Article Per Year (5 Year)
p-Index From 2021 - 2026
6.397
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Jurnal Dedikasi Jurnal Gamma TELKOMNIKA (Telecommunication Computing Electronics and Control) Bulletin of Electrical Engineering and Informatics Jurnal Inovasi Teknologi Pendidikan International Journal of Advances in Intelligent Informatics POSITIF CESS (Journal of Computer Engineering, System and Science) ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Proceeding of the Electrical Engineering Computer Science and Informatics Fountain of Informatics Journal JOIV : International Journal on Informatics Visualization Informatika Mulawarman: Jurnal Ilmiah Ilmu Komputer Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control KOMPUTIKA - Jurnal Sistem Komputer Jurnal Repositor Jurnal Informatika dan Teknologi Komputer ( J-ICOM) Makara Journal of Technology
Agus Eko Minarno
Universitas Muhammadiyah Malang
Agriculture, Biological Sciences & Forestry Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Energy Engineering Environmental Science Languange, Linguistic, Communication & Media Materials Science & Nanotechnology Mechanical Engineering Public Health

Published : 74 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 25 Documents
Search
Journal : Jurnal Repositor

 1   2   3 
Klasifikasi Jenis Batik Menggunakan Algoritma Convolutional Neural Network Yesicha Amilia Putri; Yufis Azhar; Agus Eko Minarno
Jurnal Repositor Vol 3 No 2 (2021): Februari 2021
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v3i2.1201

Abstract

Beragamnya motif batik di Indonesia menyulitkan dalam pengenalan pola citra batik. Dalam hal ini diperlukannya klasifikasi citra batik untuk mengidentifikasi karakteristik citra. Dataset yang digunakan merupakan dataset batik berjumlah 300 data dengan 50 jenis batik dan setiap kategori terdapat 6 data. Algoritma yang digunakan dalam penelitian ini adalah Convolutional Neural Network (CNN). CNN merupakan salah satu teknik Deep Learning yang memiliki hasil paling signifikan didalam pengenalan citra. Model VGG16 digunakan pada pengujian untuk membandingkan akurasi yang diperoleh dan waktu yang dibutuhkan. Penelitian ini dilakukan untuk membuktikan model yang diusulkan mampu mengklasifikasi citra batik dengan baik. Hal ini dapat dibuktikan bahwa akurasi yang didapatkan menggunakan CNN sebesar 98% dan membutuhkan waktu lebih cepat dibandingkan model VGG16.
Analisa Perbandingan LSB Steganografi Antara Shifting dan Random Color Bayu Yudha Purnomo; Agus Eko Minarno; Zamah Sari
Jurnal Repositor Vol 3 No 2 (2021): Februari 2021
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v3i2.1202

Abstract

Steganografi merupakan teknik untuk menyembunyikan keberadaan data ke dalam data lain sehingga keberadaannya tidak diketahui. Sehingga selain pengirim dan penerima tidak ada yang mengetahui isi dari pesan tersebut dan tidak mudah untuk dicurigai. Beberapa algoritma yang cocok dengan teknik steganography, salah satunya yaitu algoritma LSB (Least Significant Bit). Algoritma LSB sendiri sudah dikembangkan oleh beberapa penelitian sebelumnya, yaitu menjadi algoritma LSB Random Color dan algoritma LSB Shifting. Dua algoritma tersebut merupakan algoritma yang terbaru dari algoritma LSB. Beberapa penelitian sebelumnya melakukan pengujian algoritma LSB random color dan algoritma LSB shifting dengan menggunakan data yang berbeda, dan hasil penelitian sebelumnya tidak melakukan perbandingan mana yang lebih baik dari dua algoritma tersebut. Dalam penelitian ini penulis membuat penelitian dengan judul analisa perbandingan LSB steganografi antara shifting dan random color. Pengujian diukur dengan menghitung nilai MSE dan PSNR pada file stegano image. Penelitian ini menggunakan 2 jenis file cover image yaitu berwarna dan hitam putih dengan jumlah masing-masing 3 file yang berbeda, dan menggunakan 1 file secret image yang sama. Sehingga diperoleh hasil perbandingan bahwasannya algoritma LSB random color memiliki performa lebih baik, meskipun mengunakan jenis file berwarna atau hitam putih
Klasifikasi Citra Sel Darah Untuk Penyakit Malaria Dengan Metode CNN Achmad Fauzi Saksenata; Agus Eko Minarno; Yufis Azhar
Jurnal Repositor Vol 4 No 2 (2022): Mei 2022
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v4i2.1283

