Article Per Year (5 Year)
p-Index From 2021 - 2026
1.116
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 KARAKTERISTIK MANUSIA MELALUI POLA GARIS TELAPAK TANGAN MENGGUNAKAN METODE PROBABILISTIC NEURAL NETWORK Endro Andriyanto; Yuliana Melita
Jurnal Ilmiah Teknologi Informasi Asia Vol 7 No 2 (2013): Volume 7 Nomor 2 (8)
Publisher : LP2M INSTITUT TEKNOLOGI DAN BISNIS ASIA MALANG

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

Abstract

Melakukan diagnosa melalui pola garis telapak tangan manusia (palmistry) akan dapat dilakukan dengan mudah apabila dibantu dengan peralatan komputer dengan perangkat lunak yang dirancang khusus untuk melakukan tugas tersebut. Input yang diperlukan berupa gambar telapak tangan objek dengan format BMP dengan ukuran dan resolusi tertentu. Kemudian system akan melakukan pencocokkan pola garis tangan dari inputan dengan data terdapat pada database. Output dari system adalah berupa class terdekat atau class yang sesuai dari garis tangan pengguna ingin dikenali hasil dari analisa pola garis tangan pengguna dengan pola garis tangan yang ada di database berupa karakter dari pemilik pola garis tangan tersebut.
SEGMENTASI IRIS MATA DENGAN MENGGUNAKAN TRANSFORMASI HOUGH Yanuangga G.H.L; Yuliana Melita
Jurnal Ilmiah Teknologi Informasi Asia Vol 7 No 2 (2013): Volume 7 Nomor 2 (8)
Publisher : LP2M INSTITUT TEKNOLOGI DAN BISNIS ASIA MALANG

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

Abstract

Segmentasi iris mata menjadi topik hangat dalam bidang pengenalan iris mata, karena hasil yang kurang bagus dari langkah ini akan merusak atau menurunkan efektifitas sistem pengenalan iris. Oleh karena itu, diperlukan perhatian yang harus dilakukan dalam proses segmentasi jika menginginkan hasil yang akurat, hal ini bergantung pada akurasi dari deteksi pusat pupil mata. Dalam penelitian ini kami mengusulkan metode baru untuk mengenali pusat dari pupil mata yang mana berpusat dengan citra iris mata dengan memanfaatkan operasi 8-tetangga. Parameter ini kemudian digunakan untuk lingkar transformasi hough untuk meningkatkan kecepatan proses segmentasi iris dan keakuratan. Untuk mengabaikan citra kelopak mata dan bulu mata menerapkan operasi deteksi tepi canny. Percobaan ini dilakukan dengan menggunakan 320 citra iris dari dataset standar CASIA, dan hasilnya menunjukkan bahwa metode usulan kami memiliki tingkat akurasi tinggi.
Komparasi Algoritma Linier Congruential Generator Dan Blum Blum Shub Pada Implementasi Fragile Watermarking Untuk Verivikasi Citra Digital Aprilianto, Tria; Melita, Yuliana
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

Fragile watermarking merupakan salah satu aplikasi steganografi yang dapat menjadi solusi kebutuhan verifikasi citra digital. Metode yang digunakan untuk teknik watermarking ini adalah metode Least Significant Bit (LSB). Metode LSB ini mengganti bit-bit yang tergolong bit LSB pada setiap byte pada suatu piksel citra dengan bit-bit watermark yang akan disisipkan. Untuk memperkuat teknik penyembunyian data, bit-bit watermark tidak digunakan mengganti bit-bit dari piksel awal sampai piksel terakhir secara berurutan, namun dipilih susunan piksel secara acak.. Hal ini dapat dilakukan dengan memanfaatkan algoritma Linear Congruential Generator (LCG) dan Blum Blum Shub (BBS) sebagai pembangkit bilangan acak semu (Pseudo Random Number Generator / PRNG). Bilangan acak yang dihasilkan akan digunakan sebagai posisipiksel sebagai tempat penyisipan watermark. Penelitian ini dilakukan dengan membuat aplikasi fragile watermarking dan kemudian membandingkan histogram, nilai Mean Squared Error (MSE) dan Peak Signal to Noise Ratio (PSNR) dari setiap hasil penyisipan watermark (embedding) yang dilakukan. Aplikasi dibuat dengan menggunakan bahasa pemrograman Visual Basic 6.0.
Rancang Bangun Pengenalan Citra Bunga Berdasarkan Bentuk Tepi Bunga Menggunakan Metode Euclidian Distance Sari, Rina Dewi Indah; Melita, Yuliana
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

