Article Per Year (5 Year)
p-Index From 2021 - 2026
1.857
P-Index
This Author published in this journals
All Journal IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Jurnal Ilmiah Informatika Komputer Prosiding KOMMIT Jurnal Ilmiah KOMPUTASI Jurnal Ilmiah Matrik STRING (Satuan Tulisan Riset dan Inovasi Teknologi) Engineering, Mathematics and Computer Science Journal (EMACS) prosiding seminar nasional International Journal Science and Technology (IJST) Jurnal Teknik dan Science (JTS) Jurnal Ilmiah Multidisiplin (JUKIM) Jurnal Bina Komputer Enrichment: Journal of Multidisciplinary Research and Development
Nuryuliani Nuryuliani
Universitas Gunadarma
Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Social Sciences Other

Published : 16 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Jurnal Ilmiah KOMPUTASI

 1 
Instance Segmentation Rumput laut dengan Metode Longline Menggunakan Citra UAV dan Detectron2 Faisal Akbar; Lulu Chaerani M.; Nuryuliani; Elfitrin Syahrul; Nur Azmi Ratna Setyawidati
Jurnal Ilmiah KOMPUTASI Vol. 21 No. 1 (2022): Jurnal Ilmiah Komputasi Volume: 21 No. 1, Maret 2022
Publisher : Lembaga Penelitian STMIK Jakarta STI&K

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Target produksi budidaya rumput laut di Indonesia saat ini terus meningkat, didukung oleh luas lahan yang masih berpotensi dimanfaatkan sebagai lahan budidaya rumput laut dan kebutuhan pasar baik di dalam maupun luar negri. Dukungan teknologi untuk memonitoring secara intensif dan ekstensif diperlukan agar produksi dapat tercapai untuk memenuhi kebutuhan pasar tersebut. Tujuan dari penelitian ini adalah untuk mendeskripsikan hasil akuisisi dan mengetahui sejauh mana kemampuan unmanned aerial vehicle (UAV) jenis multirotor untuk mendeteksi pertumbuhan rumput laut yang ditinjau dari efisiensi teknologi, tingkat akurasi dan biaya. Daerah yang akan dikaji merupakan daerah budidaya dengan karakteristik perairan dangkal (< 10 m) dengan substrat dasar perairan pasir berlumpur. Metodologi penelitian terdiri atas akuisisi data menggunakan UAV jenis multirotor, visualisasi dan proses pengolahan citra menggunakan deep learning framework detectron2 dengan algoritma mask RCNN dan platform cloud base. Hasil penelitian ini menunjukan dengan iterasi sebanyak 600 detectron2 mampu untuk mendeteksi rumput laut dengan baik walaupun akurasi yang didapatkan masih lebih rendah dibandingkan dengan iterasi lebih dari 600 tetapi dengan waktu pelatihan yang lebih singkat dan belum terjadi overfitting menjadi nilai lebih. Selanjutnya dalam tulisan ini akan disampaikan kelebihan dan kekurangan dari pemanfaatan deep learning dengan framework detectron2 menggunakan citra UAV ini dalam mendeteksi rumput laut dan bagaimana mengoptimalkan kemampuan dan menyiasati kelemahan ftamework tersebut.
Instance Segmentation Rumput laut dengan Metode Longline Menggunakan Citra UAV dan Detectron2 Faisal Akbar; Lulu Chaerani M.; Nuryuliani; Elfitrin Syahrul; Nur Azmi Ratna Setyawidati
Jurnal Ilmiah Komputasi Vol. 21 No. 1 (2022): Jurnal Ilmiah Komputasi Volume: 21 No. 1, Maret 2022
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.21.1.2802

Abstract

Target produksi budidaya rumput laut di Indonesia saat ini terus meningkat, didukung oleh luas lahan yang masih berpotensi dimanfaatkan sebagai lahan budidaya rumput laut dan kebutuhan pasar baik di dalam maupun luar negri. Dukungan teknologi untuk memonitoring secara intensif dan ekstensif diperlukan agar produksi dapat tercapai untuk memenuhi kebutuhan pasar tersebut. Tujuan dari penelitian ini adalah untuk mendeskripsikan hasil akuisisi dan mengetahui sejauh mana kemampuan unmanned aerial vehicle (UAV) jenis multirotor untuk mendeteksi pertumbuhan rumput laut yang ditinjau dari efisiensi teknologi, tingkat akurasi dan biaya. Daerah yang akan dikaji merupakan daerah budidaya dengan karakteristik perairan dangkal (< 10 m) dengan substrat dasar perairan pasir berlumpur. Metodologi penelitian terdiri atas akuisisi data menggunakan UAV jenis multirotor, visualisasi dan proses pengolahan citra menggunakan deep learning framework detectron2 dengan algoritma mask RCNN dan platform cloud base. Hasil penelitian ini menunjukan dengan iterasi sebanyak 600 detectron2 mampu untuk mendeteksi rumput laut dengan baik walaupun akurasi yang didapatkan masih lebih rendah dibandingkan dengan iterasi lebih dari 600 tetapi dengan waktu pelatihan yang lebih singkat dan belum terjadi overfitting menjadi nilai lebih. Selanjutnya dalam tulisan ini akan disampaikan kelebihan dan kekurangan dari pemanfaatan deep learning dengan framework detectron2 menggunakan citra UAV ini dalam mendeteksi rumput laut dan bagaimana mengoptimalkan kemampuan dan menyiasati kelemahan ftamework tersebut.
Analisis Prediksi Nasabah yang Berpotensi Membuka Deposito pada Bank Umum di Bekasi Menggunakan Algoritma C4.5 dan Naive Bayes: Array Dwi Handayani; Nuryuliani
Jurnal Ilmiah Komputasi Vol. 19 No. 3 (2020): Jurnal Ilmiah Komputasi Volume: 19 No. 3, September 2020
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.19.3.66

