Article Per Year (5 Year)
p-Index From 2021 - 2026
3.726
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Agromet BALI MEDICAL JOURNAL (BMJ) Jurnal Kimia (Journal of Chemistry) INDONESIAN JOURNAL OF BIOMEDICAL SCIENCES Jurnal Keteknikan Pertanian Jurnal Ilmu Komputer dan Agri-Informatika Jurnal Teknologi Informasi dan Ilmu Komputer Scientific Journal of Informatics JOIN (Jurnal Online Informatika) JOIV : International Journal on Informatics Visualization Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Journal Of Vocational Health Studies Syntax Literate: Jurnal Ilmiah Indonesia Gema Wiralodra Journal of Robotics and Control (JRC) Jurnal Sewaka Bhakti Jurnal Ilmu dan Teknologi Peternakan Terpadu (JITPU) Dharma Jnana Journal of Global Pharma Technology Eduvest - Journal of Universal Studies Jurnal Sistem Informasi
Sri Wahjuni
Chemistry Department, Faculty Of Math And Science, Udayana University, Bali-Indonesia
Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Chemistry Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Immunology & microbiology Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mechanical Engineering Medicine & Pharmacology Neuroscience Social Sciences Other

Published : 44 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 44 Documents
Search

 1   2   3   4   5 
Identifikasi Kemurnian Daging Berbasis Analisis Citra Yulianti, Nila Susila; Seminar, Kudang Boro; Hermanianto, Joko; Wahjuni, Sri
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 4: Agustus 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.0813307

Abstract

Daging sapi merupakan salah satu sumber protein hewani yang diperlukan oleh tubuh. Pada tahun 2015 dan 2016 konsumsi daging sapi per kapita sebesar 0,417 kg dan terjadi kenaikan pada tahun 2017 yaitu 12,50 % sebesar 0,469 kg. Sementara harga rata-rata daging sapi di tahun 2015 sebesar Rp 104 747 per kg dan mengalami kenaikan pada tahun 2016 yaitu 8,41 % sebesar Rp 113 555 per kg.  Di tahun 2017 kembali terjadi kenaikan yaitu 2,09 % sebesar 115 932 per kg. Berdasarkan sensus penduduk tahun 2010 mendata jumlah penduduk muslim sebesar 207176162 yaitu 87 % dari total penduduk di Indonesia. Kekhawatiran daging halal sangat penting di negara mayoritas muslim. Metode secara konvensional dengan uji laboratorium untuk mendeteksi daging celeng membutuhkan waktu yang relatif lama, tempat khusus, serta biaya yang relatif mahal. Sementara daging yang diwaspadai dicampur dengan daging babi hutan bisa terjadi di berbagai tempat seperti pasar, retailer serta  distributor yang sepatutnya bisa dideteksi seketika di tempat tersebut secara cepat. Oleh karena itu, diperlukan sistem yang mudah, cepat, dan mudah dibawa untuk mendeteksi daging sapi murni (tanpa campuran daging lainnya) dalam penelitian ini adalah daging celeng.Paper ini membahas metode deteksi daging campuran berbasis citra menggunakan Convolutional Neural Network (CNN) yang dapat dioperasikan di android. Keunggulan metode ini dapat melakukan proses pembelajaran secara mandiri yaitu ekstraksi citra dan klasifikasi, adapun kemampuan lain yang dimiliki yaitu dapat menangani deformasi gambar seperti translasi, rotasi dan skala. Akurasi yang didapatkan dari metode ini yaitu 94 % untuk mendeteksi daging sapi murni, daging celeng murni, dan daging campuran sapi dan celeng. Sementara presisi untuk celeng, campuran dan sapi yaitu 100 %, 90 % dan 95 %. Selain itu, recall untuk celeng, campuran dan sapi yaitu 85 %, 95 %, dan 97,5 %. Prototipe sistem deteksi yang dikembangkan telah diimplementasikan pada platform android dan diuji pada situasi pencahayaan yang masih terkondisikan. Upaya penyempurnaan ke depan adalah menambah fitur sistem pencahayaan  khusus/standar dengan kamera khusus yang memiliki cahaya tambahan yang mengatasi keragaman tingkat pencahayaan di tempat terbuka. AbstractBeef is one of animal protein source that important for human body. In 2015 and 2016 beef consumption per capita was 0.417 kg and it was increasing in 2017 by 12.50 % (i.e., 0.469 kg). While The average price of beef  at Rp 104 747 per kg in 2015 and went up  by 8,41 % at Rp 113 555 per kg in 2016. In 2017, there was an increase by 2,09 % at Rp 115 932 per kg. The increase of beef price average occurred in 2015 amounting to Rp 104 747 per kg and an increase in 2016 that was 8.41% amounting to Rp 113 555 per kg. Based on the population census in 2010 recorded a Muslim population of 207176162 which is 87% of the total population in Indonesia. The concern of halal (lawful) meat is very critical in the muslim majority country. The conventional method with laboratory testing to detect wild boar meat requires a relatively long time, a special place, and a relatively expensive cost. While meat that is mixed with wild boar can happen in various places such as markets, retailers and distributors which can be detected immediately in that place quickly.Therefore, a system that can be easily, quickly and portably used for detecting pure beef (without other mixed meat) in this study is wild boar.  This paper discusses image-based mixed meat detection methods using the Convolutional Neural Network (CNN) that can be operated on android. so the proposed computationally method is Convolutional Neural Network (CNN). The advantages of this method can do the learning process independently, object extraction and classification, while the other capabilities that can handle image deformation such as translation, rotation, and scale. This method yields an overall accuracy of 94% for detecting pure beef, pure wild boar meat, and mixed beef and wild boar. The obtained precision values for wild boar, mixed meat and beef  are by 100 %, 90 % and 95 % respectively. Moreover, the values recall for wild boar, mixed meat and beef are by 85 %, 95 % and 97,5 % respectively. The prototype detection system developed has been implemented on the Android platform and tested in a lighting situation that is still conditioned. A  future effort to improve is providing   special / standard lighting with a special camera that has additional light that can overcome the diversity of levels of exposure in the open areas. 
Modified Q-Learning Algorithm for Mobile Robot Real-Time Path Planning using Reduced States Hidayat; Buono, Agus; Priandana, Karlisa; Wahjuni, Sri
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 7 No 3 (2023): Juni 2023
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v7i3.4949

