Article Per Year (5 Year)
p-Index From 2020 - 2025
7.382
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Indonesian Journal of Electrical Engineering and Informatics (IJEEI) JITK (Jurnal Ilmu Pengetahuan dan Komputer) International Journal of Computing Science and Applied Mathematics INTECOMS: Journal of Information Technology and Computer Science Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) JSAI (Journal Scientific and Applied Informatics) Jurnal Ilmu Teknik dan Komputer Journal of Computer Science and Engineering (JCSE) Jurnal Informatika Teknologi dan Sains (Jinteks) Jurnal Sistem Informasi Dan E-Bisnis Jurnal Ilmu Komputer Dan Informatika Dedikasi Nusantara: Jurnal Pengabdian Masyarakat Pendidikan Dasar Sinergi: Jurnal Pengabdian Kepada Masyarakat JPMTT (Jurnal Pengabdian Masyarakat Teknologi Terbarukan)
Ayumi, Vina
Universitas Mercu Buana
Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Social Sciences Other

Published : 57 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 57 Documents
Search

 1   2   3   4   5 
RANCANG BANGUN APLIKASI MONITORING PEMBERIAN OBAT BAGI PASIEN Ayumi, Vina; Noprisson, Handrie
JSAI (Journal Scientific and Applied Informatics) Vol 1, No 1 (2018): JSAI - Applied Informatics
Publisher : Fakultas Teknik Universitas Muhammadiyah Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36085/jsai.v1i1.9

Abstract

Dalam melakukan pengontrolan obat secara langsung pada tiap pasien, perawat akan menghabiskan banyak waktu. Selain itu, kemungkinan terjadi kesalahan umumnya sering terjadi. Untuk menghindari terjadinya kesalahan tersebut telah dirancang dan dibuat perangkat yang digunakan untuk mengatur dan melakukan monitoring pemberian obat pada pasien. Adapun metode pengumpulan data yang digunakan dalam penelitian ini adalah dengan menggunakan 3 (tiga) cara yaitu observasi, wawancara, dan studi pustaka. Metode pengembangan sistem yang penulis gunakan adalah metode Rapid Application Development (RAD). Sebagai hasil, aplikasi ini terdiri dari beberapa class dalam sistem antara lain, perawat, pasien, obat, resep dokter dan history. Aplikasi ini diharapkan dapat membantu perawat dalam mengontrol pemberian obat pasien.
IMPLEMENTASI ALGORITMA NAZIEF-ADRIANI PADA FITUR TEBAK KATA DI WEB EDUKASI BAHASA INDONESIA Noprisson, Handrie; Ayumi, Vina
JSAI (Journal Scientific and Applied Informatics) Vol 1, No 1 (2018): JSAI - Applied Informatics
Publisher : Fakultas Teknik Universitas Muhammadiyah Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36085/jsai.v1i1.10

Abstract

Salah satu aturan atau tata bahasa Bahasa Indonesia yang harus diketahui adalah mengenai pengenalan kata dasar dan kata berimbuhan. Dalam bidang komputasi, salah satu algoritma yang dikembangkan dan berhubungan dengan aspek kata dasar dan kata berimbuhan Bahasa Indonesia adalah algoritma Nazief-Adriani. Metodologi penelitian terdiri dari 5 tahap yaitu pengumpulan data, analisis, desain, implementasi dan penulisan laporan. Implementasi algoritma Nazief-Adriani dilakukan pada fitur permainan tebak kata yang digunakan untuk menebak kata dasar dari imbuhan yang ada. Sebagai hasil penelitian, algoritma Nazief-Adriani berhasil diimplementasikan dan diuji coba untuk beberapa kata imbuhan (pelatihan, pendidikan dan menghasilkan) pada permainan tebak kata dasar di Web Edukasi Bahasa Indonesia dengan baik namun kekurangan dari algoritma Nazief-Adriani adalah belum mampunya untuk mendeteksi dan menghapus afiks-infiks atau imbuhan tengah/sisipan.
Pengenalan Gerak Manusia Menggunakan Algoritma Relevance Vector Machine pada MSRC-12 Dataset Ayumi, Vina; Dwika Putra, Erwin
JSAI (Journal Scientific and Applied Informatics) Vol 3, No 1 (2020): Jurnai Scientific and Applied Informatics
Publisher : Fakultas Teknik Universitas Muhammadiyah Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36085/jsai.v3i1.850

Abstract

Relevance vector machine is a popular machine learning technique that is motivated by statistical learning theory. RVM can be used for gesture recognition which is one of the communication tools used by humans. This study proposes an experiment using the Relevance Vector Machine (RVM) algorithm on gesture data from Microsoft Research Cambridge-12 (MSRC-12) as a proposed solution to overcome unbalanced problems in data processing. The results of the study are the accuracy for 1-person motion model reaches 100% and the lowest accuracy with 5 people the motion model reaches 96%. Graphically, the more people or models, the lower the algorithm's accuracy.
Klasifikasi Chest X-Ray Images Berdasarkan Kriteria Gejala Covid-19 Menggunakan Convolutional Neural Network Ayumi, Vina; Nurhaida, Ida
JSAI (Journal Scientific and Applied Informatics) Vol 4, No 2 (2021): Juni 2021
Publisher : Fakultas Teknik Universitas Muhammadiyah Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36085/jsai.v4i2.1513

