Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Mandiri IT Jurnal Sistem Informasi dan Manajemen
Azmi, Isni
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Library & Information Science Mathematics

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

Found 2 Documents
Search

 1 
PENERAPAN METODE ALGORITMA ARTIFICIAL NEURAL NETWORK DENGAN LONG SHORT TERM MEMORY NETWORK (LSTM) UNTUK KLASIFIKASI SINY ELECTROENCEPHALOGRAM (EEG) Murtopo, Aang Alim; Santoso, Nugroho Adhi; Azmi, Isni
JURSIMA Vol 11 No 2 (2023): Volume 11 Nomor 2 2023
Publisher : INSTITUT TEKNOLOGI DAN BISNIS INDOBARU NASIONAL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47024/js.v11i2.628

Abstract

Penelitian ini merupakan penelitian menggunakan metode deksripsi kualitatif. Data yang digunakan dalam penelitian ini adalah sekunder. Tujuan dilakukannya penelitian ini untuk memahami konsep dan teori yang berkaitan dengan klasifikasi sinyal EEG dalam metode algoritma saraf tiruan dengan autoencoder pengurangan kebisingan bertumpuk. Artificial neural network adalah sistem pemrosesan data yang memiliki sifat yang mirip dengan jaringan saraf biologis di otak manusia. Tujuan dari jaringan syaraf tiruan adalah untuk menciptakan suatu sistem yang dapat belajar dengan sendirinya mengingat informasi dan kondisi. Epilepsi adalah gangguan pada sistem saraf otak manusia, yang menyebabkan berbagai reaksi dalam tubuh manusia. Epilepsi dapat didiagnosis dengan elektroensefalogram (EEG). Penelitian ini menggunakan data dari Rumah Sakit Anak Boston (Shoeb, 2019). Setiap pasien memiliki rekaman dalam kondisi normal dan pada saat serangan. Semua data bentuk gelombang disimpan dalam file dengan ekstensi .edf. dengan sampling rate 256 sampel per detik. Hasil accuracy sebelum di training bernilai 58%. Untuk hasil yang lebih besar batch size menjadi 44 (minibatch).
Application of expert system using certainty factor method to identify diseases in rice plants Azmi, Isni; Gunawan, Gunawan; Anandianskha, Sawaviyya
Jurnal Mandiri IT Vol. 12 No. 4 (2024): April: Computer Science and Field.
Publisher : Institute of Computer Science (IOCS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35335/mandiri.v12i4.280

Abstract

This article explores the application of expert systems using certainty factor methods for disease identification in rice crops, highlighting the importance of information technology integration in agriculture. The study aims to develop a system that allows quick and accurate identification of rice disease, using certainty factor methods that are effective in dealing with data uncertainty. This study used a quantitative approach with a quasi-experimental design. The results indicate an effective system for identifying diseases, with significant implications for supporting farmers and improving food security. Suggestions for future research include system integration with mobile applications and real-time data analysis to improve system accessibility and applicability in modern agricultural practices.
Co-Authors Aang Alim Murtopo Anandianskha, Sawaviyya Gunawan Gunawan Santoso, Nugroho Adhi