Claim Missing Document
Check
Articles

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.v3i5.32038

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 COVID-19 Menggunakan Algoritma CNN Muhammad Nuchfi Fadlurrahman; Agus Eko Minarno; Yufis Azhar
Jurnal Repositor Vol. 5 No. 2 (2023): May 2023
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v5i2.32060

Abstract

X-Ray atau Sinar X merupakan teknik pencitraan pada bidang medis yang digunakan untuk melihat berbagai macam benda di dalam tubuh manusia yang tidak dapat dilihat langsung oleh mata manusia. Salah satu kegunaannya adalah melihat paru-paru manusia khususnya dalam mendeteksi COVID-19. Namun, Sinar X tidak dapat menembus tulang. Adapun salah satu metode klasifikasi citra adalah Convolutional Neural Network (CNN). CNN menerima input berupa gambar, menentukan aspek atau obyek apa saja dalam sebuah gambar yang bisa digunakan untuk mengenali gambar, dan membedakan antara satu gambar dengan gambar lainnya. Penelitian sebelumnya pada kasus ini menggunakan model CNN dengan arsitektur VGG-16. Penelitian ini bertujuan untuk membandingkan hasil akurasi akhir yang diperoleh model CNN dalam mengolah dataset Sinar X. Penelitian ini menggunakan CNN dengan arsitektur VGG-16 dan augmentasi data untuk mendapatkan akurasi yang tinggi. Berdasarkan hasil pengujian yang telah dilakukan menggunakan CNN dengan arsitektur VGG-16 dengan dataset sebanyak 3.829 data yang dibagi menjadidata train, validation, dan test dengan rasio split 80%, 10%, 10% penelitian ini mendapatkan hasil yang cukup baik dengan tingkat akurasi 90%.
Klasifikasi Penyakit Katarak Pada Mata Manusia Menggunakan Metode Convolutional Neural Network Elsyah Ayuningrum; 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.v4i4.32285

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.
Implementasi Convolutional Neural Network Untuk Ekstraksi Fitur Citra Daun Dalam Kasus Deteksi Penyakit Pada Tanaman Mangga Menggunakan Random Forest Riksa Adenia; Agus Eko Minarno; Yufis Azhar
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.v4i4.32287

Abstract

Penyakit daun mangga tidak hanya mempengaruhi pentingnya dari proses perkembangan pada tumbuhan, namun juga berdampak terhadap segala aspek, mulai dari hasil perkembangbiakan pada tanaman mangga seperti kualitas dari buah, daun, dan batang, namun juga berpengaruh terhadap nilai kuantitas Tujuan utama dari dari penelitian ini adalah untuk mengembangkan metode serta fitur-fitur yang akan mendukung proses dari penelitian. Seperti klasifikasi, memprediksi serta mendeteksi adanya suatu penyakit pada objek yang diteliti. Oleh karena itu, pada penelitian ini mengusulkan metode CNN untuk klasifikasi daun mangga yang terinfeksi oleh penyakit dan dikombinasi dengan metode Random Forest masuk dalam kategori Supervised Learning yang merupakan sebuah pendekatan yang dimana sudah terdapat data yang dilatih, dan terdapat variabel yang sudah ditargetkan sehingga tujuan dari pendekatan tersebut adalah mengelompokan sebuah data ke data yang sudah ada. Sehingga algoritma Random Forest akan digunakan sebagai penguji algoritma pembelajaran mesin konvensional di dalam penelitian. Penelitian ini mendapatkan hasil yang baik pada hasil pengujian dengan tingkat akurasi sebesar 100% dari kedua metode yang digunakan CNN dan Random forest.
Sistem Pendukung Keputusan Starting Line Up Tim Sepakbola Menggunakan Metode Perbandingan Eksponensial (MPE) Andhika Pranadipa; Yufis Azhar; Agus Eko Minarno
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.v4i4.32289

