Article Per Year (5 Year)
p-Index From 2020 - 2025
1.168
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering IAES International Journal of Artificial Intelligence (IJ-AI) Jurnal Buana Informatika Jurnal Edukasi dan Penelitian Informatika (JEPIN) Scientific Journal of Informatics Jurnal Pemberdayaan: Publikasi Hasil Pengabdian Kepada Masyarakat Journal of Electronics, Electromedical Engineering, and Medical Informatics Indonesian Journal of Electrical Engineering and Computer Science
Wiharto Wiharto
Sebelas Maret University
Arts Humanities Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Environmental Science Languange, Linguistic, Communication & Media Social Sciences Other

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 Documents
Search

 1   2 
Perbandingan Algoritma Backpropagation Levenberg Marquardt Dengan Backpropagation Gradient Descent Adaptive Gain Dalam Prediksi Jumlah Pengangguran Retnani, Wina Isti; Wiharto, Wiharto; ES, Meiyanto
Jurnal Buana Informatika Vol 5, No 1 (2014): Jurnal Buana Informatika Volume 5 Nomor 1 Januari 2014
Publisher : Universitas Atma Jaya Yogyakarta

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

Abstract

Abstract. Levenberg Marquardt (LM) algorithm algorithm is a developed backpropagation algorithm that is improved to speed up the training process with a numerical optimization technique, while the Backpropagation Gradient Descent Adaptive Gain (BPGD/AG) algorithm is developed backpropagation algorithms that is improved with a heuristic technique. The comparison of both algorithms is needed to find a better algorithm to provide accurate results on prediction cases. Comparative analysis based on the speed of convergence by considering the number of epoch is required to achieve convergence while training and it is also based on the accuracy of the testing results by calculating the MAPE and NMSE values for unemployment prediction cases in Central Java. The test results show that the LM algorithm achieves the MSE convergences with an iteration of 99 epochs, while the BPGD/AG algorithm achieves the MSE convergences with an iteration of 27506 epochs. The unemployment prediction by the LM algorithm provides an average MAPE 7.5% and the average NMSE 0.16453. While the unemployment prediction by the BPGD/AG algorithm provides an average MAPE 7.6% and NMSE 0.174264.Keywords: BPGD/AG, LM, Unemployment Prediction Abstrak. Algoritma Levenberg Marquardt (LM) merupakan algoritma pengembangan backpropagation yang melakukan perbaikan untuk mempercepat proses pelatihan dengan teknik optimasi numerik, sedangkan algoritma Backpropagation Gradient Descent Adaptive Gain (BPGD/AG) merupakan algoritma pengembangan backpropagation yang melakukan perbaikan dengan teknik heuristik. Perbandingan kedua algoritma tersebut perlu dilakukan untuk mencari algoritma yang memberikan hasil yang akurat untuk kasus prediksi. Analisa perbandingan berdasarkan kecepatan konvergensi dengan tolok ukur jumlah iterasi yang dibutuhkan saat training untuk konvergen, serta berdasarkan tingkat akurasi dengan tolok ukur nilai MAPE dan NMSE untuk kasus prediksi pengangguran di Jawa Tengah. Hasil pengujian menunjukkan bahwa untuk mencapai MSE konvergen, algoritma LM memerlukan iterasi sebanyak 99 epoh, sedangkan algoritma BPGD/AG memerlukan iterasi sebanyak 27506 epoh. Prediksi jumlah pengangguran dengan algoritma LM menghasilkan nilai rata-rata MAPE sebesar 7.5% dan nilai rata-rata NMSE sebesar 0.164535. Sedangkan prediksi jumlah pengangguran dengan algoritma BPGD/AG menghasilkan nilai rata-rata MAPE sebesar 7.6% dan nilai NMSE sebesar 0.174264.Kata Kunci: BPGD/AG, LM, Prediksi Pengangguran
Identifikasi Anemia Thalasemia Betha (β) Mayor Berdasarkan Morfologi Sel Darah Merah Suryani, Esti; Wiharto, Wiharto; Wahyudiani, Katarina Novi
Scientific Journal of Informatics Vol 2, No 1 (2015): May 2015
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/sji.v2i1.4525

