cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota bandung,
Jawa barat
INDONESIA
Indonesian Journal on Computing (Indo-JC)
Published by Universitas Telkom
ISSN : 24609056     EISSN : -     DOI : -
Core Subject : Science,
Computer Science & IT
Indonesian Journal on Computing (Indo-JC) is an open access scientific journal intended to bring together researchers and practitioners dealing with the general field of computing. Indo-JC is published by School of Computing, Telkom University (Indonesia).
Arjuna Subject : -
Articles 9 Documents
 1 
Search results for , issue "Vol. 1 No. 2 (2016): September, 2016" : 9 Documents clear
Pendekatan Numerik pada model Isotropic dan Anisotropic diffusion dalam Pengolahan Citra Iryanto Iryanto; Friska Fristella; Putu Harry Gunawan
Indonesia Journal on Computing (Indo-JC) Vol. 1 No. 2 (2016): September, 2016
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/INDOJC.2016.1.2.102

Abstract

Tujuan dari penulisan ini adalah untuk mempelajari model anisotropic diffusion dan persamaan panas isotropic diffusion pada pengolahan citra. Model anisotropic diffusion disebut sebagai persamaan Perona-Malik yang memiliki berbagai fungsi fluks dalam persamaannya. Untuk menghampiri solusi persamaan anisotropic dan isotropic diffusion secara numerik, metode beda hingga digunakan dalam mendiskritkan domain spasial dan waktu dari model yang digunakan. Hasil numerik menggunakan model  anisotropic diffusion menghasilkan gambar yang lebih tajam dibandingkan menggunakan model persamaan panas, dalam hal untuk mempertahankan garis tepi pada citra. Citra yang digunakan dalam penelitian ini adalah citra MRI dan Lena. Hasil pengukuran menggunakan profil histogram dan  Peak Signal to Noise Ratio (PSNR) untuk melihat perbedaan masing-masing hasil simualsi numerik. PSNR pada citra MRI dengan menggunakan model  isotropic  dan anisotropic diffusion berturut-turut didapatkan sebesar 6.1745 dB, dan 6.1833 dB.
Implementasi Newton Raphson Termodifikasi pada Prediksi Distribusi Tekanan Pipa Transmisi Gas Alam Annisa Aditsania; Isman Kurniawan
Indonesia Journal on Computing (Indo-JC) Vol. 1 No. 2 (2016): September, 2016
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/INDOJC.2016.1.2.53

Abstract

Prediksi profil distribusi tekanan disepanjang jaringan pipa transmisi merupakan salah satu prosedur penting untuk mengevaluasi performa desain jaringan pipa. Pada penelitian ini, distribusi tekanan untuk setiap segmen pipa dimodelkan menggunakan korelasi Panhandle A sebagai fungsi dari properti fluida, properti segmen pipa dan properti lingkungan jaringan pipa. Korelasi Panhandle A secara matematis dapat dipandang sebagai persamaan non-linear. Pada penelitian-penelitian terdahulu, metode Newton Raphson dipilih sebagai metode untuk mendapatkan solusi numerik, karena orde konvergensi tinggi. Sebagai upaya untuk mengoptimalkan waktu komputasi dari perhitungan distribusi jaringan, pada penelitian kali ini, metode Newton Raphson termodifikasi dipilih sebagai metode pencarian solusi numerik. Hasil simulasi menunjukan bahwa profile distribusi tekanan menggunakan metode newton Raphson termodifikasi akurat dengan error relative maksimum 0.28% untuk batas toleransi error  bila dibandingkan dengan profile distribusi tekanan data lapangan 
Klasifikasi Keadaan Mata Berdasarkan sinyal EEG menggunakan Extreme Learning Machines Ersa Christian Prakoso; Untari Novia Wisesty; Jondri .
Indonesia Journal on Computing (Indo-JC) Vol. 1 No. 2 (2016): September, 2016
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/INDOJC.2016.1.2.105