Abstract

Path planning is an essential algorithm in any autonomous mobile robot, including agricultural robots. One of the reinforcement learning methods that can be used for mobile robot path planning is the Q-Learning algorithm. However, the conventional Q-learning method explores all possible robot states in order to find the most optimum path. Thus, this method requires extensive computational cost especially when there are considerable grids to be computed. This study modified the original Q-Learning algorithm by removing the impassable area, so that these areas are not considered as grids to be computed. This modified Q-Learning method was simulated as path finding algorithm for autonomous mobile robot operated at the Agribusiness and Technology Park (ATP), IPB University. Two simulations were conducted to compare the original Q-Learning method and the modified Q-Learning method. The simulation results showed that the state reductions in the modified Q-Learning method can lower the computation cost to 50.71% from the computation cost of the original Q-Learning method, that is, an average computation time of 25.74s as compared to 50.75s, respectively. Both methods produce similar number of states as the robot’s optimal path, i.e. 56 states, based on the reward obtained by the robot while selecting the path. However, the modified Q-Learning algorithm is capable of finding the path to the destination point with a minimum learning rate parameter value of 0.2 when the discount factor value is 0.9.
Pembangunan Model Mask R-CNN untuk Identifikasi Daun dan Cabang Tanaman Melon Noer Muslimah, Meia; Wahjuni, Sri; Haryanto, Toto
Jurnal Keteknikan Pertanian Vol. 12 No. 3 (2024): Jurnal Keteknikan Pertanian
Publisher : PERTETA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.19028/jtep.012.3.327-339

Abstract

Mutu buah melon dapat ditingkatkan dan dioptimalkan dengan melakukan pemangkasan pada tanaman melon. Pemangkasan merupakan proses penghilangan yang dilakukan pada bagian tanaman tertentu. Saat ini tanaman melon masih dipangkas secara manual oleh petani, namun cara ini mempunyai banyak kekurangan. Pada penelitian ini pemangkasan dilakukan pada cabang dan daun tanaman melon. Pemangkasan dapat dilakukan dengan bantuan robot yang mampu mengenali daun dan dahan. Pada penelitian ini metode yang digunakan untuk mendeteksi cabang dan daun adalah Mask Region-based Convolutional Neural Network (Mask R-CNN). Teknik tuning hyperparameter digunakan untuk mendapatkan nilai parameter terbaik, termasuk learning rate, peluruhan bobot, dan momentum pembelajaran. Dua skenario dipertimbangkan dalam penelitian ini, satu dengan 10 epoch dan yang lainnya dengan 30 epoch. Nilai Average Precision (AP) yang diperoleh pada 10 epoch sebesar 32,2% untuk objek daun dan 0% untuk objek cabang. Pada 30 epoch, nilai AP adalah 56,8% untuk objek daun dan 4,1% untuk cabang. Rata-rata Presisi Rata-rata (mAP) adalah 16,1% untuk 10 epoch dan 28,4% untuk 30 epoch
Evaluasi Sistem E-Learning di Universitas Nasional menggunakan Cobit 2019 Septianto, Yudhi; Hermadi, Irman; Wahjuni, Sri
Syntax Literate Jurnal Ilmiah Indonesia
Publisher : Syntax Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (206.598 KB) | DOI: 10.36418/syntax-literate.v7i12.10415

