Article Per Year (5 Year)
p-Index From 2021 - 2026
1.152
P-Index
This Author published in this journals
All Journal KAPAL Jurnal Ilmu Pengetahuan dan Teknologi Kelautan JUTI: Jurnal Ilmiah Teknologi Informasi Jurnal Simantec Jurnal Penelitian Komunikasi dan Opini Publik Proceeding of the Electrical Engineering Computer Science and Informatics MULTINETICS Jurnal Teknologi Informasi dan Terapan (J-TIT) Abdimas Galuh: Jurnal Pengabdian Kepada Masyarakat Jurnal ELTEK Intelmatics International Journal of Islamic Studies CONVERSE Journal Communication Science
Anita Hidayati
Politeknik Negeri Jakarta
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Control & Systems Engineering Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Nursing Other

Published : 27 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Simantec

 1 
PENGENALAN WARNA UNTUK PENYANDANG BUTA WARNA DENGAN OUTPUT SUARA DAN TEXT Dimas Septa Bahari; Adianto o; Anita Hidayati
Jurnal Simantec Vol 4, No 2 (2014)
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/simantec.v4i2.1390

Abstract

ABSTRAKButa warna adalah kelainan genetika yang diturunkan orang tua kepada anaknya. Karena faktor keturunan inilah seseorang penyandang buta warna mengalami kesulitan dalam membedakan warna. Buta warna sendiri dikelompokkan menjadi beberapa kelompok, berdasarkan kemampuan dalam penglihatan warna, mengingat ada yang buta warna tapi mereka masih dapat membedakan beberapa warna-warna tertentu, ada juga yang mereka tidak dapat melihat warna secara keseluruhan. Keterbatasan inilah yang menyebabkan para penyandang buta warna mengalami kesulitan dalam kehidupan sehari–hari, karena banyak hal–hal di lingkungan yang diasosiasikan dalam bentuk warna. Dari sinilah penulis mencoba membuat suatu alat yang dapat membantu penyandang buta warna untuk dapat mengenali warna sesuai dengan jenis kebutaan warna yang dialaminya. Sistem alat ini menggunakan inputan berupa kamera atau yang biasa disebut dengan digital image processing. Kamera digunakan untuk pengambilan gambar. Data dari kamera berupa gambar atau citra yang kemudian diambil komponen nilai RGB-nya. Nilai tersebut digunakan sebagai inputan Neural Network. Neural Network ini yang digunakan untuk pengambil keputusan. Setelah dilakukan pengujian pada sistem pendeteksian warna menggunakan Neural Network, warna Merah, Hijau, Biru, Biru tua, Cyan, Magenta dan Zaitun memiliki prosentase keberhasilan (100% ), warna Kuning, Hijau tua dan Merah muda memiliki prosentase keberhasilan (80%), warna Putih, Coklat dan Abu-abu memiliki prosentase keberhasilan (60%), sedangkan prosentase( 40%) didapat warna Hitam, dan Oranye. Prosentase keberhasilan setiap warna ditandai dengan output suara dan text dari warna yang dideteksi. Rendahnya validasi warna yang terdeteksi, dikarenakan faktor pencahayaan, kualitas sample warna, dan jenis kamera yang digunakan.Kata kunci : Buta warna, Image Processing, Warna, Neural NetworkABSTRACTColor blindness is a genetic disorder that is passed down from parents to their children. Because of this heredity someone with color blindness have difficulty in contrasted color. Color blindness grouped into several groups, based on the ability of color vision, considering there are color blind but they can still distinguish some colors - certain colors, there is also what they can not see color as a whole. Are limited is what causes people with color blindness are experiencing difficulties in daily life - days, because a lot of things in this neighborhood are associated in the form of color.From here author tries to create a tool which can help people with color blindness is to be able to recognize the color according to the type of color blindness that happened. The system uses input devices such as a camera or commonly called digital image processing, this camera used for image capture, or which the data from this camera will be a picture or digital image, which will be taken component RGB values of the image, then that value used as input Neural Network. Neural Network is used for decision-makers. After testing the color detection system using Neural Network, Red, Green, Blue, Dark Blue, Cyan, Magenta and Olive had a success percentage (100%), Yellow, Green and Pink old has a percentage of success (80%), color White, Brown and Grey has a percentage of success (60%), while the percentage (40%) obtained a color Black, and Orange. The percentage of success each color is marked with voice and text output from that detected color, low color validation detected, because the lighting factor, the quality of color samples, and the type of camera used.Keywords: Color blindness, Image Processing, Colour, Neural Network
ESTIMASI PENGELOLAAN SUATU PROYEK DALAM PENGEMBANGAN PERANGKAT LUNAK MENGGUNAKAN ANALISA FUNCTION POINT fityan aula juyuspan; Anita Hidayati
Jurnal Simantec Vol 5, No 2 (2016)
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/simantec.v5i2.1379

