Articles
<![CDATA[Implementasi Model CNN Dan Tensorflow Dalam Pendeteksian Jenis Daging Hewan Ternak ]]>
<![CDATA[Zulfa Febriana Dewi Mellinia]]>;
<![CDATA[Eri Zuliarso]]>
<![CDATA[ Jurnal Teknologi Informasi dan Terapan Vol 9 No 1 (2022) ]]>
Publisher : <![CDATA[Jurusan Teknologi Informasi Politeknik Negeri Jember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.25047/jtit.v9i1.278
<![CDATA[Abstrak—Daging banyak dikonsumsi oleh masyarakat Indonesia dan banyak dijual di supermarket maupun pasar tradisional. Namun demikian , ada sebagian masyarakat yang kurang memiliki pengetahuan dalam memilih daging yang layak konsumsi dengan tepat. Penelitian ini menggunakan model Convolutional Neural Network (CNN) dan tensorflow untuk membangun sistem yang dapat mendeksi jenis daging yang layak konsumsi. Berdasarkan data yang didapat oleh peneliti data tersebut digunakan untuk pengolahan dataset yang nantinya akan dikelompokkan. Dataset tersebut terdapat 7 kategori dengan pengklasifikasian menggunakan model CNN. Model CNN cocok diterapkan karena model ini dapat memproses input gambar, yang menghasilkan sistem deteksi jenis daging yang layak dikonsumsi dengan akurasi 80,95%. Dengan sistem yang compatible dengan perangkat mobile, dengan CNN dapat memudahkan masyarakat memilih daging dengan tepat.]]>
<![CDATA[PENERAPAN ALGORITMA DEEP LEARNING UNTUK PENGEMBANGAN CHATBOT YANG DIGUNAKAN UNTUK KONSULTASI DAN PENGENALAN TENTANG VIRUS COVID-19 ]]>
<![CDATA[Nur Rohim]]>;
<![CDATA[Eri Zuliarso]]>
<![CDATA[ Pixel :Jurnal Ilmiah Komputer Grafis Vol 15 No 2 (2022): Vol 15 No 2 (2022): Jurnal Ilmiah Komputer Grafis ]]>
Publisher : <![CDATA[STEKOM PRESS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.51903/pixel.v15i2.777
<![CDATA[Covid-19 pandemic that hit almost all countries and no exception beloved our country Indonesia, has resulted in destruction and the collapse of the community’s economy. At the same time there is information about the covid-19 virus that still needs to be questioned about the validity of the source. With the development of technology in today’s era, it is easier for us to filter information that has valid sources so that there are no misunderstandings about the information obtained. So on this basis, this study aims to develop a chatbot model regarding Covid-19 in a relevant and fast manner according to the questions and statements entered. Chatbot itself is an Artificial Intelligence-based program or we can call it a digital assistant, which can simulate user conversations or chats like humans through an application either based on Android or the web. By using chatbot technology, users can get valid and relevant answers whose sources are clear so as not to cause anxiety and also make it easier for users to get information about the Covid-19 virus. Keywords: Covid-19; Technology; Chatbot; Artifical Intelligence]]>
<![CDATA[Deteksi Tanaman Herbal Khusus Untuk Penyakit Kulit Dan Penyakit Rambut Menggunakan Convolutional Neural Network (CNN) Dan Tensorflow ]]>
<![CDATA[Anefia Mutiara Atha]]>;
<![CDATA[Eri Zuliarso]]>
<![CDATA[ JUPITER (Jurnal Penelitian Ilmu dan Teknologi Komputer) Vol 14 No 2-a (2022): Jupiter Edisi Oktober 2022 ]]>
Publisher : <![CDATA[Teknik Komputer Politeknik Negeri Sriwijaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.5281./4736/5.jupiter.2022.10
<![CDATA[Herbal plants are plants with various benefits, one of which can be used to treat diseases naturally, especially skin diseases and hair diseases. Indonesian people are susceptible to skin and hair diseases because Indonesia is a country with a tropical climate. In this modern era, most people are not proficient enough at distinguishing between herbal plants and ordinary plants, which can cause errors in choosing herbal plants. So the researchers specifically made an herbal plant detection system for skin and hair diseases using the Convolutional Neural Network (CNN) model and Tensorflow framework and to help the public recognize herbal plants. The Convolutional Neural Network (CNN) model in this system is used to process two-dimensional data in the form of images. This research uses the Tensorflow framework which functions to run the recognition system. The result of the application test by using the picture of herbal plants can provide the highest accuracy in the sample test reaching 100%, and the average accuracy reaching 93%. So that android-based application is useable to make people easier to identify particular herbal plants for skin and hair diseases.]]>
