Article Per Year (5 Year)
p-Index From 2021 - 2026
3.701
P-Index
This Author published in this journals
All Journal Dinamik Jurnal Masyarakat Informatika Jurnal Sains dan Teknologi Semantik Techno.Com: Jurnal Teknologi Informasi JAIS (Journal of Applied Intelligent System) Proceeding SENDI_U Jurnal Ilmiah Dinamika Rekayasa (DINAREK) Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Abdimasku : Jurnal Pengabdian Masyarakat Journal of Soft Computing Exploration Prosiding Seminar Nasional Hasil-hasil Penelitian dan Pengabdian Pada Masyarakat Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Community: Jurnal Pengabdian Pada Masyarakat Seminar Nasional Teknologi dan Multidisiplin Ilmu Jurnal Informatika Polinema (JIP) Transformasi Masyarakat : Jurnal Inovasi Sosial dan Pengabdian Scientific Journal of Informatics Kesejahteraan Bersama : Jurnal Pengabdian dan Keberlanjutan Masyarakat Masyarakat Berkarya: Jurnal Pengabdian dan Perubahan Sosial Pelayanan Unggulan: Jurnal Pengabdian Masyarakat Terapan Seminar Nasional Riset dan Teknologi (SEMNAS RISTEK)
Cahaya Jatmoko
Universitas Dian Nuswantoro
Agriculture, Biological Sciences & Forestry Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mechanical Engineering Physics Public Health Social Sciences Other

Published : 40 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 40 Documents
Search

 1   2   3   4 
UJI IMPLEMENTASI ALGORITMA VIOLA-JONES DALAM PENGENALAN WAJAH Cahaya Jatmoko; De Rosal Ignatius Moses Setiadi; Danu Hartanto; Alvin Faiz Kurniawan; Eko Hari Rachmawanto; Christy Atika Sari; Florentina Esti Nilawati
Dinamik Vol 25 No 2 (2020)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35315/dinamik.v25i2.8071

Abstract

Salah satu algoritma yang sering digunakan untuk melakukan deteksi pada wajah yaitu Viola-Jones. Metode ini merupakan gabungan dari 3 buah fitur yaitu integral image, adaboost dan cascade classifier. Masing-masing fitur mempunyai fungsi tersendiri dan saling melengkapi. Integral image digunakan dalam penentuan ada dan tidaknya gambar, adaboost untuk memilih dan mengatur nilai threshold, sedangkan cascade classifier untuk mengklasifikasi daerah yang akan di deteksi. Untuk memudahkan deteksi, terurtama pada bagian mata maka digunakan Haar like feature. Proses pengenalan wajah telah dilakukan pada gambar dengan satu objek dan beberapa objek. Hasil impelemntasi juga dapat mengenali objek foto lukisan dan foto tampak samping. Dari seluruh percobaan di dapatkan nilai rata-rata sebesar 65% dengan sebaran nilai akurasi tertinggi 70%, sensitivitas 55% dan spesifitas 71%.
Pattern Recognition on Vehicle Number Plates Using a Fast Match Algorithm Cahaya Jatmoko; Daurat Sinaga; Edi Sugiarto; Nur Rokhman; Heru Lestiawan
Journal of Applied Intelligent System Vol 6, No 2 (2021): Journal of Applied Intelligent System
Publisher : Universitas Dian Nuswantoro and IndoCEISS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/jais.v6i2.4625

Abstract

Computer Vision was the fast developing apps in the world, it is make people make a lot of new algorithm. Before we can use in out app, we need to test the algorithm to make sure how effective and optimal the algorithm to solve every case we given. A lot of traffic system has implemented computer vision, they need fast and can work in every condition, because every vehicle who pass needs to be recognized. In this research Fast Match algorithm was chosen because they can solve some test and make a lot of image have a similarity with the template. It makes accuracy of the data can be achieved with this algorithm. For example on of the sample was have a SAD point for 0.5 and Overlap Error for 0.5 and can run in standard computer just for a couple second. It makes the template and the original image has a little similarity.
Classification of Bird Based on Face Types Using Gray Level Co-Occurrence Matrix (GLCM) Feature Extraction Based on the k-Nearest Neighbor (K-NN) Algorithm Daurat Sinaga; Feri Agustina; Noor Ageng Setiyanto; Suprayogi Suprayogi; Cahaya Jatmoko
Journal of Applied Intelligent System Vol 6, No 2 (2021): Journal of Applied Intelligent System
Publisher : Universitas Dian Nuswantoro and IndoCEISS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/jais.v6i2.4627

