Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Petir Kilat Indonesian Journal of Electrical Engineering and Computer Science
Dwina Kuswardani
Institut Teknologi PLN
Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Kilat

 1 
Implementasi Algoritma Convolutional Neural Network Dalam Mengklasifikasi Kesegaran Buah Berdasarkan Citra Buah Femil Paraijun; Rosida Nur Aziza; Dwina Kuswardani
KILAT Vol 11 No 1 (2022): KILAT
Publisher : Sekolah Tinggi Teknik - PLN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33322/kilat.v10i2.1458

Abstract

The development of Information Technology today, which continues to grow, can help overcome various problems because matters relating to the advancement of Information Technology have spread to almost all levels of Indonesian society. Along with the development of Information Technology, it is also marked by Artificial Intelligence which can simulate human intelligence and help handle tasks in the real world. By utilizing Information Technology, one of them can be used in terms of the classification of fruit freshness. Where this classification will be very useful and help farmers and fruit consumers. This study describes the use of the Convolutional Neural Network to classify the freshness of the following fruits: apples, oranges, and bananas. And also using six classes, namely fresh apples, fresh oranges, fresh bananas, unfresh apples, unfresh oranges, and unfresh bananas. The first thing to do is Convolutional Neuronal Network training using an image dataset as input using data sources from Kaggle.com, published by "Student at Stony Brook University, New York, United States". To determine the performance of the various models produced, the following Confusion Matrix is used: accuracy, precision, and recall. The best average obtained is 93%.
Klasifikasi Titik dan Jenis Gangguan Guna Efisiensi Prosedur Operasi Standar Perbaikan Jaringan Distribusi Dwina Kuswardani
KILAT Vol 10 No 2 (2021): KILAT
Publisher : Sekolah Tinggi Teknik - PLN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33322/kilat.v11i1.1521

Abstract

Saat ini jaringan distribusi listrik (Jaringan Distribusi Penyulang) UP3 Manokwari masih memiliki masalah dalam mengetahui lokasi gangguan dan mengelompokkan titik dan jenis gangguan. Adapun masalah lainnya adalah perekapan laporan gangguan yang masih bersifat konvensional yang mana laporan detail gangguan tersebut jarang direkap secara real time dan penyampaian informasi mengenai informasi gangguan kurang efektif kepada petugas dan pimpinan. Tujuan penelitian ini adalah diperoleh suatu pola atau node menggunakan algoritma C4.5 untuk mengklasifikasi titik dan jenis gangguan jaringan distribusi penyulang, serta untuk membantu petugas dalam proses perekapan detail secara real-time. Evaluasi pola menggunakan tools Rapidminer serta menggunakan Confusion Matrix untuk pengujian tingkat akurasi metode klasifikasi. Hasil penelitian menunjukkan bahwa klasifikasi titik gangguan ditentukan oleh faktor beban disrupsi dan relay dengan 3 (tiga) pola/node dan jenis gangguan ditentukan oleh faktor kerusakan dan penyebab gangguan dengan 16 pola/node. Hasil penelitian menunjukan bahwa tingkat akurasi model algoritma C4.5 sebesar 87.80% untuk klasifikasi jenis gangguan dan 96.15% untuk klasifikasi titik. Tingkat akurasi model algoritma C4.5 adalah 87,80. % untuk klasifikasi jenis disrupsi dan 96,15% untuk klasifikasi titik gangguan.
Co-Authors Asri, Yessy Djunaidi, Karina Efy Yosrita Femil Paraijun Ferdinand Hendrik Wullur Herman Bedi Agtriadi Purwanto, Yudhi Rosida Nur Aziza