p-Index From 2020 - 2025
6.435
P-Index
This Author published in this journals
All Journal Jurnal Teknologi dan Manajemen Informatika TEKNOLOGI: Jurnal Ilmiah Sistem Informasi TELKOMNIKA (Telecommunication Computing Electronics and Control) Jurnal Ilmiah Kursor Jurnal Teknologi dan Sistem Komputer Jurnal ELTIKOM : Jurnal Teknik Elektro, Teknologi Informasi dan Komputer INTEGER: Journal of Information Technology Teknika: Engineering and Sains Journal Knowledge Engineering and Data Science JICTE (Journal of Information and Computer Technology Education) SMARTICS Journal Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Konvergensi Jurnal Sisfokom (Sistem Informasi dan Komputer) INTECOMS: Journal of Information Technology and Computer Science Antivirus : Jurnal Ilmiah Teknik Informatika Journal of Information System,Graphics, Hospitality and Technology Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Jurnal Teknologi Informasi dan Terapan (J-TIT) Jurnal Teknika Teknika Journal of Electrical Engineering and Computer (JEECOM) Best : Journal of Applied Electrical, Science and Technology Insyst : Journal of Intelligent System and Computation J-Intech (Journal of Information and Technology) Joutica : Journal of Informatic Unisla Jurnal Nasional Teknik Elektro dan Teknologi Informasi JOINCS (Journal of Informatics, Network, and Computer Science) Insand Comtech : Information Science and Computer Technology Journal Jurnal Indonesia Sosial Teknologi JEECS (Journal of Electrical Engineering and Computer Sciences) Eksplorasi Teknologi Enterprise & Sistem Informasi (EKSTENSI) EduTech Journal
Claim Missing Document
Check
Articles

EKSTRAKSI FITUR-FITUR MORFOLOGI PADA TANDA TANGAN BERDASARKAN PRINSIP GRAFOLOGI Rafliana Natalia da Silva; Lukman Zaman; Endang Setyati
Joutica Vol 8, No 1 (2023): Journal of Informatic Unisla
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/informatika.v8i1.954

Abstract

Tanda tangan merupakan unsur penting dalam grafologi yang melambangkan nilai dan kepribadian seseorang. Grafologi secara garis besar dapat menghasilkan informasi kepribadian seseorang melalui pola tanda tangan dengan menggunakan ekstraksi fitur sebagai teknik pengolahan citra yang dilihat dari besar kecilnya tulisan, gaya tulisan, kemiringan tulisan, jarak antar kata atau antar huruf, ukuran tulisan, dan tekanan tulisan. Fitur-fitur morfologi yang digunakan dalam penelitian ini ada 9 jenis, antara lain: kemudahan dibaca, ukuran tulisan, tekanan tulisan, kemiringan tulisan, posisi goresan, garis bawah, tanda titik, hiasan, dan penggunaan huruf inisial. Dataset yang digunakan terdiri dari 300 sampel data dengan 27 kelas dan distribusi jumlah data untuk setiap kelas adalah 10 data. Tahapan yang dilakukan dalam pembuatan sistem adalah dimulai dengan akuisisi citra, preprocessing, segmentasi, ekstraksi fitur, dan terakhir melakukan klasifikasi berupa ciri-ciri kepribadian. Output dari proses pelatihan data dengan menggunakan segmentasi dan ekstraksi fitur adalah file file yang nantinya dapat digunakan sebagai model untuk tahapan data testing. Output dari hasil data testing adalah hasil identifikasi kepribadian siswa berdasarkan citra tanda tangan yang diinput. Dengan menggunakan ekstraksi fitur-fitur morfologi sebagai teknik pengolahan citra yang telah dilakukan dalam penelitian ini adalah dapat menghasilkan informasi kepribadian siswa melalui pola tanda tangan berdasarkan prinsip grafologi, sehingga dapat membantu guru dalam pembentukan karakter dan proses pengarahan minat dan bakat siswa. Hasil dari penelitian ini diprosentase sekitar 1:3 atau 25% untuk data testing dan 75% untuk data training dengan tingkat akurasi untuk masing-masing kelas sebesar 67,5% dan 64,26% untuk rata-rata akurasi per jenis kelas kategori tanda tangan.
Model CNN Lenet Dalam Pengenalan Jenis Golongan Kendaraan Pada Jalan Tol Anggay Luri Pramana; Endang Setyati; Yosi Kristian
Jurnal Teknika Vol 12 No 2 (2020): Jurnal Teknika
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/jt.v13i2.469

