Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

6.421

P-Index

This Author published in this journals

All Journal Indonesian Journal of Electronics and Instrumentation Systems ELKHA : Jurnal Teknik Elektro JUITA : Jurnal Informatika Annual Research Seminar Sinkron : Jurnal dan Penelitian Teknik Informatika Jusikom : Jurnal Sistem Komputer Musirawas SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Petir KOMPUTIKA - Jurnal Sistem Komputer Jurnal Teknologi Terpadu Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Progresif: Jurnal Ilmiah Komputer Jurnal Ilmiah Betrik : Besemah Teknologi Informasi dan Komputer Algoritme Jurnal Mahasiswa Teknik Informatika Informatics and Enginering Dedication MDP Student Conference Jurnal Ilmiah Betrik : Besemah Teknologi Informasi dan Komputer INOVTEK Polbeng - Seri Informatika JuTISI (Jurnal Teknik Informatika dan Sistem Informasi)

Yohannes, Yohannes

Universitas Multi Data Palembang

Author-ID : 423293

Agriculture, Biological Sciences & Forestry Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 54 Documents Claim Missing Document

Claim Missing Document

Articles

1 2 3 4 5

Klasifikasi Jenis Ikan Laut Menggunakan Metode SVM dengan Fitur HOG dan HSV Nur Rachmat; Yohannes Yohannes; Adhytio Mahendra
JATISI (Jurnal Teknik Informatika dan Sistem Informasi) Vol 8 No 4 (2021): JATISI (Jurnal Teknik Informatika dan Sistem Informasi)
Publisher : Lembaga Penelitian dan Pengabdian pada Masyarakat (LPPM) STMIK Global Informatika MDP

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jatisi.v8i4.1686

Fish are vertebrates that live in the water. Fish have gills that function as a respiratory organ to take oxygen in the water and fins are used for swimming. In vertebrates, fish have the largest number, which is estimated at 40,000 species, while around 25,000 have been recorded. These fish are mostly scattered in marine waters of about 13,630 species, because almost 70% of the earth's surface consists of marine water and only about 1% is fresh water. This study uses a marine fish database taken from a public dataset that has 7 types of marine fish where each type of marine fish there are 7,000 images that will be carried out in the HSV color segmentation stage by taking the value so that it becomes grayscale which will proceed to the HOG process and to classify fish species sea using the SVM. For testing techniques and dataset distribution using the K-Fold Cross Validation method of Leave One Out (LOO) type. Based on the results of the SVM classification test both linear and polynomial gaussian kernels using 3-Fold, 4-Fold, and 5-Fold. The highest accuracy of Black Sea Sprat fish is 94.06%. For the highest type of Gilt Head Bream fish, it was obtained at 94.31%. Furthermore, the Hourse Mackerel fish got the highest accuracy value of 94.74%. Then the type of fish Red Mullet the highest accuracy value of 94.76%. Furthermore, the Red Sea Bream fish species obtained the highest accuracy value of 94.86%, the Sea Bass fish species with the highest accuracy value of 77.86% and Striped Red Mullet fish obtained the highest accuracy value of 94.41%.

Penggunaan Global Contrast Saliency dan Histogram of Oriented Gradient Sebagai Fitur untuk Klasifikasi Jenis Hewan Mamalia Yohannes Yohannes; Muhammad Ezar Al Rivan
PETIR Vol 13 No 1 (2020): PETIR (Jurnal Pengkajian Dan Penerapan Teknik Informatika)
Publisher : Sekolah Tinggi Teknik - PLN

Mammal type can be classified based on the face. Every mammal’s face has a different shape. Histogram of Oriented Gradient (HOG) used to get shape feature from mammal’s face. Before this step, Global Contrast Saliency used to make images focused on an object. This process conducts to get better shape features. Then, classification using k-Nearest Neighbor (k-NN). Euclidean and cityblock distance with k=3,5,7 and 9 used in this study. The result shows cityblock distance with k=9 better than Euclidean distance for each k. Tiger is superior to others for all distances. Sheep is bad classified.

