Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Kursor Scan : Jurnal Teknologi Informasi dan Komunikasi Proceeding International Conference on Information Technology and Business Informatika Mulawarman: Jurnal Ilmiah Ilmu Komputer International Journal of Artificial Intelligence Research Jifosi Nusantara Science and Technology Proceedings
Intan Yuniar Purbasari
Department Of Informatics System, Faculty Of Computer Science, Universitas Pembangunan Nasional “Veteran” Surabaya, East Java
Agriculture, Biological Sciences & Forestry Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Medicine & Pharmacology

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 10 Documents
Search

 1 
APLIKASI REKOMENDASI TAG PADA SITUS BERBAGI GAMBAR FLICKR® Purbasari, Intan Yuniar; Cai, Hongyun; Lao, Angeli Diane; Al-Rawahi, Iman Mohamed
SCAN - Jurnal Teknologi Informasi dan Komunikasi Vol 10, No 1 (2015)
Publisher : Universitas Pembangunan Nasional "Veteran" Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/scan.v10i1.593

Abstract

Abstrak. Dalam sebuah situs berbagi gambar, ketika pengguna akan mengunggah sebuah gambar, biasanya akan memberikan tag/keterangan pada gambar tersebut. Tujuannya agar gambar dapat ditemukan kembali oleh pemiliknya atau oleh pengguna lain yang memiliki minat yang sama terhadap topik gambar tersebut. Aplikasi ini menerapkan teknik Asossiation Rule Mining pada tag sebuah situs berbagi gambar untuk memberikan rekomendasi pada pengunggah gambar tentang tag lain yang dapat ditambahkan pada gambar yang akan diunggah berdasarkan pada pasangan tag yang sering muncul pada database gambar yang ada, dengan mengasumsikan tag yang digunakan adalah dalam bahasa Inggris. Dalam percobaan berskala kecil ini, diambil tag awal “animal” sebagai topik utama pencarian untuk kemudian dicari tag lain yang berasosiasi dengan tag tersebut. Aplikasi ini dapat menghasilkan rekomendasi tag lain ketika pengguna melakukan pencarian sebuah tag yang bertemakan “animal”. Kata kunci: rekomendasi tag, association rule mining, flickr
PERBANDINGAN ALGORITMA KLASIFIKASI UNTUK HURUF TULISAN TANGAN Purbasari, Intan Yuniar; Anggraeny, Fetty Tri
SCAN - Jurnal Teknologi Informasi dan Komunikasi Vol 10, No 2 (2015)
Publisher : Universitas Pembangunan Nasional "Veteran" Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/scan.v10i2.608

Abstract

Abstrak. Pengenalan tulisan tangan adalah kemampuan komputer untuk mengenali input tulisan tangan dari berbagai sumber seperti dokumen, gambar/foto, layar sentuh, serta alat input lainnya. Pengenalan tulisan tangan dapat dimanfaatkan antara lain untuk pembacaan alamat pada pengiriman paket atau pengenalan tulisan pada sebuah cek bank secara otomatis. Ada tiga metode klasifikasi dasar yang banyak digunakan untuk pengenalan; yakni pohon keputusan, neural network, dan Naïve Bayes. Penelitian ini membandingkan ketiga metode klasifikasi dasar tersebut dan kombinasinya dengan algoritma boosting varian awal AdaBoost.M1 untuk mengklasifikasikan 5605 sampel huruf tulisan tangan. Data input divariasikan dalam 4 komposisi training-test set dan output yang dibandingkan adalah tingkat akurasi dan runtime. Hasil yang didapat menunjukkan bahwa masing-masing algoritma yang diujicoba memiliki keunggulan masing-masing. Algoritma pohon keputusan yang dikombinasikan dengan AdaBoost dapat memberikan peningkatan akurasi hingga 15%, neural network multilayer tanpa boosting mampu memberikan tingkat akurasi yang cukup baik (rata-rata 79.3%), sedangkan Naïve-Bayes tanpa boosting memiliki runtime yang sangat baik (rata-rata 0.8225 detik) dibandingkan dengan kedua algoritma lainnya. Kata kunci: perbandingan algoritma, klasifikasi huruf tulisan tangan, neural network, pohon keputusan, Naïve Bayes, algoritma boosting.
Akumulasi Data Dari Database Multi Sumber (Studi Kasus: Penilaian Angka Kredit Dosen Di UPN “Veteran” Jawa Timur) Intan Yuniar Purbasari; Henni Endah Wahanani
Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer Vol 12, No 1 (2017): Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (983.085 KB) | DOI: 10.30872/jim.v12i1.216

