Garuda - Garba Rujukan Digital

Purwarupa Sistem Kendali PID: Studi Kasus Kendali Suhu Ruang Dyah Aruming Tyas; Raden Sumiharto
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 3, No 1 (2013): April
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

AbstrakSistem pengendalian otomatis banyak memberikan keuntungan bagi manusia. Selain dapat mempercepat waktu kerja, pengendalian otomatis juga dapat mengurangi kesalahan yang dilakukan oleh manusia (human error) dan meningkatkan efektifitas kerja. Salah satu aplikasi pengendalian otomatis adalah pengendalian suhu dengan tujuan memperoleh suhu yang diinginkan dalam waktu yang relatif singkat serta dapat mempertahankan suhu dalam kondisi stabil meski terdapat gangguan. Sistem pengendalian suhu dapat diimplementasikan menggunakan board Arduino dan LabVIEW. Pada sistem pengendalian suhu ini digunakan tiga buah sensor suhu LM35. Ketiga sensor suhu teresebut diletakkan pada posisi yang berbeda di dalam plant untuk mengetahui penyebaran suhu yang terjadi pada plant. Salah satu sensor tersebut selain untuk mengetahui persebaran suhu juga digunakan sebagai feedback. Data dari sensor kemudian masuk ke board Arduino, yang pada sistem pengendalian suhu ini berfungsi sebagai akuisisi data. Untuk menjaga suhu di dalam plant, digunakan heater untuk menaikan suhu jika suhu plant dibawah set point dan kipas ventilasi untuk menurunkan suhu jika suhu di dalam plant melebihi set point. Untuk mengendalikan heater dan kipas ventilasi ini digunakan kendali PID yang diimplementasikan melalui LabVIEW. Pada kendali PID diperlukan tiga parameter yang bisa didapatkan dengan penalaan Ziegler-Nichols.Hasil dari penelitian menunjukkan bahwa respon plant adalah osilasi kontinyu dan bisa diatasi dengan menggunakan penalaan osilasi kontinyu Ziegler-Nichols. Dengan menggunakan kendali PID pada LabVIEW dan penalaan parameter menggunakan metode Ziegler-Nichols, untuk set point suhu 40oC didapatkan respon plant sebesar (40±0,5) oC. Dengan kata lain pengendalian suhu menggunakan kendali PID dan metode Ziegler-Nichols memiliki error dibawah 2% yang menunjukkan bahwa sistem kendali suhu ini layak untuk digunakan. Kata kunci— suhu, kendali PID, LabVIEW, board Arduino, Ziegler-Nichols, feedback AbstractAutomatic control system provides many benefits for humans. Besides being able to speed up work time, automatic control can also reduce the errors made by humans (human error) and increase work effectiveness. One application is the automatic control of temperature control in order to obtain the desired temperature in a relatively short time and can maintain the temperature in a stable condition despite the presence of interference.Temperature control system can be implemented by arduino and LabVIEW. The temperature control system sensor uses three LM35. Three temperature sensors were placed at different positions within the plant to determine the temperature distribution that occured in the plant. One of the sensors was usued determine the temperature distribution and used as feedback. Temperature from the sensors were procesed in the Arduino board, at which this temperature control system serves as a data acquisition. To keep the temperature inside the plant, the temperature control system used heater to raise the temperature when the temperature was below the set point and the plant ventilation fan to lower the temperature if the temperature inside the plant was above the set point. To control the heater and ventilation fan PID controller was implemented through LabVIEW. PID control takes three parameters that can be obtained using the Ziegler-Nichols tuning.Results from the study show that the response of the plant is a continuous oscillation and it can be overcome by using continuous tuning Ziegler-Nichols oscillation. The LabVIEW PID control and the tuning parameters using Ziegler-Nichols method set to 40oC set point plant responses result in (40±0,5) oC. In other words, temperature control using PID control and Ziegler-Nichols method has an error rate of 2%, which indicates that the temperature control system is feasible to be used. Keywords— Temperature, PID control, LabVIEW, Arduino board, Ziegler-Nichols, feedback

Sentimen Analisis Pengguna Media Sosial Berdasarkan Metode Ekstraksi Fitur dan Klasifikasi Putra, Fathiyarizq Mahendra; Hardjita, Pahlevi Wahyu; Tyas, Dyah Aruming
Jurnal Ilmu Komputer Vol 16 No 2 (2023): Jurnal Ilmu Komputer
Publisher : Informatics Department, Faculty of Mathematics and Natural Sciences, Udayana University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24843/JIK.2023.v16.i02.p02

