Garuda - Garba Rujukan Digital

PENERAPAN JARINGAN SARAF TIRUAN RADIAL BASIS FUNCTION PADA DIAKNOSA DAN MEDICAL PRESCRIPTION PENYAKIT JANTUNG Rocky Yefrenes Dillak; Martini Ganantowe Bintiri; Derwin Roni Sina
Seminar Nasional Informatika (SEMNASIF) Vol 1, No 3 (2012): Intelligent System dan Application
Publisher : Jurusan Teknik Informatika

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

Pemeriksaan medis terhadap seorang pasien sakit jantung membutuhkan keahilan yang tinggi dari seorang dokter. Dokter harus melakukan diagnose terhadap pasien untuk dapat menentukan jenis pengobatan (obat/terapi) yang cocok/tepat dengan pasien tersebut. Makala ini bertujuan untuk mengembangkan suatu metode untuk mendiaknosa penyakit jantung dan menentukan jenis obat yang tepat bagi pasien menggunakan jaringan syaraf tiruan radial basis function (RBF). Penelitian ini menggunakan 300 data pasien yang dibagi menjadi dua bagian : 250 data pasien digunakan untuk proses pelatihan dan sisanya 50 data pasien digunakan untuk pengujian system. Hasil akhir yang diperoleh, jaringan syaraf tiruan RBF mampu mendiagnosa penyakit jantung dan menentukan jenis obat yang sesui/tepat dengan akurasi 85%.

IDENTIFIKASI FASE PENYAKIT RETINOPATI DIABETES MENGGUNAKAN JARINGAN SYARAF TIRUAN MULTI LAYER PERCEPTRON Rocky Yefrenes Dillak; Martini Ganantowe Bintiri
Seminar Nasional Informatika (SEMNASIF) Vol 1, No 3 (2012): Intelligent System dan Application
Publisher : Jurusan Teknik Informatika

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

Penyakit retinopati diabetes (DR) merupakan salah satu komplikasi pada retina yang disebabkan oleh penyakit diabetes. Tingkat keparahan DR dibagi atas empat kelas yakni: normal, non-proliferative diabetic retinopathy (NPDR), proliferative diabetic retinopathy (PDR), dan macular edema (ME). Penelitian ini bertujuan untuk mengembangkan suatu metode yang dapat digunakan untuk mengidentifikasi fase retinopati diabetes. Dalam penelitian ini digunakan 97 data citra yang diekstrak menggunakan metode ekstraksi ciri gray level cooccurence matrix (GLCM). Fitur ciri tersebut adalah maximum probability, correlation, contrast, energy, homogeneity, dan entropy. Fitur – fitur ini dilatih menggunakan jaringan syaraf tiruan multi layer perceptron untuk dilakukan identifikasi. Akurasi yang dihasilkan dari pendekatan ini adalah 97.73%.

KLASIFIKASI JENIS MUSIK BERDASARKAN FILE AUDIO MENGGUNAKAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION Rocky Yefrenes Dillak; Dwi Murdaningsih Pangestuty; Martini Ganantowe Bintiri
Seminar Nasional Informatika (SEMNASIF) Vol 1, No 3 (2012): Intelligent System dan Application
Publisher : Jurusan Teknik Informatika

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

Klasifikasi merupakan proses identifikasi kelompok dari suatu obyek berdasarkan kesamaan fitur tertentu, dimana setiap kelompok telah terbentuk melalui suatu proses tertentu. Keunikan setiap kelompok direpresentasikan dengan suatu vector fitur. Penelitian ini bertujuan mengembangkan suatu metode yang dapat digunakan untuk melakukan klasifikasi terhadap jenis musik berdasarkan file audio dengan format wav menggunakan algoritma jaringan syaraf tiruan learning vector quantization (LVQ). Pengklasifikasian file audio ke dalam suatu kelompok atau kelas, memerlukan ciri atau fitur dari file audio tersebut. Metode ekstrak fitur yang digunakan untuk memperoleh ciri atau fitur dari file yang dimaksud adalah Sort Time Energy (STE) dan Zero Crossing Rate (ZC) yang diturunkan dalam domain waktu (time domain) yang merupakan salah satu komponen data audio. Berdasarkan hasil dari penelitian ini menunjukkan bahwa pendekatan yang diusulkan mampu melakukan klasifikasi terhadap jenis musik berdasarkan file audio berformat wav dengan akurasi sebesar 80%.

