Article Per Year (5 Year)
p-Index From 2021 - 2026
1.829
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Informatika Komputer UG Journal Jurnal Ilmiah KOMPUTASI Jurnal Informasi Sains dan Teknologi (ISAINTEK) Jurnal Ilmiah Teknik (JUIT) Jurnal Teknik dan Science (JTS) Jurnal Ilmiah Multidisiplin (JUKIM) Jurnal Pengabdian Masyarakat Bangsa
Nelly Sofi
Universitas Gunadarma
Agriculture, Biological Sciences & Forestry Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mathematics Medicine & Pharmacology Nursing Physics Public Health Social Sciences Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Jurnal Ilmiah Informatika Komputer

 1 
THE DESIGN, IMPLEMENTATION AND EVALUATION OF INFORMATION SYSTEM FOR ORACLE WORKFORCE DEVELOPMENT PROGRAM (OWDP) CLIENT USING OBJECT APPROACH Sofi, Nelly
Jurnal Ilmiah Informatika Komputer Vol 13, No 1 (2008)
Publisher : Universitas Gunadarma

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

Abstract

This research has purposes to developed OWDP information system based on web by using PHP as develop tool’s, to encourage the cource of ORACLE international certification by Gunadarma University until can be access by Internet, to reduce informations delay forparticipant candidates. For design used modelling language taht call UML (UnifedModelling Language). UML is architectur system that works in object oriented analysis design. In this research, using data from samplings that distributed to each participants in OWDP course.Keyword(s) : OWDP. ORACLE, UMLSubject Description: D.2.Software Enginee-ring | D.2.2. Design Tools and Techniques Object-oriented design methods
DETEKSI TULANG BELAKANG PADA CITRA CT-SCAN MENGGUNAKAN METODE DETEKSI TEPI SOBEL Arimbi, Yuti Dewita; Sofi, Nelly
Jurnal Ilmiah Informatika Komputer Vol 26, No 3 (2021)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2021.v26i3.4910

Abstract

Metode deteksi tepi adalah salah satu operasi dalam pengolahan citra yang berguna untuk menetapkan batas atau tepi pada objek. Penelitian ini menggunakan metode Sobel untuk mendeteksi tepi tulang belakang. Deteksi tulang belakang bertujuan untuk mensegmentasi ginjal pada penelitian lanjutan. Posisi ginjal terletak di kanan dan kiri tulang belakang, hal ini akan memudahkan program melakukan segmentasi ginjal. Langkah awal dalam penelitian ini adalah konversi citra DICOM menjadi citra skala abu-abu, diikuti dengan langkah selanjutnya yaitu peningkatan citra menggunakan teknik filter median untuk mengurangi noise pada gambar. Hasil uji coba menunjukkan hasil deteksi tepi menggunakan Sobel berhasil mendeteksi tulang belakang. Namun, untuk menghasilkan deteksi tepi secara maksimal, citra input tetap perlu dilakukan proses perbaikan terlebih dahulu sebelum proses deteksi tepi dilakukan, meskipun metode sobel mempunyai kelebihan untuk mengurangi noise dari metode deteksi tepi lainnya.
PENERAPAN HYPERPARAMETER CONVOLUTIONAL NEURAL NETWORK (CNN) DALAM MEMBANGUN MODEL SEGMENTASI GAMBAR MENGGUNAKAN ARSITEKTUR U-NET DENGAN TENSORFLOW Tri Sulistyorini; Erma Sova; Nelly Sofie; Revida Iriana Napitupulu
Jurnal Ilmiah Informatika Komputer Vol 28, No 2 (2023)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2023.v28i2.6959

Abstract

Teknologi canggih membutuhkan keterampilan atau performa yang baik untuk memudahkan sebagian pekerjaan di era modern, yaitu dengan menggunakan pendekatan machine learning. Bidang machine learning telah mengalami perubahan yang impresif dengan adanya kemunculan Artificial Neural Network (ANN). Model komputasi ini terinspirasi oleh jaringan saraf biologis yang telah melampaui bentuk kecerdasan buatan pada machine learning pada umumnya. Salah satu arsitektur Artificial Neural Network (ANN) yang paling unggul yaitu Convolutional Neural Network (CNN). CNN pada umumnya digunakan untuk memecahkan masalah pengenalan pola berbasis gambar yang kemudian menghasilkan output yang cukup baik dalam hal kompleksitas sederhana. Tujuan penelitian  adalah untuk Menerapkan convolutional neural network yaitu U-NET dan penerapannya pada TensorFlow, pembuatan segmentasi gambar dengan deep learning yang diterapkan seperti pada Oxford-IIIT Pet Dataset, melakukan pencarian prediksi yang dilakukan dengan arsitektur U-Net untuk menghasilkan hasil yang baik atau malah sebaliknya, melihat perbandingan Predicted Mask dengan True Mask pada kelas kucing yang munculkan dalam bentuk skor IOU dan penerapannya menggunakan nilai batas bawah pada IOU. Metode penelitian adalah untuk mengenalkan machine learning, CNN, dan arsitektur U-NET yang awalnya dirancang untuk segmentasi gambar biomedis. Hasil prediksi yang dilakukan dengan arsitektur U-Net menghasilkan hasil yang baik, perbandingan Predicted Mask dengan True Mask pada kelas kucing yang mendapatkan skor IOU sebesar 0.933. Pada penerapan ini menggunakan batas bawah 0.5 pada IOU sehingga model ini dapat berjalan dengan baik
Co-Authors Anacostia Kowanda Arimbi, Yuti Dewita Chandra, Reza Dwi Widiastuti Dwi Widiastuti, Dwi Erma Sova Faramita Dwitama Fathullah, Fahmi Maulana, Faizal Mohammad Faizul Irsyad Muhammad Achsan Isa AL Anshori Muhammad Nazaruddin Onny Marleen Rahmayana, Emellika Revida Iriana Ridwan, Anggraeni Riza Dharmawan Tri Sulistyorini Viliananda Tripita Claur