Abstract

Research in the field of transportation, especially vehicle classification with various methods, is a widely developed field of study. Vehicles can be categorized by shape, dimension, logo, and  type. The vehicle dataset is also not difficult to find because it is general in nature. Based on the research that has been done, the introduction of group types based on the number of axles with CNN, the dataset is not yet available to the public. In this paper, we discuss the introduction of the types of groups using the Convolutional Neural Network method. The architecture used is the LeNet model. The trial scenario is carried out in 4 stages, namely 25 epochs, 50 epochs, 75 epochs and 100 epochs. Based on the test results, the accuracy obtained continues to increase at 50 epochs and 100 epochs iterations. Starting from an accuracy of 82%, 94% to the highest accuracy of 95%. Likewise in the prediction the data has increased from 80%, 85% to the highest accuracy that can be 86%. From 50 epochs to 75 epochs, the accuracy of both training and testing has decreased.
Klasifikasi Penyakit Tanaman Cabai Rawit Dilengkapi Dengan Segmentasi Citra Daun dan Buah Menggunakan Yolo v7 Masrur Anwar; Yosi Kristian; Endang Setyati
INTECOMS: Journal of Information Technology and Computer Science Vol 6 No 1 (2023): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/intecoms.v6i1.6071

Abstract

Diseases that attack chili plants can be diagnosed early by observing symptoms or changes that occur in the leaves and fruit of the chili plant. However, diseases or pests that attack chili plants within a single plant can vary. In this study, YOLO v7 was used to perform leaf and chili segmentation on images, and the segmented results were then classified for chili plant disease using Deep Convolutional Neural Network (DCNN) Transfer Learning with the Fine Tuning method. The test results of the constructed model showed that the Yolo v7 segmentation accuracy was 0.970 on mAP50 when performing chili plant leaf and fruit segmentation. For the DCNN model testing with transfer learning method using the EfficientNetV2M based model, an accuracy value of 0.912 was obtained for leaf disease classification and an accuracy of 0.889 was obtained for chili fruit classification. Keyword: Chili Plant Diseases; Classification; Transfer Learning, Yolo v7 segmentation
Sistem Prediksi Risiko Stunting Menggunakan Bayesian Network Berbasis GIS Rusina Widha Febriana; Endang Setyati
Eksplorasi Teknologi Enterprise & Sistem Informasi (EKSTENSI) Vol. 1 No. 1 (2022): November
Publisher : FIKOM - Bung Karno University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (595.934 KB) | DOI: 10.59039/ekstensi.v1i1.2

Abstract

Stunting is one of the nutritional issues faced in the world. Stunting is a chronic nutritional problem caused by food intake that does not suit nutritional needs. Indonesia has a high commitment to stunting prevention efforts so that Indonesian children can grow and develop optimally and innovate and compete at the global level. The effort was demonstrated through the National Strategy of accelerating Stunting Prevention, known as Stranas Stunting, implemented in 2018 – 2024. The system was developed to be able to identify stunting supporting factors so that it can provide accurate information. And the system also displays data in the form of maps, to make it easier to perform analysis in a room. Spatial data is displayed using GIS (Geographic Information System). The study's result was that 75% of children grew up normally, while the other 25% predicted to suffer from stunting. The dominant factor affecting stunting is 57% of children with short anthropometry, 51% of children who do not get exclusive breast milk, 66% of mothers' knowledge of nutrition is not good, 69% of foster care patterns by mothers themselves, 80% of pregnant women with a diet less than three times, 99% of pregnant women not infected with the disease, and 54% of pregnant women with anthropometry less than mid-upper arm circumference (MUAC).
EVALUASI OTOMATIS PRAKTEK PEMBERIAN INJEKSI DARI INPUT FOTO Novi Duwi Setyorini; Endang Setyati; Devi Dwi Purwanto
Joutica Vol 8 No 2 (2023): Journal of Informatic Unisla
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/informatika.v8i2.1030

