Article Per Year (5 Year)
p-Index From 2020 - 2025
1.857
P-Index
This Author published in this journals
All Journal International Journal of Advances in Intelligent Informatics JURNAL MEDIA INFORMATIKA BUDIDARMA Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Jurnal INOVTEKSeri Elektro Academia Open Teknika Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Insyst : Journal of Intelligent System and Computation Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Jurnal ilmiah teknologi informasi Asia
Yuliana Melita Pranoto
Institut Sains Dan Teknologi Terpadu Surabaya
Agriculture, Biological Sciences & Forestry Arts Humanities Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Medicine & Pharmacology Physics Social Sciences Transportation Other

Published : 19 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 19 Documents
Search

 1   2 
Pengenalan Pose Tangan Menggunakan Leap Motion Untuk Generator Ucapan Fonem Bahasa Jawa Eva Kurniawaty; Lukman Zaman; Yuliana Melita Pranoto; Muhamad Nasir
INOVTEK - Seri Elektro Vol 2, No 2 (2020): INOVTEK Seri Elektro
Publisher : Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/ise.v2i2.1430

Abstract

Bahasa sebagai alat komunikasi antar manusia dalam masyarakat terbentuk dari fonem-fonem yang berupa bunyi-bunyi. Setiap bahasa mempunyai sistem fonem dan sistem bunyi yang berbeda. Dalam kegiatan sehari-hari masyarakat jawa banyak sekali menggunakan kata-kata yang mirip dalam komunikasi mereka, baik kata tersebut mempunyai arti atau makna yang berbeda ataupun tidak. Perkembangan teknologi saat ini yang semakin pesat, membuat beberapa peneliti menggunakan Leap Motion sebagai perangkat penerjemah. Pada penelitian ini, diusulkan sebuah sistem pengenalan pose tangan dengan menggunakan leap motion controller untuk generator ucapan fonem bahasa jawa. Dengan menggunakan leap motion controller, setiap titik koordinat tulang pada tangan akan terdeteksi, sehingga titik-titik koordinat tersebut dapat dijadikan sebagai fitur masukan. Penggunaan fitur jarak antara palm position dengan distal phalanges yang diukur dengan menggunakan euclidean distance. Fitur tersebut akan digunakan untuk data training dan data testing pada metode klasifikasi k-nearest neighbor. Data training yang digunakan adalah minimal 100 kelas diambil dari 20 aksara jawa dan 5 fonem vokal. Penelitian ini berhasil dengan tingkat rata- rata akurasi sebesar 97% pada fonem aksara jawa.
Implementasi Content Aware Pada Pembuatan Thumbnail Menggunakan Metode Seam Carving and Salient Detection Ervina Yuniati Rokhmah; Lukman Zaman; Yuliana Melita Pranoto
INOVTEK - Seri Elektro Vol 2, No 2 (2020): INOVTEK Seri Elektro
Publisher : Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/ise.v2i2.1440

Abstract

Image resizing merupakan suatu proses pengelolahan citra yang bertujuan mengubah ukuran gambar ke ukuran yang diinginkan oleh pengguna. Metode yang paling sering digunakan untuk mengubah ukuran gambar pada pembuatan thumbnail adalah scaling dan cropping. Scaling  merupakan pengubahan ukuran citra berdasarkan skala tanpa mempertimbangkan proporsi panjang dan lebarnya. dan juga tidak mempertimbangkan isi dari citra. Cropping terbatas karena hanya menghilangkan pixel pada citra dalam batasan area tertentu saja. Akibatnya, dalam thumbnail yang dihasilkan tidak dapat menyampaikan informasi yang penting pada gambar. Seam carving merupakan salah satu metode untuk mengubah ukuran gambar dengan menghapus atau menambahkan ukiran (carve) piksel-piksel dari bagian-bagian gambar yang berbeda sesuai konten (content-aware). Seam carving menawarkan kelebihan dibanding scaling dan cropping.. Namun, metode seam carving masih gagal untuk melindungi objek penting pada gambar. Untuk itu dalam mengatasi kelemahan tersebut, dalam penelitian ini akan dilakukan implementasi Seam carving dan metode salient detection yang digunakan untuk pembuatan thumbnail. Hasil salient detection mendeteksi daerah terpenting dari gambar dan sebagai acuan dalam mengubah ukuran gambar (seam carving).
APPLYING THE CLASSIFICATION ALGORITHM FOR THE SYSTEM RECOMMENDATIONS BUY SELL IN FOREX TRADING iswanto; Yuliana Melita Pranoto; Reddy Alexandro Harianto
JURNAL FASILKOM (teknologi inFormASi dan ILmu KOMputer) Vol 10 No 2 (2020): Jurnal Fasilkom
Publisher : Fakultas Ilmu Komputer, Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1152.596 KB) | DOI: 10.37859/jf.v10i2.2076