Abstract

Sepakbola adalah salah satu olahraga terpopuler di dunia. Sepakbola Indonesia khusunya pada tingkat grassroots kurang memperhatikan statistik dalam pemilihan lineup pemain. Pada penelitian ini akan diterapkan sebuah sistem pendukung keputusan (SPK) untuk membantu pelatih sepakbola di tingkat grassroots menggunakan Metode Perbandingan Eksponensial untuk memilih pemain berdasarkan statistik pertandingan. Penilaian statistik yang akan dinilai meliputi, gol yang dicetak, tendangan melenceng, tendangan tepat sasaran, assist, umpan kunci, umpan sukses, dribel sukses, tekel sukses, clearance, intercept, penyelamatan, penyelamatan penalti dan menit bermain. Diharapkan dengan adanya sistem ini, pemilihan starting lineup pemain oleh pelatih dapat dilakukan secara objektif dan dapat mendukung pelatih dalam pengambilan keputusan.
Implementasi Jaringan CNN-LSTM Untuk Deteksi Citra X-Ray Dada Covid-19 Ratna Sari; Agus Eko Minarno; Yufis Azhar
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.v4i4.32290

Abstract

Wabah penyebaran Virus Covid-19 muncul desember 2019 di kota Wuhan, China. Virus tersebut mulai menggemparkan dunia karena begitu cepat menyebar ke seluruh belahan dunia. Virus Covid-19 dapat mampu ditulakan melewati batuk bahkan percikan saat berbicara. Penderita terkena Covid-19 dapat merasakan gangguan pernapasan dan parahnya lagi dapat menyebabkan kematian. Sampai sekarang virus tersebut banyak menyebabkan korban meninggal dunia. Maka dari itu dibutuhkan sistem deteksi otomatis untuk mendiagnosis cepat, agar mencegah penyebaran Covid-19. Penelitian ini mengusulkan sebuah kombinasi metode convolutional neural network (CNN) dan long short-term memory (LSTM) untuk mendeteksi Covid-19 dari citra x-ray dada. Dalam penelitian, CNN digunakan sebagai ekstraksi fitur yang dalam dan LSTM digunakan sebagai deteksi menggunakan fitur yang diekstraksi. Data yang digunakan se- banyak 3.829 citra x-ray dada yang terbagi menjadi 3 kelas yaitu, 1.143 citra x-ray Covid-19, 1.341 citra x-ray Normal dan citra x-ray 1.345 Viral Pneumonia. Dari hasil penelitian menggunakan metode CNN menunjukkan akurasi sebesar 98,7%, presisi 98%, recall 1.00%, spesifisitas 99,6%, dan f1-score 99%. Secara keselu- ruhan, metode CNN-LSTM dapat menjadi salah satu referensi untuk mempreksi penyakit lainnya.
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.v4i3.32327

Abstract

Lesi kulit merupakan suatu kondisi bagian kulit yang memiliki pertumbuhan atau penampakan yang abnormal. Reaksi ini muncul disebabkan oleh infeksi virus seperti herpes simplex (HSV) yang ditandai munculnya kemerahan pada 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 machine learning yaitu Convolutional Neural Network untuk mendiagnosa penyakit kulit secara otomatis. Pengujian penelitian ini menggunakan teknik augmentasi data dan penyeimbangan data untuk diimplementasikan pada dataset citra lesi kulit ISIC 2018. Pada pengujian dengan teknik dan metode yang diusulkan dapat menghasilkan akurasi sebesar 98%. Teknik augmentasi dan penyeimbangan data yang diusulkan, dapat mempengaruhi model yang diusulkan dari segi peningkatan performa.
Implementasi Transfer Learning menggunakan Model Efficientnet-B3 pada Klasifikasi Pigmen Kanker Kulit Muhammad Ferry Fernanda; Yufis Azhar; Agus Eko Minarno
Jurnal Repositor Vol. 7 No. 2 (2025): Mei 2025
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v7i2.33612

