat mempercepat proses perbaikan jalan. Sistem yang dikembangkan berhasil mengidentifikasi lubang pada jalan aspal menggunakan kombinasi metode Local Binary Pattern (LBP) dan K-Nearest Neighbor (KNN).Local Binary Pattern (LBP) untuk transformasi sebagai tahap awal ekstraksi ciri. Metode K- Nearest Neighbor (KNN) digunakan untuk klasifikasi citra jalan aspal berlubang atau tidak.Proses pengujian pada penelitian ini terdiri dari dua pengujian utama, yaitu pengujian unit dan pengujian akurasi. Pengujian unit dilakukan dengan black box testing. Pada pengujian akurasi diperoleh akurasi sebesar 96% dengan FAR sebesar 0% dan FRR sebesar 4,16%. Pada proses perhitungan lubang pada aspal diperoleh akurasi yang sangat baik yaitu sebesar 97,74%.

Sistem Pengambil Keputusan Rekomendasi Lokasi Wisata Malang Raya Dengan Metode MOORA Pranata, Aldi Surya; Rosiani, Ulla Delfiana; Mentari, Mustika
POSITIF : Jurnal Sistem dan Teknologi Informasi Vol 7 No 1 (2021): Jurnal Positif Vol. 7 No.1
Publisher : P3M Politeknik Negeri Banjarmasin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31961/positif.v7i1.1091

Malang Raya, which consists of Malang City, Malang Regency, and Batu City, is one of the favorite tourist destinations in East Java. The number of tourist attraction locations that offer various advantages of each. This often makes it difficult for local and non-local tourists to choose a tourist destination, in order to be able to maximize their visit time, costs and satisfaction. This study aims to build a decision support system (DSS) for determining tourist locations using the Moora method. This method will provide weighting criteria according to user conditions / preferences, and then perform processing on the data. The built DSS is able to produce recommendations by ranking tourist locations to users according to their preferences. The system built was tested using 5 alternative tourist attraction locations in Batu City and 3 criteria consisting of 1 cost and 2 benefit criteria. Experiments carried out were successful in giving different rankings to 5 alternatives.

Deteksi Kanker Kulit Melanoma dengan Linear Discriminant Analysis-Fuzzy k-Nearest Neigbhour Lp-Norm Mentari, Mustika; Sari, Yuita Arum; Dewi, Ratih Kartika
Register: Jurnal Ilmiah Teknologi Sistem Informasi Vol 2, No 1 (2016): January
Publisher : Information Systems - Universitas Pesantren Tinggi Darul Ulum

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/register.v2i1.443

Seiring perkembangan teknologi dilakukan otomatisasi deteksi kanker kulit melalui citra dermoscopy. Pengambilan informasi fitur citra dermoscopy terganggu dengan outlier dan overfitting, karena faktor jenis kulit, penyebaran kanker yang tidak merata atau kesalahan sampling. Penelitian ini mengusulkan deteksi kanker kulit melanoma dengan mengintegrasikan metode fuzzy K-Nearest Neighbour (FuzzykNN), Lp-norm dan Linear Discriminant Analysis (LDA) untuk mengurangi outlier dan overfitting. Masukan berupa citra warna RGB yang dinormalisasi menjadi RGBr. Reduksi dimensi dengan LDA menghasilkan fitur dengan nilai eigen paling menonjol. LDA pada penelitian ini menghasilkan dua fitur paling menonjol dari 141 jenis fitur, yaitu wilayah tumor dan minimum wilayah tumor channel R. Kemudian dilakukan klasifikasi FuzzykNN dan metode pengukur jarak Lp-norm. Penggunaan metode LDA dan Lp-norm dalam proses klasifikasi ini mengatasi terjadinya overfitting. Akurasi yang dihasilkan metode LDA-fuzzykNN Lp Norm, yaitu 72% saat masing-masing nilai p dan k = 25. Metode gabungan ini terbukti cukup baik dari pada metode yang dijalankan terpisah. Kata kunci: melanoma, fuzzy, KNN, Lp-norm, LDA.Â As the advancement of technology skin cancer detection need to be automated with the use of dermoscopy image. Outlier and overfitting are the problem in feature extraction of dermoscopy image, this can be caused by skin type, uneven cancer distribution or sampling error. This study proposed melanoma skin cancer detection by fuzzy K-Nearest Neighbour (FuzzykNN) with Lp-norm integrated with Linear Discriminant Analysis (LDA) to reduce the problem of outlier and overfitting. Input used in this study are images with RGB channel, then it adapted to RGBr. Dimensional reduction with LDA result in features with highest eigen value. LDA in this research select 2 discriminant, they are tumor area and minimum tumor area in R channel. This features then classified by fuzzykNN with Lp-Norm. Integration of LDA and Lp-norm in classification can reduce the problem of overfitting. This study results in 72% accuracy when the value of p and k are 25. Integration of LDA and fuzzykNN with Lp-norm has better result than unintegrated method. Keywords: melanoma, fuzzy, KNN, Lp-norm, LDA.