Klasifikasi Jenis Jamur Menggunakan SVM dengan Fitur HSV dan HOG Yohannes Yohannes; Daniel Udjulawa; Timoteus Ivan Sariyo
PETIR Vol 15 No 1 (2022): PETIR (Jurnal Pengkajian Dan Penerapan Teknik Informatika)
Publisher : Sekolah Tinggi Teknik - PLN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33322/petir.v15i1.1101

Mushrooms are one of the plants that have so many varieties. Every variety has a different shape and color. But most people still feel difficult to know and classify every mushroom. Therefore, classification for mushroom is needed. Method for this research are Hue Saturation Value (HSV) as color segmentation, then Histogram of Oriented Gradient (HOG) as feature extraction, and Support Vector Machine (SVM) as a classification method. Mushrooms that being use are Agaricus, Amanita, Boletus, Cortinarius, Entoloma, Hygrocybe, Lactarius, Russula, Suillus. Total of mushrooms for this research are 900, with 100 each genus. This research using the k-fold Cross Validation method for 4-fold. From 900 images there are 675 for the training phase and 225 for the testing phase. Overall for this research got precision, recall, accuracy respectively 23.80%, 22.94%, and 82.69%. The best mushroom was Boletus with precision, recall, accuracy respectively 55.37%, 46.84%, and 89.69%.

PENGGUNAAN FITUR HOG BERBASIS SUPERPIXEL UNTUK KLASIFIKASI JENIS JAMUR DENGAN METODE SVM Yohannes Yohannes; Nur Rachmat; Calvin Oliver Saputra
Jusikom : Jurnal Sistem Komputer Musirawas Vol 6 No 1 (2021): Jusikom : Jurnal Sistem Komputer Musirawas JUNI
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jusikom.v6i1.1180

Jamur memiliki banyak ragam dengan ciri yang mirip sehingga terdapat masalah dalam pengklasifikasian jenis dari jamur. Dataset citra jamur yang digunakan bernama Mushrooms classification – Common genus’s images yang berisi sembilan jenis jamur, yaitu Agaricus, Amanita, Boletus, Cortinarius, Entoloma, Hygrocybe, Lactarius, Russula, dan Suillus. Penggunaan fitur segmentasi dapat meningkatkan akurasi untuk masalah pengklasifikasian. Salah satu fitur segmentasi yang dapat digunakan adalah Superpixel (SLIC). Penelitian ini menggunakan dataset citra jamur yang di-resize. Metode SLIC digunakan untuk mensegmentasi citra jamur ke bentuk superpixel. Segmentasi citra ke superpixel ditujukan untuk mengkelompokkan piksel yang sejenis ke dalam region sehingga citra mudah diolah. HOG adalah fitur ekstraksi untuk mendeteksi objek. SVM sering digunakan sebagai metode klasifikasi karena mampu menghasilkan akurasi yang baik sehingga dapat mempelajari dan mengenali citra jamur. Penggunaan superpixel sebagai fitur segmentasi dengan jumlah region 1.200, kernel radial basis function (RBF), C bernilai sepuluh dan gamma scale memberikan hasil terbaik dengan akurasi sebesar 0,8329. Berdasarkan hasil pengujian yang didapat pada penelitian ini, superpixel dapat meningkatkan akurasi dari SVM pada dataset jamur dibandingkan dengan tanpa superpixel.

KLASIFIKASI MAMALIA MENGGUNAKAN EXTREME GRADIENT BOOSTING BERDASARKAN FITUR HISTOGRAM OF ORIENTED GRADIENT Yohannes Yohannes; Johannes Petrus
JURNAL ILMIAH BETRIK : Besemah Teknologi Informasi dan Komputer Vol 13 No 3 (2022): JURNAL ILMIAH BETRIK : Besemah Teknologi Informasi dan Komputer
Publisher : LPPM Sekolah Tinggi Teknologi Pagar Alam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36050/betrik.v13i3.589

Mammals are one type of animal that has many characteristics and characteristics. The shape of the face in each type of mammal has a similar shape. The faces of mammals in the form of frontal images are a challenge in image classification. In this study, the Histogram of Oriented Gradient (HOG) is used as a feature of the facial shape of mammals. HOG is used as a strengthening feature in the classification process using the eXtreme Gradient Boosting (XGBoost) method. The test was carried out using a dataset of frontal facial imagery of mammals consisting of 15 species. The results of the tests show that the XGBoost method with the HOG feature is able to provide better classification results for mammals than without the HOG feature. This is indicated by an increase in the value of precision, recall, and f1-score on XGBoost with the HOG feature which is almost twice as high as XGBoost without the HOG feature.