ESTIMASI BIAYA PERANGKAT LUNAK MENGGUNAKAN IMPROVED BACKPROPAGATION Rocky Yefrenes Dillak; Martini Ganantowe Bintiri; Azhari SN
Seminar Nasional Informatika (SEMNASIF) Vol 1, No 1 (2012): Computation And Instrumentation
Publisher : Jurusan Teknik Informatika

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

Estimasi biaya perangkat lunak merupakan bagian tak terpisahkan dari pengembangan perangkat lunak.Mengabaikan atau salah memprediksi biaya pengembangan perangkat lunak dapat menyebabkan rendahnya kualitas perangkat lunak yang dihasilkan. Untuk mengantisipasi terjadinya kesalahan prediksi biaya perangkat lunak maka dikembangkanlah suatu metode untuk menghitung atau memprediksi biaya perangkat lunak menggunakan algoritma jaringan syaraf tiruan improved backpropagation. Penelitian ini menggunakan data dari proyek NASA yang dikerjakan antara tahun 1980 dan 1990. Model yang dikembangkan ini dievaluasi menggunakan RMSSE. Penelitian ini menghasilkan RMSSE sebesar 3.72 % yang berarti bahwa model yang dikembangkan ini cukup handal untuk digunakan sebagai metode dalam estimasi biaya perangkat lunak.

Klasifikasi Fase Retinopati Diabetes Menggunakan Backpropagation Neural Network Rocky Yefrenes Dillak; Agus Harjoko
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 1, No 2 (2011): October
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

AbstrakRetinopati diabetes (DR) merupakan salah satu komplikasi pada retina yang disebabkan oleh penyakit diabetes. Tingkat keparahan DR dibagi atas empat kelas yakni: normal, non-proliferative diabetic retinopathy (NPDR), proliferative diabetic retinopathy (PDR), dan macular edema (ME). Penelitian ini bertujuan mengembangkan suatu metode yang dapat digunakan untuk melakukan klasifikasi terhadap fase DR. Data yang digunakan sebanyak 97 citra yang fitur – fiturnya diekstrak menggunakan gray level cooccurence matrix (GLCM). Fitur ciri tersebut adalah maximum probability, correlation, contrast, energy, homogeneity, dan entropy. Fitur – fitur ini dilatih menggunakan jaringan syaraf tiruan backpropagation untuk dilakukan klasifikasi. Kinerja yang dihasilkan dari pendekatan ini adalah sensitivity 100%, specificity 100% dan accuracy 97.73% Kata kunci— fase retinopati diabetes, GLCM, backpropagation neural network Abstract Diabetic retinopathy (DR) is one of the complications on retina caused by diabetes. The aim of this studyis to develop a system that can be used for automatic mass screenings of diabetic retinopathy. Four classes are identified: normal retina, non-proliferative diabetic retinopathy (NPDR), proliferative diabetic retinopathy (PDR), and macular edema (ME). Ninenty-seven retinal fundus images in used in this study. Six different texture features such as maximum probability, correlation, contrast, energy, homogeneity, and entropy were extracted from the digital fundus images using gray level cooccurence matrix (GLCM). These features were fed into a backpropagation neural network classifier for automatic classification. The proposed approach is able to classify with sensitivity 100%, specificity 100% and accuracy 97.73% Keywords— diabetic retinopathy stages, GLCM, backpropagation neural network

Klasifikasi Fase Retinopati Diabetes Menggunakan Backpropagation Neural Network Rocky Yefrenes Dillak; Agus Harjoko
IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol 7, No 1 (2013): January
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijccs.3049

