Article Per Year (5 Year)
p-Index From 2020 - 2025
1.503
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi JAIS (Journal of Applied Intelligent System) EMITTER International Journal of Engineering Technology Jurnal ELTIKOM : Jurnal Teknik Elektro, Teknologi Informasi dan Komputer Sinkron : Jurnal dan Penelitian Teknik Informatika Creative Information Technology Journal Voice Of Informatics Abdimasku : Jurnal Pengabdian Masyarakat Jurnal Pengabdian Literasi Digital Indonesia
Mulyanto, Edy
Unknown Affiliation
Aerospace Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Health Professions Industrial & Manufacturing Engineering Social Sciences

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 15 Documents
Search

 1   2 
Template Matching Integral Proyeksi untuk Pengenalan Rambu Lalu Lintas Sofi’i, Muhammad; Mulyanto, Edy
Journal of Applied Intelligent System Vol 1, No 1 (2015): Februari 2015 (Hal. 1-69)
Publisher : Fakultas Ilmu Komputer, Universitas Dian Nuswantoro

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

Abstract

Teknologi selalu berkembang sesuai kebutuhan manusia. Contohnya dalam bidang transportasi yang dilengkapi dengan internet dan GPS (Global Positioning System).  Sekarang mobil juga sudah dilengkapi dengan sistem parkir otomatis. Hal tersebut dilakukan untuk memudahkan manusia dalam bepergian. Dan untuk itu perlu adanya sistem keamanan baru untuk meningkatkan keselamatan.  Salah satu pelengkap sistem keamanan tersebut adalah pengenalan rambu lalu lintas. Sistem ini bisa diterapkan dalam mobil autopilot. Agar mobil dapat mengenali rambu yang ada maka perlu adanya penelitian. Latar belakang masalah tersebut merupakan alasan dibuatnya penelitian ini. Penelitian ini akan membahas pengenalan rambu lalu lintas dengan metode template matching integral proyeksi. Mulai dari mendeteksi rambu lalu lintas tertentu hingga menyamakan data yang akan di uji dengan data template. Dari pengujian 40 sampel, 32 sampel berhasil terdeteksi. Dan diperoleh nilai akurasi pengenalan rambu sebesar 52,5%. Jadi, Untuk penelitian selanjutnya perlu di tambah metode lain untuk meningkatkan nilai akurasinya. Kata kunci— template matching, integral proyeksi, pengenalan rambu lalu lintas.
Prediksi Tingkat Kerawanan Kebakaran di Daerah Kudus Menggunakan Fuzzy Tsukamoto Ardianto, Christian; Haryanto, Hanny; Mulyanto, Edy
Creative Information Technology Journal Vol 4, No 3 (2017): Mei - Juli
Publisher : UNIVERSITAS AMIKOM YOGYAKARTA

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (383.684 KB) | DOI: 10.24076/citec.2017v4i3.109

Abstract

Kebakaran yaitu sebuah peristiwa yang di sebabkan dari kelalaian manusia dengan dampak kerugian harta benda yang merugikan masyarakat. Di daerah Kudus, sebagai kota yang termasuk padat penduduk dan industri, tercatat ada dua puluh sembilan peristiwa kebakaran yang terjadi sepanjang tahun 2015 dan mengakibatkan kerugian material mencapai Rp 40 milliar. Salah satu hal penting yang dilakukan dalam penangan bencana kebakaran adalah dengan melakukan pencegahan. Pencegahan ini dapat dilakukan dengan informasi bencana yang dapat memprediksi terlebih dahulu daerah-daerah rawan bencana kebakaran dengan menggunakan metode Fuzzy Tsukamoto dengan input berupa luas wilayah, jumlah penduduk dan curah hujan dengan keluaran berupa tingkat kerawanan kecamatan yang dipilih. Penelitian ini akan menerapkan metode Fuzzy Tsukamoto pada sistem prediksi untuk memprediksi tingkat kebakaran pada suatu daerah sehingga kerugian dapat diminimalisir. Karena tidak hanya mengandalkan nilai benar dan salah, metode ini dapat memberikan hasil yang baik dalam prediksi. Hasil akhir dari penelitian ini adalah terciptanya logika Fuzzy Tsukamoto dalam sistem prediksi untuk daerah-daerah rawan kebakaran yang dapat digunakan untuk memprediksi daerah-daerah rawan kebakaran di kota Kudus.Fire is an event that caused from human negligence with the impact of loss of property that harms the community. In the Kudus area, as a densely populated and industrial city, there are twenty-nine fire events that occurred during the year 2015 and resulted in a material loss of Rp 40 billion. One of the important things to do in handling fire disaster is by doing prevention. This prevention can be done with disaster information that can predict in advance disaster-prone areas of fire using Fuzzy Tsukamoto method with input in the form of area, population and rainfall with output in the form of area disaster prone level. This research will apply Fuzzy Tsukamoto method to prediction system to predict fire level in an area so that losses can be minimized. Because not only rely on true and false values, this method can give good results in predictions. The end result of this research is the creation of Fuzzy Tsukamoto logic in prediction system for fire prone areas that can be used to predict fire-prone areas in Kudus city.
Tingkat Kesulitan Dinamis Menggunakan Logika Fuzzy pada Game Musik Tradisional Jawa Tengah Wisinggya, Kadhana Reya; Haryanto, Hanny; Sutojo, T.; Mulyanto, Edy; Dolphina, Erlin
Jurnal ELTIKOM : Jurnal Teknik Elektro, Teknologi Informasi dan Komputer Vol 5 No 2 (2021)
Publisher : P3M Politeknik Negeri Banjarmasin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31961/eltikom.v5i2.281

