p-Index From 2021 - 2026
4.197
P-Index
Claim Missing Document
Check
Articles

SISTEM PAKAR MENDIAGNOSA PENYAKIT PERUT DENGAN METODE FORWARD CHAINING Christy Natalia Gultom; jenie sundari; Nila Hardi
Jurnal Komputasi Vol. 11 No. 2 (2023)
Publisher : Jurusan Ilmu Komputer Fakultas MIPA Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/komputasi.v11i2.13430

Abstract

— At present there are still many people who do not know about the types of stomach diseases that exits. In general, people only understand 1 or 2 types of stomach disease that exist and underestimate the syptoms of stomach pain they experience. While an upset stomach if not immediately known and treated can be a very dangereous disease that can cause death for sufferers anyway. Therefore, it is very important for the public to know the beginning and existing stomach aliments. Therefore, the authors provide a solution by creating an Expert Systems to Diagnose Stomach Diseases that can help the community in diagnosing stomach ailments that they are experiencing. Experts system is a computer application that is intended to assist in making decisions or solving problems in a spesific field. All the knowledge needed in the expert system is an amalgamation of several experts made by doctors, all the accuarcy data can be trusted. This research used the forward chaining method to get conclusion from the syptoms of stomach disease experienced by the community. Keywords: disease, stomach,expert, forward, chaining
Pengenalan Telapak Tangan Menggunakan Convolutionall Neural Network (CNN) Nila Hardi; Jenie Sundari
Reputasi: Jurnal Rekayasa Perangkat Lunak Vol. 4 No. 1 (2023): Mei 2023
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/reputasi.v4i1.1951

Abstract

Berbeda dengan atribut perilaku biometrik yang lainnya, telapak tangan (Palmprint) merupakan atribut yang cukup baru dalam biometrics. Pada mode sekarang, personal recognition system atau bahasa lainnya yaitu sistem pengenalan diri secara semakin hari semakin hari semakin menarik banyak peminat, sehingga kebutuhannyapun ikut meningkat khususnya dalam penerapan di sektor keamanan. Sistem pengenalan guna dijadikan sistem keamanan sudah banyak dikembangkan dengan menggunakan berbagai jenis atribut biometrik salah satunya dengan menggunakan pengenalan telapak tangan (Palmprint). Penelitian yang dilakukan memiliki tujuan guna melakukan Pengenalan Palmprint menggunakan Convolutionall Neural Network (CNN). CNN yang diterapakan pada penelitian ini yaitu metode Alexnet. Pada metode Alexnet diterapkan 3 tahapan yaitu tahap pertama diawali dengan pengumpulan dataset yang kemudian dilakukan proses Pre-processing sehingga citra yang dihasilkan ukurannya menjadi 64x64px. Tahap selanjutnya adalah Ekstraksi Fitur dengan 3 layer yaitu Convolutionall Layer, Pooling Layer, Fully Connected Layer, Pada implementasi implementasi Convolutionall Neural Network menggunakan 10 epoch. Hasil akurasi dari penelitian pengenalan Palmprint menggunakan metode Convolutionall Neural Network paling tinggi ditemukan pada epoch ke-9 yaitu 0,9701 atau jika diubah kedalam bentuk proporsi yaitu 97,01%.