<![CDATA[Temu Kembali Berbasis Citra untuk Menemukan Kemiripan Merek Menggunakan Algoritma SIFT dan SURF ]]>
<![CDATA[Eri Zuliarso]]>;
<![CDATA[Sulastri]]>;
<![CDATA[Yunus Anis]]>
<![CDATA[ Jurnal Buana Informatika Vol. 13 No. 02 (2022): Jurnal Buana Informatika, Volume 13, Nomor 2, Oktober 2022 ]]>
Publisher : <![CDATA[Universitas Atma Jaya Yogyakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24002/jbi.v13i02.6328
<![CDATA[Abstract. Image-Based Retrieval to Find Trademark Similarities Using SIFT and SURF Algorithms. In the world of trade in products and services, brands are essential. Every company wants to register a unique trademark for its products and services. Registration and evaluation to find the uniqueness of a trademark is challenging. Trademark image registration is one of the critical application areas of Content-BasedRetrieval (CBIR), which compares new brands with existing ones to ensure no dispute in the community. This study used SIFT and SURF algorithms to build a content-based brand image retrieval system. The research data used trademark data dispute cases that were decided in court. The features extracted from the SIFT and SURF algorithms are used to find similarities between the query image and the image in the database. Furthermore, the k-Nearest Neighbors algorithm with Euclidean distance measurements was used to sort the database images that were most similar to the query image. Experiments were conducted to find the algorithm and sequencing with the highest precision and recall values.Keywords: Trademark, SIFT, SURF, K-Nearest Neighbors, Euclidean. Abstrak. Dalam dunia perdagangan produk dan jasa, merek menjadi sangat penting. Setiap perusahaan ingin mendaftarkan merek dagang yang unik untuk produk dan jasanya. Pendaftaran dan evaluasi untuk menemukan kekhasan suatu merek dagang menjadi suatu pekerjaan yang sangat sulit. Pendaftaran citra merek dagang adalah salah satu area aplikasi penting Content Based Information Retrieval (CBIR) yang membandingkan merek baru dengan merek yang ada untuk memastikan tidak ada sengketa di masyarakat. Penelitian ini menggunakan algoritma SIFT dan SURF untuk membangun sistem temu kembali citra merek berbasis konten . Data penelitian menggunakan kasus sengketa data merek yang diputuskan di pengadilan. Fitur hasil ekstraksi algoritma SIFT dan SURF digunakan untuk mencari kemiripan citra query dan citra dalam basis data. Selanjutnya algoritma k-Nearest Neighbors dengan pengukuran jarak Euclidean digunakan untuk mengurutkan citra basis data yang paling mirip dengan citra query. Eksperimen dilakukan untuk mengetahui algoritma dan pengurutan dengan nilai presisi dan recall tertinggi. Kata Kunci: Merek, SIFT, SURF, K-Nearest Neighbors, Euclidean.]]>
<![CDATA[Prototipe Model Generatif dengan LSTM untuk Penciptaan lagu Campur Sari Didi Kempot ]]>
<![CDATA[R Soelistijadi]]>;
<![CDATA[Eri Zuliarso]]>;
<![CDATA[Isworo Nugroho]]>
<![CDATA[ JATISI (Jurnal Teknik Informatika dan Sistem Informasi) Vol 9 No 4 (2022): JATISI (Jurnal Teknik Informatika dan Sistem Informasi) ]]>
Publisher : <![CDATA[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.v9i4.2186