Analisis sentimen adalah gabungan dari berbagai bidang penelitian seperti NLP (natural language processing), data mining, dan text mining dengan tujuan untuk menemukan pendapat orang yang diungkapkan dalam bentuk teks. Terdapat beberapa tugas dalam analisis sentimen seperti ekstraksi sentimen, klasifikasi sentimen, peringkasan, Terdapat beberapa tantangan dalam melakukan analisis sentimen antara lain sinonim dan polisemi, sarkasme, kalimat majemuk, data tidak terstruktur, Tujuan penulisan ini adalah mereview penelitian lain mengenai Sentimen Analisis berdasarkan dataset, seleksi fitur, dan algoritma klasifikasi dan juga penggunaan multilabel pada sentimen analisis, serta evaluasi hasil akurasi, untuk mendapatkan pendekatan terbaik terhadap pemilihan metode yang digunakan dalam melakukan pemrosesan penambangan

Peningkatan Performa Klasifikasi Sel Darah Merah pada Pasien Talasemia Minor Latifah, Husnul; Tyas, Dyah Aruming; Harjoko, Agus
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 14, No 2 (2024): October
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijeis.93025

Talasemia merupakan kelainan darah turunan yang menyebabkan rusaknya rantai hemoglobin pada eritrosit penderita. Pada kasus talasemia minor, pasien hanya menjadi pembawa gen talasemia dan tidak bergejala. Hal ini menyebabkan sedikitnya penderita talasemia minor yang terdeteksi. Saat ini, ahli hematologi harus menghitung eritrosit abnormal secara manual berdasarkan bentuk, warna, dan tekstrur sel. Untuk itu, banyak penelitian yang memanfaatkan citra eritrosit untuk melakukan mengklasifikasi keabnormalan pada citra eritrosit secara otomatis. Namun, jumlah data yang terbatas menyebabkan salah satu jenis keabnormalan yaitu sel pensil belum terklasifikasi pada penelitian sebelumnya. Tujuan dari penelitian ini adalah mengatasi kendala tersebut dengan melakukan klasifikasi secara bertingkat dimana pada tahapan klasifikasi pertama sel pensil dikelompokkan kepada sel yang mirip, yaitu sel eliptosis terlebih dahulu. Penelitian ini menggunakan klasifier Convolutional Neural Network (CNN) pada proses klasifikasi pertama dan Support Vector Machine (SVM) pada proses klasifikasi kedua. Hasil eksperimen menujukkan klasifier CNN dengan arsitektur MiniVGGNet dan berhasil mengkasifikasi citra eritrosit ke dalam delapan kelas dengan nilai akurasi 96,05%, presisi 96,00%, sensitivitas 96,05%, dan F1 score 95,95%. Klasifier SVM Polinomial dengan kombinasi fitur geometris yang terdiri dari eccentricity, compactness, circularity, dan rasio sel berhasil mengklasifikasi sel pensil dengan nilai presisi 100,00%, sensitivitas 100,00%, dan F1 score 100,00%.

Classification of Batik Motifs Using Multi-Texton Co-Occurrence Descriptor and Binarized Statistical Image Features Maulana, Ahmad Rizki; Suprapto, Suprapto; Tyas, Dyah Aruming
Journal of Applied Data Sciences Vol 6, No 2: MAY 2025
Publisher : Bright Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47738/jads.v6i2.622

This study aims to enhance the classification accuracy of batik motifs through a novel integration of Multi-Texton Co-Occurrence Descriptor (MTCD) and Binarized Statistical Image Features (BSIF). The primary objective is to develop a robust feature extraction method that effectively captures both textural and statistical properties of batik images, specifically utilizing the Batik Nitik 960 dataset. Our methodology employs a combination of MTCD and BSIF, followed by Principal Component Analysis (PCA) for dimensionality reduction, optimizing the model's ability to learn from diverse characteristics inherent in batik motifs to augment the diversity and robustness of the training data, we enhanced the Batik Nitik 960 dataset by applying vertical flipping, in addition to existing rotations. We explored three feature fusion approaches: Combination 1, where features are combined before normalization and PCA, achieving an accuracy of 99.948%; Combination 2, where normalization occurs prior to feature combination, also achieving an accuracy of 99.948%; and Combination 3, which applies PCA separately to each feature before combination, resulting in an accuracy of 99.896%. Experimental results demonstrate a remarkable accuracy in classifying these motifs, with the combined MTCD-BSIF features significantly surpassing the individual performances of MTCD at 95.729% and BSIF at 99.531%. This substantial improvement addresses the limitations identified in previous research, which reported an accuracy of only 0.71 on the same dataset. Furthermore, we explore the impact of various feature fusion techniques on classification performance, providing insights into the effectiveness of our proposed methods. Our findings suggest that the combined MTCD-BSIF approach can serve as a benchmark for future studies aiming to enhance classification accuracy in similar domains, thereby contributing to advancements in automated classification systems and their applications across various fields.

