Article Per Year (5 Year)
p-Index From 2021 - 2026
4.959
P-Index
This Author published in this journals
All Journal Jurnal Simetris JUITA : Jurnal Informatika Jurnal CoreIT Indonesian Journal of Artificial Intelligence and Data Mining SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Jurnal Teknologi Terpadu Jurnal Teknologi Komputer dan Sistem Informasi Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Brilliance: Research of Artificial Intelligence Algoritme Jurnal Mahasiswa Teknik Informatika Informatics and Enginering Dedication MDP Student Conference INOVTEK Polbeng - Seri Informatika JTKSI (Jurnal Teknologi Komputer dan Sistem Informasi) JuTISI (Jurnal Teknik Informatika dan Sistem Informasi)
Devella, Siska
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 36 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : mdp student conference

 1 
Klasifikasi Media Pembuangan Sampah Menggunakan Metode Resnet101-V2 Valentino Ruben Ho; Siska Devella; Derry Alamsyah
MDP Student Conference Vol 2 No 1 (2023): The 2nd MDP Student Conference 2023
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (410.633 KB) | DOI: 10.35957/mdp-sc.v2i1.4338

Abstract

Sampah adalah benda/zat yang tidak digunakan lagi dan ditinggalkan oleh manusia. Plastik merupakan salah satu faktor yang membuat sampah sulit terurai. Penggunaan plastik dalam kehidupan manusia sudah menjadi hal yang lumrah dan rutin digunakan dalam aktivitas manusia. Media pembuangan limbah juga berkontribusi terhadap pencemaran lingkungan. Oleh karena itu, dalam penelitian ini peneliti meneliti media pengolahan limbah dengan menggunakan metode deep learning residual network (ResNet). ResNet adalah jenis arsitektur convolutional neural network (CNN) yang menggunakan model pra-terlatih. ResNet menghemat waktu karena tidak perlu melatih data dari awal. Data yang digunakan sebanyak 15.000 citra yang terbagi menjadi kantong sampah, kantong kertas, dan kantong plastik. Setelah pengujian, akurasi 98,65% dicapai dengan membandingkan 80% data pelatihan dan 20% pengujian. Dapat disimpulkan bahwa metode ResNet sangat baik dalam mengidentifikasi media pembuangan sampah.
KLASIFIKASI MONKEYPOX MENGGUNAKAN EKSTRAKSI FITUR LBP Gracivo Elsion Victory; Rusbandi Rusbandi; Siska Devella
MDP Student Conference Vol 2 No 1 (2023): The 2nd MDP Student Conference 2023
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (810.12 KB) | DOI: 10.35957/mdp-sc.v2i1.4369

Abstract

Monkeypox merupakan penyakit yang secara klinis sangap mirip dengan cacar air dan campak oleh karena itu orang-orang sulit membedakan monkeypox dan non-monkeypox. Metode ekstraksi fitur teksur yang efektif adalah Local Binary Pattern (LBP). Public dataset monkeypox yang digunakan dalam penelitian ini gambarnya berjumlah 3.192 dan berukuran 224x224 pixels. LBP menghasilkan Output feature vector dengan ukuran 1 x 59 sebagai input untuk metode random forest dengan nilai n_estimator yaitu 100, 500 dan 1000. Hasil pengujian citra monkeypox dibagi menjadi 3 tahap pengujian yaitu dengan proporsi dataset 60:40, 70:30, dan 80:20. Pada pengujian dengan proporsi 60:40 mendapatkan hasil terbaik pada dengan n_estimator 100 mendapatkan accuracy 83% . Pengujian dengan proporsi 70:30 mendapatkan accuracy 83% pada setiap n_estimator dan proporsi dataset 80:20 mendapatkan n_estimator terbaik yaitu 500 karna mandapatkan accuracy tertinggi dari ketiga pengujian dengan nilai 85%. Oleh karena itu dapat dilakukan klasifikasi Monkeypox dengan menggunakan fitur ekstraksi LBP dan Random Forest.
Co-Authors Ade Hendri Pandrean Ambarwati, Rizki Andhika Rizky Cahya Putra Cahyati, Imelia Dwinora Celvine Adi Putra Derry Alamsyah Farisi, Ahmad Firda Novia Rahmawati Gracivo Elsion Victory Hadisaputra, William Hafiz Irsyad Inayatullah, Inayatullah Jocelyn, Jennifer Julian Rusli Tee Baldi Juliana Nasution Kelvin Arianto M Ezar Al Rivan Marcella, Dewi Meiriyama, Meiriyama Molavi Arman Ningrum Larasati Novan Wijaya Nur Rachmat Nur Rachmat Oktavius, Kevin Pandrean, Ade Hendri Prabowo, Adrianus Prasthio, Rial Randie Sasongko RR. Ella Evrita Hestiandari Rusbandi Rusbandi Sanders, Carmel Edra Sandra Mareza Adelfi Santoti, Jennifer Velensia Saputra, Jordi Shela Sihombing, Mecha Bella Permata Valentino Ruben Ho Wijaya, Albert Kusuma William Hadisaputra Wiwik Handayani Yohannes, Yohannes