Article Per Year (5 Year)
p-Index From 2021 - 2026
2.447
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Journal of Natural A Jurnal POINTER Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JURNAL MEDIA INFORMATIKA BUDIDARMA JURNAL REKAYASA TEKNOLOGI INFORMASI MULTINETICS Jurnal Sistem Informasi, Teknologi Informasi, dan Edukasi Sistem Informasi (JUST-SI) Mitra Akademia: Jurnal Pengabdian Masyarakat Buletin Poltanesa BHAKTI PERSADA Jurnal Aplikasi IPTEKS (Journal of Applied Sciences and Technology) Makara Journal of Science Eduvest - Journal of Universal Studies Innovative: Journal Of Social Science Research Recent in Engineering Science and Technology
Dewi Yanti Liliana
Politeknik Negeri Jakarta
Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering 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 Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Neuroscience Nursing Public Health Social Sciences Transportation Other

Published : 28 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search
Journal : MULTINETICS

 1 
Pengembangan Aplikasi Pendeteksi Potensi Bencana Gunung Berapi Menggunakan Pengklasifikasi Bayesian Liliana, Dewi Yanti
MULTINETICS Vol 1, No 1 (2015): MULTINETICS Mei (2015)
Publisher : POLITEKNIK NEGERI JAKARTA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32722/multinetics.Vol1.No.1.2015.pp.15-18

Abstract

Letak geografis Indonesia berada di pertemuan dua lempeng yaitu Asia dan Australia, menyebabkan banyak terdapat gunung berapi. Selain itu pegunungan di Indonesia didominasi oleh gunung yang aktif dan berpotensi meletus sewaktu-waktu. Kondisi tersebut mengharuskan warga negara Indonesia, khususnya yang tinggal di sekitar pegunungan berapi aktif tanggap akan bencana letusan gunung berapi. Berkembangnya sains dan teknologi informasi dapat memberi kontribusi dalam rangka mitigasi bencana geologi yang diakibatkan aktivitas vulkanik dalam bentuk aplikasi pendeteksi potensi bencana gunung berapi. Penelitian ini menghasilkan suatu aplikasi pendeteksi status gunung berapi. Data latih yang digunakan diambil dari situs Pusat Vulkanologi dan Mitigasi Bencana Gunung Berapi yang diklasifikasikan dalam tiga status yaitu normal, siaga, dan waspada. Pengklasifikasi Bayesian digunakan karena merupakan metode berbasis probabilitas yang sederhana namun handal. Berdasarkan hasil pengujian jumlah data latih terbesar mencapai tingkat akurasi 90%. Dengan demikian dapat dikatakan bahwa aplikasi pendeteksi potensi bencana gunung berapi memiliki performa yang baik dalam mengklasifikasi status gunung berapi.
PENGENALAN MOTIF SONGKET PALEMBANG MENGGUNAKAN DETEKSI TEPI CANNY, PCA DAN KNN Hasan, Moh Arie; Liliana, Dewi Yanti
MULTINETICS Vol 6, No 1 (2020): Multinetics May (2020)
Publisher : POLITEKNIK NEGERI JAKARTA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32722/multinetics.Vol6.No.1.2020.pp.1-6

Abstract

Songket Palembang merupakan salah satu jenis songket ciri khas budaya Indonesia yang memiliki berbagai jenis motif. Jenis motif yang beragam menyulitkan orang awam untuk mengenali songket yang memiliki kemiripan motif. Penelitian ini bertujuan untuk mengenali 2 jenis motif songket palembang, yaitu songket bintang berante dan nampan perak. Proses klasifikasi akan melalui 3 tahap yaitu preprosesing, feature extraction dan klasifikasi. Preproses mengubah citra warna songket menjadi citra grayscale. Pada tahap ekstraksi fitur, citra grayscale ditingkatkan kontrasnya dengan histogram equalization dan kemudian menggunakan deteksi tepi Canny untuk mendapatkan pola dari motif songket tersebut. Hasil ekstraksi kemudian dikelompokkan dan diberi label sesuai motifnya dan kemudian diklasifikasikan menggunakan k-Nearest Neighbor. Hasil uji coba diperoleh akurasi tertinggi mencapai 91,67 %. 
Pengembangan Aplikasi Pendeteksi Potensi Bencana Gunung Berapi Menggunakan Pengklasifikasi Bayesian Liliana, Dewi Yanti
MULTINETICS Vol. 1 No. 1 (2015): MULTINETICS Mei (2015)
Publisher : POLITEKNIK NEGERI JAKARTA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32722/multinetics.v1i1.1030

