Garuda - Garba Rujukan Digital

Article Per Year (5 Year)

All

Algoritme Jurnal Mahasiswa Teknik Informatika

algoritme
Website

Published by Universitas Multi Data Palembang

ISSN : - EISSN : 27758796 DOI : https://doi.org/10.35957/algoritme.v2i2

Core Subject : Science,

Computer Science & IT

Jurnal Algoritme menjadi sarana publikasi artikel hasil temuan Penelitian orisinal atau artikel analisis. Bahasa yang digunakan jurnal adalah bahasa Inggris atau bahasa Indonesia. Ruang lingkup tulisan harus relevan dengan disiplin ilmu seperti: - Machine Learning - Computer Vision, - Artificial Inteledence, - Internet Of Things, - Natural Language Processing, - Image Processing, - Cyber Security, - Data Mining, - Game Development, - Digital Forensic, - Pattern Recognization, - Virtual & AUmented Reality,. - Cloud Computing, - Game Development, - Mobile Application, dan - Topik kajian lainnya yang relevan dengan ilmu teknik informatika.

Arjuna Subject : Ilmu Komputer (semua kategori) - Kecerdasan Buatan

Articles 104 Documents

1 2 3 4 5

Pengenalan Aksara Arab Menggunakan Metode JST Dengan Fitur HOG Dan LBP Wati, Retiana Krisna; Irsyad, Hafiz
Jurnal Algoritme Vol 2 No 1 (2021): Oktober 2021 || Algoritme Jurnal Mahasiswa Teknik Informatika
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Aksara Arab merupakan aksara yang digunakan untuk menuliskan bahasa Arab yangdituliskan dari kanan ke kiri. Aksara Arab penting untuk dipelajari bagi umat muslim karenadigunakan dalam peribadahan agama Islam. Dalam mempelajari aksara Arab pemulamengalami kesulitan karena memiliki bentuk yang berbeda-beda. Penelitian ini bertujuan untukmengimplementasikan suatu sistem yang mampu mengenali pola dari aksara Arab, denganmenerapkan Histogram of Oriented Gradient (HOG) dan Local Binary Pattern (LBP) sebagaiekstraksi fitur untuk pengenalan aksara Arab serta menggunakan metode Jaringan SyarafTiruan (JST). Hasil ciri dari HOG dan LBP masing-masing akan dijadikan masukan padaproses pembelajaran pada JST dengan berbagai training function serta menggunakan 3 neuronyaitu 5, 10 dan 15. Berdasarkan hasil pengujian menggunakan ekstraksi fitur HOG maupunmenggunakan ekstraksi fitur LBP trainbr memiliki tingkat keberhasilan yang lebih tinggidibandingkan training function lainnya. Dengan menggunakan fitur HOG pada neuron 5dengan nilai accuracy sebesar 99,66%, precision sebesar 95,35%, recall sebesar 95,25% danf1-score sebesar 95,23%. Sedangkan dengan menggunakan fitur LBP pada neuron 5 dengannilai accuracy sebesar 99,75%, precision sebesar 96,95%, recall sebesar 96,53% dan f1-scoresebesar 96,54%. Kedua ekstraksi fitur tersebut, HOG maupun LBP dapat mengenali aksaraArab dengan baik

