Article Per Year (5 Year)
p-Index From 2021 - 2026
4.795
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 Register: Jurnal Ilmiah Teknologi Sistem Informasi 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 JPP IPTEK (Jurnal Pengabdian dan Penerapan IPTEK) 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 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
Endang Setyati
Institut Sains Dan Teknologi Terpadu Surabaya
Aerospace Engineering 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 Environmental Science Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Physics Social Sciences Other

Published : 57 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 57 Documents
Search

 2   3   4   5   6 
Pengenalan Tulisan Pada Iklan Pinggir Jalan yang Melengkung Menggunakan Shape Context Setyati, Endang; Sugiarto, Raymond
Intelligent System and Computation Vol 3 No 2 (2021): 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.v3i2.202

Abstract

Membaca sebuah tulisan yang sama di bidang melengkung berbeda dengan di bidang datar, karena tulisan pada bidang melengkung bergantung pada permukaan bidang lengkungnya. Pada saat ini, banyak sekali tulisan pada iklan pinggir jalan yang ditempel pada bidang melengkung di sepanjang jalan. Tulisan yang digunakan berupa huruf dan angka, dengan berbagai macam background, bentuk dan warna yang diambil di pinggir jalan dengan menggunakan Farey Shape Context. Fitur Farey ini bergantung pada DSS (Digital Straight Line Segment) endpoint dan menggunakan pecahan Augmented Farey sequence. DSS endpoint ini dijadikan sebagai titik fitur atau feature point untuk menemukan shape context dari citra. DSS endpoint tersebut digunakan sebagai acuan bounding box yang akan digunakan sebagai object boundary yang dimana setiap sudutnya merupakan reference point. Untuk melakukan Binning Farey Rank, Augmented Farey Table (AFT) harus dibentuk terlebih dahulu berdasarkan Augmented Farey Sequence yang merupakan pengembangan dari Farey Sequence. Farey Sequence hanya meliputi pecahan dengan pembilang dan penyebut yang positif, sedangkan Augmented Farey Sequence meliputi pecahan dengan pembilang dan penyebut positif serta negatif. Pada penelitian ini digunakan 500 data iklan di pinggir jalan yang melengkung, dimana 70% digunakan sebagai data sample. Dari 70% data sample tersebut didapatkan ribuan karakter berupa huruf dan angka yang dijadikan data sample. Berdasarkan hasil uji coba penelitian yang dilakukan pada 500 Gambar dimana 30% sebagai data testing, maka hasil Farey Shape Context untuk mengenali tulisan berupa huruf dan angka pada iklan pinggir jalan yang melengkung mencapai akurasi benar 74.94% dan salah 25.06%.
Segmentasi Citra Area Tumpukan Sampah Dengan Memanfaatkan Mask R-CNN Budi, Rizal; Harianto, Reddy Alexandro; Setyati, Endang
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.
Peran Alat Peraga dan Permainan Edukatif sebagai Media Pembelajaran untuk Menstimulasi Minat dan Kecerdasan Literasi Siswa SD Muhammadiyah 4 Surabaya Setyati, Endang; Nugroho, Yulius Widi; Gunawan, Tjwanda Putera
JPP IPTEK (Jurnal Pengabdian dan Penerapan IPTEK) Vol 9, No 2 (2025): November
Publisher : Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.jpp-iptek.2025.v9i2.8321

Abstract

Pendidikan di Indonesia dihadapkan pada tantangan untuk menemukan metode pembelajaran yang inovatif dan efektif, terutama dalam meningkatkan literasi pada jenjang sekolah dasar. Program pengabdian kepada masyarakat ini berfokus pada mitra SD Muhammadiyah 4 Surabaya, di mana teridentifikasi permasalahan berupa rendahnya minat dan kecerdasan literasi siswa kelas rendah serta keterbatasan keterampilan guru dalam mengembangkan media pembelajaran interaktif. Solusi yang ditawarkan adalah pemberdayaan guru melalui pelatihan dan workshop untuk merancang, membuat, dan mengimplementasikan Alat Peraga dan Permainan Edukatif (APPE) yang murah, mudah direplikasi, dan efektif. Tujuan program ini adalah untuk meningkatkan keterlibatan siswa dan hasil belajar literasi, serta memberdayakan guru dengan keterampilan praktis yang berkelanjutan. Kegiatan ini selaras dengan Tujuan Pembangunan Berkelanjutan (SDG) ke-4, yaitu Pendidikan Berkualitas, dengan memastikan pendidikan yang inklusif dan berkualitas bagi semua. Diharapkan, program ini tidak hanya memberikan dampak langsung di sekolah mitra tetapi juga menjadi model yang dapat diadopsi oleh sekolah lain.
Ekstraksi Informasi Meme-Internet Berbahasa Indonesia Dengan Mesin Pencarian Fery Satria Kristianto; Endang Setyati; Reddy Alexandro Harianto
Jurnal Indonesia Sosial Teknologi Vol. 1 No. 05 (2020): Jurnal Indonesia Sosial Teknologi
Publisher : Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (300.539 KB) | DOI: 10.59141/jist.v1i05.56