AbstrakRetinopati diabetes (DR) merupakan salah satu komplikasi pada retina yang disebabkan oleh penyakit diabetes. Tingkat keparahan DR dibagi atas empat kelas yakni: normal, non-proliferative diabetic retinopathy (NPDR), proliferative diabetic retinopathy (PDR), dan macular edema (ME). Penelitian ini bertujuan mengembangkan suatu metode yang dapat digunakan untuk melakukan klasifikasi terhadap fase DR. Data yang digunakan sebanyak 97 citra yang fitur – fiturnya diekstrak menggunakan gray level cooccurence matrix (GLCM). Fitur ciri tersebut adalah maximum probability, correlation, contrast, energy, homogeneity, dan entropy. Fitur – fitur ini dilatih menggunakan jaringan syaraf tiruan backpropagation untuk dilakukan klasifikasi. Kinerja yang dihasilkan dari pendekatan ini adalah sensitivity 100%, specificity 100% dan accuracy 97.73% Kata kunci— fase retinopati diabetes, GLCM, backpropagation neural network Abstract Diabetic retinopathy (DR) is one of the complications on retina caused by diabetes. The aim of this studyis to develop a system that can be used for automatic mass screenings of diabetic retinopathy. Four classes are identified: normal retina, non-proliferative diabetic retinopathy (NPDR), proliferative diabetic retinopathy (PDR), and macular edema (ME). Ninenty-seven retinal fundus images in used in this study. Six different texture features such as maximum probability, correlation, contrast, energy, homogeneity, and entropy were extracted from the digital fundus images using gray level cooccurence matrix (GLCM). These features were fed into a backpropagation neural network classifier for automatic classification. The proposed approach is able to classify with sensitivity 100%, specificity 100% and accuracy 97.73% Keywords— diabetic retinopathy stages, GLCM, backpropagation neural network

RANCANG BANGUN SISTEM INFORMASI UNIT PELAKSANA TEKNIS DAERAH (UPTD) LATIHAN KERJA PROVINSI NUSA TENGGARA TIMUR November Mesakh; Rocky Yefrenes Dillak; Lita Ndoloe
Jurnal Ilmiah Flash Vol 8 No 2 (2022)
Publisher : P3M- Politeknik Negeri Kupang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32511/flash.v8i2.997

Unit Pelaksana Teknis Daerah (UPTD) Latihan Kerja Provinsi Nusa Tenggara Timur memiliki tiga tahap dalam menyelenggarakan kegiatan yaitu, pelatihan, sertifikasi dan penempatan. Selama ini Unit Pelaksana Teknis Daerah (UPTD) Latihan Kerja Provinsi Nusa Tenggara Timur telah menyelenggarakan pelatihan dan telah menghasilkan banyak lulusan bahkan ribuan lulusan yang telah menerima sertifikat, namun pengelolaan data masih dilakukan secara manual berupa tumpukan kertas dari pengumpulan data calon peserta pelatihan yang mendaftar, dan juga data peserta aktif yang telah mengikuti kegiatan, sehingga menyebabkan kurang maksimalnya kinerja pengolahan data dari kegiatan yang di laksanakan. Untuk meminimalkan kesulitan dari masalah dalam pengolahan data peserta pelatihan, maka penulis tertarik untuk mengambil judul “Rancang Bangun Sistem Informasi Pada Unit Pelaksana Teknis Daerah (UPTD) Latihan Kerja Provinsi Nusa Tenggara Timur Berbasis Web”.Pengembangan sistem yang dilakukan dengan dua tahapan yaitu, tahap metodelogi pengumpulan data yang terdiri dari Interview, studi lapangan, studi literature dan tahap yang akan dilakukan selanjutnya adalah pengembangan perangkat lunak dengan metode waterfall yang meliputi tahapan Requirement (Analisis Kebutuhan), Design System (Desain Sistem), Coding dan Testing (Penulis kode program/implemention), Intergration dan Testing (Penerapan/Pengujian Program ), Operation dan Maintenance (Pemeliharaan). Sistem informasi dibuat dengan menggunakan PHP laravel sebagai bahasa script, MySQL sebagai database, Flowchart dan Konteks diagram sebagai desain sistem dan ERD sebagai pemodelan struktur data. Dengan adanya sistem informasi pada balai latihan kerja, diharapkan dapat mempercepat proses pengelolaan data sehingga dapat menghemat waktu serta dapat meningkatkan mutu pelayanan yang lebih baik.