Abstract

The culture in Indonesia is very diverse, one of which is traditional songs. However, knowledge of traditional songs is still small. Digital Games can spread knowledge about traditional songs, one of which is Central Javanese traditional songs. However, the Game that is made still has static difficulties, so the Game cannot follow the player's ability, resulting in the player feeling bored and not wanting to continue the Game. To generate dynamic difficulties, methods in artificial intelligence can be applied to Games, one of which is Fuzzy. So in this study proposed the application of dynamic difficulties using Fuzzy Logic in music Games / Rhythm Games. Fuzzy Logic is built based on mathematical values and represents uncertainty, where this logic imitates the human way of thinking. Fuzzy Logic can convert crisp input values into fuzzy sets by performing fuzzification. After the input value is converted, the input will be entered into the set of rules provided. Each rule produces a different output. After the process is complete, the output value will be converted back to the crisp output value. Based on the research conducted, it is found that Fuzzy Logic can be applied to music Games where the Game can follow the player's ability based on the given rules.
Implementasi Pengolahan Citra dan Klasifikasi K-Nearest Neighbor untuk Mendeteksi Kualitas Telur Ayam Rahmadianto, Rizky; Mulyanto, Edy; Sutojo, T.
Jurnal VOI (Voice Of Informatics) Vol 8, No 1 (2019)
Publisher : STMIK Tasikmalaya