Abstract

Semakin berkembangnya teknologi mengakibatkan pola hidup masyarakat ikut berubah, karena kebutuhan masyarakat bergantung pada teknologi yang ada. Perubahan ini dapat dilihat dalam penggunaan komputer dengan dibantu berbagai alat yang telah dibuat dapat mendeteksi penyakit pada seseorang. Dengan adanya alat tersebut dapat membantu masyarakat agar lebih cepat dan mudah mengetahui penyakit yang diderita. Oleh karena itu, diperlukan sistem yang dapat menganalisa, mengenali, secara sensitive, akurat dan otomatis mendiagnosa manusia terkena penyakit malaria atau tidak. Metode yang disulkan untuk menyelesaikan permasalahan tersebut Deep Learning (DL) yaitu Convolutional Neural Network (CNN) yang unggul untuk klasifikasi. Dalam penelitian ini, mengusulkan penggunaan CNN untuk membantu dalam mengklasifikasikan penyakit malaria. Dataset terdiri dari 27558 gambar sel darah. Model yang diusulkan mencapai kinerja dengan akurasi terbaik 96%. Pengujiannya berhasil serta berjalan dengan baik.
Klasifikasi Citra Sel Darah Untuk Penyakit Malaria Dengan Metode CNN Achmad Fauzi Saksenata; Agus Eko Minarno; Yufis Azhar
Jurnal Repositor Vol 3 No 2 (2021): Februari 2021
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v3i2.1290

Abstract

Semakin berkembangnya teknologi mengakibatkan pola hidup masyarakat ikut berubah, karena kebutuhan masyarakat bergantung pada teknologi yang ada. Perubahan ini dapat dilihat dalam penggunaan komputer dengan dibantu berbagai alat yang telah dibuat dapat mendeteksi penyakit pada seseorang. Dengan adanya alat tersebut dapat membantu masyarakat agar lebih cepat dan mudah mengetahui penyakit yang diderita. Oleh karena itu, diperlukan sistem yang dapat menganalisa, mengenali, secara sensitive, akurat dan otomatis mendiagnosa manusia terkena penyakit malaria atau tidak. Metode yang disulkan untuk menyelesaikan permasalahan tersebut Deep Learning (DL) yaitu Convolutional Neural Network (CNN) yang unggul untuk klasifikasi. Dalam penelitian ini, mengusulkan penggunaan CNN untuk membantu dalam mengklasifikasikan penyakit malaria. Dataset terdiri dari 27558 gambar sel darah. Model yang diusulkan mencapai kinerja dengan akurasi terbaik 96%. Pengujiannya berhasil serta berjalan dengan baik.
Klasifikasi Aktifitas Pada Human Activity Recognition Dataset Menggunakan Logistic Regression Rizalwan Ardi Ramandita; Wahyu Andhyka Kusuma; Agus Eko Minarno
Jurnal Repositor Vol 3 No 5 (2021): November 2021
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v3i5.1348

Abstract

Smartphone dan smartwatch telah menjadi perangkat yang diperlukan dalam kehidupan sehari-hari selama beberapa tahun terakhir. Smartphone yang tersebar pada masyarakat dilengkapi dengan berbagai sensor seperti Accelerometer dan Gyroscope yang dapat mengumpulkan data mentah. Pada penelitian sebelumnya, sensor tersebut diletakkan di berbagai posisi pada bagian tubuh manusia. Data ini dapat digunakan untuk melakukan Human Activty Recognition (HAR). HAR telah banyak diterapkan pada kehidupan kita sehari-hari seperti mendeteksi kesehatan, perilaku manusia dan pelacakan lokasi tindak kesehatan. Dataset yang digunakan pada penelitian ini menggunakan data dari UCI Machine Learning dengan 30 orang subject. Penelitian ini mengusulkan metode Logistic Regression dengan penambahan Hyperparameter untuk mendapatkan hasil akurasi yang lebih baik. Hasil ini memiliki peningkatan performa Logistic Regression dalam klasifikasi Human Activity Recognition dengan meraih nilai akurasi sebesar 95,92% pada semua aktivitas.
Human Activity Recognition Menggunakan Algoritma SVM With Gridsearch Nia Dwi Nurul Safitri; Wahyu Andhyka Kusuma; Agus Eko Minarno
Jurnal Repositor Vol 3 No 5 (2021): November 2021
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v3i5.1349