Abstract

Thalasemia Betha (β) Mayor merupakan salah satu kelainan sel darah merah berdasarkan klasifikasi anemia. Thalasemia Betha (β) Mayor memiliki ciri sel meliputi mikrositik, eritrosit berinti (eritroblast), sel target, dan small fragment. Thalasemia Betha (β) Mayor dianalisa berdasarkan menghitung darah lengkap pada hapusan darah dengan pemeriksaan hematologi. Namun proses tersebut menimbulkan masalah, yaitu bahwa mempengaruhi keakuratan serta membutuhkan waktu. Untuk mengatasi hal tersebut, maka proses analisa dapat dilakukan dengan menggunakan teknik pengolahan citra yang didasarkan pada bentuk morfologi sel darah merah. Artikel ini bertujuan untuk mengidentifikasi anemia Thalasemia Betha (β) Mayor berdasarkan morfologi citra sel darah merah. Metode pengolahan citra yang digunakan meliputi proses segmentasi citra berupa normalisasi citra, threshold warna, threshold Otsu, operasi morfologi erosi dan bounding box. Normalisasi dilakukan untuk menyamakan persebaran warna pada masing-masing citra sel darah yang akan digunakan. Normalisasi dilakukan dengan mengubah citra RGB menjadi YCbCr. threshold warna, threshold Otsu, operasi morfologi erosi digunakan untuk memisahkan sel dan inti sel. Ekstrasi ciri menghasilkan luas area sel, luas area inti sel, diameter sel dan rasio sel. Proses identifikasi untuk menentukan jenis sel berdasarkan hasil ekstrasi ciri. Proses pengujian menggunakan 5 kelompok gambar Thalasemia Betha (β) Mayor yang masing-masing terdiri dari 6 gambar. Hasil pengujian menunjukkan bahwa morfologi citra mampu mengidentifikasi Anemia Thalasemia Betha (β) Mayor.
Identifikasi Anemia Thalasemia Betha (?) Mayor Berdasarkan Morfologi Sel Darah Merah Suryani, Esti; Wiharto, Wiharto; Wahyudiani, Katarina Novi
Scientific Journal of Informatics Vol 2, No 1 (2015): May 2015
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/sji.v2i1.4525

Abstract

Thalasemia Betha (?) Mayor merupakan salah satu kelainan sel darah merah berdasarkan klasifikasi anemia. Thalasemia Betha (?) Mayor memiliki ciri sel meliputi mikrositik, eritrosit berinti (eritroblast), sel target, dan small fragment. Thalasemia Betha (?) Mayor dianalisa berdasarkan menghitung darah lengkap pada hapusan darah dengan pemeriksaan hematologi. Namun proses tersebut menimbulkan masalah, yaitu bahwa mempengaruhi keakuratan serta membutuhkan waktu. Untuk mengatasi hal tersebut, maka proses analisa dapat dilakukan dengan menggunakan teknik pengolahan citra yang didasarkan pada bentuk morfologi sel darah merah. Artikel ini bertujuan untuk mengidentifikasi anemia Thalasemia Betha (?) Mayor berdasarkan morfologi citra sel darah merah. Metode pengolahan citra yang digunakan meliputi proses segmentasi citra berupa normalisasi citra, threshold warna, threshold Otsu, operasi morfologi erosi dan bounding box. Normalisasi dilakukan untuk menyamakan persebaran warna pada masing-masing citra sel darah yang akan digunakan. Normalisasi dilakukan dengan mengubah citra RGB menjadi YCbCr. threshold warna, threshold Otsu, operasi morfologi erosi digunakan untuk memisahkan sel dan inti sel. Ekstrasi ciri menghasilkan luas area sel, luas area inti sel, diameter sel dan rasio sel. Proses identifikasi untuk menentukan jenis sel berdasarkan hasil ekstrasi ciri. Proses pengujian menggunakan 5 kelompok gambar Thalasemia Betha (?) Mayor yang masing-masing terdiri dari 6 gambar. Hasil pengujian menunjukkan bahwa morfologi citra mampu mengidentifikasi Anemia Thalasemia Betha (?) Mayor.
EKONOMI KREATIF PEMBUATAN DETERGENT CAIR DAN BUBUK PADA KELOMPOK PKK KELURAHAN KRAJAN Fatimah, Siti; Wiharto, Wiharto; Indrasari, Anita
Jurnal Pemberdayaan: Publikasi Hasil Pengabdian Kepada Masyarakat Vol 3, No 2 (2019)
Publisher : Universitas Ahmad Dahlan, Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (413.628 KB) | DOI: 10.12928/jp.v3i2.931