Abstract

ABSTRAKUpaya dalam pengembangan perangkat lunak merupakan hal yang penting dalam industri perangkat lunak. Pada paper ini, klasifikasi sistem perangkat lunak untuk menentukan estimasi usaha yang akan dilakukan dengan cara pengukuran berbasis Function Point dengan metode Application FP Count berbasis perhitungan DET, RET, dan FTR. Tujuan dari paper ini adalah untuk digunakan sebagai perkiraan pengukuran waktu dan biaya dalam pengerjaan proyek sehingga akan diperoleh hasil yang akurat dan dapat digunakan sebagai perbandingan dengan proyek baru yang serupa. Hal ini membuat upaya pengembang menjadi lebih mudah dalam pengelolaan suatu proyek dengan memperhitungkan ILF, EIF, EI, EO, dan EQ dari sebuah proyek lama dan kemudian didapatkan nilai FP yang digunakan untuk estimasi proyek baru. Untuk studi kasus digunakan sebuah software aplikasi sekolah (Teacher Manager). Dalam estimasi, diasumsikan proyek dikerjakan 200 jam/92.4FPs (2.16 jam/FP) dan dikerjakan oleh 2 pengembang. Pengembang mampu mengerjakan 2.5 jam/FP sehingga proyek dikerjakan selama 231 jam. RUSA merupakan proyek yang didalamnya terdapat fitur Teacher Manager dengan FP 115 dan dikerjakan oleh 2 orang. Modul ini paling lama akan dikerjakan selama 200 jam/115 FPs (1.74 jam/FP). Jika pengembang hanya mampu mengerjakan 2.5 jam/FP maka proyek ini akan dikerjakan selama 287.5 jam. Biaya pengerjaan RUSA juga dapat diperkirakan dengan melihat tabel produktivitas.Kata kunci : Function Point, Estimasi Proyek, Produktivitas, Application FP Count.ABSTRACTEfforts in software development are important in the software industry. In this paper, the classification of software systems to determine estimates of the business is to be conducted in a manner based measurement method Application Function Point Count FP calculations which based upon DET, RET, and FTR.  The purpose of this paper is to be used as an approximate measurement of time and cost in a project that will obtain accurate results which can be employed as a comparison with similar new projects. This result makes the efforts of developers become easier in the management of a project taking into account the ILF, EIF, EI, EO, and EQ of a long project and then obtained FP value used to estimate the new project. For the case study used a software application (Teacher Manager). In the estimation, it is assumed the project worked 200 hours / 92.4FPs (2.16 hours / FP) and carried out by two developers. Developers can do 2.5 hours / FP so that projects are carried out for 231 hours. RUSA is a project in which there are features of the FP 115 Teacher Manager and done by two people. This module is the longest to be done during the 200 hours / 115 fps (1.74 hours / FP). If the developer is only able to work 2.5 hours / FP, then this project will be done for 287.5 hours. RUSA construction costs can also be estimated by looking at the table of productivity.Keywords: Function Point, Project Estimation, Productivity, Application FP Count.
Co-Authors Abdurojak Abdurojak Adianto o Agung Purwana Airlangga Yudiatama Aji Fitrah Marisman Aji Fitrah Marisman, Aji Fitrah Ali Masykuri Asep Taufik Muharram At Taufiq, Muhammad Hazbiallah At Taufiq, Muhammad Hazbiallah Aula Juyuspan, Fityan Baqir, Habib Muhammad Baqir, Habib Muhammad Bima D S, Muhammad Cindy Novianty Davi Rama Fadillah Desi Tri Cahyaningati Dimas Septa Bahari Eko Purwanto Eko Sugiarto Feri Diana Fityan Aula Juyuspan fityan aula juyuspan Galih Anindita Iklima Ermis Ismail Lathifah, Suci Ana Lathifah, Suci Ana M. Mochtar Mas’od Mauldy Laya Milla Ahmadia Apologia Muhammad Bima D S Novianty, Cindy Octavianti, Annisa Oktariza, Elsa Oktariza, Elsa Oktaviana, Shinta Oktaviana, Shinta Putri Afiifah, Nabiilah R. Sapto Hendri Boedi Soesatyo Rachman, Zenicka Rahayu, Widiatama Reza Kamaluddin Isman Rosmaningsih, Fatimah Rosmaningsih, Fatimah Sari, Helga Juwita Sari, Risna syakir syakir Verriyanto Eko Priyono Putra Warsuta, Bambang