Abstract

Jabatan akademik dosen adalah sebuah karir dan jugamerupakan pengakuan kemampuan seorang dosen dalam menjalankan Tridharma Perguruan Tinggi. Untukdapat memperolehnya, setiap dosen harus menjalani serangkaian penilaian kredit poin (Penilaian Angka Kredit-PAK) sesuai dengan aturan yang telah ditetapkan oleh pemerintah melalui Direktoral Jenderal Pendidikan Tinggi, yang sekarang berada di bawah Kementerian Riset, Teknologi, dan Pendidikan Tinggi. Dosen yang dinilai harus mengisi sejumlah dokumen yang mendata kegiatan tridharma-nya selama setidaknya empat tahun ke belakang. Selain itu, setiap semester mereka juga diharuskan mengisi dokumen serupa dalam bentuk laporan Beban Kerja Dosen (BKD), berbasis Microsoft Access. Di sisi lain, UPN “Veteran” Jawa Timur juga telah mencatat data-data pribadi, pendidikan, dan sejarah akademissemua pegawainya dalam sistem informasi internal SIMPEG (Sistem Informasi Manajemen Pegawai, berbasis Borland Delphi) dan juga SIDOS (Sistem Informasi Dosen, berbasis Microsoft SQL Server) yang juga harus diisi dan rutin diupdate oleh tiap pegawai/dosen. Pada dasarnya data di ketiga sistem informasi tersebut adalah serupa dan dapat digunakan dalam proses PAK untuk menjaga konsistensi dan validitas data. Penelitian ini bertujuan untuk mengumpulkan data dari sistem BKD dan SIMPEG dan mengintegrasikannya untuk membuat model aplikasi berbasis web untuk PAK. Terdapat total 76 data dosen dari 3 semester laporan BKD yang digunakan dalam penelitian ini. Tabel dari SIDOS digunakan sebagai template untuk desain tabel di database yang baru dibuat di sistem ini yang menggunakan framework Ruby on Rails. Sebuah rintisan aplikasi web telah dibuat untuk menampilkan data yang telah dikumpulkan dan dapat dikustomisasi untuk menampilkan informasi yang berkaitan dengan kegiatan tridharma seorang dosen tertentu.
Counting the Number of Active Spermatozoa Movements Using Improvement Adaptive Background Learning Algorithm I Gede Susrama Masdiyasa; Intan Yuniar Purbasari; Moch. Hatta; Achmad Junaidic
International Journal of Artificial Intelligence Research Vol 4, No 1 (2020): June
Publisher : STMIK Dharma Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (479.012 KB) | DOI: 10.29099/ijair.v4i1.94