Abstract

Ekonomi kreatif merupakan sebuah konsep ekonomi di era ekonomi baru yang mengintensifkan informasi dan kreativitas dengan mengandalkan ide dan stock of knowledge. Masyarakat yang heterogen, majemuk dan factor Sumber Daya Manusia (SDM) menjadi faktor utama dalam kegiatan ekonomi. Masyarakat yang kondisi geografis ekonominya berada di lingkungan pusat perekonomian seperti pasar tradisional, dituntut untuk lebih kreatif, inovatif, dan sensitif tentang kondisi pangsa pasar. Kelompok Pembinaan Kesejahteraan Keluarga (PKK) Kelurahan Krajan Kabupaten Klaten berada pada kondisi sosial geografis ekonomi yang strategis dengan lingkungan pasar tradisional. Sebagian kelompok PKK ini memiliki pendapatan yang masih rendah karena tidak memiliki modal atau ketrampilan yang terbatas untuk menambah penghasilan. Mata pencahariannya antara lain adalah sebagai pedagang, pembantu rumah tangga, pengasuh anak, dan menjual minuman atau makanan. Kegiatan jual beli ini hanya berlangsung di pagi hari saja tatkala kegiatan pasar masih aktif. Pada siang atau sore sampai malam mereka tidak memilki aktifitas tambahan. Program pendampingan dan pelatihan pembuatan detergent cair dan bubuk dilakukan untuk meningkatkan taraf perekonomian dan membantu menciptakan ketentraman dalam berkehidupan. Kegiatan ini dilakukan tanpa menghilangkan pekerjaan utamanya, dan bisa dilakukan setiap saat atau ketika longgar. Metode pelaksanaan program ini adalah introduksi, pelatihan, pendampingan, dan pemantauan. Tujuan program ini adalah adanya peningkatan pendapatan kelompok PKK.
PENDAMPINGAN GURU SMA KABUPATEN KLATEN DALAM RANGKA PUBLIKASI ILMIAH DENGAN E-BALADA Wiharto, Wiharto; Fatimah, Siti; Suryani, Esti
Jurnal Pemberdayaan: Publikasi Hasil Pengabdian Kepada Masyarakat Vol 3, No 2 (2019)
Publisher : Universitas Ahmad Dahlan, Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (289.938 KB) | DOI: 10.12928/jp.v3i2.942

