Garuda - Garba Rujukan Digital

Identifikasi Citra Daun Menggunakan Morfologi, Local Binary Patterns dan Convex Hulls Prasvita, Desta Sandya
I-STATEMENT: Information System and Technology Management Vol 2, No 2 (2016)
Publisher : Sekolah Tinggi Ilmu Manajemen dan Ilmu Komputer ESQ (STIMIK ESQ)

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

This research proposes a leaf identification system with features fusion of leafmorphology, convex hulls (shape features) and ð¿ðµðð,ð ððð¢2 (texture features). Probabilistic Neural Network (PNN) is used as classifier. The experimental results of leaf identification system, average accuracy of combining all the features is 87.5%. Accuracy by combining three features higher than using morphological features (58.125%) or texture features (68.125%). In this research showed that the texture features more influence than morphological features for recognition of plants.

Identifikasi Citra Daun Menggunakan Morfologi, Local Binary Patterns dan Convex Hulls Prasvita, Desta Sandya
I-STATEMENT Vol 2 No 2 (2016): I-STATEMENT: Information System and Technology Management
Publisher : LPPM of STIMIK ESQ

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

This research proposes a leaf identification system with features fusion of leaf morphology, convex hulls (shape features) and

Classification of LiDAR Images Fused With Aerial Optical Images Using Ensemble Classifier AdaBoost.MH and Post-processing BFS Prasvita, Desta Sandya; Arymurthy, Aniati Murni
International Journal of Technology And Business Vol 1 No 1 (2017): IJTB|International Journal of Technology And Business
Publisher : LPPM of STIMIK ESQ

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

The objective of this research is to propose a method in order to increase classification performance of LiDAR images fused with aerial optical images. Classification method in use is popular multiclass ensemble classifier method, AdaBoost.MH. The Weak classifier in use of AdaBoost.MH is Hamming Trees. Then, the post-processing method is conducted to remove the noise with Breadth First Search (BFS) algorithm. Post-processing increase the accuracy to 0.96% and able to reduce the noise of classification result. This research is able to increase the accuracy on previous research by 94.96%

Classification of LiDAR Images Fused With Aerial Optical Images Using Ensemble Classifier AdaBoost.MH and Post-processing BFS Prasvita, Desta Sandya; Arymurthy, Aniati Murni
IJTB (International Journal of Technology And Business) Vol 1 No 1 (2017): IJTB (International Journal Of Technology And Business)
Publisher : LPPM of STIMIK ESQ

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

The objective of this research is to propose a method in order to increase classification performance of LiDAR images fused with aerial optical images. Classification method in use is popular multiclass ensemble classifier method, AdaBoost.MH. The Weak classifier in use of AdaBoost.MH is Hamming Trees. Then, the post-processing method is conducted to remove the noise with Breadth First Search (BFS) algorithm. Post-processing increase the accuracy to 0.96% and able to reduce the noise of classification result. This research is able to increase the accuracy on previous research by 94.96%

Implementasi Sistem Keberangkatan Jamaah Umrah Berbasis Web pada PT. XYZ Prasvita, Desta Sandya; Santoni, Mayanda Mega
SEINASI-KESI Vol 2, No 1 (2019): Seinasi-Kesi 2019
Publisher : Fakultas Ilmu Komputer UPN Veteran Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (779.775 KB)

Animo masyarakat Indonesia untuk menunaikan ibadah umrah terus meningkat setiap tahunnya, kemenag juga mencatat pada Tahun 2019 terdapat sebanyak lebih dari 800.000 jamaah Indonesia yang menunaikan ibadah umrah. Hal tersebut menjadi tantangan bagi Penyelenggara Perjalanan Ibadah Umrah (PPIU) untuk meningkatkan kualitas pelayanannya. Permasalahan kebanyakan PPIU khususnya di PT. XYZ saat ini salah satunya adalah dalam mempersiapkan kelengkapan jamaah yang cukup banyak dengan keterbatasan sumber daya manusia. Kelengkapan jamaah tersebut juga harus diproses dengan cepat tanpa ada kesalahan. Solusi teknologi informasi diharapkan dapat menyelesaikan permasalahan tersebut, yaitu dengan pembuatan sistem keberangkatan jamaah umrah. Tahapan penelitian yang dilakukan adalah identifikasi masalah, analisis sistem, perancangan sistem, implementasi, dan pengujian. Implementasi sistem keberangkatan jamaah umrah menggunakan basis data MySQL, bahasa pemrograman PHP dengan framework CodeIgniter. Dengan adanya sistem keberangkatan umrah berbasis web ini dapat memudahkan PT.XYZ dalam mencatat data jamaah, mengolah data, dan menyiapkan perlengkapan jamaah sebelum berangkat ke tanah suci.

