Claim Missing Document
Check
Articles

Found 8 Documents
Search
Journal : Jurnal Informatika Upgris

PENGEMBANGAN METODE PELACAKAN OBJEK BERBASIS SEGMENTASI MENGGUNAKAN ALGORITMA FCM dwi puji prabowo; Ricardus Anggi Pramunendar
Jurnal Informatika Upgris Vol 4, No 2: Desember (2018)
Publisher : Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/jiu.v4i2.2366

Abstract

Detection of object tracking is an important part of object recognition analysis. In object tracking applications, object detection is the first step of video surveillance, where accurate object detection becomes important and difficult because there are still problems that arise like the shadow of the detected object (false detection). To overcome this many object tracking applications are constantly being developed to produce accurate object detection. In this case the clustering method is one of the methods that are considered efficient and able to provide segmentation results in the image better and adaptive to changes in the environment and instantaneous changes quickly. So this research proposes the development of the object-oriented FCM method of object segmentation to obtain accurate object detection results. For the development of FCM method this research will be done by using distance approach. The distance approach used is cambera, chebychef, mahattan, minkowski, and Euclidean to get accurate results.
PROTOTIPE APLIKASI PENGENALAN WAYANG KULIT MENGGUNAKAN CNN BERBASIS VGG16 dwi puji prabowo; D.I.I Ullumudin; R.A. Pramunendar
Jurnal Informatika Upgris Vol 7, No 2: Desember 2021
Publisher : Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/jiu.v7i2.10485

Abstract

Indonesia has various types of culture and traditional arts. In this era of globalization, local culture and arts have begun to be eroded by the times. One of the diverse Indonesian culture is wayang kulit. Where the shadow puppets in Indonesia vary and vary from region to region. In this case, the puppet characters have different forms and curves, so recognizing the shape of a puppet is very difficult. In the development of technology, computer vision technology began to be widely used to perform object recognition with deep learning learning. So that an object being studied can be detected properly. In this study, a prototype was made with the detection of puppet types using Deep Learning learning using Convolutional Neural Networks to detect shadow puppet objects based on the VGG16 architecture. The results obtained by the CNN and VGG16 methods reached 86%. With the results obtained, a prototype model is made which will later be able to help the community in the introduction of shadow puppets.Keyword: CNN, shadow puppets ,VGG16
PREDIKSI JUMLAH PRODUKSI AIR PDAM MENGGUNAKAN METODE ANN DENGAN OPTIMASI PSO ahmad akrom; R.A. Pramunendar; D.P. Prabowo
Jurnal Informatika Upgris Vol 7, No 2: Desember 2021
Publisher : Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/jiu.v7i2.10065

Abstract

Perusahaan Daerah Air Minum (PDAM) merupakan perusahaan milik daerah yang begerak di bidang penyedia, pengolahan, dan pendistribusian air bersih. Sebuah sistem yang akurat untuk prediksi jumlah produksi air untuk masa depan dibutuhkan oleh PDAM untuk menentukan kebijakan dalam bidang produksi air. Penelitian ini menghasilkan sebuah model prediksi untuk  volume produksi air PDAM Kota Semarang. Data yang diolah adalah jumlah penduduk, jumlah pelanggan berdasarkan jenis pelanggan, total volume produksi, kontribusi daerah sumber, volume distribusi, air terjual, dan kehilangan air. Data diperoleh dari laporan bulanan perusahaan selama 6tahun terakhir yaitu mulai tahun 2008-2013. Pendekatan yang digunakan untuk prediksi volume produksi air adalah dengan menggunakan metode Artificial Neural Network dengan optimasi Particle Swarm Optimation. Berdasarkan hasilpenelitian, diperoleh hasil prediksi menggunakanneural network dan particle swarm optimization lebih bagus jika dibandingkan dengan menggunakan neural network saja. Hal ini dibuktikan dengan nilai RMSE menggunakan neural network dan particle swarm optimization sebesar 3,797 sedangkan nilai RMSE dengan neural network saja sebesar 4,943.
Penerapan Random Forest Untuk Pengenalan Jenis Ikan Berdasarkan Perbaikan Citra Clahe Dan Dark Channel Prior R.A. Pramunendar; dwi puji prabowo; F. Alzami; R.A. Megantara
Jurnal Informatika Upgris Vol 7, No 1: JUNI 2021
Publisher : Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/jiu.v7i1.8231