Abstract

Peningkatan kualitas kompetensi guru menjadi prioritas dalam rangka mewujudkan pendidikan yang bermutu dan profesional. Pemerintah mewajibkan guru yang hendak meningkatkan pangkat golongannya atau mendapatkan tunjangan sertifikasi dituntut untuk menulis artikel. Artikel yang dihasilkan diwajibkan untuk dipublikasikan. Untuk melaksanakan hal tersebut maka guru dituntut untuk menulis artikel, baik artikel yang berdasarkan ide/gagasan, artikel berdasarkan pengamatan/penelitian, maupun artikel berdasarkan literasi. Adanya kewajiban tersebut, kebanyakan guru yang hendak naik pangkat/golongan masih mengalami kesulitan untuk memulai menulis artikel. Hal ini dikarenakan oleh beberapa faktor, antara lain adalah ide yang sukar dikembangkan, pengolahan data yang rumit, ketidaktahuan penggunaan fasilitas teknologi informasi yang sudah ada dalam rangka mempermudah penulisan, dan faktor pribadi yang tidak mau berkembang. Sekolah SMA Negeri Karangdowo Kabupaten Klaten, sebagian besar sudah tersertifikasi. Sebagian dari mereka belum terlalu mahir dalam penggunaan teknologi informasi untuk membantu proses kenaikan pangkat atau perbaikan kualitas pembelajaran. Solusi dari permasalahan tersebut salah satunya adalah melalui program E-balada (Pembelajaran Dan Pendampingan dengan menggunakan teknologi informasi). Program E-balada merupakan program pendampingan penggunaan teknologi informasi seperti optimalisasi penggunaan tampilan menu pada microsoft word yang sudah ada, penggunaan zotero, schoology. Guru dapat memanfaatkan program ini sebagai alat bantu. Program E- balada ini dapat meningkatkan kualitas kompetensi mengajar maupun kualitas dari segi profesinya.
Perbandingan Algoritma Backpropagation Levenberg Marquardt Dengan Backpropagation Gradient Descent Adaptive Gain Dalam Prediksi Jumlah Pengangguran Retnani, Wina Isti; Wiharto, Wiharto; ES, Meiyanto
Jurnal Buana Informatika Vol 5, No 1 (2014): Jurnal Buana Informatika Volume 5 Nomor 1 Januari 2014
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v5i1.339

Abstract

Abstract. Levenberg Marquardt (LM) algorithm algorithm is a developed backpropagation algorithm that is improved to speed up the training process with a numerical optimization technique, while the Backpropagation Gradient Descent Adaptive Gain (BPGD/AG) algorithm is developed backpropagation algorithms that is improved with a heuristic technique. The comparison of both algorithms is needed to find a better algorithm to provide accurate results on prediction cases. Comparative analysis based on the speed of convergence by considering the number of epoch is required to achieve convergence while training and it is also based on the accuracy of the testing results by calculating the MAPE and NMSE values for unemployment prediction cases in Central Java. The test results show that the LM algorithm achieves the MSE convergences with an iteration of 99 epochs, while the BPGD/AG algorithm achieves the MSE convergences with an iteration of 27506 epochs. The unemployment prediction by the LM algorithm provides an average MAPE 7.5% and the average NMSE 0.16453. While the unemployment prediction by the BPGD/AG algorithm provides an average MAPE 7.6% and NMSE 0.174264.Keywords: BPGD/AG, LM, Unemployment Prediction Abstrak. Algoritma Levenberg Marquardt (LM) merupakan algoritma pengembangan backpropagation yang melakukan perbaikan untuk mempercepat proses pelatihan dengan teknik optimasi numerik, sedangkan algoritma Backpropagation Gradient Descent Adaptive Gain (BPGD/AG) merupakan algoritma pengembangan backpropagation yang melakukan perbaikan dengan teknik heuristik. Perbandingan kedua algoritma tersebut perlu dilakukan untuk mencari algoritma yang memberikan hasil yang akurat untuk kasus prediksi. Analisa perbandingan berdasarkan kecepatan konvergensi dengan tolok ukur jumlah iterasi yang dibutuhkan saat training untuk konvergen, serta berdasarkan tingkat akurasi dengan tolok ukur nilai MAPE dan NMSE untuk kasus prediksi pengangguran di Jawa Tengah. Hasil pengujian menunjukkan bahwa untuk mencapai MSE konvergen, algoritma LM memerlukan iterasi sebanyak 99 epoh, sedangkan algoritma BPGD/AG memerlukan iterasi sebanyak 27506 epoh. Prediksi jumlah pengangguran dengan algoritma LM menghasilkan nilai rata-rata MAPE sebesar 7.5% dan nilai rata-rata NMSE sebesar 0.164535. Sedangkan prediksi jumlah pengangguran dengan algoritma BPGD/AG menghasilkan nilai rata-rata MAPE sebesar 7.6% dan nilai NMSE sebesar 0.174264.Kata Kunci: BPGD/AG, LM, Prediksi Pengangguran
Identifikasi Anemia Thalasemia Betha (β) Mayor Berdasarkan Morfologi Sel Darah Merah Suryani, Esti; Wiharto, Wiharto; Wahyudiani, Katarina Novi
Scientific Journal of Informatics Vol 2, No 1 (2015): May 2015
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/sji.v2i1.4525