Klasifikasi Informasi Kesehatan Pada Data Media Sosial Menggunakan Support Vector Machine dan K-Fold Cross Validation Nainggolan, Pauzi Ibrahim; Prasvita, Desta Sandya; Bukit, Dhani Syahputra
Malikussaleh Journal of Mechanical Science Technology Vol 5, No 2 (2021): Malikussaleh Journal of Mechanical Science and Technology
Publisher : Malikussaleh University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29103/mjmst.v5i2.6317

Media sosial saat ini memberikan informasi yang mampu mempengaruhi masyarakat. Sehingga, kini media sosial memiliki peranan signifikan sebagai sumber rujukan yang baru oleh maysarakat. Informasi kesehatan merupakan informasi yang sering dicari oleh pengguna media sosial. Penderita penyakit mencari informasi melalui media sosial terlebih dahulu sebelum bertemu dengan tenaga kesehatan. Tetapi kebanyakan informasi tidak dapat dipastikan sebagai informasi yang sesuai. Kesalahan terkait informasi kesehatan bisa membahayakan penderita. Ini bermakna, informasi yang terdapat pada media sosial perlu mendapatkan pengesahan pakar atau tenaga kesehatan. Penelitian ini betujuan untuk mengetahui penggunaan media sosial oleh tenaga kesehatan sebagai media konsultasi dan memberikan informasi yang tidak bertentangan dengan etika profesionalisme. Penelitian ini menggunakan teknik kalasifikasi Support Vector Machine (SVM). Validasi klasifikasi data yang diperoleh dilaksanakan menggunakan K-Fold Cross Validation. Hasil penelitian menunjukkan bahwa penggunaan SVM dalam klasifikasi kesesuaian informasi kesehatan dengan akurasi 70% pada data yang digunakan..

Penerjemahan Bahasa Indonesia ke Bahasa Minang dari Optical Character Recognition dengan Menggunakan Algoritme Edit Distance Mayanda Mega Santoni; Nurul Chamidah; Desta Sandya Prasvita; Reza Amarta Prayoga; Bayu Permana Sukma
Jurnal Ilmu Komputer & Agri-Informatika Vol. 7 No. 2 (2020)
Publisher : Departemen Ilmu Komputer - IPB University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jika.7.2.105-113

Tri Gatra Bangun Bahasa yaitu utamakan Bahasa Indonesia, lestarikan bahasa daerah, dan kuasai bahasa asing. Melalui ini, maka bahasa daerah sebagai salah satu kekayaan bangsa Indonesia perlu dilestarikan. Selain itu, bahasa daerah juga berfungsi sebagai pendukung bahasa nasional yakni Bahasa Indonesia. Pemanfaatan teknologi dapat digunakan sebagai upaya dalam pelestarian bahasa daerah. Penelitian ini memanfaatkan teknologi kecerdasan buatan yakni mesin penerjemah yang menerjemahkan Bahasa Indonesia ke bahasa daerah berbasiskan citra teks. Bahasa daerah yang digunakan yakni bahasa daerah Minang. Fokus penelitian ini pada proses penerjemahan hasil optical character recognition (OCR) dari citra teks Bahasa Indonesia menggunakan algoritma edit distance, yakni hamming distance, Leveinshtein distance dan Jaro-Winkler. Hasil penelitian ini menunjukkan bahwa algoritma edit distance dapat memperbaiki hasil OCR dalam melakukan penerjemahan ke bahasa daerah. Hasil OCR pada citra teks memiliki akurasi awal yakni 50.72%. Setelah diterapkan algoritma edit distance, akurasi penerjemahan meningkat menjadi 68.34% untuk algoritma hamming distance, 70.5% untuk algoritma Leveinshtein distance dan 70.2% untuk algoritma Jaro-Winkler. Dari ketiga algoritma ini, Leveinshtein distance memiliki performasi akurasi penerjemahan paling tinggi. Kata Kunci: penerjemahan, bahasa Indonesia, bahasa Minang, hamming distance, leveinshtein distance, jaro-winkler, optical character recognition

Penerapan Convolutional Neural Networks untuk Mesin Penerjemah Bahasa Daerah Minangkabau Berbasis Gambar Mayanda Mega Santoni; Nurul Chamidah; Desta Sandya Prasvita; Helena Nurramdhani Irmanda; Ria Astriratma; Reza Amarta Prayoga
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 5 No 6 (2021): Desember 2021
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

