Claim Missing Document
Check
Articles

Found 2 Documents
Search

KLASIFIKASI KATEGORI DOKUMEN BERITA BERBAHASA INDONESIA DENGAN METODE KATEGORISASI MULTI-LABEL BERBASIS DOMAIN SPECIFIC ONTOLOGY Pangestu Widodo; Januar Adi Putra; Suwanto Afiadi; Agus Zainal Arifin; Darlis Herumurti
Jurnal Ilmiah Teknologi Infomasi Terapan Vol. 2 No. 2 (2016)
Publisher : Universitas Widyatama

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (634.856 KB) | DOI: 10.33197/jitter.vol2.iss2.2016.100

Abstract

[Id]Sebuah dokumen berita seringkali terkait lebih dari satu kategori, untuk itu diperlukan pemanfaatan metode kategorisasi yang tidak hanya cepat tetapi juga dapat mengelompokkan sebuah berita kedalam banyak kategori. Banyak metode yang dapat digunakan untuk mengkategorisasi dokumen berita, salah satunya adalah ontologi. Pendekatan ontologi dalam kategorisasi sebuah dokumen berita didasarkan pada kemiripan fitur yang ada di dokumen dengan fitur yang ada di ontologi. Penggunaan ontologi dalam kategorisasi yang hanya didasarkan pada kemunculan term dalam menghitung relevansi dokumen menyebabkan banyak kemunculan fitur lain yang sebenarnya sangat terkait menjadi tidak terdeteksi. Dalam? paper ini diusulkan? metode baru untuk kategorisasi dokumen berita? yang terkait dengan banyak kategori, metode ini berbasis domain specific ontology yang perhitungan relevansi dokumen terhadap ontologinya tidak hanya didasarkan pada kemunculan term tetapi juga memperhitungkan relasi antar term yang terbentuk. Uji coba dilakukan pada dokumen berita berbahasa indonesia dengan 2 kategori yaitu olahraga dan teknologi. Hasil uji coba menunjukkan nilai rata-rata akurasi yang cukup tinggi yaitu kategori olahraga adalah 93,85% sedangkan pada kategori teknologi adalah 96,32%.Kata Kunci: Dokumen berita, kategorisasi, multi-label, ontologi,? domain-spesifik.[En]A news document often related? to more than one category,? necessary for utilization? the method of categorization that is not only fast but also able to Classify a news into many categories. Many methods can be used to categorize the news documents, one of which is an ontology. Ontology approach in the categorization of a document is based on the similarity of news features in documents with features that exist in the ontology. The use of ontologies in categorization that just based on the occurance of the term in calculating the relevance of the document, led to the emergence of many other fea-tures that are actually very relevant is undetectable. This paper proposed a new method for categorizing news documents are related with many categories, the method is based on a specific domain ontology and for document relevance calculation is not only based on the occurrence of the term but also take into account the relationships between terms that are formed. Tests performed on the Indonesian language news document with? two categories: sports and technology. The trial results show the value of the average accuracy is high, that the sports category was 93,85% and the technology category is 96,32%.Keywords : News document, ?categorization, multi-label, Ontology, domain-specific.
PEMOTONGAN ROI OTOMATIS PADA DIGITAL MAMMOGRAM MENGGUNAKAN OPERASI MORFOLOGI Januar Adi Putra; Nanik Suciati; Arya Yudhi Wijaya
Jurnal Ilmiah Teknologi Infomasi Terapan Vol. 3 No. 1 (2016)
Publisher : Universitas Widyatama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33197/jitter.vol3.iss1.2016.120

Abstract

[Id] Salah satu metode yang paling efektif untuk mendeteksi dan mengidentifikasi kanker payudara adalah melalui pemeriksaan mammogram. Keab-normalan kanker payudara dapat dikenali dengan keberadaan massa pada citra mammogram, hal ini dikarenakan massa memiliki tingkat resiko tertinggi dari pada tipe-tipe lainnya. Pada paper ini akan dikemukakan algoritma baru untuk merepresen-tasikan bentuk massa yang tampak pada citra mamogram menggunakan operasi morfologi pada pengolahan citra digital sehingga dapat digunakan untuk analisis kanker payudara. Algoritma disusun tahap demi tahap dengan tujuan memisahkan atau melokalisasi area yang dicurigai terdapat massa kanker payudara untuk mendapatkan Region of Interest (ROI). Telah dilakukan serangkaian ujicoba untuk menguji tingkat kebenaran dari algoritma pemotongan ROI yang diusulkan dimana algoritma usulan terbukti mampu mendeteksi dan mengektraksi ROI pada citra mammogram dengan sangat baik dengan nilai PSNR tertinggi sebesar 0.90 pada kanker payudara ganas dan 0.93 pada kanker payudara jinak. Kata Kunci: ROI, Digital Mammogram, Operasi Morfologi. [En] One of the most effective methods to detect and identify breast cancer is through mammograms. Breast cancer abnormalities can be identified by the presence of a mass on a mammogram image, this is because the masses have the highest risk level of the other types. In this paper we proposed a new algorithm for represent the mass forms that appear on a mammogram image so it can be used for the analysis of breast cancer. Algorithms are prepared step by step with the aim to separate or localize the suspected area there are masses of breast cancer to get a Region of Interest (ROI). Has conducted trials to test the performance of the proposed algorithm to cuts the ROI and the result of proposed algorithm is proven able to detect and extract ROI on a image mammogram with excellent that the high PSNR is 0.90 for malignant cancer and the0.93 for benign cancer. Keywords : ROI, Digital Mammogram, Morph-ological Operation.