Article Per Year (5 Year)
p-Index From 2021 - 2026
3.34
P-Index
This Author published in this journals
All Journal Journal of ICT Research and Applications JURNAL MEDIA INFORMATIKA BUDIDARMA Jurnal Riset Informatika eProceedings of Engineering
Marisa W. Paryasto
Telkom University
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 29 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 25 Documents
Search
Journal : eProceedings of Engineering

 1   2   3 
Optimalisasi Hyperparameter pada Model Deteksi Transaksi Mencurigakan Menggunakan Grid-Search Zakir, Gilman Muslih; Prasasti, Anggunmeka Luhur; Paryasto, Marisa W
eProceedings of Engineering Vol. 11 No. 6 (2024): Desember 2024
Publisher : eProceedings of Engineering

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

Abstract

Fraud, sebagaimana didefinisikan oleh Association of Certified Fraud Examiners (ACFE) mencakup laporan keuangan yang keliru atau penipuan yang dibuat untuk memperoleh keuntungan yang tidak sah. Salah satu bentuk fraud adalah pencucian uang, di mana uang ilegal dipindahkan melalui sistem keuangan untuk membuatnya tampak sah. Panel Tingkat Tinggi International Financial Accountability, Transparency and Integrity (Panel FACTI) memperkirakan sekitar $1,6 triliun (2,7% dari PDB global), dicuci setiap tahun. Adanya transaksi keuangan yang mencurigakan memerlukan deteksi dini oleh lembaga keuangan untuk mencegah penyalahgunaan. Salah satu hal yang ingin dicapai dengan penelitian ini adalah bagaimana cara meningkatkan akurasi dan efisiensi dalam mendeteksi transaksi mencurigakan menggunakan teknologi Machine Learning. Penggunaan teknologi machine learning merupakan salah satu Solusi untuk mengatasi tantangan dalam mendeteksi transaksi mencurigakan. Penelitian ini dilakukan dengan mengembangkan model deteksi transaksi mencurigakan menggunakan algoritma XGBoost, Decision Tree, dan Logistic Regression dengan menerapkan Hyperparameter tuning yang dibantu dengan pencarian hyperparameter terbaik menggunakan Grid-Search untuk mendapatkan performa terbaik dari model yang dikembangkan. Kata kunci—decision tree, grid-search, hyperparameter tuning, logistic regression, xgboost.
Analisis Berat Dan Ukuran Telur Ayam Menggunakan Metode Otsu Berbasis Citra Digital Thalib, Wildan; Prasasti, Anggunmeka Luhur; Paryasto, Marisa W
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak—Menentukan berat pada telur adalah salah satu cara untuk menentukan baik atau buruknya suatu telur, oleh karena itu banyak produsen mesin yang mengembangkan sistem pada mesin mereka untuk menentukan berat pada telur, seiring perkebangan zaman, metode-metode yang digunakan dalam menentukan berat pada telur semakin banyak, oleh sebab itu banyak sekali analisis mengenai metode-metode tersebut. Penelitian ini bertujuan untuk menguji salah satu metode yang ada, yaitu metode otsu thresholding pada CNN dalam pre-proccesing untuk megklasifikasi berat pada telur ayam. Pengujian dilakukan menggunakan model klasifikasi CNN dengan menggunakan metode otsu thresholding sebagai pre-proccessing, diawali mengumpulkan datasets berdasarkan kelasnya yaitu Besar, Kecil, Sedang. datasets akan di proses untuk training dengan menggunakan metode CNN untuk mencari akurasinya dan disimpan. Hasil pengujian model klasifikasi berat dan ukuran pada telur menggunakan metode otsu thresholding, mendapatkan akurasi training sebesar 66% dan akurasi testing sebesar 48%, yang akan di prediksi untuk membandingkan dengan model klasifikasi tanpa otsu. Kata kunci — Thresholding, Berat, CNN, Klasifikasi, Otsu
Deteksi Bahasa Isyarat Sistem Isyarat Bahasa Indonesia Menggunakan Metode Single Shot Multibox Detector Apendi, Siroojuddin; Setianingsih, Casi; Paryasto, Marisa W.