Abstract

Deteksi dini terhadap adanya indikasi pasien dengan gejala COVID-19 perlu dilakukan untuk mengurangi penyebaran virus. Salah satu cara yang dapat dilakukan untuk mendeteksi virus COVID-19 adalah dengan cara mempelajari citra chest x-ray pasien dengan gejala Covid-19. Citra chest x-ray dianggap mampu menggambarkan kondisi paru-paru pasien COVID-19 sebagai alat bantu untuk diagnosa klinis. Penelitian ini mengusulkan pendekatan deep learning berbasis convolutional neural network (CNN) untuk klasifikasi gejala COVID-19 melalui citra chest X-Ray. Evaluasi performa metode yang diusulkan akan menggunakan perhitungan accuracy, precision, recall, f1-score, dan cohens kappa. Penelitian ini menggunakan model CNN dengan 2 lapis layer convolusi dan maxpoling serta fully-connected layer untuk output. Parameter-parameter yang digunakan diantaranya batch_size = 32, epoch = 50, learning_rate = 0.001, dengan optimizer yaitu Adam. Nilai akurasi validasi (val_acc) terbaik diperoleh pada epoch ke-49 dengan nilai 0.9606, nilai loss validasi (val_loss) 0.1471, akurasi training (acc) 0.9405, dan loss training (loss) 0.2558.
Implementation of deep neural networks (DNN) with batch normalization for batik pattern recognition Ida Nurhaida; Vina Ayumi; Devi Fitrianah; Remmy A. M. Zen; Handrie Noprisson; Hong Wei
International Journal of Electrical and Computer Engineering (IJECE) Vol 10, No 2: April 2020
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (580.261 KB) | DOI: 10.11591/ijece.v10i2.pp2045-2053

Abstract

One of the most famous cultural heritages in Indonesia is batik. Batik is a specially made drawing cloth by writing Malam (wax) on the cloth, then processed in a certain way. The diversity of motifs both in Indonesia and the allied countries raises new research topics in the field of information technology, both for conservation, storage, publication and the creation of new batik motifs. In computer science research area, studies about Batik pattern have been done by researchers and some algorithms have been successfully applied in Batik pattern recognition. This study was focused on Batik motif recognition using texture fusion feature which is Gabor, Log-Gabor, and GLCM; and using PCA feature reduction to improve the classification accuracy and reduce the computational time. To improve the accuracy, we proposed a Deep Neural Network model to recognise batik pattern and used batch normalisation as a regularises to generalise the model and to reduce time complexity. From the experiments, the feature extraction, selection, and reduction gave better accuracy than the raw dataset. The feature selection and reduction also reduce time complexity. The DNN+BN significantly improve the accuracy of the classification model from 65.36% to 83.15%. BN as a regularization has successfully made the model more general, hence improve the accuracy of the model. The parameters tuning also improved accuracy from 83.15% to 85.57%.
Determining the Number of Batik Motif Object based on Hierarchical Symmetry Detection Approach Ida Nurhaida; Remmy A. M. Zen; Vina Ayumi; Hong Wei
Indonesian Journal of Electrical Engineering and Informatics (IJEEI) Vol 9, No 1: March 2021
Publisher : IAES Indonesian Section

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52549/ijeei.v9i1.2369

Abstract

In certain conditions, symmetry can be used to describe objects in the batik motif efficiently. Symmetry can be defined based on three linear transformations of dimension n in Euclidian space in the form of translation and rotation. This concept is useful for detecting objects and recognising batik motifs. In this study, we conducted a study of the symmetry effect to determine the number of batik motif objects in an image using symmetry algorithm through a hierarchical approach. The process focuses on determining the intersection line of the batik motif object. Furthermore, by utilising intersection line information for bilateral and rotational symmetry, the number of objects carried out recursively is determined. The results obtained are numbers of batik motif objects through symmetry detection. This information will be used as a reference for batik motif detection. Based on the experimental results, there are some errors caused by the axis of the symmetry line that is not appropriate due to the characteristics of batik motifs. The problem is solved by adding several rules to detect symmetry line and to determine the number of objects. The additional rules increase the average accuracy of the number of object detection from 66.21% to 86.19% (19.99% increase).
Implementation of Convolutional Neural Networks for Batik Image Dataset Vina Ayumi; Ida Nurhaida; Handrie Noprisson
(IJCSAM) International Journal of Computing Science and Applied Mathematics Vol 8, No 1 (2022)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j24775401.v8i1.5053