Abstract

Human Activity Recognition (HAR) menjadi salah satu topik penelitian paling trendi karena ketersedian sensor dan akselerometer, biaya rendah dan konsumsi daya yang lebih sedikit, streaming data secara langsung, dan kemajuan dalam computer vision, mesin pembelajaran, kecerdasan buatan IoT. Penelitian ini mengusulkan system HAR menggunakan algoritmas Support Vector Machine (SVM). SVM merupakan suatu teknik untuk menemukan hyperlane yang dapa memisahkan dua dataset dari dua kelas yang berbeda. Hyperplane adalah sebuah fungsi yang dapat digunakan untuk pemisah antar kelas. Selain karena cocok dalam melakukan klasifikasi data. Hal yang menjadikan penelitian ini berbeda dengan penelitian sebelumnya adalah dengan menambahkan penerapan Hyperparameter Tuning pada SVM. Lalu Dataset yang awalnya berisikan data gabungan, dipisahkan menjadi dataset aktivitas statis dan dataset aktivitas dinamis. Dalam penelitian ini telah berhasil meningkatnya akurasi menggunakan SVM + Hyperparameter hingga 96.26%. Hal ini yang menjadikan penelitian ini unggul karena SVM + Hyperparameter dapat meningkatkan akurasi dari penelitian sebelumnya tanpa menggunakan Hyperparameter.
Klasifikasi Lesi Kulit Menggunakan Convolutional Neural Network Suryani Rachmawati; Agus Eko Minarno; Yufis Azhar
Jurnal Repositor Vol 4 No 3 (2022): Agustus 2022
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v4i3.1432

Abstract

Lesi kulit merupakan suatu kondisi bagian kulit yang memiliki pertumbuhan atau penampakan yang abnormal. Reaksi ini muncul disebabkan oleh infeksi virus seperti herpes simpleks (HSV) yang ditandai dengan munculnya kulit. Mendeteksi jenis penyakit kulit secara otomatis dari hasil dermoskopi dapat membantu mendiagnosa secara cepat dan meningkatkan akurasi untuk menghemat waktu. Pada penelitian ini mengusulkan metode pembelajaran mesin yaitu Convolutional Neural Network untuk mendiagnosa penyakit kulit secara otomatis. Pengujian penelitian ini menggunakan data augmentasi teknik dan data penyeimbangan untuk diimplementasikan pada dataset citra lesi kulit ISIC 2018 .Pada pengujian dengan teknik dan metode yang dapat diusulkan menghasilkan akurasi sebesar 98%. Teknik augmentasi dan penyeimbangan data yang diusulkan, dapat mempengaruhi model yang diusulkan dari segi peningkatan kinerja.
Penerapan Generalized Association Rule Minning Sebagai Analisa Pasien Penderita Kanker Paru Paru Berdasarkan Data Rekam Medis Rangga Kurnia Putra Wiratama; Yufis Azhar; Agus Eko Minarno
Jurnal Repositor Vol 4 No 3 (2022): Agustus 2022
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v4i3.1475

Abstract

Penggunaan pada data rekam medis yang diambil dari database rumah sakit atau badan kesehatan bertujuan untuk mengetahui secara nyata riwayat pasien yang sebelumnya dinyatakan terkena kanker paru-paru. Namun potensi untuk mengetahui suatu pola penyakit secara manual berupa informasi secara langsung sangat memakan waktu sehingga dilakukan proses kegiatan analisa medis secara manual oleh dokter. Salah satunya adalah pola urutan penyakit pasien yang juga merupakan sebagai atribut pasien. Analisa diagnosa penyakit kanekr paru-paru dengan metode Association Rule menjadi teknik dari data mining yang diperlukan dalam menentukan model atribut dari database rekam medis dari atribut yang sebelumnya dimiliki oleh seorang pasien. Berdasarkan data rekam medis yang akan diperiksa terdapat 1000 data dengan 3 kategori yaitu risiko rendah, risiko sedang dan risiko tinggi. batasan dari aturan asosiasi tersebut tak terhingga sehingga nilai support dan nilai confidence akan terdeteksi oleh program secara otomatis dan nilai tersebut akan dijadikan sebagai variabel evaluasi untuk melakukan klasifikasi untuk menentukan kategori yang mendekati.
Klasifikasi Citra Histologi Kanker Payudara Menggunakan Metode Ensemble CNN Galang Aji Mahesa; Agus Eko Minarno; Yufis Azhar
Jurnal Repositor Vol 4 No 3 (2022): Agustus 2022
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v4i3.1497