Abstract

Ancaman terhadap kekayaan alam semakin terlihat, oleh karena itu upaya untuk melindungi populasi biota perairan sangat menantang bagi banyak negara. Upaya untuk mengatasi kerusakan terhadap populasi ikan asli telah dilakukan dengan mengurangi populasi ikan invasif melalui teknik penangkapan ikan tradisional. Namun, teknik penangkapan tersebut tidak hanya menangkap spesies ikan invasif tetapi juga spesies asli. Oleh karena itu, masih diperlukan proses manual untuk memilah hasil tangkapan sehingga menghabiskan energi dan waktu. Maka, perlu ditingkatkan kemampuan pengenalan ikan secara otomatis dengan bantuan computer. Telah ada penelitian sebelumnya untuk mengenali jenis-jenis ikan, namun tidak banyak yang mempertimbangkan adanya noice atau artefak-artefak yang timbul karena kondisi bawah air serta efek fitur-fitur ikan yang saling berkaitan. Oleh karena itu dalam penelitian ini, peneliti  ini mengusulkan untuk melakukan analisis dampak pre-processing dari kombinasi algoritma CLAHE dan DCP yang diterapkan dalam klasifikasi ikan dengan Random Forest. Pre-processing yang yang diberikan bertujuan untuk mengatasi artefak atau noice yang timbul pada citra bawah air dan mengatasi efek dari fitur-fitur keragaman jenis ikan. Sehingga diharapkan mampu menghasilkan klasifikasi yang lebih baik dari penelitian sebelumnya. Klasifikasi dengan menggunakan Random Forest (RF) dengan perbaikan citra Dark Channel Prior (DCP) dan Contract Limited Adaptive Histogram Equalization (CLAHE), terbukti memberikan nilai akurasi rata-rata yang cukup tinggi yakni sebesar 98.51%, presisi 78.91%, dan recall 36.71%.
PELACAKAN DAN SEGMENTASI OBJEK BERGERAK MENGGUNAKAN METODE K-MEANS CLUSTERING BERBASIS VARIASI JARAK dwi puji prabowo; khoiriya latifah; Ricardus Anggi Pramunendar
Jurnal Informatika Upgris Vol 5, No 1: Juni (2019)
Publisher : Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/jiu.v5i1.2818

Abstract

In computer vision tracking and object segmentation is one important step in video processing. Accuracy in object tracking is important in video processing, where accurate object tracking is a thing that continues to be done by many researchers. there are still many problems that are often experienced when tracking objects in terms of lighting, noise up to a high level of error. Many methods can be used in research, one of which is clustering method. Clustering method is a method that is widely used in grouping data, one of which is often used is Kmeans clustering. This method is very flexible, and is able to classify large amounts of data. Besides that, Kmeans is also able to work adeptly and segment the image well. For this study using 5 distance approaches (cambera, chebychef, mahattan, minkowski, Euclidean) distance approach which is expected to improve the results of better accuracy. From the results of the research produced a mahatan distance approach has the best accuracy results with a PNSR value of 16,34399 and the lowest MSE value with a value of 1521,793. Compared to the use of standard models with Euclidean, the approach of high distance accuracy increases
PERSEPSI USER EXPERIENCE TERHADAP APLIKASI PESAN ANTAR MAKANAN ONLINE (STUDI KASUS PENGGUNA APLIKASI MADHANG.ID) Dwi puji prabowo; Dzuha Hening Yanuarsari; Ricardus Anggi Pramunendar
Jurnal Informatika Upgris Vol 6, No 1: JUNI (2020)
Publisher : Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/jiu.v6i1.5784

