Garuda - Garba Rujukan Digital

Article Per Year (5 Year)

p-Index From 2021 - 2026

0.408

P-Index

This Author published in this journals

All Journal Rekursif: Jurnal Informatika Jurnal Pseudocode

Endina Putri Purwandari

Universitas Bengkulu

Author-ID : 3265497

Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering

Published : 10 Documents Claim Missing Document

Claim Missing Document

Articles

Title

Deteksi Image Splicing Pada Citra dengan Metode Discrete Cosine Transform (DCT) dan Scale Invariant Feature Transform (SIFT) Endina Putri Purwandari; Arie Vatresia; Sudarti Siburian
Jurnal Pseudocode Vol 6, No 2 (2019): Volume 6 Nomor 2 September 2019
Publisher : Universitas Bengkulu

Pemalsuan terhadap citra digital sangat sering terjadi pada perkembangan teknologi sekarang ini. Image splicing adalah salah satu metode yang paling umum yang digunakan untuk melakukan kegiatan pemalsuan citra. Tujuan penelitian ini adalah membangun aplikasi deteksi image splicing pada citra dengan metode Discrete Cosine Transform (DCT) dan Scale Invariant Feature Transform (SIFT). Penelitian tentang deteksi image splicing dengan kombinasi metode DCT dan SIFT belum pernah dilakukan sebelumnya. Aplikasi ini meng-convert citra dari RGB ke bentuk graysacle. Kemudian menerapkan metode Discreate Cosine Transform untuk mencari frekuensi pada citra grayscale lalu menggunakan metode Scale Invarian Feature Transform untuk mendeteksi keypoint yang sama pada citra, dan menerapkan metode RANSAC untuk menghilangkan outlier pada citra. Aplikasi ini dibangun menggunakan bahasa pemprograman matlab. Data citra yang digunakan dalam penelitian ini ada sebanyak 20 citra, yaitu 10 citra dari internet dan 10 citra koleksi pribadi. Hasil pengujian fungsional sistem melalui metode Black Box telah berhasil 100 % dengan skenario yang telah dibuat. Berdasarkan hasil pengujian yang telah dilakukan nilai akurasi pada deteksi image splicing dengan citra dari internet sebesar 100%, dan nilai akurasi pada deteksi dengan citra koleksi pribadi sebesar 100%. Hasil dari penelitian ini diharapkan dapat digunakan oleh masyarakat untuk membedakan citra yang asli dengan citra yang mengalami pemalsuan image splicing.Kata Kunci: pemalsuan citra, image splicing, keypoint, DCT,SIFT, RANSAC

Identifikasi Citra Digital Kura-Kura Sumatera Dengan Perbandingan Ekstraksi Fitur GLCM Dan GLRLM Berbasis Web Julia Purnama Sari; Aan Erlansari; Endina Putri Purwandari
Jurnal Pseudocode Vol 8, No 1 (2021): Volume 8 Nomor 1 Februari 2021
Publisher : Universitas Bengkulu

Kura-kura merupakan hewan yang sangat mudah dikenali karena mempunyai bentuk tubuh yang khas. Ciri khas yang dimiliki oleh kura-kura adalah adanya karapaks yang sering disebut dengan cangkang. Dalam mengidentifikasi kura-kura tidak bisa sembarangan, dibutuhkan seorang pakar yang benar-benar paham dengan spesies tersebut. Identifikasi keanekaragaman spesies kura-kura sumatera melalui pengolahan citra digital ini menggunakan metode ekstraksi fitur tekstur berbasis website. Salah satu cara mengidentifikasi jenis kura-kura yaitu dengan menggunakan sistem identifikasi secara otomatis berbasis pemrosesan citra digital. Pada penelitian ini dilakukan perbandingan dua ekstraksi ciri yaitu Gray Level Co-Occurrence Matrix (GLCM) dan Gray Level Run Length Matrix (GLRLM). Ekstraksi ciri GLCM dan GLRLM yang dilakukan pada penelitian ini menggunakan sudut 0°, 45°, 90°, 135°. Hasil Penelitian menunjukkan bahwa hasil akurasi identifikasi dengan menggunakan ekstraksi ciri GLRLM lebih baik dibandingkan GLCM. Hasil Akurasi tertinggi pada GLRLM 79,5% sementara dengan GLCM menghasilkan akurasi sebesar 75%.Kata Kunci: Identifikasi, Kura-kura, Karapaks, Gray Level Run length Matrix, Gray Level Co-Occurrence Matrix.