Perbandingan Akurasi Pengenalan Kadar Semen Berdasarkan Tingkat Pencahayaan Menggunakan Jaringan Syaraf Tiruan Wilsen, Erick Brilliant; Gasim, Gasim; Teguh, Rizani
Jurnal Algoritme Vol 2 No 1 (2021): Oktober 2021 || Algoritme Jurnal Mahasiswa Teknik Informatika
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Penelitian ini menggunakan dataset kadar semen dan pasir yang memiliki 450 data latihdan 120 data uji. Dataset yang telah diambil lalu diekstraksi menggunakan GLCM untuk dilatihmenggunakan JST. Pelatihan JST dilakukan dengan mencari semua kemungkinan hidden layer.Setelah mendapatkan hidden layer kemudian akan dibandingkan dengan setiap hidden layeruntuk melihat hasil pengenalan paling baik. Perbedaan yang terlihat jelas adalah bahwa akurasimenggunakan pencahayaan 1 lampu mendapatkan akurasi lebih tinggi daripada pencahayaanlainnya yaitu dengan melihat persentase dari perhitungan jumlah data yang dikenali denganjumlah data yang diuji tiap layer pada setiap pencahayaan. Perbandingan persentase yangdilakukan tiap pencahayaan dibandingkan persentase yang terbaik. Berdasarkan hasil yangdidapat, pencahayaan 1 lampu dengan jaringan syaraf tiruan dapat menghasilkan tingkat akurasiyang paling tinggi yaitu sebesar 87%.

Identifikasi Jenis Buah Pir Berdasarkan Bentuk Menggunakan Metode HOG dan JST Paniza, Mehri; Rusbandi, Rusbandi; Alamsyah, Derry
Jurnal Algoritme Vol 2 No 1 (2021): Oktober 2021 || Algoritme Jurnal Mahasiswa Teknik Informatika
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Buah pir memiliki bentuk dan warna yang mirip sehingga muncul lah permasalahandalam pengenalan jenis buah pir berdasarkan bentuk menggunakan kecerdasan buatan. Varianatau jenis buah pir dan setiap jenis buah pir tersebut memiliki bentuk ataupun warna yangberbeda-beda. Beberapa spesies pohon pir menghasilkan buah yang rasanya manis, bahkanterkadang lebih manis dari buah apel. Data latih yang digunakan pada penelitian ini sebanyak240 citra setiap jenis buah pir dan data uji yang digunakan sebanyak 60 citra. Metode yangdigunakan pada penilitian ini adalah Histogram of Oriented Gradients digunakan sebagaiEktraksi fitur sedangkan Jaringan Syaraf Tiruan sebagai pengenalan objek. Jenis buah pir yangdigunakan ada 5 yaitu Abate, Forelle, Kaiser, Red dan Williams. Berdasarkan hasil pengujianmenggunakan tabel skenario Tuning Parameter didapatkan rata-rata akurasi terbaik melebihi97%, dan akurasi keseluruhan terbaik terdapat pada Hidden Layer 5 Learning Rate 0.1 danEpoch 10000.

Identifikasi Kerusakan Daun Tanaman Apel Menggunakan Fitur GLCM Dan JST Suwanto, Elisa Putri; Al Rivan, Muhammad Ezar
Jurnal Algoritme Vol 2 No 1 (2021): Oktober 2021 || Algoritme Jurnal Mahasiswa Teknik Informatika
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Identifikasi kerusakan daun tanaman apel berbintik hitam, kering dan sehat. Fitur yangdiperoleh dengan menggunakan alogitrma Gray Level Co-occurrence Matrix(GLCM).Algoritma yang digunakan untuk melakukan identifikasi yaitu Jaringan syaraf Tiruan(JST).Penelitian ini dilakukan dengan 3 jumlah neuron yang berbeda pada hidden layer. Selain itu,training function yang digunakan ada 17 jenis. Setiap skenario eksperimen diulang sebanyak 5kali percobaan run program. Berdasarkan skenario eksperimen yang telah dilakukan hasilterbaik terdapat pada 30 neuron hidden layeryaitu untuk akurasi pada training function trainrpsebesar 77,43%, untuk presisi pada training function traingda sebesar 69,35% dan untuk recallpada training function trainrp sebesar 70,06%.

