Garuda - Garba Rujukan Digital

EVALUASI DAN OPTIMASI LOKASI PENDIRIAN SENTRA PENGISIAN BAHAN BAKAR UTAMA (SPBU) DI KABUPATEN BEKASI MENGGUNAKAN METODE ALGORITMA GENETIK Handayanto, Rahmadya Trias; Srie Gunarti, Anita Setyowati; Whidhiasih, Retno Nugroho
PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Vol 1 No 2 (2013): September 2013
Publisher : LPPM Universitas Islam 45 Bekasi

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

ABSTRACTGas Stations are important objects for transportation. Therefore, the location must be optimum regardingto economic, environment, and safety aspects. Genetic Algorithms are used to help calculating for optimumlocation of gas stations. For easiness we integrated Geographic Information Systems (GIS) with geneticalgorithms for Bekasi District. According to GIS rule, we use two kinds of data: vector data and rasterdata. Road of map and location of object that must far away from gas station as vector data and map asraster data. Conversion from local coordinate to global coordinate is used in order to be integrated withgoogle map application. Testing result showed that optimum gas station location are far enough from vitallocations that must far away from gas stations. Keywords: Geographic Information System, Genetic Algorithms, Optimization ABSTRAKSentra Pengisian Bahan Bakar Utama (SPBU) merupakan sarana vital rakyat agar sistem transportasiberjalan dengan baik. Oleh karena itu letaknya harus memenuhi syarat optimum yang selain memiliki aspekekonomis, juga harus tidak menyalahi aspek lingkungan, keamanan dan keselamatan warga yang berada disekitar SPBU. Algoritma genetik digunakan untuk membantu sistem penentuan lokasi yang optimum.Untuk meningkatkan kemudahan pengguna, sistem ini diintegrasikan dengan Sistem Informasi Geografis(SIG) khusus kabupaten Bekasi. Sesuai aturan SIG dimana data terdiri dari data vektor dan data raster makasebagai data vektor kami menggunakan data fungsi jalan dan lokasi koordinat dimana lokasi tersebut harussejauh mungkin dari SPBU. Untuk data raster kami menggunakan peta yang berupa citra. Konversikoordinat lokal menjadi koordinat lintang dan bujur perlu dilakukan agar dapat dikombinasikan denganaplikasi google map sehingga dapat langsung terkoneksi ke sistem SIG tersebut. Hasil pengujianmenghasilkan lokasi optimal SPBU yang secara matematis terbukti terjauh dari lokasi-lokasi yangberbahaya dan kurang optimal untuk berdekatan dengan SPBU. Kata Kunci: Sistem Informasi Geografis, Algoritma Genetik, Optimasi

KLASIFIKASI BUAH BELIMBING MANIS DAN TIDAK MANIS BERDASARKAN CITRA RED GREEN BLUE MENGGUNAKAN FUZZY NEURAL NETWORK Whidhiasih, Retno Nugroho
PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Vol 1 No 2 (2013): September 2013
Publisher : LPPM Universitas Islam 45 Bekasi

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

BSTRACTClassical classification problems that can not be solved using the NN can be done using the FNN. Thedifference lies in the use of learning targets, which uses a degree of membership in the output. This studyaims to create a classification of star fruit to sweet and not sweet categories with non destructive methodusing fuzzy neural network. Red green and blue components of the image of the star fruit is used as an inputparameter. FNN 3-15-2 accuration obtained is 88.89% by using 15 neurons in the hidden layer, MSE9.13e-09 at epoch 16th. Keyword : classification, fuzzy neural network, starfruit, non-destructive grading, pattern recognition. ABSTRAKPermasalahan klasifikasi klasik yang tidak dapat diselesaikan menggunakan NN dapat dilakukanmenggunakan FNN. Perbedaannya terletak pada target pembelajaran yang digunakan, yaitu menggunakanderajat keanggotaan pada output. Penelitian ini bertujuan untuk membuat klasifikasi buah belimbing manisdan tidak manis secara non destruktif menggunakan fuzzy neural network. Komponen red green dan bluedari citra buah belimbing digunakan sebagai parameter masukan. Ketepatan yang didapatkan menggunakanFNN 3-15-2 pada penelitian ini sebesar 88,89% dengan 15 neuron pada lapisan tersembunyi, MSE sebesar9.13e-09 pada epoch ke 16. Keyword : identifikasi, fuzzy neural network, belimbing, identifikasi non destruktiF