Abstract

Electroencephalography atau sinyal EEG adalah salah satu biosignal yang marak menjadi topikpenelitian saat ini. Sinyal EEG memiliki banyak manfaat seperti pendeteksian epilepsi, gangguantidur, atau input dalam aplikasi komputer. Salah satu input yang dapat dideteksi berdasarkan sinyalEEG adalah keadaan mata. Namun untuk digunakan sebagai input dalam aplikasi diperlukanklasifikasi dengan performansi yang memadai. Oleh karena itu penulis akan dilakukan penelitiandimana salah satu metode pembelajaran Jaringan Syaraf Tiruan yaitu Extreme Learning Machine(ELM) akan diimplementasikan untuk mengklasifikasikan kondisi mata berdasarkan sinyal EEG.Dataset yang digunakan untuk melatih dan menguji model adalah dataset eye-state yangdidonasikan oleh Oliver Roesler digabung dengan dataset yang berasal dari website repositoryUniversitas of California, IrvineI (UCI) . Terdapat 7 corpus yang terdiri dari perekaman EEGyang dilakukan kepada 4 orang berbeda, lalu ditambahkan 1 corpus yang merupakanpenggabungan seluruh corpus lain. Dari hasil pengujian yang dilakukan disimpulkan bahwa ELMdapat digunakan untuk klasifikasi keadaan mata dengan akurasi mencapai 97,95% dengan waktulatih hanya 0,81 detik jika masing-masing data digunakan secara terpisah, sedangkanpenggabungan keseluruhan dataset hanya mencapai akurasi 78,94% dengan waktu latih 5,71 detik.
Implementasi Spasial Kriging Dengan Faktor Dependency Seasonal Time Series Aniq Atiqi Rohmawati
Indonesia Journal on Computing (Indo-JC) Vol. 1 No. 2 (2016): September, 2016
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/INDOJC.2016.1.2.61

Abstract

Time series analysis has been developed in concepts and theories to accommodate the behavior of the collected data by involving time. The unique feature of time series analysis is the time dependency. In this research, we observed a number of seasonal pets, fire caterpillars, on an oil palm plantation at Block Afdeling-D in Kalimantan. The number of Fire Caterpillars is dependent on time and spatial (location). Fire Caterpillars are seasonal pests on oil palm plantation. In addition, Pearson correlation indicates that the number of Fire Caterpillars is not influenced by the distance among the blocks. We suggests that the disinfection should be done simultaneously to avoid the migration of fire caterpillars. The spreading of fire caterpillars at Block Afdeling-D in Kalimantan is modeled with time series seasonal model, spesifically with ARIMA homoscedastic model. Kriging interpolation was conducted to identify behavior and determine the location Fire Caterpillars involving ARIMA model.Keywords: ARIMA, dependency, Kriging, Fire Caterpillars, variogram
Simulasi Numerik untuk Menentukan Gaya Gravitasi Bawah Permukaan Pada Model Prisma Segiempat Indra Gunawan; Susanti Alawiyah
Indonesia Journal on Computing (Indo-JC) Vol. 1 No. 2 (2016): September, 2016
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/INDOJC.2016.1.2.88

Abstract

Resolusi model bawah permukaan menggunakan data gaya berat dengan pendekatan prisma segi-empat ditentukan oleh ukuran dari prisma tersebut. Semakin kecil ukuran prisma, maka semakin tinggi resolusi yang dihasilkan. Sayangnya, ukuran dari prisma berkorelasi langsung dengan jumlah prisma pada volume model. Jumlah dari prisma juga akan berhubungan dengan harga komputasi yang harus dibayar untuk menghitung area yang sedang dikaji. Untuk mengatasi hal ini, dalam penelitian ini digunakan beberapa metode perhitungan pemodelan kedepan melalui pendekatan prisma segi-empat sebagai akibat dari model objek massa jenis yang homogen. Selanjutnya dilakukan analisa terhadap efisiensi, akurasi dan kemampuan dari setiap metode menggunakan bahasa pemrograman C++ dengan presisi ganda. Sebagai contoh objek dan titik observasi, digunakan standard cubic model untuk membandingkannya dengan hasil perhitungan. Berdasarkan hasil perhitungan, terdapat beberapa titik observasi yang tidak bisa dihitung karena adanya sifat singularity. Paper ini memberikan informasi benchmark dan review metode berdasarkan pada pengujian yang dilakukan.
Steganografi Menggunakan Blok Permutasi dan Algoritma Particle Swarm Optimization (PSO) Husna Aydadenta; Danang Triantoro M; Jondri Nasri
Indonesia Journal on Computing (Indo-JC) Vol. 1 No. 2 (2016): September, 2016
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/INDOJC.2016.1.2.89