Perbandingan Metode K-Nearest Neighbor Dan Naïve Bayes Untuk Klasifikasi Gender Berdasarkan Mata Kurniawan, Calvin; Irsyad, Hafiz
Jurnal Algoritme Vol 2 No 2 (2022): April 2022 || Algoritme Jurnal Mahasiswa Teknik Informatika
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Mata merupakan organ penglihatan, yang terletak di rongga orbital. Bentuknya bulat, sekitar 2,5cm. Ruang antara mata dan orbit diisi oleh jaringan gemuk. Dinding tulang dan lemak orbit yang dapat melindungi mata dari terluka.Secara struktural , kedua mata terpisah,tetapi mereka adalah pasangan. Hal Dapat dilihat hanya dengan satu mata, tetapi penglihatan tiga dimensi Merasa tidak nyaman Ketika hanya menggunakan satu mata, terutama dalam hubungan penghakiman jarak. Gender adalah penggolongan secara gramatikal terhadap kata- kata dan kata- kata lain yang berkaitan dengannya yang secara garis besar berhubungan dengan keberadaan dua jenis kelamin atau kenetralan.Penelitian ini bertujuan untuk klasifikasi Gender berdasarkan mata menggunakan metode K-NN dan Naïve Bayes. Data yang dibagi menjadi dua yaitu mata pria dan mata Wanita adalah 10.541 data uji dan 4518 data latih dilanjutkan dengan grayscale, HOG, HSV, Cropping. Pada metode k-NN dengan fitur HSV dan HOG dengan Cropping metode K-NN menghasilkan akurasi yang lebih tinggi di bandingkan Naïve Bayes yaitu sebesar 68,61%.

Identifikasi Aksara Katakana Menggunakan Convolutional Neural Network Arsitektur LeNet Winardi, Eric Agustian; Hartati, Ery
Jurnal Algoritme Vol 2 No 2 (2022): April 2022 || Algoritme Jurnal Mahasiswa Teknik Informatika
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Penelitian ini mengangkat topik terkait dengan identifikasi menggunakan objek aksara katakana. Pada penelitian ini menggunakan beberapa Optimizer, namun belum diketahui penggunaan Optimizer dan Pooling Layer yang memiliki tingkat pengenalan yang terbaik dalam penelitian tersebut. Penelitian ini menggunakan Optimizer Adam, SGD dan RMSprop, kemudian Pooling Layer menggunakan Average dan Max Pooling. Data yang digunakan sebanyak 2070 citra yang terdiri dari 920 citra latih, 690 citra validasi dan 460 citra uji dengan total 46 kelas. Metode pengenalan menggunakan Convolutional Neural Network arsitektur LeNet, dengan input berupa citra yang telah melalui proses preprocessing menggunakan metode otsu dari citra aksara katakana. Skenario pengujian terdiri dari 6 skenario dengan Optimizer dan Pooling Layer yang berbeda-beda. Tingkat akurasi tertinggi didapatkan pada skenario pertama menggunakan Adam dan Average Pooling sebesar 90% dengan hasil pengenalan sebanyak 414 dari 460 data uji. Hasil dari penelitian ini dapat digunakan sebagai referensi pada penelitian lanjutan dengan metode ataupun objek yang sama.

Klasifikasi Penyakit Daun Jagung Menggunakan Metode Convolutional Neural Network Putra, Ivan Pratama; Rusbandi, Rusbandi; Alamsyah, Derry
Jurnal Algoritme Vol 2 No 2 (2022): April 2022 || Algoritme Jurnal Mahasiswa Teknik Informatika
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Jagung merupakan tanaman pangan utama ketiga setelah padi dan terigu di dunia dan menempati posisi kedua setelah padi di Indonesia. Penyakit tanaman sering kali disebabkan oleh aktifitas atau serangan organism di dalam bagian tubuh tanaman, di luar tubuh, atau di sekitarnya. Penelitian ini bertujuan untuk mengklasifikasikan penyakit daun jagung menggunakan metode convolutional neural network (CNN) dengan arsitektur Resnet 50 dengan optimizer Adam, Nadam dan SGD. Dataset terdapat 4225 citra di pisahkan menjadi 3380 data train, 845 data test. Citra yang digunakan di resize menjadi ukuran 224x224. Pada penelitian ini mendapatkan hasil tingkat akurasi tertinggi untuk arsitektur Resnet 50 dengan menggunakan optimizer Adam didapatkan tingkat akurasi sebesar 98,4%.