IDENTIFIKASI JENIS DAUN TANAMAN OBAT HIPERTENSI BERDASARKAN CITRA RGB MENGGUNAKAN JARINGAN SYARAF TIRUAN Jamaliah, Imma; Whidhiasih, Retno Nugroho; Maimunah, Maimunah
PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Vol 5 No 1 (2017): Maret 2017
Publisher : LPPM Universitas Islam 45 Bekasi

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

ABSTRACT Identify the type of plant leaves hypertension drug necessary to distinguish between types of leaves that are still difficult to distinguish from the cloud or do not understand the herbal medicine. How to distinguish the types of leaves there is one way for people to understand first by using direct eye. This study aims to make identification of the type of plant leaves hypertension drug based RGB image using Artificial Neural Networks. The first extraction into RGB image data, further training to the training data. Weights obtained were tested using the test data. The experiment resulted in recognition capabilities of each leaf that leaves 100%, 80% cat whiskers leaves, celery leaves 100%, 40% avocado leaves, soursop leaves 60%. Keyword : identifiy, type of plant leaves hypertension medicine, rgb, neural network. ABSTRAK Identifikasi daun tanaman obat hipertensi diperlukan untuk membedakan jenis daun yang masih menjadi kesulitan bagi m dibedakan orang awan atau tidak mengerti obat herbal. Cara membedakan jenis daun pada umumnya dilakukan dengan cara pengamatan visual secara langsung. Penelitian ini bertujuan untuk melakukan identifikasi jenis daun tanaman obat hipertensi berdasarkan citra RGB menggunakan jaringan syaraf tiruan. Jenis daun yang digunakan adalah daun salam,daun kumis kucing,daun seledri,daun alpukat dan daun sirsak. Pertama kali dilakukan ekstraksi data citra menjadi RGB, selanjutnya dilakukan training terhadap data training. Bobot yang didapatkan diuji menggunakan data uji. Percobaan menghasilkan kemampuan pengenalan dari masing-masing daun yaitu daun salam 100%, daun kumis kucing 80%, daun seledri 100%, daun alpukat 40%, daun sirsak 60%. Keyword :identifikasi,daun tanaman obat hipertensi, citra rgb, jaringan syaraf tiruan

IDENTIFIKASI BUAH MANGGA GEDONG GINCU CIREBON BERDASARKAN CITRA RED-GREEN-BLUE MENGGUNAKAN ADAPTIF NEURO FUZZY INFERENCE SYSTEM Hodijah, Nur Saqinah; Whidhiasih, Retno Nugroho; Irwan, Dadan
PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Vol 5 No 1 (2017): Maret 2017
Publisher : LPPM Universitas Islam 45 Bekasi

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

ABSTRACT Mangifera indica (Mangga Gedong Gincu Cirebon) has good prospects for development because it has characteristics in accordance with market demand, which has the mango skin is red, fiber component in the flesh is quite a lot and have a very pungent aroma. This research aims to create a system of identification of Mangifera indica Cirebon based RGB image using adaptive neuro fuzzy inference system (ANFIS). Data used were 90 images of Mangifera indica will be divided into training data amounted to 75 data consisting of 25 acid class data, class data 25 and 25 class data being sweet. Data testing amounted to 15 data consisted of 5 acid class data, class data 5 medium and 5 class data sweet. In ANFIS training algorithm using hybrid methods Recursive Least Square Estimator (RLSE), and the number of epoch 1000, the error value 0.5220 and is able to identify the class of fruit Mangifera indica with an accuracy rate of 66.6%. Keyword : identification of Mangifera indica, rgb, adaptive neuro fuzzy inference system ABSTRAK Mangga Gedong Gincu Cirebon mempunyai prospek baik untuk dikembangkan karena mempunyai karakteristik yang sesuai dengan permintaan pasar, yaitu mempunyai kulit mangga berwarna merah, komponen serat pada daging buah cukup banyak dan mempunyai aroma sangat tajam. Penelitian ini bertujuan untuk membuat sistem identifikasi buah mangga gedong gincu cirebon berdasarkan citra RGB menggunakan adaptif neuro fuzzy inference system (ANFIS). Data yang digunakan berjumlah 90 citra buah mangga gedong gincu akan dibagi menjadi data training berjumlah 75 data yang terdiri dari 25 data kelas asam, 25 data kelas sedang dan 25 data kelas manis. Data testing berjumlah 15 data yang terdiri dari 5 data kelas asam, 5 data kelas sedang dan 5 data kelas manis. Pada pelatihan ANFIS menggunakan algoritma hybrid dengan metode Recursive Least Square Estimator ( RLSE), dan jumlah epoch sebanyak 1000, nilai error 0.5220 dan mampu mengidentifikasi kelas buah Mangga Gedong Gincu dengan tingkat akurasi sebesar 66,6%. Keyword :identifikasi buah mangga gedong gincu, rgb, adaptif neuro fuzzy inference system