Klasifikasi Jenis Buah dan Sayuran Menggunakan SVM Dengan Fitur Saliency-HOG dan Color Moments Yohannes Yohannes; Muhammad Rizky Pribadi; Leo Chandra
ELKHA : Jurnal Teknik Elektro Vol. 12 No. 2 October 2020
Publisher : Faculty of Engineering, Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/elkha.v12i2.42160

Fruit is part of a plant that comes from the flower or pistil of the plant and usually has seeds. Meanwhile, vegetables are leaves, legumes, or seeds that can be cooked. Fruits and vegetables have many variants that can be distinguished based on color, shape, and texture. The Saliency-HOG feature and Color moments were used in this study to extract shapes and colors features in fruit and vegetable images. In this study, the Support Vector Machine (SVM) method was used to classify the types of fruit and vegetables. The dataset used in this study is a public dataset consisting of 114 images of fruit and vegetables. Each type of fruit and vegetable contains 100 images consisting of 70 images as training data and 30 images as testing data. There are 4 saliency features used in the testing phase, namely Region Contrast (RC), Frequency-tuned (FT), Histogram Contrast (HC), and Spectral Residual (SR). Based on the test results, the Saliency-HOG and Color Moments features were able to provide good results with the best precision, recall, and accuracy being 98.57%, 98.55%, and 99.120%, respectively.

PELATIHAN PEMBUATAN APLIKASI MOBILE TANPA CODING BAGI MAHASISWA POLTEKKES KEMENKES PALEMBANG Ahmad Farisi; Yohannes Yohannes; Dafid Dafid
SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan Vol 7, No 1 (2023): March
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jpmb.v7i1.13504

ABSTRAKKegiatan pengabdian masyarakat ini dilaksanakan dalam bentuk pelatihan dengan topik pembuatan aplikasi mobile menggunakan metode no code yang dilaksanakan bagi mahasiswa Poltekkes Kemenkes Palembang. Metode no code merupakan alternatif pembuatan aplikasi yang dapat dilakukan tanpa melalui serangkaian proses pemrograman atau coding. Meskipun banyak tools no code yang dapat digunakan dalam pembuatan aplikasi mobile, pelatihan ini memilih glideapps dikarenakan kemudahan penggunaannya dan fitur gratisnya dinilai cukup untuk membuat aplikasi-aplikasi sederhana. Tahapan-tahapan yang dilakukan dalam kegiatan pengabdian kepada masyarakat ini adalah mulai dari persiapan-persiapan administratif, survei pra pelatihan menggunakan kuesioner pra pelatihan, pelaksanaan pelatihan dalam bentuk penyuluhan yang disertai dengan demonstrasi atau praktik bersama, hingga evaluasi pasca pelatihan menggunakan kuesioner pasca pelatihan. Pelatihan ini mensimulasikan pembuatan aplikasi mobile sederhana dengan nama Aplikasi Mahasiswa Polkesbang. Database yang digunakan adalah Glide Tables yang memiliki tampilan sangat mirip dengan Microsoft Excel. Dari hasil evaluasi kuesioner pasca pelatihan, pertanyaan kuesioner dijawab dengan respon sangat baik dan sangat sesuai oleh rata-rata 80% pernyataan responden. Hal ini menunjukkan bahwa secara umum pelatihan telah mendapatkan respon positif dari para peserta pelatihan yang dapat mengikuti tahapan demi tahapan dalam pembuatan aplikasi mobile melalui metode no code. Kata kunci: aplikasi; glideapps; no code; pelatihan. ABSTRACTThis activity was carried out in the form of training with the topic of making a mobile application using the no code method which was conducted for students of the Poltekkes Kemenkes Palembang. The no code method is an alternative to making applications that can be done without any programming or coding processes. Even though there are many no-code tools that can be used in making mobile applications, this training chooses glideapps because of its ease of use and its free features which are considered sufficient to make simple applications. The stages are started from administrative preparations, pre-training surveys, training in the form of counselling accompanied by demonstrations or joint practice, and post-training evaluation. This training creates a simple mobile application called Aplikasi Mahasiswa Polkesbang. The used database is Glide Tables which is very similar to Microsoft Excel. From the results of the post-training questionnaire evaluation, the questionnaire questions were answered with very good responses and very appropriate by an average of 80% of respondents' statements. This shows that the training has received a positive response from the training participants who are able to follow the step by step in making mobile applications through the no code method. Keywords: application; glideapps; no code; training.