Pemetaan Zonasi Rawan Banjir Dengan Analisis Indeks Rawan Banjir Menggunakan Metode Fuzzy Simple Adaptive Weighting Yudi Setiawan; Endina Putri Purwandari; Andang Wijanarko; Etis Sunandi
Jurnal Pseudocode Vol 7, No 1 (2020): Volume 7 Nomor 1 Februari 2020
Publisher : Universitas Bengkulu

Abstrak: Kota Bengkulu yang berbatasan dengan Samudera Hindia di sebelah barat, memiliki panjang garis pantai sepanjang tujuh kilometer. Pantai di Kota Bengkulu merupakan muara dua aliran sungai, yaitu; Sungai Bengkulu dan Sungai Jenggalu. Sungai-sungai tersebut sering terjadi luapan air hujan dari hulu sungai, yang berasal dari 5 kabupaten lainnya. Aktivitas di hulu sungai yang sudah tidak terkendali akibat aktivitas pertambangan dan perkebunan, mengakibatkan banjir khususnya yang terjadi di area sekitar Daerah Aliran Sungai (DAS) Sungai Bengkulu. Badan Nasional Penanggulangan Bencana Banjir telah menetapkan indeks bahaya banjir sebagai indikator batas ambang bencana banjir suatu wilayah. Indek bahaya banjir dapat digunakan sebagai kriteria pemetaan tingkat rawan banjir, dengan mengimplementasikan metode Fuzzy Simple Adaptive Weighting. Algoritma ini dapat memetakan dengan pemberian bobot setiap kriteria berdasarkan aturan normalisaisi. Proses klasifikasi pada penelitian ini dilakukan dengan mengimplementasikan metode Fuzzy Simple Adaptive Weighting ke dalam sistem pendukung keputusan (SPK). Analisis daerah banjir dengan metode Fuzzy Simple Adaptive Weighting, yang diharapkan dapat menentukan tingkat daerah rawan banjir, khususnya daerah yang berdampak pada pemukiman masyarakat dan fasilitas umum seperti jalan dan jembatan di sepanjang DAS Sungai Bengkulu. Hasil dari penelitian ini, yaitu; metode Fuzzy Simple Adaptive Weigting dapat memetakan tingkat rawan banjir dengan data set yang besar, dan hasil pemetaan didapatkan bahwa terdapat enam kelurahan yang harus mendapatkan prioritas penaggulangan banjir luapan DAS Sungai Bengkulu.Kata kunci: Banjir, DAS Sungai Bengkulu, Fuzzy, Simple Adaptive Weigting.

DETEKSI PEMALSUAN COPY-MOVE DUPLICATED REGION PADA CITRA DIGITAL DENGAN KOMPUTASI NUMERIK Endina Putri Purwandari
Jurnal Pseudocode Vol 1, No 1 (2014)
Publisher : Universitas Bengkulu

Identifikasi keaslian dan integritas citra digital menjadi penting dalam forensik digital. Makalah ini mengusulkan metode pasif yang efektif untuk mendeteksi pemalsuan copy-move pada duplicated region. Implementasi metode ini dilakukan pertama-tama dengan citra input diproses dengan transformasi wavelet, lalu mengekstraksi fitur SVD pada blok citra yang telah mengalami perubahan geometri, dan beberapa gangguan. Selanjutnya melakukan pemeriksaan kesamaan karakteristik fitur antara bagian yang disalin dan ditempelkan, setiap fitur SVD menjadi query dalam pencocokan blok citra dengan tetangga terdekat. Ekperimen menunjukkan metode ini efisien dalam komputasi, robust, dan sensitif terhadap region citra berbeda yang telah mengalami beberapa perubahan pemprosesan citra.Kata Kunci: Copy-Move, Wilayah Terduplikasi, Pemalsuan Citra, Dekomposisi Nilai Singular, Pencocokan Blok.