Sistem Pengambil Keputusan Rekomendasi Lokasi Wisata Malang Raya Dengan Metode MOORA Aldi Surya Pranata; Ulla Delfiana Rosiani; Mustika Mentari
POSITIF : Jurnal Sistem dan Teknologi Informasi Vol 7 No 1 (2021): Jurnal Positif Vol. 7 No.1
Publisher : P3M Politeknik Negeri Banjarmasin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31961/positif.v7i1.1091

Malang Raya, which consists of Malang City, Malang Regency, and Batu City, is one of the favorite tourist destinations in East Java. The number of tourist attraction locations that offer various advantages of each. This often makes it difficult for local and non-local tourists to choose a tourist destination, in order to be able to maximize their visit time, costs and satisfaction. This study aims to build a decision support system (DSS) for determining tourist locations using the Moora method. This method will provide weighting criteria according to user conditions / preferences, and then perform processing on the data. The built DSS is able to produce recommendations by ranking tourist locations to users according to their preferences. The system built was tested using 5 alternative tourist attraction locations in Batu City and 3 criteria consisting of 1 cost and 2 benefit criteria. Experiments carried out were successful in giving different rankings to 5 alternatives.

Cross-Language Text Document Plagiarism Detection System Using Winnowing Method Mustika Mentari; Imam Fahrur Rozi; Maria Puji Rahayu
Journal of Applied Intelligent System Vol 7, No 1 (2022): Journal of Applied Intelligent System
Publisher : Universitas Dian Nuswantoro and IndoCEISS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/jais.v7i1.5950

Currently, there are many text documents such as journals scattered on the internet, both Indonesian and English-language journals. With this, it is possible to act plagiarism by copying from foreign journals that are translated into other languages or copying directly without being changed from the original language. One way that can suppress these actions is to build a plagiarism detection system for cross-language text documents. The method that can be used to detect document plagiarism is the Winnowing method. Winnowing method is a method where text input will be processed to produce a hash value called a fingerprint. This study aims to build a system that can detect plagiarism of text documents in different languages using the Winnowing method. Text documents that can be tested are input text and PDF files. Documents used in system testing are journals that have the same topic. The results of the highest level of accuracy produced between the calculation of the Jaccard Coefficient with the Plagiarism Checker X application are in the fourth scenario with an average percentage value of 84.7%.

Opinion Extraction of Public Figure Based on Sentiment Analysis from Twitter Nur Hayatin; Mustika Mentari; Abidatul Izzah
IPTEK The Journal of Engineering Vol 1, No 1 (2014)
Publisher : Lembaga Penelitian dan Pengabdian kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23378557.v1i1.a434

Twitter is a microblog that can generate an information from users such as sentiment about public figures. Sentiment analysis of public figure interpret the positive or negative response. This study aims to create system that automatically can extract the opinion about public figure based on sentiment analysis in twitter using two novel features, they are specific term and number of followers public figures lover and hater. Several step to determine the sentiment of public figure are preprocessing, weighting, classifying, and determining sentiment response. In this paper we use six public figures to be observed. This research resulting precision 99%, recall 75%, and accuracy 76,67%.