Abstract

Salah satu jasa perbankan yang ditawarkan oleh bank umum adalah deposito. Deposito masih merupakan primadona bagi masyarakat yang ingin berinvestasi. Marketing harus mengambil kesempatan ini dengan melakukan strategi pemasaran langsung yang lebih efektif dan efisien, salah satu cara yang dapat digunakan yaitu memprediksi nasabah yang berpotensi membuka simpanan deposito menggunakan teknik data mining khususnya metode klasifikasi algoritma Naive Bayes dan C4.5. Klasifikasi tersebut menggunakan tools Weka versi 3.8.4. Data yang digunakan dalam penelitian ini berasal dari data nasabah marketing suatu Bank Umum di Bekasi pada tahun 2018. Data yang diuji menggunakan tujuh atribut sebagai predictor yang terdiri dari Pekerjaan, Status, Pendidikan, KPR, Loan, Kontak, Pemasaran_Sebelumnya, dan dan satu atribut sebagai penentu predictor yaitu Pembukaan_Deposito yang berjumlah 9374 record data dengan komposisi data training 80% berjumlah 7499 record dan data testing 20% berjumlah 11875 record. Hasil teknik klasifikasi dengan algoritma C4.5 pada penelitian ini menghasilkan persentase keakuratan prediksi sangat baik pada nasabah yang berpotensi membuka deposito dengan nilai accuracy berjumlah 91,9467%, precision berjumlah 92,40%, recall berjumlah 91,90%, dan f-measure berjumlah 92% dibandingkan dengan algoritma Naive Bayes dengan nilai accuracy berjumlah 89,8133%, precision berjumlah 90,2%, recall berjumlah 89,8%, dan f-measure berjumlah 89,8% . Melihat nilai accuracy hampir mendekati 100%, maka teknik klasifikasi dengan algoritma C4.5 merupakan kategori klasifikasi sangat baik digunakan untuk memprediksi nasabah yang berpotensi membuka deposito.
Analisis Prediksi Nasabah yang Berpotensi Membuka Deposito pada Bank Umum di Bekasi Menggunakan Algoritma C4.5 dan Naive Bayes: Array Dwi Handayani; Nuryuliani
Jurnal Ilmiah Komputasi Vol. 19 No. 3 (2020): Jurnal Ilmiah Komputasi Volume: 19 No. 3, September 2020
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.19.3.66

Abstract

Salah satu jasa perbankan yang ditawarkan oleh bank umum adalah deposito. Deposito masih merupakan primadona bagi masyarakat yang ingin berinvestasi. Marketing harus mengambil kesempatan ini dengan melakukan strategi pemasaran langsung yang lebih efektif dan efisien, salah satu cara yang dapat digunakan yaitu memprediksi nasabah yang berpotensi membuka simpanan deposito menggunakan teknik data mining khususnya metode klasifikasi algoritma Naive Bayes dan  C4.5. Klasifikasi tersebut menggunakan tools Weka versi 3.8.4. Data yang digunakan dalam penelitian ini berasal dari data nasabah marketing suatu Bank Umum di Bekasi pada tahun 2018. Data yang diuji menggunakan tujuh atribut sebagai predictor yang terdiri dari Pekerjaan, Status, Pendidikan, KPR, Loan, Kontak, Pemasaran_Sebelumnya, dan dan satu atribut sebagai penentu predictor yaitu Pembukaan_Deposito yang berjumlah 9374 record data dengan komposisi data training 80% berjumlah 7499 record dan data testing 20% berjumlah 11875 record. Hasil teknik klasifikasi dengan algoritma C4.5 pada penelitian ini menghasilkan persentase keakuratan prediksi sangat baik pada nasabah yang berpotensi membuka deposito dengan nilai accuracy berjumlah 91,9467%, precision berjumlah 92,40%, recall berjumlah 91,90%, dan f-measure berjumlah 92% dibandingkan dengan algoritma Naive Bayes dengan nilai accuracy berjumlah 89,8133%, precision berjumlah 90,2%, recall berjumlah 89,8%, dan f-measure berjumlah 89,8% . Melihat nilai accuracy hampir mendekati 100%, maka teknik klasifikasi dengan algoritma C4.5 merupakan kategori klasifikasi sangat baik digunakan untuk memprediksi nasabah yang berpotensi membuka deposito.
Co-Authors Dwi Handayani Elfitrin Syahrul Erfan Erfan Faisal Akbar Hakim, Arif Rachman Haq, Fesa Asy Syifa Nurul Hutami Septiana Raswaty Iskantika, Yusliana Kristian, Alex Lulu C Munggaran Lulu C. Munggaran Lulu Chaerani M. Muhammad Rafi Pradana Muhammad Sesio Dhia Ramadhan Nur Azmi Ratna Setyawidati Nur Azmi Ratna Setyawidati Rachman, Aditya Fadhli Suryarini Widodo Yusliana Iskantika Zelin Gaa Ngilo