Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal DECODE: Jurnal Pendidikan Teknologi Informasi
Ety Sutanty
Sistem Informasi Universitas Gunadarma
Computer Science & IT Education Languange, Linguistic, Communication & Media Other

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

Found 2 Documents
Search

 1 
Kombinasi Case-Based Reasoning dan Rule-Based Reasoning Pada Sistem Pakar Deteksi Awal Covid-19: Combination of Case-Based Reasoning and Rule-Based Reasoning in Expert Systems For Early Detection of Covid-19 Maukar; Ety Sutanty; Dina Kusuma Astuti
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 3 No. 1: MARET 2023
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v3i1.138

Abstract

Deteksi terhadap Covid-19 merupakan tahapan penting dalam mengenali secara dini pasien terduga Covid-19 sehingga dapat dilakukan langkah preventif. Gejala umum yang ditimbulkan penyakit Covid-19 memiliki gejala yang hampir sama dengan beberapa penyakit lainnya. Penelitian ini membentuk Sistem Pakar untuk deteksi awal Covid-19 dengan mengkombinasikan metode Case Based Reasoning dan Rule Based Reasoning dalam bentuk Website. Website Sistem Pakar pada penelitian ini akan menghitung kemungkinan user yang mengalami Covid-19 berdasarkan nilai atau bobot dari gejala yang dipilih user dengan mencari kesamaan dari gejala yang telah dialami pasien Covid-19 sebelumnya. Gejala Covid-19 yang digunakan dalam penelitian ini didapat dari dataset Kemunculan Gejala Covid-19 bersumber dari Kaggle Dataset. Masukan berupa gejala pasien yang telah terjadi sebelumnya digunakan dalam membentuk aturan yang telah diberikan bobot melalui proses wawancara seorang pakar. Penelitian ini menggunakan 14 variabel gejala  dengan metode hybrid case based dimana kesamaan gejala akan dihitung menggunakan cosine similarity. Hasil Penelitian diharapkan dapat membantu masyarakat dalam melakukan diagnosis mandiri dan tim medis untuk melakukan diagnosis awal kepada pasien sebagai langkah awal penanganan Covid-19.
Penerapan Model Arsitektur VGG16 Untuk Klasifikasi Jenis Sampah Ety Sutanty; Maukar; Dina Kusuma Astuti; Handayani
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 3 No. 2: SEPTEMBER 2023
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v3i2.331

Abstract

Data dari Kementerian Lingkungan Hidup dan Kehutanan melalui Sistem Informasi Pengelolaan Sampah Nasional menunjukkan peningkatan jumlah tumpukan sampah hampir 30 Ton pada 2021 dengan sumber sampah terbanyak berasal dari produksi sampah rumah tangga dan kegiatan industri. Cara menyelesaikan masalah pengolahan sampah adalah melalui kegiatan pengolahan sampah yang lebih efektif, salah satunya dengan melakukan klasifikasi jenis sampah menggunakan Convolutional Neural Network (CNN). Pada penelitian ini, dilakukan klasifikasi jenis sampah berdasarkan citra sampah dengan metode CNN menggunakan arsitektur VGG-16 menggunakan dataset Garbage Classification dari situs Kaggle. Arsitektur VGG-16 pada penelitian ini menggunakan 16 lapisan layer yang terdiri atas 13 lapisan layer konvolusi dan 3 lapisan fully-connected. Pelatihan model menggunakan library tensorflow dengan rasio split data 7:1.5:1.5 untuk data latih, data test dan data validasi. Model CNN arsitektur VGG-16 sebagai metode transfer learning dimodifikasi dengan penambahan beberapa lapisan diantaranya pooling layer dengan GlobalAveragePooling2D, dense layer dengan aktivasi ReLU, dan dense layer dengan aktivasi softmax sebagai lapisan full connected layer. Hasil dari pelatihan mendapatkan nilai accuracy sebesar 82.89% dan nilai val_accuracy sebesar 84.62%. Hasil penelitian ini diharapkan dapat membantu pemerintah dalam melakukan pengolahan sampah dalam bentuk yang lebih stabil dan tidak mencemari lingkungan serta mengurangi jumlah sampah yang harus ditimbun.
Co-Authors Dina Kusuma Astuti Handayani Maukar Maukar