Abstract

Universitas Nasional (UNAS) menerapkan metode pembelajaran e-learning atau biasa disebut dengan blended learning guna merespon dan siap menyongsong era digital 4.0 dan 5.0. Metode belajar ini memadukan pertemuan tatap muka dengan pembelajaran online dengan memanfaatkan teknologi digital. Pengukuran kinerja dapat diartikan sebagai penilaian mutu dari kemampuan kerja demi mengetahui seberapa jauh capaian yang diharapkan telah terpenuhi, penilaian tersebut tidak terlepas dari proses pengolahan masukan menjadi keluaran dengan memanfaatkan data internal. Saat ini teknik yang digunakan yaitu teknik desain factor yang bertujuan untuk mengidentifikasi kebutuhan pemangku kepentingan (stakeholder drivers and needs) dan menerjemahkan tujuan perusahaan (enterprise goals) menjadi prioritas untuk tujuan penyelarasan teknologi informasi terkait (alignment goals) serta memperoleh domain proses yang di gunakan dalam pembuatan kuesioner. Pengukuran tingkat kemampuan (capability level) untuk mengetahui sejauh mana kinerja e-learning Universitas Nasional saat ini, mengukur tingkat kematangan kinerja pembelajaran e-learning yang mengacu kepada standar framework COBIT 2019, serta memberikan rekomendasi perbaikan untuk meningkatkan kapabilitas (capability level) terhadap sistem pembelajaran e-learning di Universitas Nasional.
Co-Authors A.A.G. Sudewa Agus Buono Alfiansyah Halomoan Siregar Anisa Nur Halimah Ariq Cahya Wardhana Ariyani Tanti Ashri Rizki Hidayati Auriza Rahmad Akbar Barlianto, Agus Betty Kostradiyanti Budi Indra Setiawan dan Luh Putu Arisanti Edi Santosa Eknanda, Rafael Tektano Grandiawan Eliyah Acantha Manapa Sampetoding Elly Rusdiana, Elly Eny Inayati, Eny Faisyah, Shilvy Arofatul Haqqika Pasha Haris, Abdul Haula Robbi, M. Kautsar Hendra Rahmawan Hendra Rahmawan Hermadi , Irman Hidayat Hidayat Hidayat I M, Sukadana I NYOMAN MANTIK ASTAWA I W. Wita, I W. I Wayan Suirta I Wayan Wita I. A Raka Astiti Asih Ida Bagus Putra Manuaba Iman Rahayu Hidayati Soesanto Irman Hermadi Ishak, Sahrial Ihsani Joko Hermanianto Karlisa Priandana Komara N, Fatthurohman Kudang Boro Seminar Kusdarjanti, Endang Lita Rosa, Mia Laksmi Lokaprasidha, Pramesi Lusiana Tabuni Marimin , Maxiwinata, Maxdha Michel Williams, Michel Ni Ketut Puspa Sari Ni Luh Rustini Ni Made Puspawati Ni Made Puspawati Ni Nyoman Astuti Wulandari Ni Putu Rahayu Artini Nirmala Ratna Harda, Sasadhara Noer Muslimah, Meia Nugroho, Margaretta Andini Nur Halimah, Anisa Oka Ratnayani Putu Yuliantari Rahmadani, Annisa Ratwita, Rr. Dwiyanti Feriana Rebecha Prananta, Rebecha Sanjiwo, Suryo Hamukti Sefy Ayu Mandanie, Sefy Ayu Septianto, Yudhi Setyowati, Okti Shelvie Nidya Neyman Sianiwati Goenharto Sri Rahayu Santi Sri Redjeki Sri Redjeki Indiani, Sri Redjeki Sufiatul Maryana Sujati Sujati Sujati, Sujati Toto Haryanto Wafi, Azmi Sabilakisbatul Wahyu Dwijani Sulihingtyas Wasudewa, K. M. Wibisono, Indra Perdana Willy Bayuardi Suwarno Wulandari Wulandari Yan Mitha Djaksana Yani Nurhadryani Yulianti, Nila Susila Zakiah, Rizqi Alifahasni