Abstract

Thalasemia Betha (β) Mayor merupakan salah satu kelainan sel darah merah berdasarkan klasifikasi anemia. Thalasemia Betha (β) Mayor memiliki ciri sel meliputi mikrositik, eritrosit berinti (eritroblast), sel target, dan small fragment. Thalasemia Betha (β) Mayor dianalisa berdasarkan menghitung darah lengkap pada hapusan darah dengan pemeriksaan hematologi. Namun proses tersebut menimbulkan masalah, yaitu bahwa mempengaruhi keakuratan serta membutuhkan waktu. Untuk mengatasi hal tersebut, maka proses analisa dapat dilakukan dengan menggunakan teknik pengolahan citra yang didasarkan pada bentuk morfologi sel darah merah. Artikel ini bertujuan untuk mengidentifikasi anemia Thalasemia Betha (β) Mayor berdasarkan morfologi citra sel darah merah. Metode pengolahan citra yang digunakan meliputi proses segmentasi citra berupa normalisasi citra, threshold warna, threshold Otsu, operasi morfologi erosi dan bounding box. Normalisasi dilakukan untuk menyamakan persebaran warna pada masing-masing citra sel darah yang akan digunakan. Normalisasi dilakukan dengan mengubah citra RGB menjadi YCbCr. threshold warna, threshold Otsu, operasi morfologi erosi digunakan untuk memisahkan sel dan inti sel. Ekstrasi ciri menghasilkan luas area sel, luas area inti sel, diameter sel dan rasio sel. Proses identifikasi untuk menentukan jenis sel berdasarkan hasil ekstrasi ciri. Proses pengujian menggunakan 5 kelompok gambar Thalasemia Betha (β) Mayor yang masing-masing terdiri dari 6 gambar. Hasil pengujian menunjukkan bahwa morfologi citra mampu mengidentifikasi Anemia Thalasemia Betha (β) Mayor.
The use of genetic algorithm and particle swarm optimization on tiered feature selection method in machine learning-based coronary heart disease diagnosis system Wiharto, Wiharto; Mufidah, Yasmin; Salamah, Umi; Suryani, Esti; Setyawan, Sigit
International Journal of Electrical and Computer Engineering (IJECE) Vol 14, No 4: August 2024
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijece.v14i4.pp4563-4576

Abstract

Coronary heart disease (CHD) is a leading global cause of death. Early detection is the right step to reduce mortality rates and treatment costs. Early detection can be developed using machine learning by utilizing patient medical record datasets. Unfortunately, this dataset has excessive features which can reduce machine learning performance. For this reason, it is necessary to reduce the number of redundant features and irrelevant data to improve machine learning performance. Therefore, this research proposes a tiered of feature selection model with genetic algorithm (GA) and particle swarm optimization (PSO) to improve the performance of the diagnosis model. The feature selection model is evaluated using parameters derived from the confusion matrix and using the CatBoost machine learning algorithm. Model testing uses z-Alizadeh Sani, Cleveland, Statlog, and Hungarian datasets. The best results for this model were obtained on the z-Alizadeh Sani dataset with 6 selected features from 54 features and the resulting performance for accuracy parameters was 99.32%, specificity 98.57%, sensitivity 100.00%, area under the curve (AUC) 99.28%, and F1-Score 99.37%. The proposed feature selection model is able to provide machine learning performance in the very good category. The diagnostic model proposed is of excellent standard.
Power-Line Road Segmentation Menggunakan Improved Residual Networks Pamundi, Dias Lanjar; Wiharto, Wiharto; Suryani, Esti
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 10, No 2 (2024): Volume 10 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v10i2.77946