Abstract

Pelayanan terhadap pasien merupakan faktor penting dalam dunia medis. Masalah keterbatasan tenaga medis di negara berkembang maupun zona perang dan daerah pengungsian merupakan alasan banyak peneliti mencoba melakukan penelitian yang mampu membantu  tindakan perawatan pasien dan peingkatan kompetensi khususnya memberikan tindakan medis kepada pasien. Berdasarkan masalah tersebut penelitian ini bertujuan mengembangkan aplikasi yang dapat membantu  dalam pembelajaran bagi calon tenaga medis khususnya pada praktek pemberian injeksi. Penelitian ini menggunakan model CNN digunakan  melatih sistem untuk menentukan parameter yang digunakan untuk mengklasifikasikan  jenis injeksi sedangkan SVM memprediksi kelas subkutan pada data testing pada penelitian ini. Penelitian ini bertujuan untuk  mengidenitifikasi jenis injeksi dari data input foto untuk dievaluasi mejadi kelas subcutan dan bukan subcutan dengan tingkat akurasi sebesar 96%, recall sebesar 89% dan presision sebesar 100%.
Analisis Technology Acceptance Model (TAM) untuk Adopsi E-Counseling Agung Adi Saptomo; Endang Setyati; Edwin Pramana
Joutica Vol 8 No 2 (2023): Journal of Informatic Unisla
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/informatika.v8i2.1089

Abstract

Pendidikan memiliki peran besar dalam membangun kemajuan bangsa. Pendidikan tidak hanya memiliki tanggung jawab dalam memberikan pengetahuan kognitif saja, melainkan harus membangun moral/kepribadian dari setiap peserta didiknya, oleh karena itu praktik psikologi yang dilaksanakan oleh guru Bimbingan Konseling (BK) sangat dibutuhkan. Namun pada praktiknya terdapat beberapa kendala yang diakibatkan karena praktik bimbingan konseling masih menerapkan metode lama yaitu penyebaran kuisioner secara manual. Seiring berkembangannya teknologi, praktik BK mulai bergeser dengan memanfaatkan teknologi seperti dalam mendiagnostik kebutuhan peserta didik atau disebut dengan e-counseling. Terdapat berbagai teori tentang hubungan pergeseran penggunaa teknologi, tetapi masih terdapat research gap pada penentuan teori yang mendasar. Sehingga penelitian ini memiliki tujuan untuk mengidentifikasi faktor-faktor yang mempengaruhi niat guru bimbingan konseling dan peserta didik dalam menggunakan e-counseling serta mengetahui hubungan masing-masing faktor. Pengembangkan model teoritis menggunakan Technology Acceptance Model (TAM) dan kuesioner, prosedur sampling, analisis data, dan interpretasi hasil, kemudian perumusan kesimpulan. Analisis dilakukan dengan mencari factor analysis, reliability test, dan mencari nilai cronbach alpha, data diimput dalam model teoritis dan dianalisis Structural Equation Modeling (SEM) dengan menggunakan aplikasi AMOS. Hasil yang didapat menjelaskan bahwa semua faktor mempengaruhi minat guru BK dan peserta didik dalam menggunakan e-counseling dan masing-masing faktor mendapatkan tingkat pengaruh yang signifikan.
Self-Training Naive Bayes Berbasis Word2Vec untuk Kategorisasi Berita Bahasa Indonesia Joan Santoso; Agung Dewa Bagus Soetiono; Gunawan; Endang Setyati; Eko Mulyanto Yuniarno; Mochamad Hariadi; Mauridhi Hery Purnomo
Jurnal Nasional Teknik Elektro dan Teknologi Informasi Vol 7 No 2: Mei 2018
Publisher : Departemen Teknik Elektro dan Teknologi Informasi, Fakultas Teknik, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1455.318 KB)