Abstract

Indonesia is one of the countries with a large number of fauna wealth. Various types of fauna that exist are scattered throughout Indonesia. One type of fauna that is owned is a type of bird animal. Birds are often bred as pets because of their characteristic facial voice and body features. In this study, using the Gray Level Co-Occurrence Matrix (GLCM) based on the k-Nearest Neighbor (K-NN) algorithm. The data used in this study were 66 images which were divided into two, namely 55 training data and 11 testing data. The calculation of the feature value used in this study is based on the value of the GLCM feature extraction such as: contrast, correlation, energy, homogeneity and entropy which will later be calculated using the k-Nearest Neighbor (K-NN) algorithm and Eucliden Distance. From the results of the classification process using k-Nearest Neighbor (K-NN), it is found that the highest accuracy results lie at the value of K = 1 and at an degree of 0 ° of 54.54%.
A Classification of Batik Lasem using Texture Feature Ecxtraction Based on K-Nearest Neighbor Cahaya Jatmoko; Daurat Sinaga
Journal of Applied Intelligent System Vol 3, No 2 (2018): Journal of Applied Intelligent System
Publisher : Universitas Dian Nuswantoro and IndoCEISS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/jais.v3i2.2151

Abstract

In this study, batik has been modeled using the GLCM method which will produce features of energy, contrast, correlation, homogenity and entropy. Then these features are used as input for the classification process of training data and data testing using the K-NN method by using ecludean distance search. The next classification uses 5 features that provide information on energy values, contrast, correlation, homogeneity, and entropy. Of the two classifications, which comparison will produce the best accuracy. Training data and data testing were tested using the Recognition Rate calculation for system evaluation. The results of the study produced 66% recognition rate in 50 pieces of test data and 100 pieces of training data.
Uji Performa Penyisipan Pesan Dengan Metode LSB dan MSB Pada Citra Digital Untuk Keamanan Komunikasi Cahaya Jatmoko; L. Budi Handoko; Christy Atika Sari; De Rosal Ignatius Moses Setiadi
Dinamika Rekayasa Vol 14, No 1 (2018): Jurnal Ilmiah Dinamika Rekayasa - Februari 2018
Publisher : Jenderal Soedirman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20884/1.dr.2018.14.1.200

Abstract

Salah satu teknik penyembunyian data yang populer adalah steganografi. Teknik ini dapat mengecoh pihak penyadap data sehingga informasi rahasia tetap aman. Steganografi dapat digunakan dengan menerapkan sejumlah algoritma dengan bantuan pemrosesan komputer. Algoritma steganografi yang sering diteliti antara lain Least Significant Bit (LSB) dan Most Significant Bit (MSB). LSB merupakan salah satu algoritma steganografi yang melakukan proses perhitungan bit dengan nilai paling kecil, sedangkan MSB melakukan proses yang sama namun dengan pilihan angka yang besar. LSB merupakan algoritma sederhana namun dapat digunakan pada proses steganografi, begitu pula dengan MSB. Penelitian ini membahas tentang uji performa algoritma LSB dan MSB dalam steganografi, baik dari segi kulitas hasil steganografi, dan ketahanan terhadap serangan. Alat ukur yang digunakan dalam penelitian ini adalah, Mean Square Error (MSE), Peak Signal to Noise Ratio (PSNR), dan Coefficient Correlation (CC). Berdasarkan hasil penelitian metode LSB terbukti lebih baik dari segi kulitas, sedangkan ketahanan terhadap serangan MSB lebih unggul pada jenis serangan salt and pepper.
K-NEAREST NEIGHBOR DAN EKSTRAKSI WARNA MEANRGB UNTUK IDENTIFIKASI KUNYIT ATAU TEMULAWAK Cahaya Jatmoko; Daurat Sinaga
PROSIDING SEMINAR NASIONAL LPPM UMP Vol 2 (2020): PROSIDING SEMINAR NASIONAL LPPM UMP 2020
Publisher : Lembaga Publikasi Ilmiah dan Penerbitan (LPIP)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (572.504 KB)