Abstract

Kanker kulit memiliki beberapa faktor penyebab seperti faktor genetik hingga radiasi ultraviolet berlebihan dari paparan matahari. Meskipun diagnosis kanker kulit bisa dilakukan sejak dini, masyarakat seringkali enggan atau menganggap remeh untuk berkonsultasi dengan ahli, yang bisa menyebabkan kondisinya semakin parah. Teknik umum dalam diagnosa kanker kulit berupa biopsi, tetapi prosesnya sering kali rumit dan memerlukan biaya yang tinggi. Menurut Menurut World Health Organization (WHO), kanker merupakan faktor terbesar yang penyebab dari kematian di dunia, pada tahun 2020 data mencapai 10 juta kematian. Dalam era teknologi yang semakin maju, kanker kulit bisa dideteksi dengan menggunakan deep learning melalui penerapan metode Convolutional Neural Network (CNN) menerapkan model transfer learning EfficientNet-B3 pada klasifikasi pigmen kanker kulit. Penggunaan dataset pada penelitian ini adalah International Skin Imaging Collaboration (ISIC) 2018, yang terdiri dari 10015 citra dermoskopi kulit. Proses augmentasi data dan preprocessing melibatkan pengubahan ukuran citra menjadi 75 x 100 piksel serta penerapan metode hair removal preprocessing. Penelitian ini berfokus pada klasifikasi dua kelas, yaitu Benign (jinak) dan Malignant (ganas). Hasil eksperimen menunjukkan bahwa penggunaan model EfficientNet-B3 berhasil meningkatkan akurasi menjadi 86%, dengan hasil precision, recall, dan F1-score berturut-turut yaitu 0.86, 0.92, dan 0.89 ketika metode hair removal preprocessing diterapkan
Perancangan Ruang Virtual Museum Batik menggunakan Metode GDLC berbasis Virtual Reality Ahmad Faiz; Hardianto Wibowo; Agus Eko Minarno
Jurnal Repositor Vol. 7 No. 3 (2025): Agustus 2025
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v7i3.35831

Abstract

Studi ini bertujuan dalam menciptakan ruang virtual museum batik yang diterima masyarakat untuk melestarikan batik sebagai warisan budaya Indonesia yaitu pada Museum Batik Sonobudoyo di Yogyakarta. Penelitian ini menggunakan metode GDLC dengan enam tahapan (Initiation, Pre-production, Production, Testing, Beta, Release) dan melibatkan verifikasi serta validasi oleh pengembang, penjamin kualitas, dan stakeholder untuk setiap tahap, serta random sampling untuk memilih sampel dari pengunjung Museum Batik Sonobudoyo Yogyakarta dengan data dikumpulkan melalui observasi, wawancara, dan kuesioner. Pengujian ruang virtual museum batik menggunakan metode blackbox menunjukkan bahwa fungsionalitasnya baik dan sesuai dengan input, dengan pengujian alpha melibatkan pengembang dan quality assurance. Setelah lulus pengujian alpha, dilakukan pengujian beta dengan melibatkan 33 pengunjung booth stand metaverse di Museum Batik Sonobudoyo Yogyakarta, yang menghasilkan penilaian rata-rata 86,1%, dengan nilai tertinggi 93,9% untuk gambar yang menarik. Kuesioner menunjukkan bahwa teks, gambar, audio, animasi, dan controller dalam ruang virtual mendapatkan penilaian positif, mendukung interaksi yang nyaman dan efektif, serta meningkatkan minat terhadap budaya batik.
Co-Authors Abu Abbas Mansyur Abu Abbas Mansyur Achmad Fauzi Saksenata Ahmad Annas Al Hakim Ahmad Annas Al Hakim Ahmad Faiz Ahmad Faiz, Ahmad Ahmad Heryanto, Ahmad Akbi, Denar Regata Alfarizy, Muhammad Rifal Alfian Yuniarto Ali Sofyan Kholimi Anbiya, Dhika Rizki Andhika Pranadipa 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 Devi Dian Aprilia Kusuma Sari Dwi Rahayu Dyah Ayu Irianti Dyah Ayu Irianti Eko Budi Cahyono Elsyah Ayuningrum Fachry Abda El Rahman Feny Aries Tanti Feny Aries Tanti Firdhansyah Abubekar 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 Luqman Hakim Lusianti, Aaliyah Mandiri, Mochammad Hazmi Cokro Moch Ilham Ramadhani Moch. Chamdani Mustaqim Muhammad Afif Muhammad Azhar Ridani Muhammad Ferry Fernanda Muhammad Hussein Muhammad Nafi Maula Hakim Muhammad Nasrul Tsalatsa Putra Muhammad Nasrul Tsalatsa Putra Muhammad Nuchfi Fadlurrahman Nanik Suciati Naser Jawas, Naser Nia Dwi Nurul Safitri Nia Dwi Nurul Safitri Noor Aini Mohd Roslan Norizan Mat Diah Oktavia Dwi Megawati 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 Sulastria Sulastria Sumadi, Fauzi Dwi Setiawan Suryani Rachmawati Suseno, Jody Ririt Krido Syaifuddin Syaifuddin 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