Abstract

Citra meme yang ada di internet memiliki informasi yang dapat digali dengan tujuan untuk mendapatkan informasi baru yang diperlukan masyarakat. Ekstraksi Informasi merupakan salah satu ilmu dalam mengenali data teks tidak terstruktur menjadi data teks terstruktur. Dalam penelitian akan melakukan ujicoba dalam mengenali citra latar dan teks yang terkandung di dalam citra. Posisi teks yang hendak dikenali berada pada bagian atas dan bawah citra meme. Algoritma SIFT adalah salah satu metode ekstraksi fitur yang paling banyak digunakan dalam mengenali lokal fitur dari sebuah citra. Penggunaan algoritma SIFT dalam mengenali lokal fitur dari citra diharapkan dapat memberikan informasi yang baik. Sedangkan untuk kemiripan secara tekstual digunakan algoritma Jaro-Winkler distance. Uji coba dalam pra-proses dalam pembentukan database fitur citra dan kata menggunakan 1000 data citra hasil proses crawling dapat dilaksanakan. Praproses terutama untuk tahapan ekstraksi teks yang terdapat pada citra dapat berjalan baik. Pada tahap uji coba temu kembali informasi data citra yang digunakan sebanyak 50 citra. Hasil uji coba temu kembali informasi dengan memanfaatkaan database fitur yang terbentuk dalam penelitian, belum berjalan maksimal karena luaran dari sistem dalam memberikan hasil masih jauh dari hipotesa awal. Prosentase kemiripan citra hasil ujicoba luaran query masih di bawah 50%, terutama di bagian kesesuaian antara teks citra dan citra latar.
Detection of Lung Cancer Malignancy Types on CT-Scan Using the Convolutional Neural Network Method at PHC Hospital Surabaya Kholilul Rohman Kurniawan; Endang Setyati; Francisca Haryanti Chandra
JEECS (Journal of Electrical Engineering and Computer Sciences) Vol. 9 No. 1 (2024): June
Publisher : Fakultas Teknik Universitas Bhayangkara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54732/jeecs.v9i1.6

Abstract

There are many uses for digital image processing, ranging from tumor and cancer detection in the body to reading blood cells. The rate of lung cancer represents about 13.27% of the total cancer cases, and this shows that lung cancer is the main type of disease in men. Lung cancer is one of the most dangerous and life-threatening diseases in the world. In Indonesia, lung cancer is more often detected when patients are at an advanced stage. Therefore, in this paper, we applied Deep Learning to solve a lung cancer malignant detection system; it is used to detect and classify nodule areas. So that lung cancer detection can be obtained with accurate results. This paper explains the working system for detecting lung cancer malignancies using a Convolutional Neural Network (CNN) and the model architecture for training the dataset using the EfficientNet model. This study collected 800 lung CT images from PHC Surabaya Hospital in DICOM format. A total of 13 layers with EfficientNet architecture and classification layers for each type of cancer class have been used in the model. The experimental results of the model achieved satisfactory results with an accuracy of 99.46%, with a maximum epoch of 30 and a mini-batch size of 128.
Digit Classification of Majapahit Relic Inscriptionusing GLCM-SVM Septianto, Tri; Setyati, Endang; Santoso, Joan
Knowledge Engineering and Data Science
Publisher : citeus