Abstract

Menjamurnya permintaan masyarakat akan jasa pesan antar online membuat perusahaan yang bergerak dibidang kuliner secara online mulai bersaing dalam menyediakan jasa dan layanan yang baik. Salah satu sektor dalam pengembang bisnis tersebut adalah konteks marketing media salah satunya yakni lewat media `aplikasi. Aplikasi mampu menjangkau pangsa pasar secara luas sehingga memerlukan perhatian yang lebih dalam segi desain maupun konten terkait dengan pengalaman pengguna  yang membuat mereka tertarik untuk menggunakan aplikasi tersebut. Madhang.id merupakan objek yang dikaji dalam penelitian ini dimana merupakan salah satu aplikasi yang menyediakan jasa pesan antar makanan secara online. Penelitian ini menawarkan kajian mengenai persepsi pengguna terhadap penggunan aplikasi madhang.id menggunakan konteks the four elements of user experience yang dibedah menggunakan metode deskriptif-kuantitatif. Luaran yang dihasilkan pada penelitian ini yakni berupa kajian dalam mencari tahu persepsi pengalaman pengguna menggunakan aplikasi madhang.id yang basisnya dikembangkan oleh perusahaan IT dimana manfaatnya dapat dijadikan sebagai bahan rujukan dalam pengembangan apliikasi serupa.
PREDIKSI SENTIMEN MASYARAKAT TERHADAP PENGGUNAAN VAKSIN COVID 19 MENGGUNAKAN RNN dwi puji prabowo; Ricardus anggi pramunendar; Rama Aria Megantara
Jurnal Informatika Upgris Vol 8, No 1: Juni 2022
Publisher : Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/jiu.v8i1.11599

Abstract

Memahami sentimen dari opini publik terkait vaksin COVID-19 merupakan tantangan untuk meningkatkan penerimaan vaksin di masyarakat. Analisis sentimen telah memberikan banyak manfaat termasuk di bidang kesehatan. Analisis Sentimen dapat membantu memberikan gambaran yang dirasakan dan dipikirkan oleh para penerima vaksin. RNN merupakan salah satu metode deep learning yang sering diterapkan untuk penelitian analisis sentimen. RNN dengan arsitekur LSTM telah terbukti unggul dibandingkan metode deep learning lainnya dalam menyelesaikan tugas analisis sentimen. Penelitian ini mengusulkan model RNN-LSTM yang menerapkan arsitektur Bidirectional Layer (Bi-LSTM) agar penyerapan informasi kontekstual data lebih optimal karena data input diproses secara forward dan backward. Serta menambahkan mekanisme variational dropout pada layer LSTM untuk mendapatkan model yang optimal dan terhindar dari overfitting. Namun, keberhasilan dan keoptimalan model deep learning sangat bergantung pada ukuran dataset, jenis tugas dan penentuan parameternya. Dalam penelitian ini eksperimen terhadap nilai parameter arsitektur model dilakukan untuk mendapatkan model yang optimal dalam melakukan analisis sentimen opini publik terkait Vaksin COVID-19. Sehingga parameter terbaik didapatkan untuk model Bi-LSTM ini yaitu seperti berikut: maxlen =50, embedding size= 300, recurrent unit = 50, variational dropout = 0.25, optimizer Nadam, dan epoch = 100. Hasil evaluasi menunjukkan model BI-LSTM ini mampu melakukan analisis sentimen terhadap opini publik terkait vaksin COVID-19 ke dalam tiga kelas sentimen (positif, netral dan negatif) dengan baik dan mendapatkan akurasi sebesar 89.15% dengan rata-rata presisi 88%, recall 89% dan F1-score 88.43%
PENGENALAN CITRA BATIK MENGGUNAKAN FITUR FRAKTAL BERDASARKAN METODE SUPPORT VECTOR MACHINE (SVM) dwi puji prabowo; puri Sulistiyawati; Ricardus anggi pramunendar
Jurnal Informatika Upgris Vol 8, No 2: Desember 2022
Publisher : Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/jiu.v8i2.13257