Abstract

News as one kind of information that is needed in daily life has been available on the internet. News website often categorizes their articles to each topic to help users access the news more easily. Document classification has widely used to do this automatically. The current availability of labeled training data is insufficient for the machine to create a good model. The problem in data annotation is that it requires a considerable cost and time to get sufficient quantity of labeled training data. A semi-supervised algorithm is proposed to solve this problem by using labeled and unlabeled data to create classification model. This paper proposes semi-supervised learning news classification system using Self-Training Naive Bayes algorithm. The feature that is used in text classification is Word2Vec Skip-Gram Model. This model is widely used in computational linguistics or text mining research as one of the methods in word representation. Word2Vec is used as a feature because it can bring the semantic meaning of the word in this classification task. The data used in this paper consists of 29,587 news documents from Indonesian online news websites. The Self-Training Naive Bayes algorithm achieved the highest F1-Score of 94.17%.
Sistem Rekomendasi Pekerjaan Menggunakan Content Based Similarity Abdur Rouf; Yuliana Melita Pranoto; Endang Setyati
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 12, No 2: Agustus 2023
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v12i2.1229

Abstract

Based on data from the Central Statistics Agency (BPS) it is stated that the data for people who did not have a job from August 2019 to August 2021 recorded an increase from 7104.42 to 9102.05, meaning that within 2 years people who did not have a job had increased significantly. This is caused by one of the factors, namely finding information on job vacancies which is difficult, users still have to choose one job at a time in accordance with their field of knowledge. By building a job recommendation system, users will find it easier to find suitable job information, the data used is obtained from 1120 (one thousand one hundred and twenty) alumni data which includes academic grades, non-academic scores, positions and companies obtained from alumni data from the Institute of Technology and Business Widya Gama Lumajang. Using a content-based similarity algorithm with machine learning techniques using the MLP classifier feature and several trials using different parameters in each experiment. In each experiment the researcher used 10 (ten) samples. The results of this trial the machine learning feature of the MLP classifier can be concluded to be able to provide an accuracy of 81% with a precision value of 0.77, a recall of 0.81 and an f1-score of 0.76.The results of this study are used by users or fresh graduates to get job recommendations in accordance with their field of study.Keywords: Content Based Similarity; Interaciton Based Relation; Job Recommendation System AbstrakBerdasarkan data Badan Pusat Statistik (BPS) menyebutkan bahwa data orang yang tidak memiliki pekerjaan dari agustus 2019 sampai dengan agustus 2021 tercatat naik dari angka 7.104,42 menjadi 9.102,05 artinya dalam kurun 2 tahun orang yang tidak memiliki pekerjaan mengalami kenaikan secara signifikan. Hal ini disebabkan oleh salah satu faktor yaitu mencari informasi lowongan pekerjaan yang sulit pengguna masih harus memilih satu per satu pekerjaan yang sesuai dengan bidang ilmunya. Dengan membangun sistem rekomendasi pekerjaan pengguna akan lebih mudah menemukan informasi pekerjaan yang sesuai, data yang digunakan diperoleh dari data alumni sebanyak 1.120 (seribu seratus dua puluh) yang mencakupi nilai akademik, nilai non akademik, jabatan dan perusahaan yang diperoleh dari data alumni Institut Teknologi Dan Bisnis Widya Gama Lumajang. Menggunakan algoritma content-based similarity dengan teknik machine learning fitur MLP classifier dan beberapa kali uji coba menggunakan parameter yang berbeda-beda pada setiap percobaannya. Pada setiap percobaan peneliti memakai 10 (sepuluh) sample. Hasil dari uji coba ini machine learning fitur MLP classifier dapat disimpulkan mampu memberikan akurasi sebesar 81% dengan nilai precision 0.77 recall 0.81 dan f1-score 0.76. Hasil penelitian ini digunakan oleh pengguna atau fresh graduate untuk mendapatkan rekomendasi pekerjaan yang sesuai dengan bidang ilmu. 
Prediksi Timing Financial Distress Pada Bank Perkreditan Rakyat di Indonesia Menggunakan Machine Learning Maysas Yafi' Urrochman; Endang Setyati; Yosi Kristian
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 12, No 2: Agustus 2023
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v12i2.1219