Abstract

Abstract- Having a sophisticated application, even though often experience problems in deciding BUY - SELL in trading forex trading. This is due to the often time series predictions, in the high variable experiencing high values ​​as well as low variables, for that it is needed a recommendation system to overcome this problem. The application of classification algorithms to the recommendation system in support of BUY-SELL decisions is one appropriate alternative to overcome this. K-Nearest Neighbor (K-NN) algorithm was chosen because the K-NN method is an algorithm that can be used in building a recommendation system that can classify data based on the closest distance. This system is designed to assist traders in making BUY-SELL decisions, based on predictive data. The results of the recommendation system from the ten trials predicted by Arima are recommended. When compared to the price in the field the target profit is 7% per week from ten experiments if the average profit has exceeded the target
Classification of Words of Wisdom in Indonesian on Twitter Using Naïve Bayes and Multinomial Naive Bayes Andry Rachmadany; Yuliana Melita Pranoto; Gunawan Gunawan
Academia Open Vol 3 (2020): December
Publisher : Universitas Muhammadiyah Sidoarjo

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (11.94 KB) | DOI: 10.21070/acopen.3.2020.787

Abstract

Quote is a sentence made with the hope that someone becomes a strong personality, an individual who always improves himself to advance and achieve success. Social media is a place for people to express their hearts to the world which is sometimes a heart expression in the form of quotes. The purpose of this study is to classify Indonesian quotes on Twitter using Naïve Bayes and Multinomial Naïve Bayes. This experiment uses text classification from Twitter data written by Twitter users whether the quotes are then classified again into 6 categories (Love, Life, Motivation, Education, Religion, Others). The language used is Indonesian. The methods used are Naive Bayes and Multinomial Naïve Bayes. Results of this experiment is a classified Indonesian quote collection web application. This classification makes it easy for users to search for quotes based on class or keyword. For example, when a user wants to search for 'motivational' quotes, this classification can be very useful.
Pemanfatan Arima Untuk Prediksi Harga Emas Dalam Sistem Rekomendasi Trading Gold Option Yuliana Melita Pranoto; Reddy Alexandro Harianto; Iswanto Iswanto
JURNAL MEDIA INFORMATIKA BUDIDARMA Vol 4, No 4 (2020): Oktober 2020
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/mib.v4i4.2246

Abstract

In gold option trading, it is necessary to analyze both fundamental and technical data. In this study technical analysis is used to predict Gold Prices to help traders in making decisions. ARIMA is a method that completely ignores the independent variables in forecasting and is able to be a solution to predict gold prices and is used for the gold trading recommendation system. This is evidenced by the validation of high MAD = 16.93, MSE = 453.00, MAPE = 1.13%. And validation is low MAD = 12.23, MSE = 237.54, MAPE = 0.83%. And validation low MAD = 16.76, MSE = 576.32, MAPE = 1.12%. The results of the recommendation system from the ten trials predicted by Arima are recommended. When compared to the price in the field the target profit is 7% per week from ten experiments if on average the profit has exceeded the target.
DETEKSI POLISI TIDUR PADA JALAN MENGGUNAKAN ANILISIS BLOB DAN KONVOLUSIONAL NEURAL NETWORK Ervin Indra Nugraha; Yuliana Melita Pranoto
Intelligent System and Computation Vol 3 No 1 (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.v3i1.180