<![CDATA[The campursari music singer Alm. Didi Kempot left a work in the form of 80 albums containing about 700 songs of which 98% of the songs were composed by himself. Therefore, after his death, it was necessary to create a new campursari song so that the existence of the music was maintained. Based on this background, this research tries to build a generative model to produce new songs that have almost the same lyrics as the previous songs. The first stage was taken various song lyrics of campursari as many as 56 song lyrics as data testing then data cleansing was carried out and stored in excel format as the dataset. Then go to the Kaggle platform and use the Pandas library to read the dataset and perform clustering to see the top of terms. The next step using the Keras library is to build a sequential model with the Neural Network architecture on LongShort-TermMemory (LSTM). In order for the system to produce song lyrics as desired, they are generated per line of song lyrics by processing the number of epochs 100 times. The results obtained from this study are in the form of prototypes because in the experimental stage the final results can have many variants of new songs. Therefore, the performance measure used is the level of success in producing new campursari music that has different song lyrics but has the same theme.]]>
<![CDATA[Prediction of the Development of Covid-19 Case in Indonesia Based on Google Trend Analysis ]]>
<![CDATA[Sulastri Sulastri]]>;
<![CDATA[Eri Zuliarso]]>;
<![CDATA[Arief Jananto]]>
<![CDATA[ Eduvest - Journal of Universal Studies Vol. 2 No. 7 (2022): Journal Eduvest - Journal of Universal Studies ]]>
Publisher : <![CDATA[Green Publisher Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (6167.478 KB)
|
DOI: 10.59188/eduvest.v2i7.530
<![CDATA[The global outbreak of the coronavirus disease (COVID-19) has recently hit many countries around the world. Indonesia is one of the 10 most affected countries. Search engines such as Google provide data on search activity in a population, and this data may be useful for analyzing epidemics. Leveraging data mining methods on electronic resource data can provide better insights into the COVID-19 outbreak to manage health crises in every country and around the world. This study aims to predict the incidence of COVID-19 by utilizing data from the Covid 19 Task Force and the Google Trends website. Linear regression and long-term memory (LSTM) models were used to estimate the number of positive COVID-19 cases.]]>
<![CDATA[KLASIFIKASI DOKUMEN DENGAN METODE NAIVE BAYES TERHADAP PUTUSAN KASASI PENGADILAN TENTANG MERK ]]>
<![CDATA[Sulastri, Sulastri]]>;
<![CDATA[Zuliarso, Eri]]>
<![CDATA[ Dinamika Informatika : Jurnal Ilmiah Teknologi Informasi Vol 12 No 1 (2020) ]]>
Publisher : <![CDATA[Fakultas Teknologi Informasi Universitas Stikubank (Unisbank) Semarang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (379.641 KB)
|
DOI: 10.35315/informatika.v12i1.8162
<![CDATA[Aplikasi SIPP merupakan bagian dari Sistem Manajemen Informasi di Pengadilan, dimana masyarakat dapat mencari informasi yang diinginkan termasuk yang berhubungan tentang merk. Pada penelitian ini akan dilakukan klasifikasi terhadap putusan pengadilan tentang merk dengan menggunakan metode Naive Bayes dengan variabel klasifikasi putusan tolak atau kabul. Dari hasil analisa yang dilakukan terhadap 50 data hasil putusan pengadilan tentang merk didapatkan model klasifikasi dengan tingkat akurasi sebesar 80%. Analisa text yang dilakukan terhadap putusan pengadilan terdapat 5 kata yang paling banyak muncul yaitu kasasi, pemohon, pengadilan, permohonan dan peninjauan.]]>
<![CDATA[Multi-Accent Speaker Detection Using Normalize Feature MFCC Neural Network Method ]]>
<![CDATA[Kristiawan Nugroho]]>;
<![CDATA[Edy Winarno]]>;
<![CDATA[Eri Zuliarso]]>;
<![CDATA[Sunardi]]>
<![CDATA[ Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 7 No 4 (2023): August 2023 ]]>
Publisher : <![CDATA[Ikatan Ahli Informatika Indonesia (IAII) ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29207/resti.v7i4.4652