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak— Bahasa isyarat merupakan Bahasa yang disampaikan melalui gerakan tubuh. Bahasa isyarat digunakan oleh penyandang tuna rungu dan tuna wicara untuk melakukan komunikasi. Di Indonesia sendiri terdapat dua jenis Bahasa isyarat yaitu Sistem Isyarat Bahasa Indonesia (SIBI) dan Bahasa Isyarat Indonesia (BISINDO). Penggunaan Bahasa isyarat tidak memiliki penggunaan yang luas di masyarakat. Hal ini yang membatasi komunikasi penyandang disabilitas dengan nonpenyandang. Penelitian Tugas Akhir ini membuat sistem yang memudahkan non-penyandang untuk belajar Bahasa isyarat. Sistem ini menerapkan metode Single Shot Multibox Detector (SSD), Metode tersebut digunakan untuk mendeteksi gerakan alfabet Sistem Isyarat Bahasa Indonesia (SIBI) secara real time. Cara kerjanya menggunakan kamera yang ada pada perangkat laptop yang akan mendeteksi gerakan dan hasilnya akan ditampilkan pada web. Model yang digunakan berhasil diujikan meggunakan pengujian konfigurasi hyperparameter. Hasil pengujian dengan nilai paling optimal adalah pada dataset dengan rasio 90%:10%, learning rate 0.04, epoch 300, batch size 4, dan step 40000 dengan hasil akurasi yaitu 100%, hasil mAP@.50IoU yaitu 100%, dan hasil AR@100 yaitu 91.79%. Kata Kunci: Deep Learning, Hyperparameter, Real Time, Single Shot Multibox Detector.
Gaussian Mixture Model Dalam Proses Pengenalan Daun Untuk Mengidentifikasi Tanaman Herbal Savrylia, Dewi Intan; Prasasti, Anggunmeka Luhur; Paryasto, Marisa W
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak—Tanaman herbal merupakan salah satu obat alternatif yang digunakan dalam bidang Kesehatan untuk mengobati penyakit. Tanaman herbal dapat ditemukan di sekitar rumah atau di lingkungan terdekat. Dengan keterbatasan pengetahuan manusia mengenai tanaman herbal, seiring kemajuan teknologi maka penelitian ini dibuat untuk mendeteksi daun tanaman herbal menggunakan Image Processing yang memanfaatkan teknologi yang semakin maju. Untuk pengenalan daun tanaman herbal digunakan segmentasi Gaussian Mixture Model sebagai clustering dan memanfaatkan image processing, dibutuhkan dataset daun tanaman herbal agar dapat mengenali daun tanaman herbal yang ingin di deteksi sebagai data latih. Dalam penelitian ini menghasilkan rata rata tingkat kecocokan sebesar 79.2% dengan waktu pemrosesan 4.44 detik. Selanjutnya hasilnya akan ditampilkan pada website sebagai hasil outputnya.Kata kunci— website, gaussian mixture model, clustering, tanaman herbal
K-Means Clustering Dalam Proses Pengenalan Daun Untuk Mengidentifikasi Tanaman Herbal Riswandi, M. Ghalib; Prasasti, Anggunmeka Luhur; Paryasto, Marisa W
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak—Tanaman herbal adalah tanaman yang biasanya dapat dimanfaatkan pada bagian daun. Mengenai tanaman herbal dimana warna dan bentuk dari suatu daunn tanaman herbal yang tergolong mirip maka akan menjadi sulit untuk membedakan jenis dan nama daun serta khasiat dari daun tanaman herbal tersebut. Image processing menjadi salah satu pilihan untuk mempermudah manusia untuk membedakan nama, jenis dan manfaat daun tanaman herbal tersebut. Pada tugas akhir ini digunakan sebanyak 5 jenis daun tanaman herbal dan digunakan GLCM sebagai ekstraksi fitur serta K-Means Clustering sebagai klasifikasi daun. Kata kunci — Image processing, Gray Level Co-occurrence Matriks, K-Means Clustering.
