Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Jurnal Ilmiah KOMPUTASI
Detty Purnamasari
Universitas Gunadarma
Computer Science & IT Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Data Mining Dengan Model Klasifikasi Naïve Bayes Untuk Pengukuran Pemilihan Matakuliah Peminatan Iis Istianah; Detty Purnamasari
Jurnal Ilmiah Komputasi Vol. 20 No. 4 (2021): Jurnal Ilmiah Komputasi Volume: 20 No. 4, Desember 2021
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.20.4.2777

Abstract

Kurikulum perguruan tinggi mencakup berbagai jenis matakuliah. Sebuah jurusan atau program studi tertentu memiliki struktur kurikulum. Ketika mahasiswa memilih suatu minat tertentu, harapan terbesar dari jurusan dan mahasiswa yang bersangkutan adalah lulus tepat waktu memiliki kopetensi sesuai dengan konsentrasi. Algoritma yang digunakan naïve bayes, data yang digunakan adalah tahun angkatan 2013, 2014, 2015 & 2016 mahasiswa teknik informatika, untuk mengetahui hasil klasifikasi dengan menggunakan algoritma naïve bayes dalam menentukan mata kuliah peminatan, terhadap data mahasiswa program studi Teknik Informatika-S1 STMIK Bani Saleh berdasarkan dari kemampuan akademisnya, sehingga dapat memberikan informasi yang baru dan berguna sebagai rekomendasi dalam pemilihan jalur peminatan. Algoritma yang digunakan untuk mengukur tingkat akurasi peminatan penjurusan Program Studi Teknik Informatika dengan jumlah data training sebanyak 824 dan data testing sebanyak 206 dengan menggunakan naïve bayes. Dengan memunculkan 2 peminatan yaitu Sofatware Engeenering dan Networking. Adapun aplikasi yang digunakan untuk membantu proses perhitungan naïve bayes rapidminer 5.3. Dari hasil pengukuran menggunakan rapidminer diperoleh nilai akurasi sebesar 98,06%.
Classification of meat using the convolutional neural network Detty Purnamasari; Koko Bachrudin; Dede Herman Suryana; Robert Robert
IAES International Journal of Artificial Intelligence (IJ-AI) Vol 12, No 4: December 2023
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijai.v12.i4.pp1845-1853

Abstract

Every animal meat has different color and texture, for example, beef has a dark red color with a chewy texture, while pork has a pale red color and smooth fiber. A previous study has classified types of meat using gray level co-ocurrence matrix (GLCM), hue saturation value (HSV), and color intensity. In this research, we created meat classification between beef, pork, and horse meat using a convolutional neural network (CNN) develop in jupyter notebook, using the MobileNetV2 model, and 315 meat images as a dataset divided into 3 groups, 70% image for the training dataset, 20% image for the testing dataset, and 10% image for validation dataset. Before dividing the image into 3 groups, the image is resized to 224×224, and convert the color to grayscale. The model is trained with a training dataset, the epoch of 50, and Adam optimizer, the results show an accuracy of 93.15%.
Co-Authors Dede Herman Suryana Iis Istianah Koko Bachrudin Robert Robert