Abstract

Indonesia sebagai negara kepulauan terbesar di asia memiliki berbagai keanekaragaman budaya, salah satunya adalah batik yang merupakan warisan budaya nusantara yang telah diakui oleh UNESCO pada tanggal 2 Oktober 2009 sebagai warisan budaya dunia. Keanekaragaman jenis batik dipengaruhi oleh budaya maupun sejarah penciptaan batik di setiap daerah masing-masing. Semakin berkembangnya motif kain batik di indonesia memicu sebagian pihak untuk mendokumentasikan dan mengklaim motif batik sebagai hasil kebudayaan dari daerah asalnya. Jika tidak didokumentasikan dengan baik batik sebagai warisan budaya Indonesia dapat hilang dan diakui oleh negara lain. Oleh karena itu diperlukan sebuah teknik yang dapat mengenali dan mengelompokkan batik berdasarkan motifnya. Pada penelitian ini mengusulkan metode Fraktal dan SVM untuk melakukaan pengenalan citra batik. Fraktal diusulkan sebagai proses fitur ekstraksi dengan menggunakan pendekatan box-counting. Metode fraktal merupakan cara alami untuk mempresentasikan bentuk-bentuk objek alam sehingga objek tersebut memiliki kemiripan yang sama dengan dirinya sendiri pada skala yang berbeda. SVM merupakan salah satu teknik klasifikasi yang memiliki kinerja lebih baik dibandingkan dengan teknik klasifikasi lainnya. Data yang digunakan adalah data citra batik pedalaman dan pesisir sebanyak 400 gambar. Dari hasil pengujian klasifikasi citra batik dengan menggunakan Fraktal dan SVM mencapai hasil akurasi yang lebih baik daripada GLCM dan SVM. Dengan hasil akurasi tertinggi 91.6%.
Co-Authors Abdul Syukur Abu Salam Ade Yusupa Affandy Affandy Agus Winarno, Agus Ahmad Akrom Ahmad Akrom Akrom, Ahmad Al-Azies, Harun Alvin, Fris Alzami, Farrikh Andi Kamaruddin Apriyanto Alhamad Arie Nugroho Arifin, Zaenal Aris Nurhindarto Azzahra, Tarissa Aura Bastiaans, Jessica Carmelita Catur Supriyanto Catur Supriyanto Catur Supriyanto Catur Supriyanto D, Ishak Bintang D.I.I Ullumudin D.P. Prabowo Danny Oka Ratmana Darmawan, Aditya Aqil Dewi Nurdiyah Diana Aqmala Dwi Puji Prabowo Dwi Puji Prabowo Dwi Puji Prabowo, Dwi Puji Dzuha Hening Yanuarsari, Dzuha Hening Edi Noersasongko Enrico Irawan Erlin Dolphina Etika Kartikadarma Evanita Evanita, Evanita F. Alzami Fafaza, Safira Alya Fajrian Nur Adnan Fakhrurrozi Fakhrurrozi Farikh Al Zami Fathorazi Nur Fajri Fatkhuroji Fatkhuroji Fauzi Adi Rafrastara Fikri Diva Sambasri Fikri Diva Sambasri Filmada Ocky Saputra Firmansyah, Muhammad Ilham Guruh Fajar Shidik Hamid, Maulana As’an Hartojo, James Hasan Asari Haydar, Muhammad Rifqi Fajrul Hendri Ramdan I Ketut Eddy Purnama Ifan Rizqa Ika Novita Dewi Imran, Bahtiar Irham Ferdiansyah Katili Iswahyudi Iswahyudi Karim, Muh Nasirudin Karis W. Kartika, Gita khoiriya latifah Khoirunnisa, Emila Kristhina Evandari Kurnia Prayoga Wicaksono Kusumawati, Yupie Lalang Erawan Lesmarna, Salsabila Putri M. Arief Soeleman M. Arif Soeleman M. Arif Soleman Megantara, Rama Aria Mira Nabila Moch Arief Soeleman Mochamad Arief Soeleman Mochamad Hariadi Moh. Arief Soeleman Moh. Yusuf, Moh. Muhammad Naufal, Muhammad Muhammad Syaifur Rohman Muljono, - Muslih Muslih Noor Wahyudi Nuanza Purinsyira Nugroho, Muhammad Bayu Nur Azise Nurhindarto, Aris Pergiwati, Dewi Pulung Nurtantio Andono Pulung Nurtantyo Andono Puri Sulistiyawati Puri Sulistiyawati Puri Sulistiyawati Purwanto Purwanto Purwanto Purwanto Purwanto Purwanto Putu Samuel Prihatmajaya R.A. Megantara Rama Aria Megantara Rama Aria Megantara Ramadhan Rakhmat Sani Ramadhani, Irfan Wahyu Ratmana, Danny Oka Rifqi Mulya Kiswanto Ritzkal, Ritzkal Rohman, Muhammad Syaifur Rony Wijanarko Saputra, Filmada Ocky Saputra, Resha Mahardhika Saraswati, Galuh Wilujeng Sasono Wibowo Sinaga, Daurat Sri Winarno Stefanus Santosa Sulistyowati, Tinuk Sutini Dharma Oetomo Tamamy, Aries Jehan Teguh Tamrin Usman Sudibyo Vincent Suhartono Vincent Suhartono Vincent Suhartono Wibowo, Gentur Wahyu Nyipto Wildanil Ghozi Winarsih, Nurul Anisa Sri Yudha Tirto Pramonoaji Yuliman Purwanto Yuslena Sari, Yuslena Yuventius Tyas Catur Pramudi Zainal Arifin Hasibuan