Pendidikan pada anak-anak diusia dini atau taman kanak-kanak (TK) sangatlah dibutuhkan karena merupakan tahap awal untuk pengenalan alam sekitar. Metode pengajaran yang sering dilakukan oleh guru-guru TK masih menggunakan cara yang manual misalnya dengan tanya jawab, bercerita dan diskusi. Sehingga daya ingat anak untuk mengenali alam sekitar kurang dan sering lupa, kelemahan lainnya anak-anak cepat bosan dengan cara mengajar yang manual. Dibuatlah aplikasi bertujuan untuk mengenali jenis bunga. Ciri yang digunakan dalam proses pengenalan bunga adalah bentuk dari tepi bunga. Selanjutnya dilakukan pengolahan gambar meliputi proses grayscale, thersholding, dan deteksi tepi. Dan Feature vector yang dihasilkan dari proses preprocessing akan disimpan dalam database. Pada tahap testing merupakan tahap pengguna memberikan input ke dalam program berupa query image. Pada tahap ini query image juga akan diekstraksi ciri-cirinya untuk menghasilkan feature vector. Feature vector yang diperoleh pada tahap testing kemudian dibandingkan dengan nilai yang terdapat di dalam data base dengan menggunakan metode Euclidean Distance. Prinsip utama dalam metode Euclidean Distance, jarak yang memiliki nilai terdekat dengan query image akan ditampilkan sebagai hasil dari proses pencarian. Dari hasil penelitian ini diperoleh hasil uji coba yang diketahui tingkat keberhasilannya sebesar 83,3% dari 12 gambar uji yang dikenali hanya 10 gambar saja. Yang menyebabkan gambar tidak berhasil dikenali ada banyak faktor. Antara lain range bobot antara gambar satu dengan yang lain yang sempit. Selain itu juga hampir samanya bentuk dari gambar sehingga memiliki nilai yang hamper sama, sehingga sistem kurang bisa mengenali gambar dengan tepat.
PERBAIKAN KUALITAS CITRA HASIL DENGAN METODE PENINGKATAN RATA–RATA DAN SIMPANGAN BAKU CITRA Setiawan, Fahmi; Melita, Yuliana
Jurnal Ilmiah Teknologi Informasi Asia Vol 7 No 2 (2013): Volume 7 Nomor 2 (8)
Publisher : LP2M Institut Teknologi dan Bisnis ASIA Malang

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

Abstract

Proses perbaikan kualitas citra sering kali meninggalkan kekurangan pada citra hasil. Kekurangan ini berupa kehilangan kontras lokal dan detil pada beberapa bagian citra. Kekurangan-kekurangan ini bisa mengakibatkan beberapa informasi penting pada citra menjadi tidak terbaca. Kekurangan yang timbul akibat proses perbaikan citra dapat diminimalisir dengan mengambil kembali informasi yang ada pada citra asal. Pengambilan informasi ini dapat dilakukan dengan menggabungkan citra asal dengan citra hasil perbaikan. Namun sebelum dilakukan penggabungan citra, terlebih dahulu dilakukan peningkatan nilai rata-rata dan nilai rata-rata simpangan baku dari citra hasil perbaikan agar hasil dari penggabungan citra tersebut dapat maksimal. Dari pengujian terhadap 500 (lima ratus) citra yang terdiri dari citra yang mempunyai kekurangan pada tingkat kecerahan, kekurangan pada tingkat kekontrasan, dan citra yang mempunyai kekurangan pada tingkat kecerahan dan kekontrasan, terdapat 74 (tujuh puluh empat) citra yang tidak dapat diperbaiki secara maksimal dengan menggunakan metode yang diusulkan. Sedangkan untuk citra uji coba lainnya, metode yang diusulkan mampu memperbaiki kekurangan citra. Ini artinya tingkat keberhasilan dari metode yang diusulkan mencapai 85 %.
A Hybrid Machine Learning and Deep Learning Approach for In-Game Assistance Dianaris, Audrey Ayu; Vincent; Setiono, Kevin; Setiawan, Mikhael; Pranoto, Yuliana Melita; Dewi, Grace Levina
Intelligent System and Computation Vol 7 No 1 (2025): 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.v7i1.430