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

Abstract

A higher level of image processing usually contains some kind of classification or recognition. Digit classification is an important subfield in handwritten recognition.Handwritten digits are characterized by large variations so template matching, in general, is inefficient and low in accuracy. In this paper, we propose the classification of the digit of the year of a relic inscription in the Kingdom of Majapahit using Support Vector Machine (SVM). This method is able to cope with very large feature dimensions and without reducing existing features extraction. While the method used for feature extraction using the Gray-Level Co-Occurrence Matrix (GLCM), special for texture analysis. This experiment is divided into 10 classification class, namely: class 1, 2, 3, 4, 5, 6, 7, 8, 9, and class 0. Each class is tested with 10 data so that the whole data testing are 100 data number year. The use of GLCM and SVM methods have obtained an average of classification results about 77 %.
CNN based Face Recognition System for Patients with Down and William Syndrome Setyati, Endang; Az, Suharyono; Hudiono, Subroto Prasetya; Kurniawan, Fachrul
Knowledge Engineering and Data Science
Publisher : citeus

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

Abstract

Down syndrome, also known as trisomy genetic condition, is a genetic disorder that affects many people. Williams syndrome is a hereditary disorder that can affect anyone at birth. It marks medical and cognitive issues, such as cardiovascular illness, developmental delays, and learning impairments. This is accompanied by exceptional verbal abilities, a gregarious attitude, and a passion for music. Down syndrome and William Syndrome are both genetic illnesses. However, it can be distinguished from the arrangement of chromosome 21. Down syndrome and William syndrome can also be identified by recognizing faces, or facial characteristics, such as observing particular facial features. Therefore, this research develops Convolutional Neural Network (CNN) architectures to recognize Down syndrome and William syndrome using a facial recognition approach. A total of 480 facial photos were used in the study, with 390 images used for training data and 90 images used for testing data. The identification class is divided into three categories, Down syndrome, William syndrome, and normal. There are 160 photos in each patient class. This research presents two CNN architectures using a grayscale image of 256×256 pixels. The first CNN architecture comprises 12 layers, while the second comprises 15 layers. The average accuracy results with 12 layers were 91% by attempting to train and test six times. With 15 layers, the average accuracy value is 89%. In comparison, the first architecture has the highest accuracy value
Co-Authors Abdur Rouf Achmad Firman Choiri Agung Adi Saptomo Agung Dewa Bagus Soetiono Ajeng Restu Kusumastuti Akhmad Solikin Andi Sanjaya Andi Sanjaya Andriyanto, Pyepit Rinekso Anggay Luri Pramana Arif Priyambodo Az, Suharyono Azis Suroni Budi, Rizal Devi Dwi Purwanto Dicka Y Kardono Edwin Pramana Eko Mulyanto Yuniarno Elis Fitrianingsih Esther Irawati Setiawan Fachrul Kurniawan Fachrul Kurniawan Farkhan, Muhammad Febriantoro, Erfan Fery Satria Kristianto Fitrianingsih, Elis Francisca H Chandra Francisca Haryanti Chandra Gunawan Gunawan Gunawan Gunawan, Tjwanda Putera Hans Keven Budi Prakoso Harianto, Reddy Alexandro Hatem Alsadeg Ali Salim Hendrawan Armanto Herman Budianto Honoris Setiahadi Hudiono, Subroto Prasetya Ine Juniwati Joan Santoso Kartika, Bara Alpa Yoga Kholilul Rohman Kurniawan Lilis Setyaningsih Luhfita Tirta Lukman Zaman Luqman Zaman M. Najamudin Ridha Masrur Anwar Mauridhi Hery Purnomo Maysas Yafi' Urrochman Mochamad Hariadi Muhammad Farkhan Muhammad Turmudzi Nafi'iyah, Nur Novi Duwi Setyorini Peter Winardi Pranama, Edwin Raden Mohamad Herdian Bhakti Rafliana Natalia da Silva Raymond Sutjiadi Reddy Alexandro Harianto Resmana Lim Retno Wardhani Rusina Widha Febriana Salim, Shierly Kartika San, Joan Santoso, Elkana Lewi Soetiono, Agung Dewa Bagus Subroto Prasetya Hudiono Sugiarto, Raymond Suharyono Az Suhatati Tjandra Supandik, Ujang Joko Surya Sumpeno Suyuti, Mahmud Tjwanda Putera Gunawan Tri Septianto Tuesday saka gustaf Udkhiati Mawaddah Uliontang Uliontang Wahyudi, Nanang Yosi Kristian Yuliana Melita Pranoto Yulius Widi Nugroho Yunita, Helda Zaman, Luqman