Garuda - Garba Rujukan Digital

Pengenalan Suara Paru-Paru dengan MFCC sebagai Ekstraksi Ciri dan Backpropagation sebagai Classifier Syafria, Fadhilah; Buono, Agus; Silalahi, Bib Paruhum
Jurnal Ilmu Komputer dan Agri-Informatika Vol 3, No 1 (2014)
Publisher : Departemen Ilmu Komputer IPB

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (568.648 KB)

Paru-paru merupakan organ vital manusia yang berperan dalam proses pernapasan. Jika paru-paru mengalami gangguan maka sistem pernapasan manusia juga akan mengalami gangguan yang bisa menyebabkan kecacatan bahkan kematian. Untuk mengevaluasi keadaan paru-paru dapat dilakukan dengan mendengarkan suara pernapasan dengan menggunakan stateskop. Teknik ini dikenal dengan teknik auskultasi. Teknik ini paling sering digunakan namun memiliki beberapa kelemahan yaitu suara paru-paru berada pada frekuensu rendah, masalah kebisingan lingkungan, kepekaan telinga, hasil analisa yang subjektif, dan pola suara yang hampir mirip. Karena faktor-faktor di atas kesalahan diagnosa bisa terjadi jika proses auskultasi tidak dilakukan dengan benar. Dalam penelitian ini, akan dibuat pengenalan suara paru-paru normal dan abnormal menggunakan Mel Frequency Cepstrum koefisien (MFCC) sebagai ekstraksi ciri dan Backpropagation sebagai classifier. Suara paru-paru akan dihitung Coeffisient Ceptral nya sebagai penciri dari masing-masing suara untuk selanjutnya dikenali dengan menggunakan Backpropagation. Metode yang diusulkan memberikan akurasi 93.97% untuk data latih dan 92.66% untuk data uji.Kata kunci: Backpropagation, MFCC, pengenalan suara paru-paru

Optimasi K-Means Clustering Menggunakan Particle Swarm Optimization pada Sistem Identifikasi Tumbuhan Obat Berbasis Citra Bisilisin, Franki Yusuf; Herdiyeni, Yeni; Silalahi, Bib Paruhum
Jurnal Ilmu Komputer dan Agri-Informatika Vol 3, No 1 (2014)
Publisher : Departemen Ilmu Komputer IPB

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1151.464 KB)

Teknologi identifikasi pada penelitian ini diperlukan untuk mempercepat proses identifikasi spesies tumbuhan obat berupa data citra digital. Penelitian ini membangun sistem identifikasi tumbuhan obat menggunakan teknik clustering. Teknik clustering digunakan untuk mengelompokkan data citra sesuai dengan spesies tumbuhan obat. Penelitian ini bertujuan melakukan optimasi k-means clustering menggunakan metode particle swarm optimization (PSO). Metode PSO digunakan untuk mengatasi kelemahan pada metode clustering tradisional yaitu pemilihan pusat cluster awal dan solusi lokal. Proses ekstraksi fitur menggunakan fuzzy local binary pattern (FLBP) untuk merepresentasikan tekstur dari citra. Implementasi program menggunakan bahasa pemrograman C++. Analisis clustering dilakukan untuk 30 spesies tumbuhan obat yang ada di Indonesia dengan jumlah 48 citra masing-masing spesies. Pengukuran kualitas clustering menggunakan nilai quantization error dan akurasi. Hasil yang diperoleh menunjukkan metode PSO mampu meningkatkan kinerja dari metode k-means clustering dalam proses identifikasi tumbuhan obat.Kata kunci: fuzzy local binary pattern, k-means clustering, particle swarm optimization, tumbuhan obat

Pengenalan Suara Paru-Paru dengan MFCC sebagai Ekstraksi Ciri dan Backpropagation sebagai Classifier Fadhilah Syafria; Agus Buono; Bib Paruhum Silalahi
Jurnal Ilmu Komputer & Agri-Informatika Vol. 3 No. 1 (2014)
Publisher : Departemen Ilmu Komputer - IPB University