Abstract

There is no system that can provide early warning of financial problems that threaten the operations of Rural Banks (BPR), so it is necessary to predict the timing of financial distress in BPRs in Indonesia using a two-stage classification and regression technique. Researchers used BPR financial report data in Indonesia for 4 years as a research sample, with a total of 150 Financial Ratio Data, consisting of 50 bankrupt financial ratio data and 100 non-bankrupt BPRs. Data analysis was carried out 2 years before being declared bankrupt. The target classification is divided into 5 classes: very healthy, healthy, moderately healthy, less healthy, distressed. The results of the study concluded: a two-stage classification and regression technique can be used to predict the timing of financial distress. This is evidenced by the results of the MLP Classifier classification with an accuracy rate of f1-score of 87%. The results of the evaluation of timing predictions using Random Forest Regression showed a mean absolute error of 1.8 months and a mean absolute percentage error of 4%.Keywords: Rural Banks; Financial Distress; Random Forest Regression; Support Vector MachineAbstrakBelum ada suatu sistem yang dapat memberikan peringatan dini adanya permasalahan keuangan yang mengancam operasional Bank Perkreditan Rakyat (BPR), sehingga perlu memprediksi timing financial distress pada BPR di Indonesia menggunakan teknik dua tahap klasifikasi dan regresi. Peneliti menggunakan data laporan keuangan BPR di Indonesia selama 4 tahun sebagai sampel penelitian, dengan jumlah data 150 Data Rasio Keuangan, terdiri dari 50 Data rasio keuangan Pailit dan 100 BPR tidak pailit. Analisis Data dilakukan 2 tahun sebelum dinyatakan Pailit. Target klasifikasi dibagi menjadi 5 kelas: sangat sehat, sehat, cukup sehat, kurang sehat, distress. Hasil penelitian menyimpulkan: teknik dua tahap klasifikasi dan regresi dapat digunakan untuk memprediksi timing financial distress. Ini dibuktikan dengan hasil klasifikasi MLP Classifier dengan tingkat akurasi f1-score sebesar 87%. Hasil evaluasi prediksi timing menggunakan Random Forest Regression menunjukkan hasil mean absolute error sebesar 1,8 bulan dan hasil mean absolute percentage error sebesar 4%. 
Segmentasi Citra Area Tumpukan Sampah Dengan Memanfaatkan Mask R-CNN Rizal Budi; Reddy Alexandro Harianto; Endang Setyati
Intelligent System and Computation Vol 5 No 1 (2023): INSYST: Journal of Intelligent System and Computation
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52985/insyst.v5i1.305

Abstract

Penelitian ini mengusulkan penggunaan konsep deteksi objek sampah dalam gambar untuk membantu petugas kebersihan dalam mengatasi masalah penumpukan sampah di sungai, lahan kosong, dan jalan. Metode yang digunakan adalah Mask R-CNN, sebuah pendekatan two-stage object detection yang tidak hanya mengidentifikasi objek dengan bounding box, tetapi juga melakukan segmentasi objek dengan masking. Dataset terdiri dari 700 data latihan dan 100 data validasi yang diambil menggunakan kamera. Objek yang dideteksi adalah sampah. Pengujian dilakukan dengan membandingkan hasil deteksi dari model Mask R-CNN dengan perhitungan manual oleh manusia untuk 25 data uji. Hasil penelitian menunjukkan bahwa model Mask R-CNN memberikan performa yang lebih baik, dengan tingkat akurasi sebesar 80.16%. Dengan adanya program ini, petugas kebersihan dapat memanfaatkan teknologi deteksi objek untuk membantu dalam memilih lokasi yang harus dibersihkan, mengurangi waktu dan upaya yang diperlukan untuk memantau dan membersihkan sampah. Selain itu, dengan tingkat akurasi yang memadai, program ini dapat menjadi alat yang efektif untuk mengidentifikasi sampah dalam gambar, membantu meningkatkan efisiensi operasional petugas kebersihan, dan mengurangi dampak negatif yang disebabkan oleh penumpukan sampah di lingkungan. Dengan demikian, penelitian ini memberikan kontribusi yang signifikan dalam pengembangan solusi teknologi untuk mengatasi masalah penumpukan sampah dan meningkatkan efektivitas upaya pembersihan di sungai, lahan kosong, dan jalan.