Abstract

The most important early stage in sperm infertility research is the detection of sperm objects. The success rate in separating sperm objects from semen fluid has an important role for further analysis. This research performed the detection and calculation of human spermatozoa. The detected sperm was the moving sperm in the video data. An improvement of Adaptive Background Learning was applied to detect the moving sperm. The purpose of this method is to improve the performance of Adaptive Background Learning algorithm in background subtraction process to detect and calculate moving sperm on the microscopic video of sperm fluid. This paper also compared several other background subtraction algorithms to conclude the appropriate background subtraction algorithm for sperm detection and sperm counting. The process done in this research was preprocessing using the Gaussian filter. The next was background subtraction process, followed by morphology operation. To test or validate the detection results of any background subtraction algorithm used, the foreground mask results from the morphological operation were compared to the ground truth of moving sperm image. For visualization purposes, every BLOB area (white object in binary image) on the foreground were given a bounding box to the original frame and the number of BLOB objects present in the foreground mask were counted. This shows that the system had been able to detect and calculate moving sperm. Based on the test results, Adaptive Background Learning method had a value of F-measure of 0.9205 and succeeded in extracting sperm shape close to the original form compared to other methods.
NEAR-DUPLICATE REAL-LIFE FACE IMAGE Intan Yuniar Purbasari; Budi Nugroho
Jurnal Ilmiah Kursor Vol 7 No 1 (2013)
Publisher : Universitas Trunojoyo Madura

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

Abstract

NEAR-DUPLICATE REAL-LIFE FACE IMAGE a Intan Yuniar Purbasari, bBudi Nugroho a,bTeknik Informatika, Fakultas Teknologi Industri, UPN “Veteran” Jawa Timur, Indonesia Jl. Raya Rungkut Madya, Gunung Anyar, Surabaya 60294 E-Mail: intan.yuniar@gmail.com Abstrak Content-based Image Retrieval (CBIR) merupakan metode temu kembali citra berdasarkan karakteristik numerik pada citra. Pencarian similaritas yang efisien pada ruang dimensi ultra-high telah diajukan menggunakan two-tier inverted file dan Local Derivative Patterns (LDP) sebagai metode ekstraksi fitur dengan tingkat keakuratan dan kinerja yang tinggi pada data set citra wajah eksperimental. Namun demikian, citra real-life memiliki ukuran dan resolusi yang berbeda serta noise bawaan. Masih belum diketahui apakah LDP dapat menunjukkan hasil yang sama memuaskan jika diberikan data set citra real-life. Penelitian ini merancang dan membangun search engine citra wajah untuk mencari citra nyaris duplikat pada citra real-life menggunakan metode LDP untuk ekstraksi fitur dan two-tier inverted file untuk pengindeks-an multidimensi. Sebuah metode ekpansi state juga diperkenalkan untuk lebih menangkap banyak detil dari histogram citra dengan mempertimbangkan informasi piksel tetangga. Eksperimen ini dilakukan pada 8083 citra wajah real-life dari berbagai ukuran antara 20x20 dan 80x80. Data set berisi kopi duplikat dari citra wajah setelah melalui beberapa proses transformasi. Hasil pencarian mengembalikan 20 citra yang memiliki kemiripan paling tinggi dengan citra query dan memiliki nilai presisi 0.75 atau 75%. Kata kunci: Content-Based Image Retrieval, Local Derivative Pattern, Two-tier Inverted File, Real-life Face Image. Abstract Content-based image retrieval (CBIR) is an image retrieval method based on the analysis of numerical characteristics of the image at the absence of text information. An efficient similarity search in ultra-high dimensional space has been proposed using two-tier inverted file and Local Derivative Patterns (LDP) as feature extraction method with high accuracy and high performance on experimental face image data sets. However, real-life images have different size, resolution and a potential noise. It is unknown whether LDP would show the same satisfactory result given real-life image data sets. This research designed and developed a face search engine to find near-duplicate face in real life images using LDP method to extract image features and two-tier inverted file for multidimensional indexing process. A state expansion method was also introduced to capture more detailed description of image histogram by considering neighbor information. The experiment was performed on 8,083 reallife face images of various sizes between 20x20 to 80x80. The data set contained duplicate copies of face images with some transformation processes. The search result returned top 20 images which had the most similarity with the query images and had an average precision rate of 0.75 or 75%. Keywords: Content-Based Image Retrieval, Local Derivative Pattern, Two-tier Inverted File, Real-life Face Image
Analysis of Supervised Learning Methods on Artificial Neural Networks Fetty Tri Anggraeny; Intan Yuniar Purbasari; Radical Rakhman
Nusantara Science and Technology Proceedings 4th International Seminar of Research Month
Publisher : Future Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11594/nstp.2019.0418