Paru-paru merupakan organ vital manusia yang berperan dalam proses pernapasan. Jika paru-paru mengalami gangguan maka sistem pernapasan manusia juga akan mengalami gangguan yang bisa menyebabkan kecacatan bahkan kematian. Untuk mengevaluasi keadaan paru-paru dapat dilakukan dengan mendengarkan suara pernapasan dengan menggunakan stateskop. Teknik ini dikenal dengan teknik auskultasi. Teknik ini paling sering digunakan namun memiliki beberapa kelemahan yaitu suara paru-paru berada pada frekuensu rendah, masalah kebisingan lingkungan, kepekaan telinga, hasil analisa yang subjektif, dan pola suara yang hampir mirip. Karena faktor-faktor di atas kesalahan diagnosa bisa terjadi jika proses auskultasi tidak dilakukan dengan benar. Dalam penelitian ini, akan dibuat pengenalan suara paru-paru normal dan abnormal menggunakan Mel Frequency Cepstrum koefisien (MFCC) sebagai ekstraksi ciri dan Backpropagation sebagai classifier. Suara paru-paru akan dihitung Coeffisient Ceptral nya sebagai penciri dari masing-masing suara untuk selanjutnya dikenali dengan menggunakan Backpropagation. Metode yang diusulkan memberikan akurasi 93.97% untuk data latih dan 92.66% untuk data uji.Kata kunci: Backpropagation, MFCC, pengenalan suara paru-paru

Optimasi K-Means Clustering Menggunakan Particle Swarm Optimization pada Sistem Identifikasi Tumbuhan Obat Berbasis Citra Franki Yusuf Bisilisin; Yeni Herdiyeni; Bib Paruhum Silalahi
Jurnal Ilmu Komputer & Agri-Informatika Vol. 3 No. 1 (2014)
Publisher : Departemen Ilmu Komputer - IPB University

Teknologi identifikasi pada penelitian ini diperlukan untuk mempercepat proses identifikasi spesies tumbuhan obat berupa data citra digital. Penelitian ini membangun sistem identifikasi tumbuhan obat menggunakan teknik clustering. Teknik clustering digunakan untuk mengelompokkan data citra sesuai dengan spesies tumbuhan obat. Penelitian ini bertujuan melakukan optimasi k-means clustering menggunakan metode particle swarm optimization (PSO). Metode PSO digunakan untuk mengatasi kelemahan pada metode clustering tradisional yaitu pemilihan pusat cluster awal dan solusi lokal. Proses ekstraksi fitur menggunakan fuzzy local binary pattern (FLBP) untuk merepresentasikan tekstur dari citra. Implementasi program menggunakan bahasa pemrograman C++. Analisis clustering dilakukan untuk 30 spesies tumbuhan obat yang ada di Indonesia dengan jumlah 48 citra masing-masing spesies. Pengukuran kualitas clustering menggunakan nilai quantization error dan akurasi. Hasil yang diperoleh menunjukkan metode PSO mampu meningkatkan kinerja dari metode k-means clustering dalam proses identifikasi tumbuhan obat.Kata kunci: fuzzy local binary pattern, k-means clustering, particle swarm optimization, tumbuhan obat

Estimasi Spektrum Reflectance Citra Daun Jati Belanda Menggunakan Transformasi Wavelet I Gede Arta Wibawa; Yeni Herdiyeni; Bib Paruhum Silalahi
Jurnal Ilmu Komputer & Agri-Informatika Vol. 4 No. 1 (2015)
Publisher : Departemen Ilmu Komputer - IPB University

Jati belanda (Guazuma ulmifolia) adalah salah satu tanaman yang berkhasiat sebagai antioksidan karena pengaruh senyawa aktif yang terkandung di dalamnya. Cahaya pantulan (reflectance) dapat digunakan untuk mengetahui kualitas senyawa aktif pada daun jati belanda. Penelitian ini membahas tentang estimasi spektrum reflectance citra digital daun jati belanda menggunakan model reflectance daun tanaman obat dengan menerapkan transformasi wavelet. Bahan yang digunakan adalah daun tanaman obat dan daun jati belanda. Transformasi wavelet digunakan untuk merepresentasikan reflectance daun tanaman obat. Model polinomial diterapkan untuk mengekspansi ciri citra digital. Model reflectance terbaik dari penerapan transformasi wavelet dan model polinomial digunakan untuk mengestimasi reflectance dari daun jati belanda. Evaluasi spektrum reflectance asli dengan spektrum keluaran model estimasi reflectance menggunakan kriteria kesalahan terkecil dan kemiripan terbesar. Kata kunci: jati belanda, model polinomial, reflectance, wavelet

Title

Found 5 Documents
Search
Journal : Jurnal Ilmu Komputer dan Agri-Informatika

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 5 Documents Search Journal : Jurnal Ilmu Komputer dan Agri-Informatika

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 5 Documents
Search
Journal : Jurnal Ilmu Komputer dan Agri-Informatika