Abstract

One method of image recognition that can be used is a convolutional neural network (CNN). However, the training model of CNN is not an easy thing; it takes tuning parameters that take a long time in the training process. This research will do Batik pattern recognition by using CNN. From the experiment that we conducted, the result shows that the feature extraction, selection, and reduction give the accuracy more significant than raw image dataset. The feature selection and reduction also can improve the execution time. Parameters value that gave best accuracy are: epoch = 200, batch_size = 20, optimizer = adam, learning_rate = 0.01, network weight initialization = lecun_uniform, neuron activation function = linear.
RANCANG BANGUN APLIKASI MONITORING PEMBERIAN OBAT BAGI PASIEN Vina Ayumi; Handrie Noprisson
JSAI (Journal Scientific and Applied Informatics) Vol. 1 No. 1 (2018): JSAI - Applied Informatics
Publisher : Fakultas Teknik Universitas Muhammadiyah Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36085/jsai.v1i1.9

Abstract

Dalam melakukan pengontrolan obat secara langsung pada tiap pasien, perawat akan menghabiskan banyak waktu. Selain itu, kemungkinan terjadi kesalahan umumnya sering terjadi. Untuk menghindari terjadinya kesalahan tersebut telah dirancang dan dibuat perangkat yang digunakan untuk mengatur dan melakukan monitoring pemberian obat pada pasien. Adapun metode pengumpulan data yang digunakan dalam penelitian ini adalah dengan menggunakan 3 (tiga) cara yaitu observasi, wawancara, dan studi pustaka. Metode pengembangan sistem yang penulis gunakan adalah metode Rapid Application Development (RAD). Sebagai hasil, aplikasi ini terdiri dari beberapa class dalam sistem antara lain, perawat, pasien, obat, resep dokter dan history. Aplikasi ini diharapkan dapat membantu perawat dalam mengontrol pemberian obat pasien.
IMPLEMENTASI ALGORITMA NAZIEF-ADRIANI PADA FITUR TEBAK KATA DI WEB EDUKASI BAHASA INDONESIA Handrie Noprisson; Vina Ayumi
JSAI (Journal Scientific and Applied Informatics) Vol. 1 No. 1 (2018): JSAI - Applied Informatics
Publisher : Fakultas Teknik Universitas Muhammadiyah Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36085/jsai.v1i1.10

Abstract

Salah satu aturan atau tata bahasa Bahasa Indonesia yang harus diketahui adalah mengenai pengenalan kata dasar dan kata berimbuhan. Dalam bidang komputasi, salah satu algoritma yang dikembangkan dan berhubungan dengan aspek kata dasar dan kata berimbuhan Bahasa Indonesia adalah algoritma Nazief-Adriani. Metodologi penelitian terdiri dari 5 tahap yaitu pengumpulan data, analisis, desain, implementasi dan penulisan laporan. Implementasi algoritma Nazief-Adriani dilakukan pada fitur permainan tebak kata yang digunakan untuk menebak kata dasar dari imbuhan yang ada. Sebagai hasil penelitian, algoritma Nazief-Adriani berhasil diimplementasikan dan diuji coba untuk beberapa kata imbuhan (pelatihan, pendidikan dan menghasilkan) pada permainan tebak kata dasar di Web Edukasi Bahasa Indonesia dengan baik namun kekurangan dari algoritma Nazief-Adriani adalah belum mampunya untuk mendeteksi dan menghapus afiks-infiks atau imbuhan tengah/sisipan.
Pengenalan Gerak Manusia Menggunakan Algoritma Relevance Vector Machine pada MSRC-12 Dataset Vina Ayumi; Erwin Dwika Putra
JSAI (Journal Scientific and Applied Informatics) Vol. 3 No. 1 (2020): Jurnai Scientific and Applied Informatics
Publisher : Fakultas Teknik Universitas Muhammadiyah Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36085/jsai.v3i1.850

Abstract

Relevance vector machine is a popular machine learning technique that is motivated by statistical learning theory. RVM can be used for gesture recognition which is one of the communication tools used by humans. This study proposes an experiment using the Relevance Vector Machine (RVM) algorithm on gesture data from Microsoft Research Cambridge-12 (MSRC-12) as a proposed solution to overcome unbalanced problems in data processing. The results of the study are the accuracy for 1-person motion model reaches 100% and the lowest accuracy with 5 people the motion model reaches 96%. Graphically, the more people or models, the lower the algorithm's accuracy.
Co-Authors Abd Rahman Abrar, Muhammad Fauzan Angga, Tyas Dwi Anita Ratnasari Anzalna, Akbarakah Bagus Priambodo Cahyo Pambudi Darmo Desi Ramayanti Desmon, Johanes Devi Fitrianah Dhamanti, Inge Dianing Asri, Sri ferdi Fitri Yakub Hadiguna Setiawan Hong Wei Ida Farida Ida Nurhaida Ida Nurhaida Ida Nurhaida Inge Handriani, Inge Iryani, Lemi Jumaryadi, Yuwan Laksono Trisnantoro Mailana, Siska Mariana Purba Mariana Purba Naufal, Muhamad Fahri Nengsiana, Nengsiana Noprisson, Handrie Nur Ani PAISAL PAISAL Purba, Mariana Putra, Erwin Dwika Remmy A. M. Zen Salamah, Umniy Sarwati Rahayu Sri Dianing Asri Tjahjono, Benny Uus Rusmawan, Uus Wachyu Hari Haji Wachyu Hari Haji Wina Firly, Tiara Yogga Herlambang, Helwy