<![CDATA[Speaker recognition is a field of research that continues to this day. Various methods have been developed to detect the human voice with greater precision and accuracy. Research on human speech recognition that is quite challenging is accent recognition. Detecting various types of human accents with different accents and ethnicities with high accuracy is a research that is quite difficult to do. According to the results of the research on the data preprocessing stage, feature extraction and selection of the right classification method play a very important role in determining the accuracy results. This study uses a preprocessing approach with normalizing features combined with MFCC as a method to perform feature extraction and the neural network (NN), which is a classification method that works based on the workings of the human brain. Research results obtained using the normalize feature with MFCC and neural network for multiaccent speaker recognition, the accuracy performance reaches 82.68%, precision is 83% and recall is 82.88%.]]>
<![CDATA[Pemanfaatan Google Data Studio Untuk Visualisasi Data Atlit KONI Kabupaten Kendal ]]>
<![CDATA[Sulastri sulastri]]>;
<![CDATA[Eri Zuliarso]]>;
<![CDATA[Dwi Agus Diartono]]>;
<![CDATA[Sri Eniyati]]>
<![CDATA[ Intimas Vol 3 No 2 (2023) ]]>
Publisher : <![CDATA[Fakultas Teknologi Informasi dan Industri Unisbank ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.35315/intimas.v3i2.9162
<![CDATA[Komite Olahraga Nasional Indonesia (KONI) Kabupaten Kendal adalah organisasi yang berwenang dan bertanggung jawab mengelola, membina, mengembangkan dan mengkoordinasikan seluruh pelaksanaan kegiatan olahraga prestasi di Kabupaten Kendal. KONI Kabupaten Kendal memiliki tugas pokok merencanakan, mengkoordinasikan dan melaksanakan pembinaan dan peningkatan prestasi atlet, kinerja wasit, pelatih dan manajer, guna mewujudkan prestasi keolahragaan di Kabupaten Kendal menuju prestasi nasional dan internasional. Untuk menyusun strategi diperlukan data mengenai seluruh sumber daya yang dimiliki, baik dalam mempersiapkan sampai dengan pelaksanaan kegiatan olahraga. Saat ini KONI Kabupaten Kendal belum mempunyai sistem informasi berbasis teknologi modern untuk mengelola data yang dimiliki.. Permasalahan yang dialami oleh pengurus KONI Kabupaten Kendal adalah masalah pengelolaan data secara modern dengan menggunakan teknologi informasi dan hal tersebut menjadi prioritas untuk diberikan solusi. Untuk mengatasi permasalahan tersebut diatas, tim PKM akan memberikan solusi berupa pelatihan menggunakan situs Google Data Studio yang merupakan tool untuk mengubah data menjadi informasi yang akan membantu dalam menentukan keputusan. Pelatihan telah dilaksanakan dengan baik dan peserta dapat mencoba tool Google Data Studio untuk membuat visualisasi data berupa grafik histogram, tabel dan grafik lingkarang yang lebih informatif.]]>
<![CDATA[Menerapkan Data Mining Dengan Algoritma Fp-Growth Pada Analisis Pola Pembelian Konsumen Pada Donat Bolong Semarang ]]>
<![CDATA[Arya Sena Setyanegara]]>;
<![CDATA[Eri Zuliarso]]>
<![CDATA[ INTECOMS: Journal of Information Technology and Computer Science Vol 6 No 2 (2023): INTECOMS: Journal of Information Technology and Computer Science ]]>
Publisher : <![CDATA[Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE) ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31539/intecoms.v6i2.7106
<![CDATA[Persaingan di dunia bisnis semakin hari semakin ketat sehingga para pelaku bisnis harus membuat strategi untuk meningkatkan penjualan produknya. Salah satu yang bisa dilakukan oleh perusahaan dalam menjalankan kegiatan bisnisnya adalah dengan cara memanfaatkan teknologi informasi. Teknologi yang bisa dimanfaatkan perusahaan untuk merancang strategi penjualan adalah dengan menerapkan penggunaan Data Mining. Donat Bolong Semarang adalah salah satu outlet makanan cepat saji yang berada di Semarang. Donat Bolong ini menyajikan berbagai macam rasa dan toping yang ditawarkan sehingga membuat para pelanggan menyukainya dengan harga murah yang sangat ramah untuk kantong pelajar ataupun mahasiswa. Pada penelitian ini akan dilakukan menggunakan Algoritma FP-Growth, tools Kaggle dan bahasa pemrograman python.Hasil dari penelitian data mining yang telah dilakukan menggunakan Algoritma FP-Growth pada transaksi pembelian Donat Bolong Semarang dapat membantu strategi bisnis pada Donat Bolong Semarang promosi sehingga dapat menarik konsumen. Kata Kunci: Data Mining, Algoritma FP-Growth, Python, Kaggle]]>