Abstract

Polisi tidur merupakan pembatas kecepatan laju dari kendaraan yang sengaja ditempatkan diatas jalan. Polisi tidur memiliki dua jenis karakteristi. Polisi tidur memiliki ukuran berbeda yang ditemui pada beberapa perumahan, ditempat ujian sim, dan yang sering dijumpai pada perumahan atau jalan dengan beragam warna yang berbeda. Deteksi polisi tidur pada jalan akan menggunakan dua metode Anilisis blob dan CNN. Proses deteksi polisi tidur akan dilakukan menggunakan anilisis blob, saat metode anilisis blob tidak mendeteksi adanya polisi tidur maka akan dilakukan proses CNN untuk melakukan deteksi. Dalam proses anilisis blob, alur penelitian deteksi akan dilakukan menggunakan anilisis blob, pada saat proses blob tidak mendeteksi adanya polisi tidur maka proses deteksi akan dilanjutkan menggunakan CNN. Sebelum dilakukan proses deteksi menggunakan blob, gambar atau video frame akan diproses menggunakan proses preprosesing, morfologi erosi dan dilasi. Penggunaan proses preprosesing dan morfologi dilakukan agar objek berupa polisi tidur dapat dipisahkan dari gambar background yaitu aspal. Uji coba pada penelitian akan dilakukan pada 10 buah video dengan durasi minimal 30 detik dan 100 gambar polisi tidur yang diproses pada dataset. Pada dataset akan dikelompokan untuk dilakukan klasifikasi yaitu berwarna dan tidak berwarna. Setiap warna polisi tidur yang terdeteksi akan dicatat dan berapa banyak pada warna tersebut polisi tidur dapat dideteksi. Kedua metode yang digabungkan mendapatkan hasil deteksi yang baik dengan hasil  76% terhadap polisi tidur pada perumahan. Pada uji coba rata-rata polisi tidur tanpa warna atau warna yang sama dengan aspal dan penggunaan paving pada jalan mempengaruhi tingkat akurasi dari deteksi polisi tidur.
Prediksi Kecocokan Jurusan Siswa SMK Dengan Support Vector Machine dan Random Forest Dicka Y Kardono; Yuliana Melita Pranoto; Endang Setyati
Teknika Vol 12 No 1 (2023): Maret 2023
Publisher : Center for Research and Community Service, Institut Informatika Indonesia (IKADO) Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34148/teknika.v12i1.567

Abstract

SMK Antartika 1 Sidoarjo setiap tahunnya melakukan penerimaan siswa baru. Siswa SMP yang mendaftakan diri ke SMK Antartika 1 Sidoarjo rata-rata belum cukup mengetahui tentang minatnya pada jurusan yang ada di sekolah. Adapun jurusan yang ada di SMK Antartika 1 Sidoarjo adalah Teknik Pemesinan, Teknik Kendaraan Ringan, dan Rekayasa Perangkat Lunak. Dari permasalahan di atas, maka diperlukan sebuah sistem untuk memprediksi tentang pemilihan kecocokan jurusan pada siswa baru SMK Antartika 1 Sidoarjo. Dengan adanya sistem tersebut dapat membantu meningkatkan pelayanan terhadap siswa baru dalam memutuskan pemilihan jurusan yang terdiri dari 4 tingkatan, yaitu: sangat cocok, cocok, kurang cocok, dan sangat kurang cocok dengan siswa. Untuk mengetahui pola prediksi dari data siswa tersebut, menggunakan penerapan perbandingan menggunakan metode Support Vector Machine (SVM) dan Random Forest (RF). Fitur atribut yang digunakan ada 14 fitur yang terdiri dari: Jurusan, Pendidikan_Ayah, Penghasilan_Ayah, Pendidikan_Ibu, Penghasilan_Ibu, Transportasi_ke_Sekolah, NUS_MTK_SMP, NUS_BIND_SMP, NUS_BING_SMP, Disiplin, Tanggung_Jawab, Sikap, Komunikasi, dan Output_Kelas. Riset ini menggunakan dataset siswa SMK Antartika 1 Sidoarjo mulai tahun 2020 sampai 2022 dengan total 578 record data siswa. Berdasarkan hasil analisis dengan metode SVM dengan kernel sigmoid diperoleh tingkat akurasi sebesar 83%, sedangkan hasil analisa dengan dengan metode RF dengan jumlah tree 150 diperoleh tingkat akurasi sebesar 82%.
Pengenalan Angka Sistem Isyarat Bahasa Indonesia Dengan Menggunakan Metode Convolutional Neural Network Mochamad Bagus Setiyo Bakti; Yuliana Melita Pranoto
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 3 No. 1 (2019): PROSIDING SEMNAS INOTEK Ke-III Tahun 2019
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v3i1.504