PENGARUH FREKUENSI TERHADAP EFFISIENSI DAN REGULASI TEGANGAN TRANSFORMATOR Lucianus Handri Gunanto; Rizky Aprylianto Susilo; Subir Subir; Arbain Arbain; Qomaruddin Qomaruddin; Yohanes Suban Peli; Rocky Yefrenes Dillak
Jurnal Ilmiah Flash Vol 9 No 1 (2023)
Publisher : P3M- Politeknik Negeri Kupang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32511/flash.v9i1.1074

Transformator didesain untuk bekerja pada frekuensi kerja tertentu. Penentuan frekuensi kerja transformator berkaitan dengan penentuan tegangan kerja, jumlah lilitan pada belitan transformator dan ukuran inti. Effisiensi dan regulasi tegangan merupakan watak transformator yang perlu diketahui dalam kaitannya dengan penerapan transformator dalam sistem tenaga listrik. Penelitian dilakukan dengan mengoperasikan transformator 50 Hz pada beberapa frekuensi tertentu yaitu 30 Hz, 40 Hz, 50 Hz, 60 Hz, 70 Hz, 80 Hz, 90 Hz dan 100 Hz. Sumber listrik yang frekuensinya dapat diatur diperoleh dengan mengatur putaran generator sinkron. Pengaturan putaran dilakukan dengan mengatur putaran motor arus searah sebagai penggerak generator. Tegangan, arus dan faktor daya disisi primer dan sekunder transformator diukur dan digunakan untuk menghitung effisiensi dan regulasi tegangan. Effisiensi dan regulasi tegangan untuk masing-masing frekuensi diperbandingkan. Data hasil penelitian memperlihatkan bahwa frekuensi mempengaruhi effisiensi transformator. Effisiensi transformator menjadi lebih rendah apabila transformator dioperasikan bukan pada frekuensi kerjanya. Pengaruh frekuensi terhadap effisiensi transformator terlihat jelas apabila transformator berbeban ringan. Regulasi tegangan transformator dipengaruhi frekuensi. Regulasi tegangan transformator menjadi lebih besar apabila transformator dioperasikan bukan pada frekuensi kerjanya.

SOLAR TRACKER BERBASIS ARDUINO UNO Subir Subir; Rizky Aprylianto Susilo; Lucianus Handri Gunanto; M Hafif Rahmatullah; Anang Nur Rahman; Yohanes Suban Peli; Rocky Yefrenes Dillak
Jurnal Ilmiah Flash Vol 9 No 1 (2023)
Publisher : P3M- Politeknik Negeri Kupang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32511/flash.v9i1.1075

Energi matahari dapat dimanfaatkan dengan cara merangkai suatu alat yang dapat digunakan untuk mengubah energi matahari menjadi energi listrik. Alat yang dapat digunakan adalah Panel Surya. Teknologi dengan menggunakan Panel Surya telah lama dikenal oleh manusia. Permasalahan yang ada sekarang ini adalah Panel Surya yang terpasang kebanyakan masih bersifat statis. Hal ini menyebabkan penerimaan energi matahari tidak optimal. Oleh karena itu, perlu dibuat sistem yang membuat Panel Surya selalu mengikuti arah matahari. Perangkat solar tracker bertujuan untuk bisa mengikuti arah gerak matahari dengan menampilkan status baterai pada LCD, dengan kontroller berupa arduino uno dan perangkat tambahan sebagai input berupa 2 sensor LDR dan 1 buah output berupa motor servo sebagai penggerak panel surya.

Title

Found 9 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 9 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 9 Documents
Search