Penggunaan Convolutional Neural Network Sebagai Pengenalan Huruf Bahasa Ibrani Julian Rusli Tee Baldi; Yohannes Yohannes; Siska Devella
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 12, No 1: April 2023
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v12i1.1090

Hebrew is important language due to it has a great attachment with Edenics. Edenics is ancestor language of Semitic that broke down within 70 languages for about 3.784 years ago that influenced many languages in the world also have connection to Hebrew. Hebrew has an important role because it’s used to study Bible and Mishnah. Research was made as a translate system for Hebrew Letter and the author used 27 of Hebrew letters, using Convolutional Neural Network method with AlexNet architecture. The Hebrew letter recognition made by using the Python.The dataset that used seperated into 27 letters for each of every training and testing data. The amount of training data is 3.638 pictures and testing data is 810 pictures. The highest accuration from 3 optimizers were obtained from Adam optimizer with 81,5% accurate.Key Words: AlexNet Architecture; Hebrew, Convolutional Neural Network AbstrakBahasa Ibrani penting dikarenakan erat hubungannya dengan Edenics. Edenics ialah bahasa Ibu.Semit yang tersebar ke 70 bahasa kurang lebih 3.784 tahun yang lalu dan berpengaruh besar pada banyak bahasa di bumi serta memiliki keterkaitan dengan bahasa Ibrani. Bahasa Ibrani berperan penting dikarenakan digunakan untuk mempelajari Alkitab dan Mishnah. Penelitian dibuat sebagai sistem penerjemah huruf bahasa Ibrani, dan penulis menggunakan 27 huruf alfabet Ibrani serta menggunakan metode Convolution Neural Network dengan arsitektur AlexNet. Pengenalan huruf Ibrani dibuat menggunakan Python. Dataset yang digunakan terbagi menjadi 27 huruf pada setiap data latih dan uji. Total data latih ialah 3.638 gambar. Total data uji ialah 810 gambar. Penggunaan optimizer seperti Adam, SGD dan RMSprop menghasilkan nilai precision, recall, dan accuracy yang berbeda. Hasil akurasi tertinggi diperoleh dari optimizer Adam dengan tingkat akurasi sebesar 81,5%.

Klasifikasi Kinship Keluarga Hollywood Dengan Metode Visual Geometry Group-Support Vector Machine Jericho Jericho; Yohannes Yohannes
MDP Student Conference Vol 2 No 1 (2023): The 2nd MDP Student Conference 2023
Publisher : Universitas Multi Data Palembang

