Article Per Year (5 Year)
p-Index From 2021 - 2026
3.957
P-Index
This Author published in this journals
All Journal Jurnal Sains dan Teknologi Jurnal Simetris Jurnal Buana Informatika Jurnal Teknologi Register: Jurnal Ilmiah Teknologi Sistem Informasi EMITTER International Journal of Engineering Technology JOIN (Jurnal Online Informatika) Jurnal ELTIKOM : Jurnal Teknik Elektro, Teknologi Informasi dan Komputer INTEGER: Journal of Information Technology Informatika Pertanian Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control SINTECH (Science and Information Technology) Journal Prosiding Seminar Nasional Sains dan Teknologi Terapan Jurnal ULTIMATICS Journal of Information Technology and Computer Engineering Jurnal EDUTECH Undiksha JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) JISKa (Jurnal Informatika Sunan Kalijaga) Jurnal Mnemonic Journal of Soft Computing Exploration Journal La Edusci JUSTIN (Jurnal Sistem dan Teknologi Informasi) JGHTT Indonesian Journal of Learning and Instructional Innovation
Febri Liantoni, Febri
Universitas Sebelas Maret
Aerospace Engineering Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Mechanical Engineering Social Sciences Other

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

Found 3 Documents
Search
Journal : Jurnal Buana Informatika

 1 
Modifikasi Ant Colony Optimization Berdasarkan Gradient Untuk Deteksi Tepi Citra Liantoni, Febri; Suciati, Nanik; Fatichah, Chastine
Jurnal Buana Informatika Vol 6, No 3 (2015): Jurnal Buana Informatika Volume 6 Nomor 3 Juli 2015
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (557.421 KB)

Abstract

Abstract. Ant Colony Optimization (ACO) is an optimization algorithm which can be used for image edge detection. In traditional ACO, the initial ant are randomly distributed. This condition can cause an imbalance ants distribution. Based on this problem, a modified ant distribution in ACO is proposed to optimize the deployment of ant based gradient. Gradient value is used to determine the placement of the ants. Ants are not distributed randomly, but are placed in the highest gradient. This method is expected to be used to optimize the path discovery. Based on the test results, the use of the proposed ACO modification can obtain an average value of the Peak Signal to Noise Ratio (PSNR) of 12.724. Meanwhile, the use of the traditional ACO can obtain an average value of PSNR of 12.268. These results indicate that the ACO modification is capable of generating output image better than traditional ACO in which ants are initially distributed randomly.Keywords: Ant Colony Optimization, gradient, Edge Detection, Peak Signal to Noise Ratio Abstrak. Ant Colony Optimization (ACO) merupakan algoritma optimasi, yang dapat digunakan untuk deteksi tepi pada citra Pada ACO tradisional, semut awal disebarkan secara acak. Kondisi ini dapat menyebabkan ketidakseimbangan distribusi semut. Berdasarkan permasalahan tersebut, modifikasi distribusi semut pada ACO diusulkan untuk mengoptimalkan penempatan semut berdasarkan gradient. Nilai gradient digunakan untuk menentukan penempatan semut. Semut tidak disebar secara acak akan tetapi ditempatkan di gradient tertinggi. Cara ini diharapkan dapat digunakan untuk optimasi penemuan jalur. Berdasarkan hasil uji coba, dengan menggunakan ACO modifikasi yang diusulkan dapat diperoleh nilai rata-rata Peak Signal to Noise Ratio (PSNR) 12,724. Sedangkan, menggunakan ACO tradisional diperoleh nilai rata-rata PSNR 12,268. Hasil ini menunjukkan bahwa ACO modifikasi mampu menghasilkan citra keluaran yang lebih baik dibandingkan ACO tradisional yang sebaran semut awalnya dilakukan secara acak.Kata Kunci: Ant Colony Optimization, gradient, deteksi tepi, Peak Signal to Noise Ratio
MODIFIKASI ANT COLONY OPTIMIZATION BERDASARKAN GRADIENT UNTUK DETEKSI TEPI CITRA Liantoni, Febri; Suciati, Nanik; Fatichah, Chastine
Jurnal Buana Informatika Vol 6, No 3 (2015): Jurnal Buana Informatika Volume 6 Nomor 3 Juli 2015
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (557.421 KB) | DOI: 10.24002/jbi.v6i3.435

