Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Seminar Nasional Informatika (SEMNASIF)
Nursinta Adi Wahanani
Bidang Komputasi, Pusat Pengembangan Informatika Nuklir.
Computer Science & IT Decision Sciences, Operations Research & Management

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
ANALISIS PERBEDAAN AKURASI DATA PAKET PROGRAM V.S.O.P’94 AKIBAT MIGRASI LINTAS PLATFORM Natsir, Khairina; Wahanani, Nursinta Adi
Seminar Nasional Informatika (SEMNASIF) Vol 1, No 3 (2013): Computation And Instrumentation
Publisher : Jurusan Teknik Informatika

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

Abstract

Dalam suatu komputasi  nuklir, ketelitian perhitungan merupakan suatu hal yang mutlak, karena terkait dengan berbagai aspek, misalnya saja aspek energi maksimum yang dapat dibangkitkan atau mungkin aspek keselamatan.  Banyak computer application code perhitungan nuklir di Badan Tenaga Nuklir Nasional (Batan) yang diperoleh dari lembaga nuklir internasional yang running well pada mainframe platform. Ketika mainframe platform tidak lagi mensupport litbang Batan,  langkah yang dilakukan antara lain adalah  melakukan migrasi computer codes yang ada ke microcomputer system yang  tersedia saat ini. Prosesor, kompiler  dan sistem operasi microcomputer   secara nyata jelas berbeda dengan lingkungan asli dari computer code tersebut.  Untuk menguji apakah migrasi menimbulkan perbedaan ketelitian yang berarti, telah dilakukan suatu komparasi pada hasil keluaran paket program V.S.O.P’94.  Analisis ini dilakukan dengan latar belakang bahwa ketelitian perhitungan sangat urgen dalam perhitungan reaktor nuklir. Pada lingkungan aslinya V.S.O.P’94 dijalankan pada lingkungan DEC ALPHA Workstation dengan sistem operasi VMS menggunakan compiler VAX FORTRAN 6.2 dan telah diujikan pula pada DEC/VAX 6000-510. Pada microcomputer platform prosssor 64 bit dan 32 bit dengan sistem operasi windows Vista dan Windows 7 dengan compiler  Fortran G95 aplikasi sudah bias berjalan dengan baik, tetapi perlu dilakukan verifikasi keakuratan komputasinya. Verifikasi ini diperlukan dengan tujuan untuk mengetahui berapa prosen deviasi  hasil perhitungan diantara kedua platform tersebut. Tidak ada perubahan yang dilakukan pada program kecuali menambahkan JCL agar program dapat running pada microcomputer platform. Sebagai acuan digunakan data input untuk V.S.O.P’94 yaitu ZUT, GAM dan THERMOS dan hasil perhitungan integral resonance dan kritikalitas sebagai hasil keluaran. Hasil verifikasi  menunjukkan bahwa tidak ada perbedaan yang signifikan antara nilai integral resonance dan kritikalitas  sebelum dan sesudah migrasi. Dari hasil tersebut, dilihat dari sisi penggunaan program V.S.O.P’94 pada microcomputer lebih unggul karena dapat digunakan secara lebih meluas, dan memiliki kemampuan dan hasil yang sama dengan versi DEC Alpha Workstation pada perhitungan kritikalitas. 
Klasifikasi Buah Belimbing Berdasarkan Citra Red-Green-Blue Menggunakan KNN Dan LDA Whidhiasih, Retno Nugroho; Wahanani, Nursinta Adi; Supriyanto, Supriyanto
PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Vol 1 No 1 (2013): Januari 2013
Publisher : LPPM Universitas Islam 45 Bekasi