Kinship merupakan hubungan yang penting untuk keluarga dan didapatkan melalui keturunan dari orang tua kepada anaknya. Keturunan ini disebut dengan genetik, yaitu suatu gen yang dapat diberikan kepada anaknya, gen tersebut dapat berpengaruh kepada anaknya karena dapat memberikan fitur yang mirip dengan orang tuanya seperti, warna rambut, warna mata, dan seterusnya. Ada banyak penelitian yang dapat menentukan hubungan tersebut seperti tes DNA, tetapi proses DNA ini sangat lama dan mahal, sehingga penelitian ini dilakukan. Penelitian ini menggunakan metode VGG-SVM dengan menggunakan bahasa pemrogramaan Python. Dataset yang digunakan adalah Family101 yang terdiri dari 13703 gambar, dan akan dibagi menjadi data training dan testing dengan rasio 80:20. Pengujian untuk penelitian ini adalah dengan menggunakan PCA dan tanpa PCA dan menghasilkan nilai accuracy, precision, dan recall. Hasil akurasi terbesar adalah 89,3% dengan tanpa PCA yang berbeda 0,7% dengan PCA, hasil presisi terbesar adalah 85%, dan hasil recall terbesar adalah 80,4%.

Implementasi Arsitektur VGG-Unet Dalam Melakukan Segmentasi Keretakan pada Citra Bangunan Jimmy Aprilyanto; Yohannes Yohannes
MDP Student Conference Vol 2 No 1 (2023): The 2nd MDP Student Conference 2023
Publisher : Universitas Multi Data Palembang

Retak adalah manifestasi permukaan yang disebabkan oleh gaya atau kombinasi gaya yang bekerja melebihi kapasitas yang dapat ditampung oleh suatu bangunan atau komponen materialnya. Proses pendeteksian retakan pada bangunan biasanya dilakukan secara manual, namun pendeteksian secara manual memiliki banyak kekurangan seperti keamanan, waktu dan sebagainya. Dalam studi ini, penulis menggunakan Convolutional Neural Network (CNN) arsitektur VGG-UNet dan Optimizer Adam, RMSprop, dan SGD untuk mendeteksi retakan pada citra bangunan. Kumpulan data yang digunakan dalam penelitian pendeteksian retakan ini adalah kumpulan data segmentasi retakan yang terdiri dari 11.298 citra masing-masing citra asli dan citra ground truth. Dataset dibagi menjadi 9.603 data latih dan 1.695 data uji. Optimizer Adam memiliki skor tertinggi untuk arsitektur VGG-UNet dengan skor Mean Intersection over Union (MIoU) sebesar 70,35%. Di sisi lain, optimizer SGD mencapai skor terendah dengan nilai MIoU 61,24%.

Co-Authors Ade Hendri Pandrean Adhytio Mahendra Andreas, Kevin Azarya, Philips Denny Beni Anthony Bobby Jaya Saputra Cahyati, Imelia Dwinora Calvin Oliver Saputra Celvine Adi Putra Cendy Prakarsah Dafid Dafid Dandy, Dandy Daniel Udjulawa Daniel Udjulawa Devella, Siska Dody, Muhammad Famerdi, Farhan Agung Farhan Agung Famerdi Farisi, Ahmad Febbiola Febbiola Feristyani, Indah Firda Novia Rahmawati Gerry Jeven Timoti Glen, Billy Hafiz Irsyad Hartati, Ery Indah Feristyani Jericho Jericho Jerry Setiawan Jimmy Aprilyanto Johannes Petrus Julian Rusli Tee Baldi Juliana Nasution Kelvin Arianto Laksana, Jovansa Putra Leo Chandra Leonardo Leonardo M Ezar Al Rivan Marcella, Dewi Meiriyama Meiriyama, Meiriyama Meiriyama, Meiriyama Molavi Arman Muhammad Farid Athar Muhammad Rizky Pribadi Muhammad Yudha Setiawan Muhdhor, Umar Novan Wijaya Nur Rachmat Pandi Pandi Pandi Pandi, Pandi Pandrean, Ade Hendri Philips Denny Azarya Prabowo, Adrianus Prasthio, Rial Putra, Lipi Amanda Ricky Wijaya RR. Ella Evrita Hestiandari Sahpira, Mulia Saputra, Dika Sari, Yulya Puspita Selvie, Selvie Setiawan, Jerry Sonia Sonia, Sonia Tanuwijaya, William Timoteus Ivan Sariyo Wijang Widhiarso William Hadisaputra Yoannita Yoannita Yoannita Yoannita, Yoannita Yulya Puspita Sari

Title

Found 54 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 54 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 54 Documents
Search