Abstract

Bahasa isyarat adalah metode komunikasi dengan menggunakan gerakan tangan yang biasanya dilakukan oleh tuna rungu. Di Indonesia sendiri mempunyai 2 jenis bahasa isyarat yaitu BISINDO dan SIBI (Sistem Isyarat Bahasa Indonesia). Perbedaannya dalam isyarat dasar BISINDO menggunakan dua tangan sedangkan SIBI hanya satu tangan. Dalam paper ini akan membahas pengenalan isyarat angka SIBI dengan menggunakan metode Convolutional Neural Network (CNN). Arsitektur CNN yang digunakan adalah arsitektur LeNet. Arsitektur CNN diproses dalam 3 tahap, 25 epoch, 50 epoch dan 100 epoch. Berdasarkan percobaan yang dilakukan nilai akurasi yang didapat terus meningkat dalam tiap tahapnya, mulai 67.66%, 89.44% sampai nilai akurasi tertinggi dalam proses training sebesar 96.44%. Begitupun dalam proses prediksi data juga mengalami kenaikan dalam tiap tahapnya, mulai 79.23%, 90.45% sampai didapatkan nilai akurasi tertinggi dalam prediksi data 98.89%. Dari total 90 data testingset, hanya sekali keasalahan dalam prediksi data.
Sistem Rekomendasi Pekerjaan Menggunakan Content Based Similarity Abdur Rouf; Yuliana Melita Pranoto; Endang Setyati
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 12, No 2: Agustus 2023
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v12i2.1229