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

Abstract

Telur ayam tidak hanya mengandung protein namun dilengkapi dengan Omega-3. Omega-3 inilah yang membuat telur akan kaya manfaat dan tidak hanya protein yang didapat. Telur biasa dan telur omega tidak bisa dibedakan secara kasat mata atau berdasarkan penglihatan manusia saja. Memecahkan telur dan melihat embrio pada telur tersebut merupakan alternatif untuk mengetahui telur tersebut merupakan telur biasa atau telur omega. Kesulitan terjadi jika jumlah telur tersebut puluhan hingga ratusan. Masalah tersebut akan diselesaikan dengan metode klasifikasi menggunakan algoritma K-Nearest Neighbor (KNN).  K-Nearest Neighbor dapat mengatasi masalah dari K-Means, Otsu, Region Props dan Labelling yaitu, kurang akuratnya hasil atau nilai yang diperoleh dan juga merupakan salah satu metode klasifikasi yang mudah dan efektif.  Penelitian ini menggunakan olah citra dan menambahkan metode K-Nearest Neighbor guna mencari klasifikasi data uji, membedakan telur ayam beromega dengan telur ayam biasa dengan analisa tekstur menggunakan statistik orde pertama yaitu mean, standart deviation, skewness, dan kurtosis. Dan untuk uji akurasi menggunakan confusion matrix. Citra telur yang didapat akan dianalisa dengan statistik orde pertama terlebih dahulu. Hasil penelitian menunjukkan bahwa metode yang dipilih berhasil digunakan, dengan hasil K tertinggi yaitu K=7 dan akurasinya 86%. Kata kunci — Telur Ayam, K-Nearest Neighbor, Statistik Orde Pertama Chicken eggs do not only contain protein but are equipped with Omega-3. Omega-3 is what makes eggs will be rich in benefits and not only the protein obtained. Ordinary eggs and omega eggs cannot be distinguished by naked eye or by human vision alone. Breaking the egg and seeing the embryo on the egg is an alternative to knowing that the egg is an ordinary egg or an omega egg. Difficulties occur if the number of eggs is tens to hundreds. The problem will be solved by the classification method using the K-Nearest Neighbor (KNN) algorithm. K-Nearest Neighbor can overcome problems from K-Means, Otsu, Props Region and Labeling, namely, the lack of accurate results or values obtained and also one of the easy and effective classification methods. This study uses image processing and adds the K-Nearest Neighbor method to search for classification of test data, differentiating between Omega 3 chicken eggs and ordinary chicken eggs with texture analysis using first-order statistics, namely the mean, standard deviation, skewness, and kurtosis. And to test the accuracy using confusion matrix. The image of the eggs obtained will be analyzed with first-order statistics first. The results showed that the method chosen was successfully used, with the highest K result, namely K = 7 and its accuracy was 86%. Keywords — Chicken Eggs, K-Nearest Neighbor, First Order Statistics
DETEKSI RISIKO PENDERITA BUTA WARNA MENURUN BERBASIS POHON KELUARGA DENGAN ALGORITMA GENETIKA Deny Salvana Ervan; Edy Mulyanto
Techno.Com Vol 14, No 2 (2015): Mei 2015 (Hal. 79-164)
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (345.471 KB) | DOI: 10.33633/tc.v14i2.888

Abstract

Penyakit menurun merupakan salah satu masalah yang cukup serius dalam suatu silsilah keluarga. Hal ini dikarenakan risiko sifat gen tersebut bisa diturunkan pada generasi selanjutnya dalam satu silsilah tersebut. Salah satu dari penyakit menurun adalah buta warna sebagian yaitu tidak bisa membedakan warna-warna tertentu dengan benar. Salah satu yang jadi masalah adalah ketidak tahuan cara untuk mengetahui bahwa buta warna yang diderita merupakan buta warna menurun atau tidak. Perlu dilakukan perhitungan dengan rumus pewarisan sifat untuk mengetahui riwayat risiko buta warna yang bisa diturunkan. Berdasarkan kasus permasalahan yang terjadi, maka dirancang sistem aplikasi yang terotomatisasi sehingga mampu memprediksi risiko penderita buta warna menurun dalam satu silsilah keluarga. Diimpelentasikan ke perangkat lunak yang berbasis pohon keluarga dan memanfaatkan algoritma genetika akan mampu memprediksi secara optimal anggota keluarga yang berisiko menurunkan sifat buta warna. Sehingga nantinya akan membantu untuk mengetahui lebih dini risiko pewarisan sifat tersebut oleh semua anggota keluarga dan riwayat sifat buta warna yang dimiliki tiap keluarga dalam satu silsilah. Uji coba yang dilakukan menggunakan variabel prediktor diantaranya jumlah anak berdasarkan jenis kelaminnya, dan sifat gen yang dimiliki orang tua atau induk. Kedua gen induk pada tahap awal akan dilakukan perhitungan persilangan gen dengan perkalian matriks, kemudian dari hasil risiko akan dilakukan prediksi menggunakan algoritma genetika. Nilai fitness dengan tingkat kesalahan yang kecil menunjukkan bahwa uji coba ini dapat diimplementasikan pada obyek penelitian. Kata kunci : Pohon Keluarga, Penyakit Turunan, Buta Warna, Algoritma Genetika, Prediksi.
PERBANDINGAN K-NEAREST NEIGHBOR DAN NAIVE BAYES UNTUK KLASIFIKASI TANAH LAYAK TANAM POHON JATI Didik Srianto; Edy Mulyanto
Techno.Com Vol 15, No 3 (2016): Agustus 2016
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (214.49 KB) | DOI: 10.33633/tc.v15i3.1242