Abstract

Letak geografis Indonesia berada di pertemuan dua lempeng yaitu Asia dan Australia, menyebabkan banyak terdapat gunung berapi. Selain itu pegunungan di Indonesia didominasi oleh gunung yang aktif dan berpotensi meletus sewaktu-waktu. Kondisi tersebut mengharuskan warga negara Indonesia, khususnya yang tinggal di sekitar pegunungan berapi aktif tanggap akan bencana letusan gunung berapi. Berkembangnya sains dan teknologi informasi dapat memberi kontribusi dalam rangka mitigasi bencana geologi yang diakibatkan aktivitas vulkanik dalam bentuk aplikasi pendeteksi potensi bencana gunung berapi. Penelitian ini menghasilkan suatu aplikasi pendeteksi status gunung berapi. Data latih yang digunakan diambil dari situs Pusat Vulkanologi dan Mitigasi Bencana Gunung Berapi yang diklasifikasikan dalam tiga status yaitu normal, siaga, dan waspada. Pengklasifikasi Bayesian digunakan karena merupakan metode berbasis probabilitas yang sederhana namun handal. Berdasarkan hasil pengujian jumlah data latih terbesar mencapai tingkat akurasi 90%. Dengan demikian dapat dikatakan bahwa aplikasi pendeteksi potensi bencana gunung berapi memiliki performa yang baik dalam mengklasifikasi status gunung berapi.
Pengenalan Motif Songket Palembang Menggunakan Deteksi Tepi Canny, PCA dan KNN Hasan, Moh Arie; Liliana, Dewi Yanti
MULTINETICS Vol. 6 No. 1 (2020): MULTINETICS Mei (2020)
Publisher : POLITEKNIK NEGERI JAKARTA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32722/multinetics.v6i1.2700

Abstract

Songket Palembang merupakan salah satu jenis songket ciri khas budaya Indonesia yang memiliki berbagai jenis motif. Jenis motif yang beragam menyulitkan orang awam untuk mengenali songket yang memiliki kemiripan motif. Penelitian ini bertujuan untuk mengenali 2 jenis motif songket palembang, yaitu songket bintang berante dan nampan perak. Proses klasifikasi akan melalui 3 tahap yaitu preprosesing, feature extraction dan klasifikasi. Preproses mengubah citra warna songket menjadi citra grayscale. Pada tahap ekstraksi fitur, citra grayscale ditingkatkan kontrasnya dengan histogram equalization dan kemudian menggunakan deteksi tepi Canny untuk mendapatkan pola dari motif songket tersebut. Hasil ekstraksi kemudian dikelompokkan dan diberi label sesuai motifnya dan kemudian diklasifikasikan menggunakan k-Nearest Neighbor. Hasil uji coba diperoleh akurasi tertinggi mencapai 91,67 %. 
Data Mining untuk Prediksi Status Pasien Covid-19 dengan Pengklasifikasi Naïve Bayes Liliana, Dewi Yanti; Maulana, Hata; Setiawan, Agus
MULTINETICS Vol. 7 No. 1 (2021): MULTINETICS Mei (2021)
Publisher : POLITEKNIK NEGERI JAKARTA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32722/multinetics.v7i1.3786

Abstract

The Covid-19 pandemic in 2020 is a complex health problem and requires fast handling and collaborative solutions from various disciplines. Covid-19 patients who are hospitalized have different conditions and severity. This has an effect on the handling actions that will be taken by medical personnel. The large number of patients and the lack of medical personnel have resulted in the need for technology support to help classify patient status based on their conditions so that treatment is concentrated on patients who are very serious and need fast treatment. This study applies predictive techniques from data mining disciplines to classify the emergency status of patients. The Naive Bayes Classifier was applied to build a model based on a dataset of patients infected with Covid-19. The dataset of Covid-19 patients in Indonesia was obtained from www.kaggle.com and applied using RapidMiner software. The model built can predict the emergency status of patients based on age and sex who have the highest likelihood of recovering from COVID-19 and patients who have a high likelihood of continuing to undergo treatment and /or deceased. The results of this study indicates that the classification of the Naive Bayes reached 96.67% of accuracy rate in classifying patient status.
Co-Authors Abdillah, Abdul Azis Agus Setiawan Andryani, Nur Afny Catur Buce Trias Hanggara Darna Darna Deviana Sely Wita Diah Priharsari Dian Eka Ratnawati Dwi Cahya Astriya Nugraha Edistria, Ega Ermis, Iklima fatimah Fatimah Fiaji, Noveria Anggraeni Hanggara, Buce Trias Harjono, Maykada Hasan, Moh Arie Hata Maulana Hendini, Indira Putri Hikmah, Nadia Nurul Huzaifa, Malisa I Gede Surya Rahayuda I Gede Surya Rahayuda, I Gede Surya Indira Putri Hendini Isdawimah Ismiarta Aknuranda Ismiarta Aknuranda Keppi Sukesi Lailil Muflikah M Rahmat Widyanto M. Gilvy Langgawan Putra Malisa Huzaifa Marcheta, Noorlela Maria Agustin Marji Marji Metekohy , Elizabeth Y Muh. Arif Rahman Muzakki, Zahran Nalawati, Rizki Elisa Noor Hafidz Noorlela Marcheta Noveria Anggraeni Fiaji Nugraha, Dwi Cahya Astriya Nur Aini Nur Aini priharsari, diah Prima Zulvarina, Prima Putra, M. Gilvy Langgawan Putro, Mardha Haryono Ratna Widya Iswara Rezakusuma, Muhammad Rizki Elisa Nalawati Samsul Arifin Solimun, Solimun T. Basaruddin T. Basaruddin Zulvarina, Prima