Klasifikasi Tingkat Kemanisan Alpukat Berdasarkan Fitur Hue Saturation Value (HSV) dengan Menggunakan Support Vector Machine (SVM) Saputra, M Reynaldi; Irsyad, Hafiz
Jurnal Algoritme Vol 2 No 2 (2022): April 2022 || Algoritme Jurnal Mahasiswa Teknik Informatika
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Dalam proses penetuan mutu atau tingkat kemanisan buah alpukat di pasaran pada umumnya dilakukan dengan dua cara yaitu menggunakan pakar-pakar untuk pemilihan / sortasi kemanisan alpukat atau menggunakan metode destruktif dengan cara pengambilan sampel, uji coba kemanisan alpukat tersebut seperti menggunakan Refractometer. Permasalahan yang terjadi pada kedua proses tersebut yaitu memiliki cost yang relatif besar dan tidak menghasilkan mutu yang seragam karena sortasi tingkat kemanisan alpukat oleh pakar bersifat subjektif dan kemungkinan terjadinya kesalahan pengamatan sangat besar. Support Vector Machine (SVM) diimplementasikan pada penelitian ini menggunakan kernel linear, polynomial, dan gaussian. Proses pengujian menggunakan K-Fold Cross Validation. Fold yang digunakan yaitu 4-fold, 5-fold dan 10-fold. Performa fitur HSV dan metode SVM yang mendapatkan hasil terbaik adalah pada 5-fold dengan nilai accuracy sebesar 100,00% dengan menggunakan kernel polynomial, precision sebesar 100,00% pada kernel polynomial, dan recall sebesar 100,00% pada kernel polynomial, Sedangkan hasil terendah terdapat pada kernel gaussian 5-¬fold dengan nilai accuracy sebesar 98.91%, precision sebesar 98.61%, dan recall sebesar 98.37%.

Penggunaan Fitur HOG Dan HSV Untuk Klasifikasi Citra Sel Darah Putih Prasthio, Rial; Yohannes, Yohannes; Devella, Siska
Jurnal Algoritme Vol 2 No 2 (2022): April 2022 || Algoritme Jurnal Mahasiswa Teknik Informatika
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Sel darah putih (leukosit) merupakan sel pembentuk komponen darah yang diproduksi oleh sumsum tulang dan disebarkan ke seluruh tubuh melalui aliran darah. Sel darah putih merupakan bagian penting dari sistem kekebalan tubuh yang berfungsi untuk menghasilkan antibodi yang dapat membantu tubuh manusia dalam melawan berbagai penyakit. Sel darah putih dibagi menjadi 5 jenis, yaitu neutrofil, limfosit, monosit, eosinofil, dan basophil. Analisis sel darah putih masih dilakukan secara manual yang memakan waktu yang lama dan memiliki tingkat ketelitian dan keakuratan yang rendah. Solusi yang dapat dilakukan salah satunya menggunakan machine learning yaitu SVM (support vector machine) dengan menggunakan fitur HOG dan HSV. Penelitian ini menggunakan dataset hasil mikroskop sel darah putih dari Kaggle yang bersifat public. Jumlah dataset yang digunakan dalam penelitian berjumlah 12.392 gambar dari 4 jenis sel darah putih (Eosinophil, Lymphocyte, Monocyte, dan Neutrophil). Pada perhitungan confusion matrix hasil tertinggi didapatkan oleh Neutrophil dengan accuracy sebesar 88,55%, precision sebesar 100%, dan recall sebesar 54,19%.