Abstract

Artificial intelligence applications are now highly developed, where hardware is given the ability to think and act like humans. One method for building artificial intelligence applications is artificial neural networks (ANN). ANN is currently highly developed in areas of application that start as diverse as classification, prediction, games, robots, IoT, object/sound recognition, and so on. Unlike the human brain, which is designed to solve many problems, ANN can only solve a specific problem. To make ANN intelligent, learning methods are needed to train ANN to be able to solve certain problems with a good degree of accuracy. There are 3 learning methods commonly used to make ANN intelligent, are perceptron, backpropagation, and extreme learning method. Perceptron is the simplest learning method for the simplest ANN structure. Backpropagation was found to answer the weaknesses of perceptron which cannot solve nonlinear problems. And finally ELM exists to overcome the problem of long computational time in perceptron and backpropagation learning. This research will conduct an analysis of the three ANN learning methods using several problems. Problems used include AND logic, OR logic, XOR logic, iris datasets and MNIST digit handwritten digits. Because the ANN learning method is based on random parameters, each case will be trained 10 times for each method. After testing it is concluded that ELM has a very good speed with a pretty good degree of accuracy.
Undergraduate Thesis Supervisor Recommendation Based On Text Similarity Fetty Tri Anggraeny; Intan Yuniar Purbasari; Eka Fitria Wulandari
Prosiding International conference on Information Technology and Business (ICITB) 2019: INTERNATIONAL CONFERENCE ON INFORMATION TECHNOLOGY AND BUSINESS (ICITB) 5
Publisher : Proceeding International Conference on Information Technology and Business

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

Abstract

The measurement of the similarity of texts is very extensive research. The most common implementation is finding documents that match the search keywords. And the current implementation is to measure the plagiarism of scientific documents. In the academic field, the topic of undergraduate students needs to be done an examination of similarity, in addition to knowing the title of the previous thesis that is similar, also to provide recommendations for suitable supervisors. In this study, we propose a system that can help undergraduate students determine supervisors based on the undergraduate thesis title to be proposed. The experimental results show that the proposed method is quite good as a recommendation system for undergraduate thesis supervisors with an accuracy of 80% in the field of research and 87.5% in the field of lecturer research.Keywords: Text similarity, Dice Coefficient, Supervisor Recommendation.
Relief Feature Selection and Bayesian Network Model for Hepatitis Diagnosis Fetty Tri Anggraeny; Intan Yuniar Purbasari; Evi Suryaningsih
Prosiding International conference on Information Technology and Business (ICITB) 2017: INTERNATIONAL CONFERENCE ON INFORMATION TECHNOLOGY AND BUSINESS (ICITB) 3
Publisher : Proceeding International Conference on Information Technology and Business

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

Abstract

A doctor diagnose a disease by evaluating patient condition or by comparing with another patient that have similar conditions or symptoms. In computer science, this task can be done by a computer program that included intelligent algorithm in it. Some disease have similar symptoms, such as typhoid fever, hepatitis, and dengue fever. Based on UCI database there are 17 symptoms of Hepatitis that may be similar with other disease, so it needs a method to find the major symptoms. In this research, we proposed hepatitis diagnose using statistic Bayesian network and find major symptoms using ReliefF algorithm. ReliefF algorithm resulting 4 majority symptoms and used to constructing Bayesian Network. ReliefF and Bayesian Network have 76,8% accuracy, 76,5% precision, and 100% recall for 69 test data. Keywords: Hepatitis, ReliefF, Bayesian Network, Probabilistic.
Prediction of Student’s Major based on Grades and Psychological Test using Artificial Neural Network Intan Yuniar Purbasari; Axvian Bagas Syah Putra
Prosiding International conference on Information Technology and Business (ICITB) 2019: INTERNATIONAL CONFERENCE ON INFORMATION TECHNOLOGY AND BUSINESS (ICITB) 5
Publisher : Proceeding International Conference on Information Technology and Business