Abstract

Tanaman rimpang sering ditemui dinegara Indonesia biasa disebut dengan rempah-rempah. tanaman tersebuttumbuh menjalar pada bagian permukaan tanah dan akar yang tumbuh menghasilkan tunas baru. Jenis-jenis tanaman rimpang sangatlah banyak dan memiliki aroma yang beragam namun jika dilihat dari warnanya hampir memiliki kesamaan sehingga sulit untuk mengetahui jenis rempah-rempah. Pemilihan jenis rempah-rempah berdasarkan aroma pada manusia sangatlah mudah, namun bagi komputer tidak mudah untuk melakukan hal tersebut. Pola pikir pada manusia memiliki kecenderungan yang subjektif terhadap objek, persepsi tersebut terjadi karena adanya faktor warna yang terdapat pada objek tersebut. Dengan demikian perlu adanya sistem yang dapat melakukan pemilihan jenis-jenis rempah secara otomatis berdasarkan komposisi warnanya. Tujuan dalam penelitian ini adalah untuk mengidentifikasi kunyit dan temulawak menggunkan algoritma K-Nearest Neighbor (K-NN) dengan ekstraksi fitur warna yaitu MeanRGB. Pada penelitian ini memiliki pemodelan sistem yang dimulai dari pengumpulan data, pengenalan data, ekstraksi fitur warna hingga klasifikasi. Dalam penelitian ini, terdapat dua jenis data yaitu data latih yang memiliki 100 citra dan data uji yang memiliki 80 citra. Hasil yang diperoleh pada penelitian ini, sistem dapat membedakan citra kunyit dan temulawak dengan nilai akurasi 95% pada K=1.
ANALISIS SENTIMEN UNTUK MENGETAHUI KESAN PLAYER GAME MOBILE LEGENDS MENGGUNAKAN NAÏVE BAYES CLASSIFIER Daurat Sinaga; Cahaya Jatmoko
PROSIDING SEMINAR NASIONAL LPPM UMP Vol 2 (2020): PROSIDING SEMINAR NASIONAL LPPM UMP 2020
Publisher : Lembaga Publikasi Ilmiah dan Penerbitan (LPIP)

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

Abstract

Youtube sebagai media promosi melalui update yang dilakukan oleh Mobile Legend, dan tentu saja berbagaiyoutuber turut serta melakukan review setiap update yang dilakukan oleh pihak developer. Salah satu youtuber @VY Gaming dengan video berjudul “Review Mobile Legend V2.0 + Link Download! Tampilan Keren! Lebih Smooth! Lebih Kenceng! Anti Lag!” menunjukkan apa saja yang menarik pada game mobile legend. Banyak viewers yang berkomentar bahwa update yang dilakukan Mobile Legend tidak perlu dilakukan, bahkan sebagian sependapat dengan youtuber tersebut. Data mining dapat digunakan untuk mengolah data komentar dengan tujuan mengklasifikasi komentar user game mobile legend. Dalam penelitian ini di pilih Naive Bayes Classification sebagai alat pemisah antar komentar yang telah diutarakan oleh user. Proses crawling data menggunakan netlytic, diperoleh 2500 sentimen, dengan 400 data diantara digunakan sebagai data uji. Proses perbaikan kata tidak baku pada komentar dilakukan dengan teknik normalisasi. Setelah proses normalisasi, dilakukan proses case folding, tokenizing, stemming dan filtering. Hasil akurasi pengukuran probabilitas komentar user, diperoleh akurasi sebesar 80%, presisi sebesar 76% dan recall sebesar 90,4 %.
Klasifikasi Kualitas Buah Melinjo Menggunakan K-NN Cahaya Jatmoko; Daurat Sinaga; Heru Lestiawan; Christy Atika Sari
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2022
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (319.549 KB)

Abstract

Banyaknya industri pengolahan yang memanfaatkanmelinjo sebagai bahan baku serta pasar yang membutuhkan melinjountuk konsumsi segar juga turut mempengaruhi potensi untukpengembangan budidaya melinjo. Di Indonesia penentuan kualitasbuah melinjo kebanyakan menggunakan cara konvensional denganmengamati buah secara manual. Pemilahan hasil panen terutamabuah-buahan dapat dilakukan secara otomatis menggunakan highperformance liquid chromatography, pencitraan nearinfrared, dansensor gas, namun cara tersebut membutuhkan perangkat yang mahaldan operator professional. Penelitian ini mengusulkan analisiskualitas buah melinjo berdasarkan pengolahan citra. Denganmenggunakan algoritma K-Nearest Neighbor (KNN) dalammengklasifikasikan buah melinjo ke dalam dua kelompok, yaitu baikdan buruk, serta attribut yang digunakan dalam pengklasifikasianberupa fitur ekstraksi RGB. Berdasarkan hasil eksperimen metode(KNN) mempunyai performa yang baik, dibuktikan dari hasil akurasiyang tinggi. Dari 100 dataset dibagi menjadi data training 70 citradan data testing 30 citra. Hasil pengujian menggunakan data testingyaitu 28 citra masuk kategori benar dalam klasifikasi dan 2 salahsehingga menghasilkan akurasi 93 %, precision 94 persen dan recall94 persen.
Metode K-Nearest Neighbor dan Ekstraksi Fitur GLCM untuk Mengklasifikasikan Biji Kopi Robusta dan Arabika Lokal Cahaya Jatmoko; Daurat Sinaga
Seminar Nasional Teknologi dan Multidisiplin Ilmu (SEMNASTEKMU) Vol 2 No 2 (2022): SEMNASTEKMU
Publisher : Universitas Sains dan Teknologi Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/semnastekmu.v2i1.189