Abstract

Breast cancer is a serious disease and the leading cause of death in women. Breast cancer can be diagnosed through medical imaging tests, such as radiological and hispathological images. However, because histological images have complexity and diversity, the manual examination has disadvantages, namely, requiring high expertise, time consuming, and prone to errors. Deep learning has been widely applied to histological classification including breast cancer, with automation to help overcome the shortcomings of manual diagnostic methods. In this study, Deep learning was developed using CNN with the ensemble method. The MobileNet, MobileNetV2 and VGG16 models were trained on the dataset and averaged the results of the two models. The experimental results show an increase in the ensemble compared to each model with an balanced accuracy 0.8689 dan F1-score 0.8682 in VGG16 + MobileNet combination, these results provide an increase compared to previous studies.
Klasifikasi Penyakit Katarak Pada Mata Manusia Menggunakan Metode Convolutional Neural Network Rizka Nurlizah; Agus Eko Minarno; Galih Wasis Wicaksono
Jurnal Repositor Vol 4 No 4 (2022): November 2022
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v4i4.1433

Abstract

Convolutional Neural Network (CNN) adalahsalah satu jenis neural network yang biasa digunakan pada data image. CNN bisa digunakan untuk mendeteksi dan mengenali objek pada sebuah image. Pre-trained CNN adalah suatu teknik atau metode memanfaatkan model yang sudah dilatih terhadap suatu dataet untuk menyelesaikan permasalahan lain yang serupa dengan cara menggunaakannya sebagai starting point, memodifikasi dan mengupdate parameternya sehingga sesuai dengan dataset yang baru. Klasifikasi dalam penelitian ini membangun dua model berbeda yaitu VGG16 dan ResNet50. Kedua model tersebut digunakan untuk klasifikasi gambar pada cataract dan normal. Dari penelitian yang dilakukan model yang mendapatkan nilai akurasi tertinggi yaitu VGG16.
Co-Authors Abu Abbas Mansyur Achmad Fauzi Saksenata Ahmad Annas Al Hakim Ahmad Faiz, Ahmad Ahmad Heryanto, Ahmad Akbi, Denar Regata Alfarizy, Muhammad Rifal Alfian Yuniarto Anbiya, Dhika Rizki Andhika Pranadipa Andrian Rakhmatsyah Aria Maulana Eka Mahendra Arif Bagus Nugroho Aripa, Laofin Arrie Kurniawardhani arrie kurniawardhany, arrie AULIA ARIF WARDANA Ayu Septya Maulani Bagaskara, Andhika Dwija Basuki, Setio Bayu Yudha Purnomo Bella Dwi Mardiana Chandranegara, Didih Rizki Cokro Mandiri, Mochammad Hazmi Deris Stiawan Dwi Rahayu Dyah Ayu Irianti Eko Budi Cahyono Fachry Abda El Rahman Feny Aries Tanti Firdhansyah Abubekar Fitri Bimantoro Galang Aji Mahesa Gita Indah Marthasari Hanung Adi Nugroho Haqim, Gilang Nuril Hardianto Wibowo Hariyady Hariyady Harmanto, Dani Hasanuddin, Muhammad Yusril Hazmi Cokro Mandiri, Mochammad Ibrahim, Zaidah Indah Soesanti Iqbal Fairus Zamani Irfan, Muhammad irma fitriani Izzah, Tsabita Nurul Lailis Syafa'ah Lailis Syafa’ah Linggar Bagas Saputro Lusianti, Aaliyah Mandiri, Mochammad Hazmi Cokro Moch Ilham Ramadhani Moch. Chamdani Mustaqim Muhammad Afif Muhammad Azhar Ridani Muhammad Hussein Muhammad Nafi Maula Hakim Muhammad Nasrul Tsalatsa Putra Muhammad Nuchfi Fadlurrahman Nanik Suciati Naser Jawas, Naser Nia Dwi Nurul Safitri Noor Aini Mohd Roslan Norizan Mat Diah Prabowo, Christian Ramadhani, Moch Ilham Rangga Kurnia Putra Wiratama Ratna Sari Riksa Adenia Rizalwan Ardi Ramandita Rizka Nurlizah Sabrila, Trifebi Shina Sari, Veronica Retno Sari, Zamah Sasongko Yoni Bagas Setiyo Kantomo, Ilham Sumadi, Fauzi Dwi Setiawan Suryani Rachmawati Suseno, Jody Ririt Krido Toton Dwi Antoko Tsabitah Ayu Ulfah Nur Oktaviana Veronica Retno Sari Vizza Dwi Wahyu Andhyka Kusuma Wahyu Budi Utomo Wicaksono, Galih Wasis Wicaksono, Galih Wasis Widya Rizka Ulul Fadilah Wildan Suharso Yesicha Amilia Putri Yoga Anggi Kurniawan Yuda Munarko Yudhono Witanto Yufis Azhar Yundari, Yundari Zaidah Ibrahim Zaidah Ibrahim Zamah Sari Zamani, Iqbal Fairus