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

Abstract

New enrolled high school students are typically grouped into majors that will determine the subjects they will take during their three-years study period. Three common majors are Life Sciences, Social Sciences, and Linguistics. Several parameters used to categorize the students are grades of certain subjects (those in the National Final Examination from the previous level) and result from a psychological test taken before enrolling in high schools. This research aims to categorize new students into three common majors based on their previous academic grades and also result from the psychological tests. Each student's preference for a certain major is also put into consideration. The accuracy of the system was 100% for the training set and 79% for the test set.Keywords: new student grouping, artificial neural network, academic grades, classification
PREDIKSI HARGA SAHAM MENGGUNAKAN METODE LONG SHORT TERM MEMORY SAAT KONDISI PANDEMI Endy Gigih Pratama; Intan Yuniar Purbasari; Wahyu Syaifullah JS
Jurnal Informatika dan Sistem Informasi Vol. 3 No. 2 (2022): Jurnal Informatika dan Sistem Informasi (JIFOSI)
Publisher : Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/jifosi.v3i2.471

Abstract

Saham merupakan salah satu jenis dari pasar keuangan yang paling populer belakangan ini, saham juga menunjukkan bahwa seseorang yang memiliki saham atas suatu perusahaan berarti orang tersebut memiliki beberapa bagian dari perusahaan tersebut. Investor banyak yang berinvestasi dalam pasar saham dengan tujuan untuk mendapatkan nilai return yang besar, akan tetapi ada juga beberapa investor yang masih belum yakin dengan adanya resiko dalam berinvestasi saham. Hal ini didasari karena berinvestasi atau jual beli saham membutuhkan pemahaman dan pengalaman yang cukup dalam hal analisis data. Analisis data sangat diperlukan karena pergerakan harga saham dinamis, oleh karena itu perlu adanya bantuan untuk melakukan prediksi terhadap pergerakan harga saham tersebut. Metode pemodelan yang akan digunakan yaitu menggunakan machine learning. Machine learning saat ini sudah sangat populer dan terbukti memiliki tingkat akurasi yang baik dalam pengolahan data. Dalam penelitian yang dilakukan, pemodelan data yang digunakan untuk melakukan prediksi harga saham menggunakan Long Short Term Memory (LSTM) yang merupakan salah satu jenis dari Recurrent Neural Network (RNN). Tujuan dilakukannya penelitian ini adalah untuk menghasilkan model yang cukup akurat dalam peramalan harga saham. Tahapan penelitian terdiri dari pengumpulan data saham, pra-pemrosesan data, pengolahan data, perancangan desain arsitektur LSTM, melakukan pelatihan model, dan terakhir adalah evaluasi dari model yang telah dibuat. Parameter yang digunakan dalam penelitian ini meliputi perbedaan jumlah hidden layer, neuron, dan learning rate. Hasil pengujian terbaik yaitu pada model dengan parameter 3 hidden layer 50,100,150 neuron, learning rate 0,001, dengan perhitungan nilai error menggunakan RMSE sebesar 0,0015 dan perhitunggan menggunakan MAPE sebesar 20%.
Co-Authors Achmad Junaidic Al-Rawahi, Iman Mohamed Axvian Bagas Syah Putra Budi Nugroho Cai, Hongyun Eka Fitria Wulandari Endy Gigih Pratama Evi Suryaningsih Fetty Tri Anggraeny Henni Endah Wahanani I Gede Susrama Mas Diyasa Lao, Angeli Diane Moch. Hatta Radical Rakhman Wahyu Syaifullah JS