Indonesian Sign Language Classification Using You Only Look Once Luthfy, Dicky; Setianingsih, Casi; Paryasto, Marisa W
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak— Seiring majunya teknologi di bidang kamera digital, semakin banyak lapisan masyarakat yang terbantu oleh perkembangan teknologi tersebut, namun sayang ada beberapa kelompok masyarakat yang tidak dapat menikmati kemajuan tersebut seperti kaum disabilitas terkhusus Tuli dan Bisu. Tujuan sistem ini adalah untuk membantu kaum-kaum disabilitas tersebut agar dapat lebih mudah berkomunikasi dengan masyarakat umum melalui bahasa isyarat. Sistem yang dikembangkan dengan metode YOLOv5 dan menggunakan model pre-trained YOLOv5s untuk mengurangi waktu pelatihan. Model kemudian akan digunakan untuk melatih kelas-kelas baru dengan konfigurasi baru. Model yang sudah dilatih dengan konfigurasi tersebut kemudian akan digunakan untuk mengklasifikasikan 26 alfabet dari Sistem Bahasa Isyarat Indonesia atau biasa disingkat BISINDO. Pengujian sistem ini dilakukan berdasarkan beberapa skenario seperti jarak kamera, latar belakang pengambilan video dan tingkat pencahayaan area. Luaran yang didapatkan dari penelitian Tugas Akhir ini adalah sistem dapat mendeteksi 26 alfabet bahasa isyarat BISINDO secara real-time tanpa dipengaruhi oleh latar belakang dan tingkat pencahayaan tetapi dipengaruhi oleh jarak kamera dan objek. Hasil konfigurasi performa terbaik pada penelitian ini adalah dataset dengan distribusi 70% data training:20% data validation;10% data testing, 300 epochs, 16 batch size, dan 0.01 learning rate yang menghasilkan nilai mAP@0.5IoU sebesar 99.27%.Kata kunci— BISINDO, disabilitias, YOLO
Klasifikasi Ukuran dan Kualitas Telur Ayam Menggunakan Algoritma Convolutional Neural Network Pratama, Muhammad Farras Adi; Prasasti, Anggunmeka Luhur; Paryasto, Marisa W
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak —Telur merupakan bahan makanan yang banyak dikonsumsi. Menurut Badan Pusat Statistik, telur yang paling banyak dikonsumsi oleh masyarakat adalah telur ayam ras. Konsumsi yang tinggi harus diikuti dengan pemilahan telur yang baik. Sayangnya, metode pemilahan di Indonesia belum memanfaatkan teknologi dengan optimal karena masih sedikitnya metode untuk pemilahan telur dengan teknologi. Berdasarkan hal tersebut, maka melalui penelitian Tugas Akhir ini ditawarkan solusi Klasifikasi Citra Telur Ayam Menggunakan Algoritma Convolutional Neural Network (CNN). CNN memiliki performa dan akurasi yang baik untuk mengklasifikasi gambar. Klasifikasi kualitas telur ayam yang dianalisa adalah kondisi fisik dan warna kerabang. Hasil pengujian arsitektur CNN modifikasi dengan parameter terbaik menghasilkan akurasi training 79% dan akurasi validasi 90%. Classification Report menghasilkan nilai precision 67%, recall 75%, dan F1-Score 71%. Kata kunci— akurasi, CNN, f1-score, klasifikasi, prediksi, telur
Sistem Deteksi Pelanggaran Kelebihan Penumpang Pada Kendaraan Sepeda Motor Roda Dua Menggunakan Algoritma Faster RCNN Maulana, Erwan; Setianingsih, Casi; Paryasto, Marisa W
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak—Kesadaran masyarakat mengenai pentingnya menaati peraturan lalu lintas terkadang masih dipandang sebelah mata. Akibatnya tingkat kecelakaan lalu lintas di Indonesia terus bertambah setiap tahunya. Salah satu pelanggaran yang sering dijumpai yaitu kelebihan penumpang pada kendaraan sepeda motor. Hal ini dapat mengurangi tingkat keamanan dari pengendara sepeda motor dan pengguna jalan lainya. Oleh karena itu, dibutuhkan sebuah sistem yang dapat mendeteksi pelanggaran kelebihan penumpang pada kendaraan sepeda motor. Sebuah sistem untuk mendeteksi pelanggaran kelebihan penumpang dirancang menggunakan algoritma Faster R-CNN yang menggunakan bahasa pemrograman Python, berserta Library pembelajaran mesin seperti, Tensorflow, dan OpenCV. Dataset yang digunakan merupakan dataset custom yang terdiri dari 3 kategori. Masing-masing kategori berisikan 300 gambar, sehingga total dari dataset yang digunakan berjumlah 900 gambar. Model terbaik yang digunakan didapat menggunakan perhitungan Confusion Matrix pada dataset. Model menggunakan rasio train 95% dan test 5% hasilnya memiliki nilai akurasi sebesar 92%, nilai recall sebesar 88%, nilai presisi sebesar 86%, steps sebesar 150000, batch size sebesar 1, epochs sebesar 10 dan learning Rate sebesar 0.002.Kata kunci — deteksi pelanggaran, kelebihan penumpang sepeda motor, Faster R-CNN.