Identifikasi Beras Berdasarkan Warna Menggunakan Adaptive Neuro Fuzzy Inference System Alfianto, Muhammad Gilang; Whidhiasih, Retno Nugroho; Maimunah, Maimunah
PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Vol 5 No 2 (2017): September 2017
Publisher : LPPM Universitas Islam 45 Bekasi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33558/piksel.v5i2.267

ABSTRACT Rice is the main food ingredient for Indonesian people. Through the National Standardization Agency, The Government has established a general requirement of rice, that is good quality rice which has a white color of whitewashed and low-quality rice which has a yellowish color (SNI 6128: 2015). To determine the different color of good quality rice and the low-quality one it often happens of wrong identification caused by different perception on the color. This problem can be solved by creating the system to identify good quality rice of IR64 and the low-quality one. The data used are primary data, in the form of good quality rice with grain image of 50 and the low-quality one is 50. The observation data used for trial is La * b * and Sa * b * using Adaptive Neuro-Fuzzy Inference Systems ( ANFIS). The observation variable Sa * b * produce higher identification compared to La*b*, with accuracy value is 90%. Keyword : rice, quality,color,classification ABSTRAK Beras merupakan bahan pangan utama masyarakat Indonesia. Pemerintah melalui badan Standarisasi Nasional telah menetapkan syarat umum beras, yaitu beras berkualitas baik yang mempunyai warna putih mengapur dan beras berkualitas rusak yang mempunyai warna kekuningan (SNI 6128:2015). Untuk menentukan perbedaan warna beras berkualitas baik dan rusak seringkali terjadi kesalahan identifikasi yang dikarenakan perbedaan persepsi warna. Hal tersebut dapat diatasi dengan membuat sistem untuk mengidentifikasi butir beras IR 64 yang berkualitas baik dan rusak. Data yang digunakan adalah data primer, yang berupa gambar butir beras berkualitas baik sebanyak 50 dan butir beras beras berkualitas rusak sebanyak 50. Variabel penduga yang dicobakan adalah La*b* dan Sa*b* dengan menggunakan metode Adaptive Neuro Fuzzy Inference Systems (ANFIS). Variabel penduga Sa*b* menghasilkan identifikasi yang lebih tinggi dibandingakan La*b* dengan nilai akurasi sebesar 90%. Kata kunci : beras, kualitas,warna,klasifikasi

Klasifikasi Tahap Kematangan Pisang Ambon Berdasarkan Warna Menggunakan Naive Bayes Yulianto, Dwi; Whidhiasih, Retno Nugroho; Maimunah, Maimunah
PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Vol 5 No 2 (2017): September 2017
Publisher : LPPM Universitas Islam 45 Bekasi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33558/piksel.v5i2.268