BUKU KAS BERBASIS WEBSITE PADA USAHA KATERING DI PANTI ASUHAN PUTRI AISYIYAH MALANG Dimas Wahyu Wibowo; Eka Larasati Amalia; mustika mentari; Ahmadi Yuli Ananta; Muhammad Shulhan Khairy; Farida Ulfa; Meuti Zari Annisa; Ivan Abdurrafie; Irsyadha Alfyrdhousi Redhysyahputra
Jurnal Pengabdian Kepada Masyarakat (J-ABDIMAS) Vol 8 No 2 (2021): JURNAL PENGABDIAN KEPADA MASYARAKAT 2021
Publisher : Publisher UPT P2M Politeknik Negeri Malang

Community Service, which becomes the main discussion in this article, shows the real role of the world of information technology in helping community service partners. Aisyiyah Putri Orphanage (PAP'A) Malang, as the community service partner, has a catering business and many customers from universities, or hospitals, as well as other communities. The growing number of PAP'A's catering business customers require special handling of the documentation of the expenditure and income, to this point, the recording of the cash book and the preparation of financial reports are still done manually on paper, books or using excel. This has the impact of data inaccuracy due to human error, difficulty in data tracing, or receipts and bills for data recap are sometimes missing and making it difficult to find detailed information about orders in PAP'A catering business. To overcome this problem, developing a website-based cash book to assist and facilitate information on the expenditure and income in PAP'A's catering business is required. Making a web-based digital cash book application can make it easier and make cash flow information and financial reports neater and easier to trace. The partner of this community service activity will benefit from increasing the quality of knowledge and mastery of human resources in the field of digitizing digital ledgers. This will be a provision for the orphanage manager to be able to make income and expenditure reports

Penerapan Algoritma A* Untuk Penentuan Jalur Pendakian Terbaik Pada Game Petualangan 3D Indra Dharma Wijaya; Rosa Andrie Asmara; Mustika Mentari
JOINTECS (Journal of Information Technology and Computer Science) Vol 3, No 3 (2018)
Publisher : Universitas Widyagama Malang

Mendaki gunung adalah hal yang paling menantang. Tetapi, tidak semua orang bisa pergi untuk mendaki gunung. Dikarenakan, kesibukan sehari-hari yang penuh dengan jadwal kerja atau karena takut dengan medan yang sulit ketika mendaki. Dalam penelitian ini dibuatlah game yang berisi tentang game berpetualangan menelusuri alam Puncak Mahameru yang menggambarkan tentang bagaimana cara mencapai puncak dengan rute yang benar dan tantangan apa saja yang ada pada saat menuju Puncak Mahameru. Algoritma yang digunakan adalah Algoritma A* yang diimplementasikan pada rute setiap level dalam menentukan rute mana yang terbaik agar selamat sampai Puncak Mahameru. Game ini terdiri dari 3 level yaitu, level 1 terdiri dari rute Ranu Pani sampai Ranu Kumbolo. Level 2 terdiri dari Oro-oro Ombo sampai Kalimati. Dan level 3 terdiri dari Arcopo sampai Puncak Mahameru. Dengan melalui 3 level ini, pemain dapat mengambil sampah untuk mendapatkan point dan diakhir level akan mendapatkan piala jika point lebih dari 8. Pengguna dapat memainkan game 3 dimensi dan bisa memiliki gambaran seperti apa medan yang akan dilewati atau bagaimana suasana di tempat.

Title

Found 27 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 27 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 27 Documents
Search