Abstract

Pemetaan jalan menjadi komponen penting dalam pengembangan infrastruktur jalan untuk mendukung kebutuhan mobilitas yang semakin kompleks. Pemetaan jalan memiliki cakupan areal yang sangat luas dan pendataannya cukup sulit, namun pemetaan jalan masih dilakukan secara manual. Pemetaan jalan dapat memalui citra satelit, namun karena dilakukan secara manual maka memerlukan waktu yang cukup lama. Dalam perkembangannya dibutuhkan pemetaan jalan secara otomatis salah satunya dengan menggunakan machine learning berdasarkan fitur-fitur dari citra satelit yang telah ditentukan. Namun  pengambilan fitur atau informasi yang diperoleh dari citra satelit memiliki kendala yang cukup sulit untuk diatasi, antara lain persamaan warna dan bentuk yang mempunyai kemiripan. Oleh karena itu pada penelitian ini diajukan metode deep learning berbasis U-Net dengan susunan residual block untuk mengatasi permasalahan tersebut. Data yang digunakan pada penelitian ini adalah Massachusetts Road Dataset berupa data citra satelit beresolusi tinggi. Pemetaan jalan dilakukan dengan menggunnakan metode Improved Residual Networks. Hasil pengujian model menunjukkan nilai Precision 81.6%, Recall 77.9%, Accuracy 98.1%, dan F1-score 79.7%. Kinerja tersebut lebih baik dari sejumlah penelitian sebelumnya.
Sleep Apnea Detection Model Using Time Window and One-Dimensional Convolutional Neural Network on Single-Lead Electrocardiogram Pratama, Fadil; Wiharto, Wiharto; Salamah, Umi
Journal of Electronics, Electromedical Engineering, and Medical Informatics Vol 7 No 1 (2025): January
Publisher : Department of Electromedical Engineering, POLTEKKES KEMENKES SURABAYA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35882/jeeemi.v7i1.573

Abstract

Sleep apnea is an important disorder that involves frequent disruptions in breathing during sleep, which can result in numerous serious health issues, such as cognitive deterioration, cardiovascular illness, and heightened mortality risk. This study introduces a detailed model designed for the detection of sleep apnea using single-lead electrocardiogram signals, providing an accurate detection method. We can use single-lead ECG signals to get ECG-Derived Respiration (EDR). EDR combines important respiratory signals with RR intervals to help find sleep apnea more accurately. We structure the research process into seven systematic stages, ensuring a comprehensive approach to the issue. The process commences with the acquisition of data from the "Apnea-ECG Database" accessible on the PhysioNet platform, which underpins the ensuing analysis. Subsequent to data collection, we execute a sequence of preprocessing procedures, including segmentation, filtering, and R-peak detection, to enhance the ECG data for analysis. After that, we do feature extraction, which gives us 12 unique features from the RR interval and 6 features from the R-peak amplitude, which are both necessary for the model to work. The research subsequently utilizes feature engineering, implementing a Time Window methodology to encapsulate the temporal dynamics of the data. To ensure the results are robust, we conduct model evaluation using stratified K-fold cross-validation with five folds. The modeling technique employs a 1D Convolutional Neural Network (1D-CNN) utilizing the Adam optimizer. Ultimately, the performance assessment shows an accuracy score reaching 89.87%, sensitivity at 86.16%, specificity at 92.30%, and an AUC score of 0.96, attained with a Time Window size of 15. This model signifies a substantial improvement in performance relative to previous studies and serves as a feasible option for the detection of sleep apnea
Co-Authors Abdurrahman, Annas Anita Indrasari Atina, Vihi Azka, Hanina Nafisa Esti Suryani Katarina Novi Wahyudiani, Katarina Novi Meiyanto ES Mufidah, Yasmin Pamundi, Dias Lanjar Pradityo Utomo Pratama, Fadil Putri, Della K. Sihwi, Sari W. Syaifuddin, Angga Exca Pradipta Syamsul Arifin Umi Salamah Wina Isti Retnani