Klasifikasi Level Non-Proliferatif Retinopati Diabetik Dengan Ensemble Convolutional Neural Network Ruvita Faurina; Endina Putri Purwandari; Mario Tiara Pratama; Indra Agustian
Jurnal Pseudocode Vol 8, No 1 (2021): Volume 8 Nomor 1 Februari 2021
Publisher : Universitas Bengkulu

Penelitian ini mengusulkan algoritma CNN ensemble classifier untuk klasifikasi level non-proliferatif Retinopati diabetik. Penelitian ini menggunakan metode transfer learning feature-extraction, dan membandingkannya dengan fine-tuning. Pada lapisan pertama lapisan klasifikasi, dibandingkan penggunaan lapisan GAP dan Flatten dengan menggunakan metode dropout. Mode terbaik digunakan sebagai mode final klasifikasi. Arsitektur yang digunakan adalah DenseNet201, InceptionV3 dan MobileNetV2, Masing-masing model diuji dengan optimasi SGD dan ADAM. Keputusan prediksi diambil berdasarkan metode average voting. Hasil pengujian masing-masing arsitektur menunjukkan hasil terbaik adalah fine tuning, GAP, dan optimasi ADAM. Model final fine-tuning DenseNet201, InceptionV3 dan MobileNetV2 dapat mengklasfikasi level retinopati diabetik dengan akurasi pada data uji masing-masing 93%, 94% dan 89%. Sedangkan performa klasifikasi model ensemble untuk masing-masing kelas memiliki akurasi terendah 95,6% dan F1-Score terendah 91.3%.Kata Kunci: retinopati diabetik, deep learning, convolutional neural network, ensemble classifier, DenseNet201, InceptionV3, MobileNetV2.

Ekstraksi Fitur Warna dan Tekstur Untuk Temu Kembali Citra Batik Besurek Endina Putri Purwandari; Desi Andreswari; Ulva Faraditha
Jurnal Pseudocode Vol 7, No 1 (2020): Volume 7 Nomor 1 Februari 2020
Publisher : Universitas Bengkulu

Abstrak: Batik Besurek merupakan warisan budaya Bengkulu yang mempunyai ciri khas berupa motif huruf Arab gundul yang dipadukan dengan motif bunga Raflesia Arnoldi. Penelitian ini bertujuan mendesain aplikasi temu kembali citra Batik Besurek menggunakan ekstraksi fitur Color Histogram, Gray Level Co-occurrence Matrix, dan Moment Invariant. Citra yang menjadi dataset yaitu citra Batik Besurek yang terdiri dari 5 motif seperti Kaligrafi, Bunga Raflesia, Burung Kuau, Relung Paku, dan Motif Rembulan. Banyaknya macam citra Batik Besurek yang digunakan sebagai database sesuai dengan banyaknya motif Batik Besurek yang ada di Bengkulu dengan jumlah citra yang ada di database adalah 100 citra training, 30 citra uji database, 30 citra uji luar database, 5 citra uji dari internet. Hasil pencarian citra adalah citra yang memiliki kemiripan mendekati citra uji. Semakin kecil selisih kemiripan maka citra training semakin mirip dengan citra uji. Berdasarkan hasil eksperimen menunjukkan tingkat akurasi aplikasi ini mencapai 75% untuk citra tanpa serangan, 77% untuk citra rotasi 90 derajat, 67% untuk citra Blur Gaussian 1, 68% untuk citra dengan noise, dan 67% untuk citra dengan perubahan warna.Kata Kunci: batik besurek, temu kembali citra, tekstur, warna, Gray Level Co-occurrence Matrix

Co-Authors Aan Erlansari Andang Wijanarko Arie Vatresia Boko Susilo Desi Andreswari Endang Widi Winarni Enggy Mahlian Dony Ernawati Ernawati Etis Sunandi Indra Agustian Julia Purnama Sari kemas abdulrahman faruq Mario Tiara Pratama Miftakhul Irfani Akbar Ruvita Faurina Sudarti Siburian Ulva Faraditha Yudi Setiawan

Title Search

Found 6 Documents Search Journal : Jurnal Pseudocode

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 6 Documents
Search
Journal : Jurnal Pseudocode