Abstract

Abstract. Ant Colony Optimization (ACO) is an optimization algorithm which can be used for image edge detection. In traditional ACO, the initial ant are randomly distributed. This condition can cause an imbalance ants distribution. Based on this problem, a modified ant distribution in ACO is proposed to optimize the deployment of ant based gradient. Gradient value is used to determine the placement of the ants. Ants are not distributed randomly, but are placed in the highest gradient. This method is expected to be used to optimize the path discovery. Based on the test results, the use of the proposed ACO modification can obtain an average value of the Peak Signal to Noise Ratio (PSNR) of 12.724. Meanwhile, the use of the traditional ACO can obtain an average value of PSNR of 12.268. These results indicate that the ACO modification is capable of generating output image better than traditional ACO in which ants are initially distributed randomly.Keywords: Ant Colony Optimization, gradient, Edge Detection, Peak Signal to Noise Ratio Abstrak. Ant Colony Optimization (ACO) merupakan algoritma optimasi, yang dapat digunakan untuk deteksi tepi pada citra Pada ACO tradisional, semut awal disebarkan secara acak. Kondisi ini dapat menyebabkan ketidakseimbangan distribusi semut. Berdasarkan permasalahan tersebut, modifikasi distribusi semut pada ACO diusulkan untuk mengoptimalkan penempatan semut berdasarkan gradient. Nilai gradient digunakan untuk menentukan penempatan semut. Semut tidak disebar secara acak akan tetapi ditempatkan di gradient tertinggi. Cara ini diharapkan dapat digunakan untuk optimasi penemuan jalur. Berdasarkan hasil uji coba, dengan menggunakan ACO modifikasi yang diusulkan dapat diperoleh nilai rata-rata Peak Signal to Noise Ratio (PSNR) 12,724. Sedangkan, menggunakan ACO tradisional diperoleh nilai rata-rata PSNR 12,268. Hasil ini menunjukkan bahwa ACO modifikasi mampu menghasilkan citra keluaran yang lebih baik dibandingkan ACO tradisional yang sebaran semut awalnya dilakukan secara acak.Kata Kunci: Ant Colony Optimization, gradient, deteksi tepi, Peak Signal to Noise Ratio
Pengembangan Metode Ant Colony Optimization Pada Klasifikasi Tanaman Mangga Menggunakan K-Nearest Neighbor Liantoni, Febri; Hermanto, Luky Agus
Jurnal Buana Informatika Vol 8, No 4 (2017): Jurnal Buana Informatika Volume 8 Nomor 4 Oktober 2017
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (345.249 KB) | DOI: 10.24002/jbi.v8i4.1443

Abstract

Abstract. Leaf is one important part of a plant normally used to classify the types of plants. The introduction process of mango leaves of mangung and manalagi mango is done based on the leaf edge image detection. In this research the conventional edge detection process was replaced by ant colony optimization method. It is aimed to optimize the result of edge detection of mango leaf midrib and veins image. The application of ant colony optimization method successfully optimizes the result of edge detection of a mango leaf midrib and veins structure. This is demonstrated by the detection of bony edges of the leaf structure which is thicker and more detailed than using a conventional edge detection. Classification testing using k-nearest neighbor method obtained 66.67% accuracy.Keywords: edge detection, ant colony optimization, classification, k-nearest neighbor.Abstrak. Pengembangan Metode Ant Colony Optimization Pada Klasifikasi Tanaman Mangga Menggunakan K-Nearest Neighbor. Daun merupakan salah satu bagian penting dari tanaman yang biasanya digunakan untuk proses klasifikasi jenis tanaman. Proses pengenalan daun mangga gadung dan mangga manalagi dilakukan berdasarkan deteksi tepi citra struktur tulang daun. Pada penelitian ini proses deteksi tepi konvensional digantikan dengan metode ant colony optimization. Hal ini bertujuan untuk optimasi hasil deteksi tepi citra tulang daun mangga. Penerapan metode ant colony optimization berhasil mengoptimalkan hasil deteksi tepi struktur tulang daun mangga. Hal ini ditunjukkan berdasarkan dari hasil deteksi tepi citra struktur tulang daun yang lebih tebal dan lebih detail dibandingkan menggunakan deteksi tepi konvensional. Pengujian klasifikasi dengan metode k-nearest neighbor didapatkan nilai akurasi sebesar 66,67%.Kata Kunci: deteksi tepi, ant colony optimization, klasifikasi, k-nearest neighbor.
Co-Authors Abin Suarsa Acihmah Sidauruk Agus Efendi Agus Santoso Ananda, Rizky Putu Anas, Rizky Chairul Andini, Ratih Friska Dwi Annisa, Fitri Nur Anwar, Rizak Al Hasbi Aris Budianto, Aris Astuti, Asri B.M.A.S. Anaconda Bangkara Bambang Yuwono Bataona, Daniel Silli Bernadhed, Bernadhed Chaizara, Rezza Fariszal Hisyam Chastine Fatichah Cucuk Wawan Budiyanto Dwi Maryono Hasyim, Jaka Wardana Hendro Nugroho, Hendro Hidayatulah Himawan Hidayatulloh, A. Nururrochman Luky Agus Hermanto, Luky Agus Majid, Desva Fitranda Maruf, Irma Rachmawati Maryanti Mulia Sulistiyono Myrtha, Risalina Nanik Suciati Nugroho, Hendro Nurcahya Pradana Taufik Prakisya Palupi, Dian Exsi Prabaswara, Muhammad Arden Prakisya , Nurcahya Pradana Taufik Prakisya, Nurcahya Pradana Taufik Pratama, Kalistus Haris Purnama, Bayu Rizkhy Candra Puspanda Hatta Putri, Nanditya Vianti Qurin, Milani Tanya Rahmawati, Weny M. Ramadhan, Firdaus Ditio Ramadhan, Raqael Fisabillah Rifki Indra Perwira Rosetya, Septiyawan Rosihan Ari Yuana, Rosihan Ari Rustanto, Diki Wahyudi Salsabila, Zahra Khalila Santoso, Agus Adi Saputro, Muhammad Naufal Adi Setiyani, Susanti Simanjuntak, Ondihon Siswoyo, Risya Ines Putri Sukmagautama, Coana Sukmaningrum, Agy Hafidzah Wahyudi, Yusuf Rois Weny Mistarika Rahmawati Yusfia Hafid Aristyagama