Abstract

Data mining adalah proses menganalisa data dari perspektif yang berbeda dan menyimpulkannya menjadi informasi-informasi penting yang dapat dipakai untuk meningkatkan keuntungan, memperkecil biaya pengeluaran, atau bahkan keduanya. Secara teknis, data mining dapat disebut sebagai proses untuk menemukan korelasi atau pola dari ratusan atau ribuan field dari sebuah relasional database yang besar. Pada perum perhutani KPH SEMARANG saat ini masih menggunakan cara manual untuk menentukan jenis tanaman (jati / non jati). K-Nearest Neighbour atau k-NN merupakan algoritma data mining yang dapat digunakan untuk proses klasifikasi dan regresi. Naive bayes Classifier merupakan suatu teknik yang dapat digunakan untuk teknik klasifikasi. Pada penelitian ini k-NN dan Naive Bayes akan digunakan untuk mengklasifikasi data pohon jati dari perum perhutani KPH SEMARANG. Yang mana hasil klasifikasi dari k-NN dan Naive Bayes akan dibandingkan hasilnya. Pengujian dilakukan menggunakan software RapidMiner. Setelah dilakukan pengujian k-NN dianggap lebih baik dari Naife Bayes dengan akurasi 96.66% dan 82.63. Kata kunci -k-NN,Klasifikasi,Naive Bayes,Penanaman Pohon Jati
PENGENALAN RAMBU LALU LINTAS MENGGUNAKAN METODE TEMPLATE MATCHING INTEGRAL PROYEKSI Muhammad Sofi'i; Edy Mulyanto
Techno.Com Vol 15, No 2 (2016): Mei 2016
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (514.892 KB) | DOI: 10.33633/tc.v15i2.1139

Abstract

Makalah ini mengusulkan tentang pengamanan file multimedia dari serangan baik itu hacker maupun cracker dengan menggunakan metode steganografi. Dalam hal ini, algoritma yang digunakan adalah End Of File (EoF) dikarenakan algoritma ini dapat menampung kapasitas pesan yang cukup besar dengan tidak mempengaruhi kualitas dari file tempat pesan disembunyikan. Selain itu, algoritma ini dirasa cukup aman dari beberapa serangan dengan dibuktikan dari paper-paper yang telah ada sebelumnya. Berdasarkan dari beberapa hasil percobaan yang telah dilakukan dalam penelitian ini, metode steganografi untuk pengamanan file multimedia dengan algoritma EoF dapat mengamankan pesan serta dapat menjaga kerahasiaan isi data pesan dan juga tidak mempengaruhi kualitas file induk yang merupakan tempat untuk persembunyian pesan. Kata Kunci: template matching, integral proyeksi, pengenalan rambu lalu lintas
ANALISIS PENGENALAN MOTIF BATIK PEKALONGAN MENGGUNAKAN ALGORITMA BACKPROPAGATION Vera Pebrianasari; Edy Mulyanto; Erlin Dolphina
Techno.Com Vol 14, No 4 (2015): November 2015 (Hal. 242-342)
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (458.346 KB) | DOI: 10.33633/tc.v14i4.973

Abstract

Batik merupakan salah satu kesenian tradisional yang telah ditetapkan oleh badan dunia PBB yaitu UNESCO sebagai warisan budaya bangsa Indonesia. Batik memiliki motif tertentu seperti gambar garuda, garis lengkung, pohon dengan hiasan titik-titik sebagaimana yang terdapat pada beberapa motif batik salah satunya batik Pekalongan. Batik Pekalongan merupakan salah satu batik pesisir yang mendapatkan banyak pengaruh budaya asing. Sejak pertama kali dibuat sekitar tahun 1800-an, batik Pekalongan terus mengalami perkembangan yang sangat pesat terutama dari segi motif. Hal inilah yang membuat masyarakat awam akan sulit untuk mengenali pola motif batik yang ada. Jaringan Saraf Tiruan merupakan metode yang sudah banyak digunakan untuk mengenali pola terutama salah satu algoritmanya yaitu algoritma backpropagation. Algoritma backpropagation bekerja melalui tiga fase yaitu fase perambatan maju, fase perambatan mundur dan fase perubahan bobot serta bias. Di beberapa penelitian tentang pengenalan pola, algoritma backpropagation banyak dimanfaatkan dan terbukti memiliki tingkat keakurasian yang tinggi. Dalam penelitian ini, algoritma backpropagation dimanfaatkan untuk mengenali motif batik Pekalongan. Hasil akhir yang diperoleh yaitu algoritma backpropagation bisa digunakan untuk mengenali motif batik Pekalongan dengan tingkat akurasi yang diperoleh mencapai 88,62%. Kata Kunci: Batik Pekalongan, Pengenalan Pola, Jaringan Saraf Tiruan, Algoritma Backpropagation.
The Classification of Avocado Ripeness Levels Using CNN Method Wibowo, Gamma Wira; Mulyanto, Edy
Sinkron : jurnal dan penelitian teknik informatika Vol. 8 No. 3 (2024): Research Artikel Volume 8 Issue 3, July 2024
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/sinkron.v8i3.13854