One of efforts by the Indonesian people to defend the country is to preserve and to maintain the regional languages. The current era of modernity makes the regional language image become old-fashioned, so that most them are no longer spoken. If it is ignored, then there will be a cultural identity crisis that causes regional languages to be vulnerable to extinction. Technological developments can be used as a way to preserve regional languages. Digital image-based artificial intelligence technology using machine learning methods such as machine translation can be used to answer the problems. This research will use Deep Learning method, namely Convolutional Neural Networks (CNN). Data of this research were 1300 alphabetic images, 5000 text images and 200 vocabularies of Minangkabau regional language. Alphabetic image data is used for the formation of the CNN classification model. This model is used for text image recognition, the results of which will be translated into regional languages. The accuracy of the CNN model is 98.97%, while the accuracy for text image recognition (OCR) is 50.72%. This low accuracy is due to the failure of segmentation on the letters i and j. However, the translation accuracy increases after the implementation of the Leveinstan Distance algorithm which can correct text classification errors, with an accuracy value of 75.78%. Therefore, this research has succeeded in implementing the Convolutional Neural Networks (CNN) method in identifying text in text images and the Leveinstan Distance method in translating Indonesian text into regional language texts.

KLASIFIKASI POHON KELAPA SAWIT PADA DATA FUSI CITRA LIDAR DAN FOTO UDARA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK Desta Sandya Prasvita; Mayanda Mega Santoni; Rio Wirawan; Novi Trihastuti
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 6, No 2 (2021)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v6i2.2437

Proses pemantauan pertumbuhan pohon kelapa sawit merupakan salah satu aspek penting yang menentukan kualitas hasil produksi perkebunan kelapa sawit. Proses ini membutuhkan waktu yang lama dan sangat sulit jika dilakukan oleh manusia. Masa depan kelapa sawit diprediksi akan semakin prospektif dikarenakan kemajuan teknologi yang pesat serta semakin meningkatnya kesadaran manusia akan kelestarian lingkungan. Teknologi penginderaan jauh saat ini banyak dikembangkan di bidang perkebunan dan pertanian, salah satunya adalah dengan teknologi foto udara dan LiDAR. Namun, di Indonesia pemanfaatan teknologi LiDAR untuk pemetaan belum terlalu popular karena terbilang teknologi baru dan banyak komunitas perkebunan yang belum begitu mengenal teknologi tersebut. Fokus penelitian adalah tahapan awal dalam pengembangan sistem monitoring jarak jauh untuk pohon kelapa sawit menggunakan data LiDAR dan foto udara, yaitu pada tahapan klasifikasi. Pekerjaan dilakukan mulai dari proses pengumpulan data dan eksperimen untuk mendapatkan model klasifikasi yang optimal untuk identifikasi pohon kelapa sawit. Data yang digunakan adalah data fusi LiDAR dan foto udara di wilayah perkebunan kelapa sawit di Pontianak, Kalimantan Barat, Indonesia. Metode klasifikasi yang digunakan adalah Convolutional Neural Network (CNN), dengan akurasi tertinggi menggunakan fitur RGB sebesar 98%, akurasi terendah menggunakan fitur LiDAR sebesar 86%, sedangkan dengan penggabungan data fusi LiDAR dan foto udara adalah sebesar 97%.

Klasifikasi Informasi Kesehatan Pada Data Media Sosial Menggunakan Support Vector Machine dan K-Fold Cross Validation Pauzi Ibrahim Nainggolan; Desta Sandya Prasvita; Dhani Syahputra Bukit
Malikussaleh Journal of Mechanical Science Technology Vol 5, No 2 (2021): Malikussaleh Journal of Mechanical Science and Technology
Publisher : Malikussaleh University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29103/mjmst.v5i2.6317

Media sosial saat ini memberikan informasi yang mampu mempengaruhi masyarakat. Sehingga, kini media sosial memiliki peranan signifikan sebagai sumber rujukan yang baru oleh maysarakat. Informasi kesehatan merupakan informasi yang sering dicari oleh pengguna media sosial. Penderita penyakit mencari informasi melalui media sosial terlebih dahulu sebelum bertemu dengan tenaga kesehatan. Tetapi kebanyakan informasi tidak dapat dipastikan sebagai informasi yang sesuai. Kesalahan terkait informasi kesehatan bisa membahayakan penderita. Ini bermakna, informasi yang terdapat pada media sosial perlu mendapatkan pengesahan pakar atau tenaga kesehatan. Penelitian ini betujuan untuk mengetahui penggunaan media sosial oleh tenaga kesehatan sebagai media konsultasi dan memberikan informasi yang tidak bertentangan dengan etika profesionalisme. Penelitian ini menggunakan teknik kalasifikasi Support Vector Machine (SVM). Validasi klasifikasi data yang diperoleh dilaksanakan menggunakan K-Fold Cross Validation. Hasil penelitian menunjukkan bahwa penggunaan SVM dalam klasifikasi kesesuaian informasi kesehatan dengan akurasi 70% pada data yang digunakan..

Title

Found 20 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 20 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 20 Documents
Search