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

Abstract

ABSTRAK Tulisan ini dilakukan untuk membandingkan metode klasifikasi K-nearest neigbourhood (KNN) dan Linear Discriminant Analysis (LDA) dengan variabel R-G dan R-G-B dari citra buah belimbing untuk memprediksi tingkat kemanisan buah belimbing. Pengenalan digunakan untuk mengelompokkan buah belimbing menjadi tiga kelas yaitu kelas manis, sedang dan asam. Pada tahapan pra proses dilakukan reduksi citra dengan menggunakan analisis komponen utama 2 dimensi (2D-PCA). Percobaan dilakukan dengan menggunakan 3 fold cross validation. Hasil yang didapatkan dari penelitian ini menyatakan bahwa Klasifikasi ini dapat digunakan untuk mengklasifikasi belimbing kelas asam dengan tepat sedangkan kelas lainnya ketepatannya tidak mencapai 100%. Metode KNN dengan variabel RG menghasilkan akurasi sebesar 80 %, sedang KNN dengan variabel RGB menghasilkan akurasi sebesar 91 %. Teknik LDA linier maupun LDA dengan ukuran jarak mahalanobis menghasilkan akurasi sebesar 91 %. Kata kunci : KNN, LDA, RG, RGB, Klasifikasi Belimbing ABSTRACT This paper want to compare classification method between k-nearest neighbor (KNN) and linier discriminant analysis (LDA) from starfruit image for sweetness prediction of starfruit. Recognition is used to classify starfruit in sweet, medium and sour class. Classification is done with R-G and R-G-B predictor feature with 3 fold cross validation. Image reduction is then conducted in the Pre-process step by using 2D principal componen analysis. Result of this research denotes this classifier can classify sour starfruit class precisely while sweet and medium classes are less precise. Accuracy of KNN method with RG variable is 81%, while KNN, LDA linier and LDA with mahalanobis distance with RGB variable is 91%. Keyword: KNN, LDA, RG, RGB, starfruit classification
Klasifikasi Buah Belimbing Berdasarkan Citra Red-Green-Blue Menggunakan KNN Dan LDA Whidhiasih, Retno Nugroho; Wahanani, Nursinta Adi; Supriyanto, Supriyanto
PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Vol 1 No 1 (2013): Januari 2013
Publisher : LPPM Universitas Islam 45 Bekasi

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

Abstract

ABSTRAK Tulisan ini dilakukan untuk membandingkan metode klasifikasi K-nearest neigbourhood (KNN) dan Linear Discriminant Analysis (LDA) dengan variabel R-G dan R-G-B dari citra buah belimbing untuk memprediksi tingkat kemanisan buah belimbing. Pengenalan digunakan untuk mengelompokkan buah belimbing menjadi tiga kelas yaitu kelas manis, sedang dan asam. Pada tahapan pra proses dilakukan reduksi citra dengan menggunakan analisis komponen utama 2 dimensi (2D-PCA). Percobaan dilakukan dengan menggunakan 3 fold cross validation. Hasil yang didapatkan dari penelitian ini menyatakan bahwa Klasifikasi ini dapat digunakan untuk mengklasifikasi belimbing kelas asam dengan tepat sedangkan kelas lainnya ketepatannya tidak mencapai 100%. Metode KNN dengan variabel RG menghasilkan akurasi sebesar 80 %, sedang KNN dengan variabel RGB menghasilkan akurasi sebesar 91 %. Teknik LDA linier maupun LDA dengan ukuran jarak mahalanobis menghasilkan akurasi sebesar 91 %. Kata kunci : KNN, LDA, RG, RGB, Klasifikasi Belimbing ABSTRACT This paper want to compare classification method between k-nearest neighbor (KNN) and linier discriminant analysis (LDA) from starfruit image for sweetness prediction of starfruit. Recognition is used to classify starfruit in sweet, medium and sour class. Classification is done with R-G and R-G-B predictor feature with 3 fold cross validation. Image reduction is then conducted in the Pre-process step by using 2D principal componen analysis. Result of this research denotes this classifier can classify sour starfruit class precisely while sweet and medium classes are less precise. Accuracy of KNN method with RG variable is 81%, while KNN, LDA linier and LDA with mahalanobis distance with RGB variable is 91%. Keyword: KNN, LDA, RG, RGB, starfruit classification
Co-Authors Khairina Natsir, Khairina Retno Nugroho Whidhiasih Supriyanto Supriyanto