Abstract

This research aims to develop a model for classifying the ripeness level of avocados using the Convolutional Neural Network (CNN) algorithm. The dataset comprises images of avocados categorized into three classes: unripe, ripe, and overripe. The CNN model is trained to classify the images into one of these three categories. The results indicate that the developed model can classify avocado images with high accuracy. The primary tool used for developing and implementing this method is MATLAB R2022a. The CNN algorithm is utilized to recognize and classify the ripeness level of avocados. This process involves several image processing steps, starting with preprocessing, image enhancement, and segmentation to isolate the avocado area. The dataset used in this research consists of 452 images distributed in 3 classes (unripe with 142, ripe with 66, and rotten with 244), with 80% used for training and 20% for testing. After 10 accuracy tests, the results indicate an accuracy rate of 90%. Additionally, features extracted from the images include color, shape, size, and texture characteristics, such as Mean, Standard Deviation, Kurtosis, Skewness, Variance, Entropy Value, Maximum Pixel, and Minimum Pixel. This research contributes to the field of agricultural technology by providing a robust method for the automatic classification of avocado ripeness. The findings are expected to facilitate accurate and efficient recognition of avocado ripeness, thereby supporting agricultural practices and market operations. Future research could explore the use of data augmentation techniques to further improve the accuracy and generalization of this model.
Modified Deep Pattern Classifier on Indonesian Traditional Dance Spatio-Temporal Data Mulyanto, Edy; Yuniarno, Eko Mulyanto; Hafidz, Isa; Budiyanta, Nova Eka; Priyadi, Ardyono; Hery Purnomo, Mauridhi
EMITTER International Journal of Engineering Technology Vol 11 No 2 (2023)
Publisher : Politeknik Elektronika Negeri Surabaya (PENS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24003/emitter.v11i2.832

Abstract

Traditional dances, like those of Indonesia, have complex and unique patterns requiring accurate cultural preservation and documentation classification. However, traditional dance classification methods often rely on manual analysis and subjective judgment, which leads to inconsistencies and limitations. This research explores a modified deep pattern classifier of traditional dance movements in videos, including Gambyong, Remo, and Topeng, using a Convolutional Neural Network (CNN). Evaluation model's performance using a testing spatio-temporal dataset in Indonesian traditional dance videos is performed. The videos are processed through frame-level segmentation, enabling the CNN to capture nuances in posture, footwork, and facial expressions exhibited by dancers. Then, the obtained confusion matrix enables the calculation of performance metrics such as accuracy, precision, sensitivity, and F1-score. The results showcase a high accuracy of 97.5%, indicating the reliable classification of the dataset. Furthermore, future research directions are suggested, including investigating advanced CNN architectures, incorporating temporal information through recurrent neural networks, exploring transfer learning techniques, and integrating user feedback for iterative refinement of the model. The proposed method has the potential to advance dance analysis and find applications in dance education, choreography, and cultural preservation.
Co-Authors Abu Salam Ardianto, Christian Ardyono Priyadi Catur Supriyanto Deny Salvana Ervan Didik Srianto Edi Sugiarto Eko Mulyanto Yuniarno Erlin Dolphina Fahmi Amiq Fikri Budiman Hanny Haryanto Isa Hafidz Karis Widyatmoko Mardiantara, Naya Alifiah az Azar Putri Mauridhi Hery Purnomo Muhammad Sofi'i Muhammad Sofi’i, Muhammad Nova Eka Budiyanta Octaviani, Dhita Aulia Paramita, Cinantya Rahmadianto, Rizky Rohman, Muhammad Syaifur Saraswati, Galuh Wilujeng Sindhu Rakasiwi T. Sutojo Vera Pebrianasari Wibowo, Gamma Wira Winarsih, Nurul Anisa Sri Wisinggya, Kadhana Reya Yuventius Tyas Catur Pramudi