Perbandingan Algoritma SVM Dan CNN Untuk Klasifikasi Citra Batik Nitik Fatrawijaya, Imam; Tyas, Dyah Aruming
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 15, No 2 (2025): October
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijeis.105658

Di Indonesia, berbagai motif batik tersebar di seluruh daerah sehingga menyulitkan untuk mengidentifikasi motif-motif tersebut. Kesalahan dalam klasifikasi motif batik akan menyebabkan misinformasi sehingga informasi tentang motif batik tidak tersampaikan dengan baik. Hal ini bisa menjadi penghambat dalam pengenalan berbagai motif batik secara digital. Motif batik dapat diklasifikasikan dengan metode machine learning atau deep learning. Algoritma yang banyak digunakan pada masing-masing metode tersebut adalah Support Vector Machine (SVM) dan Convolutional Neural Network (CNN) yang dapat digunakan untuk membantu mengenali dan mengidentifikasi motif batik. SVM dan CNN akan melakukan pemodelan dengan menggunakan dataset batik nitik 960 kemudian membandingkan performa kedua model. Dataset batik nitik terdiri dari 960 data citra yang terbagi kedalam 60 kelas. SVM dibangun dengan menggunakan ekstraksi fitur color moment dan MTCD, sedangkan CNN menggunakan arsitektur VGG16 pretrained. Berdasarkan hasil analisis matriks evaluasi seperti akurasi, presisi, recall, dan F1-score model CNN dengan arsitektur VGG16 mendapatkan akurasi konsisten di angka 100% pada data testing dengan nilai learning rate = 0,001. Sedangkan SVM mendapatkan akurasi yang bervariasi pada beberapa pengujian berdasarkan pembagian jumlah dataset.

Analisis Fitur pada Klasifikasi Kualitas Teh Putra, Philipus Febriano Kurnia; Tyas, Dyah Aruming; Lelono, Danang
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 15, No 2 (2025): October
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijeis.106253

Indonesia merupakan salah satu produsen terbesar teh hitam dunia, maka kualitas dari minuman teh perlu diperhatikan. PT Pagilaran, salah satu perusahaan di Indonesia dengan salah satu komoditas unggulannya berupa teh, khususnya teh hitam melakukan penilaian 10 tingkatan kualitas teh dengan penilaian manual oleh tenaga ahli yang rentan dengan inkonsistensi. Electronic nose adalah salah satu teknologi yang berkembang pesat untuk digunakan penilaian kualitas teh. PT Pagilaran dan Fakultas Teknologi Pertanian Universitas Gadjah Mada melakukan pengembangan solusi yang lebih objektif dan konsisten dalam penilaian kualitas teh dengan electronic nose. Data aroma teh akan diekstrasi dari electronic nose kemudian dianalisis untuk menentukan fitur-fitur yang representatif dalam membedakan 10 kelas kualitas teh. Beberapa penelitian sebelumnya telah menunjukkan potensi penggunaan fitur dari electronic nose untuk mengklasifikasikan kualitas teh, namun sebagian besar hanya mencapai klasifikasi tujuh kelas teh. Penelitian ini melakukan analisis kombinasi fitur yang tepat untuk mengembangkan model klasifikasi kualitas teh menjadi 10 kelas menggunakan data electronic nose. Metode yang digunakan adalah seleksi fitur Recursive Feature Elimination dan Principal Component Analysis serta classifier Support Vecor Machine. Hasil dari penelitian menunjukkan bahwa model klasifikasi dengan nilai akurasi terbaik mencapai 89,85% menggunakan 18 fitur pilihan dari electronic nose.

Komparasi Performa Model 3D CNN dalam Klasifikasi Demensia Alzheimer pada MRI Otak Ardin, Auriel Azril; Tyas, Dyah Aruming
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 15, No 1 (2025): April
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijeis.103041

Penyakit Alzheimer adalah jenis demensia akibat kerusakan pada neuron otak yang memengaruhi memori, bahasa, dan berpikir. Diagnosis manual sering rentan terhadap subjektivitas dan memakan waktu, sehingga diperlukan model otomatis seperti 3D CNN untuk klasifikasi tingkat keparahan Alzheimer. Namun, kompleksitas arsitektur 3D CNN menyebabkan waktu komputasi yang tinggi. Penelitian ini membandingkan tiga arsitektur model 3D CNN yaitu 3D ResNet, 3D ResNeXt + Bi-LSTM, dan 3D CNN + CLSTM untuk menentukan model yang optimal. Dataset yang digunakan diperoleh dari database ADNI. Performa model dievaluasi dengan menggunakan confusion matrix, akurasi, presisi, recall, F1-score dan waktu komputasi.Hasil penelitian menunjukkan bahwa 3D ResNet memiliki akurasi pelatihan tertinggi mencapai 99,54% dan waktu komputasi pelatihan sebesar 57,61 detik/epoch. Model 3D ResNeXt + Bi-LSTM mencapai akurasi pengujian sebesar 99,33% dan waktu inferensi tercepat yaitu 0,0182 detik/sampel, namun waktu komputasi pelatihan terlama yaitu 117,68 detik/epoch. Sementara itu, 3D CNN + CLSTM mencapai akurasi uji sempurna 100% tetapi memiliki waktu inferensi terlama yaitu 0,0268 detik/sampel. Penelitian ini menunjukkan bahwa arsitektur yang sederhana tetap dapat memberikan performa optimal dengan waktu komputasi yang lebih efisien dibandingkan model yang lebih kompleks.