Abstract

The rapid development of artificial intelligence (AI) has opened new possibilities for enhancing user interaction within video games. This study presents the design and implementation of a button-based assistant system for the simulation game Story of Seasons: Friends of Mineral Town, aimed at simplifying repetitive player tasks and improving the overall gameplay experience. The proposed system leverages a hybrid approach that combines Machine Learning and Deep Learning techniques, specifically Optical Character Recognition (OCR) with Tesseract, object detection using a custom-trained YOLOv7 model, the A* pathfinding algorithm for navigation, and automated input control through scripting. The assistant is capable of reading in-game time, weather, and events directly from screen captures, recognizing non-player characters (NPCs), and automatically directing the player’s character to desired locations or NPCs based on contextual data such as day, time, and weather conditions. A database-driven module stores key information such as NPC schedules, favorite gifts, and daily events to enable informed decision-making and interaction automation. Comprehensive testing was conducted, including comparisons of pathfinding algorithms, model accuracy assessments, and user experience evaluations involving volunteers. Results showed high detection accuracy with YOLOv7 and positive user feedback on the assistant's interface and usability. Users reported a more streamlined and enjoyable gaming experience, especially in managing daily tasks and character interactions. This research demonstrates how a hybrid AI-based approach can be effectively applied to traditional video games, offering a foundation for future development in intelligent game assistance systems. The proposed methodology not only improves convenience but also provides insights into the practical integration of AI in user-centric game design.
Optimized image-based grouping of e-commerce products using deep hierarchical clustering Pranoto, Yuliana Melita; Handayani, Anik Nur; Herwanto, Heru Wahyu; Kristian, Yosi
International Journal of Advances in Intelligent Informatics Vol 11, No 3 (2025): August 2025
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/ijain.v11i3.1979

Abstract

Managing large and constantly evolving product catalogs is a significant challenge for e-commerce platforms, especially when visually similar products cannot be reliably distinguished using text-based methods. This study proposes a product grouping method that combines a fine-tuned EfficientNetV2M model with an adaptive Agglomerative Clustering strategy. Unlike conventional CNN-based approaches, which have limited scalability and a fixed number of clusters, the proposed method dynamically adjusts similarity thresholds and automatically forms clusters for unseen product variations. By linking deep visual feature extraction with adaptive clustering, the method enhances flexibility in handling product diversity. Experiments on the Shopee product image dataset show that it achieves a high Normalized Mutual Information (NMI) score of 0.924, outperforming standard baselines. These results demonstrate the method’s effectiveness in automating catalog organization and offer a scalable solution for inventory management and personalized recommendations in e-commerce platforms.
DETEKSI POLISI TIDUR PADA JALAN MENGGUNAKAN ANILISIS BLOB DAN KONVOLUSIONAL NEURAL NETWORK Nugraha, Ervin Indra; Pranoto, Yuliana Melita
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.
Pengenalan Angka Sistem Isyarat Bahasa Indonesia Dengan Menggunakan Metode Convolutional Neural Network Setiyo Bakti, Mochamad Bagus; Pranoto, Yuliana Melita
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.
Co-Authors Abdur Rouf Anik Nur Handayani Audrey Ayu Dianaris Broto Poernomo Dewi, Grace Levina Dicka Y Kardono Endang Setyati Endro Andriyanto Ervina Yuniati Rokhmah Eva Kurniawaty Fahmi Setiawan Gunawan Heru Wahyu Herwanto iswanto Iswanto Iswanto Jaenal Arifin Lukman Zaman Mikhael Setiawan Muhamad Nasir Nugraha, Ervin Indra Rachmadany, Andry Reddy Alexandro Harianto Rina Dewi Indahsari Setiono, Kevin Setiyo Bakti, Mochamad Bagus Sunu Jatmika Tria Aprilianto, Tria Vincent Yanuangga Galahartlambang Yosi Kristian