ABSTRACT Banana fruit is a commodity that contributes a great value to both national and international fruit production achievement. The government through the National Standardization Agency establishes standards to maintain the quality of bananas. The purpose of this Project is to classify the stages of maturity of Ambon banana base on the color index using NaÃ¯ve Bayes method in accordance with the regulations of SNI 7422:2009. Naive Bayes is used as a method in the classification process by comparing the probability values generated from the variable value of each model to determine the stage of Ambon banana maturity. The data used is the primary data image of 105 pieces of Ambon banana. By using 3 models which consists of different variables obtained the same greatest average accuracy by using the 2nd model which has 9 variable values (r, g, b, v, * a, * b, entropy, energy, and homogeneity) and the 3rd model has 7 variable values (r, g, b, v , * a, entropy and homogeneity) that is 90.48%. Keywords: banana maturity, classification, image processing ABSTRAK Buah pisang merupakan komoditas yang memberikan kontribusi besar terhadap angka produksi buah nasional maupun internasional. Pemerintah melalui Badan Standarisasi Nasional menetapkan standar untuk buah pisang, menjaga mutu buah pisang. Tujuan dari penelitian ini adalah klasifikasi tahapan kematangan dari buah pisang ambon berdasarkan indeks warna menggunakan metode NaÃ¯ve Bayes sesuai dengan SNI 7422:2009. Naive bayes digunakan sebagai metode dalam proses pengklasifikasian dengan cara membandingkan nilai probabilitas yang dihasilkan dari nilai variabel penduga setiap model untuk menentukan tahap kematangan pisang ambon. Data yang digunakan adalah data primer citra pisang ambon sebanyak 105. Dengan menggunakan 3 buah model yang terdiri dari variabel penduga yang berbeda didapatkan akurasi rata-rata terbesar yang sama yaitu dengan menggunakan model ke-2 yang mempunyai 9 nilai variabel (r, g, b, v, *a, *b, entropi, energi, dan homogenitas) dan model ke-3 yang mempunyai 7 nilai variabel (r, g, b, v, *a, entropi dan homogenitas) yaitu sebesar 90.48%. Kata Kunci : kematangan pisang, klasifikasi, pengolahan citra

Rancang Bangun Document Management System Universitas â€œ45â€ Bekasi Sumadyo, Malikus; Whidhiasih, Retno Nugroho
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

ABSTRAK Sistem Manajemen Dokumen atau Document Management System (DMS) adalah sistem pengelolaan dokumen secara elektronik yang diterapkan pada suatu organisasi yang besar. DMS dapat mengurangi resiko kehilangan dokumen dan besarnya biaya penyimpanan. DMS mempunyai berbagai kelebihan sehingga dokumen akan mudah dikelola, mudah dicari letaknya, dapat dicetak kembali dan berbagai manfaat lainnya yang dapat mendukung proses bisnis suatu perusahaan ataupun institusi pendidikan yang membutuhkan pelayanan dokumen secara cepat dan akurat meskipun jumlah dokumen yang dikelola sangat banyak. Siklus hidup DMS dimulai dari proses digitalisasi dokumen, penerimaan dokumen, pengolahan dokumen yang mencakup duplikasi, distribusi, indexing, penyimpanan dan pemeliharaan sampai pada jadual retensi dan pemusnahan dokumen. DMS yang dibangun diimplementasikan pada Universitas Islam â€œ45â€ Bekasi. Admin yang berada di pusat (Rektorat) mengelola data seluruh fakultas, dibantu oleh manajer (admin fakultas) untuk menverifikasi data di setiap fakultas. User (pengguna, dosen maupun karyawan) dapat menginput dan mengelola data akademik serta data individu, sehingga data yang terkelola dengan baik tersebut menghasilkan knowledge yang dapat mendukung penentu kebijakan dalam pengambilan keputusan di tingkat program studi, fakultas maupun universitas. Secara khusus DMS tersebut mendukung evaluasi program studi dan pengurusan kepangkatan fungsional dosen. DMS Unisma dikembangkan menggunakan bahasa pemrograman PHP dan database MySQL dengan tujuan agar dapat diakses melalui jaringan intranet yang sudah terpasang di seluruh fakultas. Kata kunci : DMS, Document Management System, knowledge, sistem berbasis web, dokumen elektronik ABSTRACT Document Management Systems DMS is an electronic document management system to be applied to a great organization like the Islamic University '45 '(Unisma) Bekasi which requires service of documents quickly and accurately even though the number of documents that are managed very much. The main feature of this system is the storage and retrieval of documents, for which the system is built with a database structure in such a way in order to optimally serve the data needs of the faculty and staff. Central Admin (rector office) manage data across faculties, aided by the Manager (admin faculty) to verify the data in each faculty. User (lecture and staff) can enter and manage personal academic data each individual, so that the results can help any academic activity in the study program, the faculty and the university as a self-evaluation study program or the maintenance of lecture functional rank. Unisma DMS was developed using the PHP programming language and MySQL database in order to be accessible via the intranet network already installed in all faculties. Keyword : DMS, Document Management System, SDLC, Web base system