Abstract

Based on data from the Central Statistics Agency (BPS) it is stated that the data for people who did not have a job from August 2019 to August 2021 recorded an increase from 7104.42 to 9102.05, meaning that within 2 years people who did not have a job had increased significantly. This is caused by one of the factors, namely finding information on job vacancies which is difficult, users still have to choose one job at a time in accordance with their field of knowledge. By building a job recommendation system, users will find it easier to find suitable job information, the data used is obtained from 1120 (one thousand one hundred and twenty) alumni data which includes academic grades, non-academic scores, positions and companies obtained from alumni data from the Institute of Technology and Business Widya Gama Lumajang. Using a content-based similarity algorithm with machine learning techniques using the MLP classifier feature and several trials using different parameters in each experiment. In each experiment the researcher used 10 (ten) samples. The results of this trial the machine learning feature of the MLP classifier can be concluded to be able to provide an accuracy of 81% with a precision value of 0.77, a recall of 0.81 and an f1-score of 0.76.The results of this study are used by users or fresh graduates to get job recommendations in accordance with their field of study.Keywords: Content Based Similarity; Interaciton Based Relation; Job Recommendation System AbstrakBerdasarkan data Badan Pusat Statistik (BPS) menyebutkan bahwa data orang yang tidak memiliki pekerjaan dari agustus 2019 sampai dengan agustus 2021 tercatat naik dari angka 7.104,42 menjadi 9.102,05 artinya dalam kurun 2 tahun orang yang tidak memiliki pekerjaan mengalami kenaikan secara signifikan. Hal ini disebabkan oleh salah satu faktor yaitu mencari informasi lowongan pekerjaan yang sulit pengguna masih harus memilih satu per satu pekerjaan yang sesuai dengan bidang ilmunya. Dengan membangun sistem rekomendasi pekerjaan pengguna akan lebih mudah menemukan informasi pekerjaan yang sesuai, data yang digunakan diperoleh dari data alumni sebanyak 1.120 (seribu seratus dua puluh) yang mencakupi nilai akademik, nilai non akademik, jabatan dan perusahaan yang diperoleh dari data alumni Institut Teknologi Dan Bisnis Widya Gama Lumajang. Menggunakan algoritma content-based similarity dengan teknik machine learning fitur MLP classifier dan beberapa kali uji coba menggunakan parameter yang berbeda-beda pada setiap percobaannya. Pada setiap percobaan peneliti memakai 10 (sepuluh) sample. Hasil dari uji coba ini machine learning fitur MLP classifier dapat disimpulkan mampu memberikan akurasi sebesar 81% dengan nilai precision 0.77 recall 0.81 dan f1-score 0.76. Hasil penelitian ini digunakan oleh pengguna atau fresh graduate untuk mendapatkan rekomendasi pekerjaan yang sesuai dengan bidang ilmu. 
Komparasi Segmentasi Penyakit Darah Pada Citra Darah Dengan Metode Fuzzy C-Means Dan Selft Organizing Maps Sunu Jatmika; Yuliana Melita
Jurnal Ilmiah Teknologi Informasi Asia Vol 7 No 1 (2013): Volume 7 Nomor 1 (8)
Publisher : LP2M INSTITUT TEKNOLOGI DAN BISNIS ASIA MALANG

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

Abstract

Segmentasi citra darah merupakan suatu proses untuk membagi atau mengcluster citra darah menjadi beberapa region yang mempunyai tingkat kesamaan pixel yang cukup tinggi. Metode clustering yang digunakan adalah metode Fuzzy C-Means (FCM) dan Self Organizing Maps (SOM). Sebelum dilakukan metode FCM dan SOM, citra masukan yang berupa citra berwarna, dijadikan citra grayscale terlebih dahulu untuk menyederhanakan layer pixel dan mempermudah perhitungan. Selanjutnya citra diolah berdasarka algoritma Fuzzy C-Means dan algoritma Self Organizing Maps. Berdasarkan uji coba yang penulis lakukan, clustering dengan mengunakan Fuzzy C-Means lebih baik jika dibandingkan dengan Self Organizing Mapp. Bila pada pengenalan penyakit pada Fuzzy C-Means hasilnya adalah 98,68% maka hasil pada Self Organizing Maps adalah 79,33%. Gambar yang dihasilkan pada Fuzzy C-Means lebih mirip dengan citra inputan sedangkan Self Organizing Maps jauh dari citra inputan.
Co-Authors Abdur Rouf Anik Nur Handayani Broto Poernomo Dewi, Grace Levina Dianaris, Audrey Ayu Dicka Y Kardono Endang Setyati Endro Andriyanto Ervin Indra Nugraha Ervina Yuniati Rokhmah Eva Kurniawaty Fahmi Setiawan Gunawan Heru Wahyu Herwanto iswanto Iswanto Iswanto Jaenal Arifin Lukman Zaman Mikhael Setiawan Mochamad Bagus Setiyo Bakti Muhamad Nasir Rachmadany, Andry Reddy Alexandro Harianto Rina Dewi Indahsari Setiono, Kevin Sunu Jatmika Tria Aprilianto, Tria Vincent Yanuangga Galahartlambang Yosi Kristian