Sistem Deteksi Pelanggaran Zebra Cross Pada Kendaraan Sepeda Motor Menggunakan Algoritma YOLOv4 Chianyung, Chianyung; Setianingsih, Casi; Paryasto, Marisa W
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak—Kecelakaan lalu lintas akhir-akhir ini harus menjadi perhatian khusus bagi kita semua. Kecelakaan terjadi karena kurangnya kesadaran diri dari masyarakat akan peraturan lalu lintas itu sendiri. Polisi sebagai institusi yang membantu masyarakat dalam mengedukasi pentingnya mematuhi peraturan lalu lintas harus tidak boleh lelah dalam menjalankan tugasnya. Salah satu cara edukasi yang dilakukan kepolisian adalah dengan cara pengawasan lalu lintas. Mereka turun ke lapangan untuk menindak pelanggar-pelanggar yang tidak mematuhi aturan, tentunya cara seperti ini memiliki beberapa kekurangan seperti SDM yang terbatas dan juga waktu yang terbatas. Dengan itu teknologi sebenarnya dapat dimanfaatkan untuk melakukan fungsi pengawasan yang lebih fleksibel. Sistem berbasis object detection dapat digunakan sebagai solusi untuk menindak pelanggaran khususnya kendaraan sepeda motor yang seringkali diam di area zebra cross saat lampu merah sedang menyala. Hasil dari penelitian yang telah dilakukan pada tugas akhir ini menunjukan bahwa sistem pendeteksi pelanggar kendaraan sepeda motor pada zebra cross berbasis deteksi objek menggunakan algoritma YOLO ini mendapatkan hasil Precision 100%, Recall 100%, F1-Score 100%, Average IoU 82.23%, Average Loss 2.31%, mAP 99.99% serta akurasi yang didapatkan mencapai 99.66% dengan parameter yang digunakan adalah rasio data latih 70% : 30% data uji, Batchsize 64, Learning Rate 0.004, dan Max Batches 4000.Kata kunci —  deep learning, lalu lintas, deteksi objek, YOLO
Sistem Deteksi Pengendara Sepeda Motor Tanpa Helm Menggunakan Algoritma SSD Fuadi, Farhan; Setianingsih, Casi; Paryasto, Marisa W
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak—Pelanggaran lalu lintas sudah banyak terjadi untuk saat ini. Salah satu pelanggaran yang terjadi, disebabkan oleh pengendara sepeda motor. Banyak dari pengendara sepeda motor tidak menggunakan helm saat bepergian, sehingga dapat meningkatkan risiko kematian jika terjadi kecelakaan. Salah satu penyebab banyaknya pengendara sepeda motor melanggar peraturan lalu lintas yaitu tidak adanya pengawasan dari polisi lalu lintas secara real-time.Oleh karena itu, pada Tugas Akhir ini dibuat sebuah sistem deteksi pelanggaran helm pada kendaraan roda dua menggunakan algoritma SSD yang dapat mempermudah pendeteksian pelanggaran tidak menggunakan helm pada saat mengendarai sepeda motor. Cara kerja sistem ini yaitu kamera yang telah dipasang di tempat yang ditentukan, akan mendeteksi motor yang lewat. Jika kamera mendeteksi pelanggaran pada tempat yang telah dipasangi kamera, maka nantinya akan mengirimkan pesan notifikasi ke pihak kepolisian. Dari hasil penelitian tugas akhir sistem deteksi pengendara tanpa helm pada kendaraan roda dua menggunakan algoritma SSD  memperoleh nilai mAP@50IOU 79,2% dan AR@100 61.4% dengan variabel konfigurasi yang digunakan adalah rasio data train 90%  dan data test 10% , learning rate 0.004, epochs 1, dan batch size 24.Kata kunci —  deteksi sepeda motor, deteksi helm, SSD
Co-Authors Andi Tiana Putra ANGGUNMEKA LUHUR PRASASTI Annisa Farhah Apendi, Siroojuddin Budi Rahardjo Casi Setianingsih Chianyung, Chianyung Fajar Yuliawan Farradita Imanda Firdaus, Ilham Muhamad Fuadi, Farhan Gemilang, Galih Karya GHOFAR, MUHAMMAD ABDUL Heriansyah, Rifqi Baihaqi Putra Ida Wahidah Hamzah Intan Muchtadi Alamsyah Islam , Muhammad Izzudin Jaya Santoso Sirait Kalista, Meta KUSPRIYANTO Luthfy, Dicky M. Luthfan Alwafi Maulana, Erwan Muhammad Kurnia Sandi Muhammad Zaki Muhammad, Ario Syawal Nugroho, Muhamad Ikhsan Pratama, Muhammad Farras Adi Rahma, Alifia Mutiara Riswandi, M. Ghalib Rumani M Rumani M Rumani Rumani Sarfina Adilah Savrylia, Dewi Intan Syam, Rizky Ramadhani Thalib, Wildan Toscana, Alwi Zulfauzi Zakir, Gilman Muslih