Artificial Neural Network for Classification Task in Tabular Datasets and Image Processing: A Systematic Literature Review Mustaqim, Adi Zaenul; Fadil, Nurdana Ahmad; Tyas, Dyah Aruming
JOIN (Jurnal Online Informatika) Vol 8 No 2 (2023)
Publisher : Department of Informatics, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/join.v8i2.1002

Artificial Neural Network (ANN) is one of the machine learning algorithms that is widely used for classification cases. Some examples of classification cases that can be handled with ANN include classifications in the health sector, banking, and classification in image processing. This study presents a systematic literature review (SLR) of the ANN algorithm to find a research gap that can be used in future research. There are 3 phases used in preparing the SLR. Those are planning, conducting, and reporting. Formulation of research questions and establishing a review protocol is carried out in the planning phase. The second phase is conducted. In this phase, searching for relevant articles is carried out, determining the quality of the literature found and selecting particles according to what has been formulated in the planning phase. The selected literature is then carried out by the process of extracting data and information and then synthesizing the data. Writing SLR articles based on existing findings is carried out in the last phase, namely reporting. The results of data and information extraction from the 13 reviewed articles show that the ANN algorithm is powerful enough with satisfactory results to handle classification cases that use tabular datasets or image datasets. The challenges faced are the need for extensive training data so that ANN performance can be better, the use of appropriate evaluation measures based on the cases studied does not only rely on accuracy scores, and the determination of the correct hyperparameters to get better performance in the case of image processing.

CNN Ensemble Learning Method for Transfer learning: A Review Sulistya, Yudha Islami; Br Bangun, Elsi Titasari; Tyas, Dyah Aruming
ILKOM Jurnal Ilmiah Vol 15, No 1 (2023)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v15i1.1541.45-63

This study provides a review of CNN's ensemble learning method for transfer learning by highlighting sections such as review studies, datasets, pre-trained models, transfer learning, ensemble learning, and performance. The results indicate that the trend of ensemble learning, transfer learning ensemble, and transfer learning is growing every year. In 2022, there will be 35 papers reviewed related to this topic in this study. Some datasets contain apparent information starting from the dataset name, total data points, dataset splitting, target dataset availability, and type classification. ResNet-50, VGG-16, InceptionV3, and VGG-19 are used in most papers as pre-trained models and transfer learning processes. 50 (90.1%) papers use ensemble learning, and 5 (9.1%) do without ensemble learning. The reviewed paper summarizes several performance measurements, including accuracy, precision, recall, f1-score, sensitivity, specificity, training accuracy, validation accuracy, test accuracy, training losses, validation losses, test losses, training time, and AUC, DSC. In the last section, 49 papers produce the best model performance using the proposed model, and 6 other papers use DenseNet, DeQueezeNet, Extended Yager Model, InceptionV3, and ResNet-152.

Group Decision Support System for Determining Credit Customer Restructuring Priorities Using AHP – TOPSIS and Weighted Borda Methods Furshotun, Rohana Murniati; Tyas, Dyah Aruming; Mulyana, Sri
IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol 20, No 3 (2026): July
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijccs.114204

The prioritization of loan rescheduling for non-performing debtors with collectability scores above 3.00 is often inaccurate, as it typically relies on a limited set of evaluation criteria. These debtors, categorized as non-productive, contribute to the deterioration of financial institution performance. In practice, misaligned restructuring decisions frequently occur because the evaluation process does not incorporate assessments from multiple relevant parties. This condition creates significant challenges in producing objective and consistent decisions.To address this issue, a Group Decision Support System (GDSS) is proposed for KSP Makmur Inti Sentosa. The system integrates the Analytical Hierarchy Process (AHP) for determining criteria weights, the Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) for ranking alternatives, and the weighted Borda method to incorporate decision-makers’ preferences. By combining these methods, the GDSS is expected to improve the accuracy, objectivity, and efficiency of decision-making in prioritizing credit restructuring for problematic debtors.The assessment using a combination of the AHP-TOPSIS and weighted BORDA methods generates a hybrid score in which BORDA voting contributes 30% to the final evaluation, thereby producing recommendations that place greater emphasis on the qualitative values of the customers.

Title

Found 10 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 10 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 10 Documents
Search