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

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

Deteksi Emosi Menggunakan Convolutional Neural Network Berdasarkan Ekspresi Wajah Ekawati, Inna; Putra, Fadilla Nidya Riyanto; Sumadyo , Malikus; Whidhiasih, Retno Nugroho
Journal of Students‘ Research in Computer Science Vol. 5 No. 1 (2024): Mei 2024
Publisher : Program Studi Informatika Fakultas Ilmu Komputer Universitas Bhayangkara Jakarta Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31599/h0kayy31

Facial expression recognition is an effective method for identifying someone's emotional expression. Emotional expressions can be recognized from changes in facial expressions, wrinkles on the forehead, blinking of the eyes, or changes in facial skin color. Facial expressions that a person generally has, such as neutral, angry, happy expressions. The problem that often occurs is the subjective assessment of a person's expression. This research examines how artificial intelligence can recognize facial expressions. The facial recognition process in the research uses a Convolutional Neural Network (CNN), which is a deep learning method capable of carrying out an independent learning process for object recognition, object extraction and classification and can be applied to high resolution images that have a nonparametric distribution model. The two main stages in CNN are feature learning and classification. The results of facial expression recognition can be used to detect a person's emotions. This research uses the FER2013 dataset which contains images of happy, sad, angry, afraid, surprised, disgusted and neutral emotions. The data set in the research received tests that had been carried out, namely the percentage of accuracy level in the model was 76%. It is hoped that the classification of emotions resulting from this research can contribute to the development of artificial intelligence technology and as a tool in various fields such as psychology, education and others. For further research, it can be developed further by adding other architectures such as VGG19, MobileNet, and ResNet-50 so that the resulting CNN model is more optimal.

Model Naïve Bayes dan Decision Tree untuk Prediksi Penerimaan Spesifikasi Mobil Whidhiasih, Retno Nugroho
JREC (Journal of Electrical and Electronics) Vol. 10 No. 2 (2022): JREC (Journal of Electrical and Electronics)
Publisher : Program Studi Teknik Elektro Fakultas Teknik Universitas Islam 45 Bekasi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33558/jrec.v10i2.5600

Mobil merupakan kebutuhan setiap orang sebagai alat transportasi. Seseorang yang telah berkeluarga akan mempunyai kebutuhan yang lebih terhadap sebuah mobil, terlebih jika mempunyai keluarga besar. Jika mempunyai keluarga besar, memilih sebuah mobil yang tepat untuk keluarga sangatlah penting, dan banyak hal yang harus diperhatikan dalam memilih sebuah mobil. Ketepatan memilih mobil untuk suatu keluarga besar akan berpengaruh terhadap pemenuhan semua kebutuhan transportasi dari setiap anggota keluarga. Dalam penelitian ini dilakukan evaluasi terhadap variabel-variabel yang dipertimbangkan dalam memilih sebuah mobil, yaitu berdasarkan harga beli, biaya maintenance, faktor kenyamanan yang meliputi jumlah pintu, kapasitas orang yang bisa diangkut, ukuran bagasi dan perkiraan keamanan mobil dari data car evaluation. Evaluasi penerimaan dilakukan dengan melakukan prediksi penerimaan menggunakan algoritma naïve bayes dan decision tree classifier. Output dari evaluasi ini adalah penerimaan terhadap variabel-variabel yang dipertimbangkan dalam memilih sebuah mobil tersebut, yang dikategorikan kedalam empat kelas kategori, yaitu unacc, acc, good dan vgood. Kedua algoritma classifier tersebut menghasilkan kinerja yang berbeda, Naïve bayes menghasilkan akurasi 84,1% dan decision tree menghasilkan akurasi yang lebih tinggi yaitu 91,91%.

Title

Found 23 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 23 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 23 Documents
Search