Abstract

Beberapa produk kopi yang cukup terkenal adalah Kopi Robusta dan Kopi Arabika. Memanfaatkan teknologi untuk membantu mengidentifikasi bagaimana perbedaan penampilan biji kopi menjadi salah satu isu yang perlu di uji coba, bahkan, pengidentifikasian menggunakan data citra juga dapat dilakukan dengan optimal. Proses pengidentifikasian tersebut dilakukan dengan cara memanfaatkan teknik pengolahan citra digital. Pada penelitian ini, telah digunakan Algoritma K-Nearest Neighbor (K-NN) dan Ekstraksi Fitur Gray Level Co-occurrence Matrix (GLCM) untuk melakukan proses pengklasifikasian biji kopi Robusta dan Arabika. Digunakan dataset gambar sebanyak 194 gambar biji kopi yang merupakan gabungan dari 97 data citra dari biji kopi Robusta, dan 97 data citra dari biji kopi Arabika. Dari keseluruhan dataset tersebut, digunakan sebanyak 174 data sebagai data latih, dan 20 data sisanya sebagai data uji. Akurasi tertinggi yang dihasilkan dari eksperimen ini sebesar 95% dengan ketentuan jarak piksel = 1, nilai K = 1, dan besar sudur = 45o.
Learning Vector Quantization for Robusta and Arabica Coffee Classification Jatmoko, Cahaya; Sinaga, Daurat; Lestiawan, Heru; Hadi, Heru Pramono
Journal of Applied Intelligent System Vol. 8 No. 2 (2023): Journal of Applied Intelligent System
Publisher : Universitas Dian Nuswantoro and IndoCEISS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/jais.v8i2.7343

Abstract

ANN or artificial neural network is a way to solve various kinds of problems to make decisions based on training. One of the methods of JSt which contains competitive and supervised learning. Where this layer will automatically learn the classification of the closest input distances and will be distributed to the same class. there are 2 types of coffee beans that are famous in the world, namely arabica and robusta, for some people or the layman it will be very difficult to distinguish these 2 types of coffee beans apart from the fact that the shape is almost the same the color looks almost the same but there are a number of differences in the two coffee beans which we can see from the shape of the seed. Robusta has a shape that tends to be round and smaller in size, and has a rougher texture. Arabica, on the other hand, is slightly flatter and longer in shape. The size is slightly bigger than Robusta but the texture of Arabica is smoother than Robusta. This is the basis of this study where the images of the two coffee beans will be extracted using the first-order texture feature extraction method based on MU parameters, standard deviation, skewness, energy, entropy, and smoothness. The method for collecting data was in the form of a quantitative method using images from each coffee bean, both Arabica and Robusta, with a total of 130 images. The comparison between training_data and test_data is 80:20. Through research conducted in the form of performance parameters with the best accuracy, including: Learning rate 0.01, max epoch or maximum iteration of 10 and 30%, the amount of training data used is 39 training images and 26 test images resulting in an accuracy presentation of 71% for the training process and error with a percentage of 96% for the test process.
Co-Authors Abdussalam Abdussalam, Abdussalam Agus Setiawan Agustina, Feri Akrom, Ahmad Alfany, Fauzan Maulana Alvin Faiz Kurniawan Award Widya Laksana, Deddy Candra Irawan Candra Irawan Christy Atika Sari Danu Hartanto Daurat Sinaga Daurat Sinaga De Rosal Ignatius Moses Setiadi Deddy Award Widya Laksana Doheir, Mohamed Edi Sugiarto Edi Sugiarto Edi Sugiarto Eko Hari Rachmawanto Elkaf Rahmawan Pramudya Erna Zuni Astuti Feri Agustina Feri Agustina Florentina Esti Nilawati Guruh Fajar Shidik Hadi, Heru Pramono Hedriyanto, Novi Heribertus Himawan Heru Lestiawan Heru Lestiawan Ifan Rizqa L. Budi Handoko Laksana, Deddy Award Widya Lalang Erawan Lalang Erawan Marjuni, Aris Noor Ageng Setiyanto, Noor Ageng Nova Rijati Nur Rokhman Nur Rokhman Pulung Nurtantio Andono Saifullah, Zidan Setia Astuti Sinaga, Daurat Sinaga, Daurat Sindhu Rakasiwi Solichul Huda, Solichul suprayogi Suprayogi Suprayogi Suprayogi Suprayogi Suprayogi Suprayogi Wellia Shinta Sari Widya Laksana, Deddi Award Yaacob, Noorayisahbe Mohd