Klasifikasi Jenis Kanker Kulit Menggunakan CNN-SVM Yohannes, Ricky; Al Rivan, Muhammad Ezar
Jurnal Algoritme Vol 2 No 2 (2022): April 2022 || Algoritme Jurnal Mahasiswa Teknik Informatika
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Kanker kulit merupakan pertumbuhan yang berlebihan pada jaringan kulit yang mengenai beberapa atau seluruh lapisan kulit. Untuk dapat mendiagnosa kanker kulit dapat digunakan metode biopsi dimana jaringan kulit diambil lalu diperiksa. Penggunaan biopsi mengeluarkan biaya yang mahal dan merusak kulit. Penelitian ini menerapkan metode CNN SVM untuk mengklasifikasi jenis-jenis kanker kulit. CNN yang sebagai ekstraksi fitur dengan arsitektur VGG-19 dan ResNet-50. SVM digunakan sebagai pengklasifikasi dengan menggunakan kernel linear dan RBF kemudian dioptimasi menggunakan random dan grid. Dataset terdapat 300 citra per jenis lalu dibagi menjadi 240 data latih, 60 data uji, dan dengan jumlah total 1500 citra. Penelitian ini melakukan 2 skenario pada citra yaitu menggunakan preprocessing resize dan preprocessing patch lalu diterapkan pada model, sehingga terdapat 16 skenario total. Hasil terbaik penelitian ini didapatkan pada preprocessing patch arsitektur VGG-19 menggunakan kernel linear optimasi random dan grid dengan nilai accuracy sebesar 65,33%, nilai recall sebesar 65,33%, nilai precision sebesar 68,51%, dan nilai f1-score sebesar 65,77%.

Page 3 of 11 | Total Record : 104

1 2 3 4 5

Filter by Year

2020 2025

Filter By Issues

All Issue Vol 5 No 3 (2025): Oktober 2025 || Algoritme Jurnal Mahasiswa Teknik Informatika Vol 5 No 2 (2025): April 2025 || Algoritme Jurnal Mahasiswa Teknik Informatika Vol 5 No 1 (2024): Oktober 2024 || Algoritme Jurnal Mahasiswa Teknik Informatika Vol 4 No 2 (2024): April 2024 || Algoritme Jurnal Mahasiswa Teknik Informatika Vol 4 No 1 (2023): Oktober 2023 || Algoritme Jurnal Mahasiswa Teknik Informatika Vol 3 No 2 (2023): April 2023 || Algoritme Jurnal Mahasiswa Teknik Informatika Vol 3 No 1 (2022): Oktober 2022 || Algoritme Jurnal Mahasiswa Teknik Informatika Vol 2 No 2 (2022): April 2022 || Algoritme Jurnal Mahasiswa Teknik Informatika Vol 2 No 1 (2021): Oktober 2021 || Algoritme Jurnal Mahasiswa Teknik Informatika Vol 1 No 2 (2021): April 2021 || Algoritme Jurnal Mahasiswa Teknik Informatika Vol 1 No 1 (2020): Oktober 2021 || Algoritme Jurnal Mahasiswa Teknik Informatika More Issue

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name
Hafiz Irsyad

Contact Email
hafizirsyad@mdp.ac.id

Phone
+6281373740969

Journal Mail Official
hafizirsyad@mdp.ac.id

Editorial Address
Universitas Multi Data Palembang, Kampus Rajawali. Jl. Rajawali no 14 Palembang

Location
Kota palembang,

Sumatera selatan

INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name Hafiz Irsyad

Contact Email hafizirsyad@mdp.ac.id

Phone +6281373740969

Journal Mail Official hafizirsyad@mdp.ac.id

Editorial Address Universitas Multi Data Palembang, Kampus Rajawali. Jl. Rajawali no 14 Palembang

Location Kota palembang, Sumatera selatan INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Contact Name
Hafiz Irsyad

Contact Email
hafizirsyad@mdp.ac.id

Phone
+6281373740969

Journal Mail Official
hafizirsyad@mdp.ac.id

Editorial Address
Universitas Multi Data Palembang, Kampus Rajawali. Jl. Rajawali no 14 Palembang

Location
Kota palembang,

Sumatera selatan

INDONESIA