Abstract

Pada saat ini perkembangan teknologi sudah semakin maju, banyak hal yang dipermudahkan oleh teknologi, salah satu nya dalam komunikasi. Komunikasi melalui jaringan internet sudah menjadi pilihan utama karena kemudahan dan kecepatannya. Akan tetapi keamanan datanya jarang diperhatikan oleh para users, sehingga dibutuhkan teknik keamanan data yang aman untuk menjaga data ketika melakukan komunikasi. Salah satu tekniknya adalah steganografi. Steganografi merupakan teknik untuk menyembunyikan informasi rahasia ke dalam beberapa media file. Pada penelitian ini dilakukan proses steganografi menggunakan metode blok permutasi dan algoritma optimasi PSO. Pesan yang akan disisipkan didalam citra digital akan dikonversi kedalam biner, selanjutnya akan dilakukan proses pra-steganografi dengan metode blok permutasi, sehingga pesan informasi akan teracak oleh metode tersebut. Selanjutnya algoritma PSO akan melakukan proses optimasi atau pencarian solusi terbaik untuk penyisipan pesan tiap piksel, tujuannya agar performansi citra tetap baik. Penyisipan pesan atau informasi dilakukan dengan pendekatan Least Significant Bit (LSB). Hasil akhir yang didapat menunjukan nilai performansi kualitas citra terbaik 60.4507 dB yaitu pada saat jumlah partikel 80 dan maksimum iterasi 50 dengan persentase error 5.86%. Sedangkan hasil performansi kualitas citra dengan menggunakan teknik LSB biasa yaitu 54.9364 dB dengan persentase error 21.03%. Hal ini menunjukan performansi kualitas citra dengan menggunakan metode blok permutasi dan algoritma PSO lebih baik dari pada menggunakan teknik LSB biasa.
Prediksi Ketersediaan Energi Sumber Daya Mineral di Indonesia yang di Optimasi Menggunakan Algoritma Genetika Siti Saadah; E Handayani; Jondri -
Indonesia Journal on Computing (Indo-JC) Vol. 1 No. 2 (2016): September, 2016
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/INDOJC.2016.1.2.27

Abstract

Energi dan Sumber Daya Mineral (ESDM) sebagai unsur yang merupakan kebutuhan utama pada suatu Negara membutuhkan kajian untuk memprediksi ketersediaannnya. Prediksi ini dilakukan menggunakan model autoregressive yang diimplementasikan pada data time series dan dioptimasi menggunakan Algoritma Genetika. Berdasarkan hasil observasi yang dilakukan untuk pencarian parameter algoritma genetika, diperoleh parameter terbaik yaitu ukuran populasi pada nilai 100 dan 200 sedangkan probabilitas pindah silang bernilai 0.8 dan probabilitas mutasi nilainya 0.1 dengan akurasi MAPE yang diperoleh di bawah 25%. Prediksi yang menghasilkan MAPE terbaik adalah prediksi yang menggunakan data latih sebesar 85% dan data uji sebesar 15%. Hasil akhir dari prediksi adalah adalah ketersediaan gas alam dan batubara termasuk ke dalam kategori tidak krisis, sedangkan ketersediaan minyak bumi mengalami krisis.Kata kunci: Prediksi, Algoritma Genetika, Energi, autoregressive, time series. 
Implementasi Gabor Wavelet dan Support Vector Machine pada Deteksi Polycystic Ovary (PCO) Berdasarkan Citra Ultrasonografi Untari Novia Wisesty
Indonesia Journal on Computing (Indo-JC) Vol. 1 No. 2 (2016): September, 2016
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/INDOJC.2016.1.2.90

Abstract

Ketidaksuburan adalah kondisi pasangan suami istri yang susah memiliki keturunan. Salah satu pemeriksaan kesuburan yang dianjurkan di bidang kesehatan adalah USG (Ultrasonografi). Untuk memeriksa kesuburan wanita dilakukan USG rahim dengan memeriksa keberadaan penyakit di rahim yang menyebabkan kemandulan, salah satunya adalah PCO (Polycystic Ovary), dengan melihat jumlah dan ukuran folikel dalam ovarium. Namun, sampai saat ini penentuan hasil USG rahim masih dilakukan secara manual oleh Dokter Spesialis Kandungan. Penelitian ini bermaksud untuk membantu ahli medis dalam mendiagnosa kesuburan wanita berdasarkan keberadaan PCO secara terkomputerisasi, sehingga hasil diagnosa dapat dilakukan dengan cepat dan akurat. Proses pendektesian diawali dengan pemrosesan awal pada citra USG dan ekstraksi ciri menggunakan Gabor Wavelet. Selanjutnya, pada tahap klasifikasi PCO digunakan metode Support Vector Machine (SVM). Kernel SVM yang digunakan sebagai classifier adalah fungsi kernel Linear, RBF, Kuadratik, dan Polinomial sesuai dengan kebutuhan persebaran data, dengan nilai parameter C kelipatan 10 dari rentang 0 hingga 300. Dengan menggunakan metode-metode tersebut, pencapaian akurasi tertinggi didapatkan dengan menggunakan parameter Gabor Wavelet dan SVM yang terbaik yaitu kernel polynomial, C=160, mask 17x17, frekuensi 2, 3, 4, 5 Hz dan sudut orientasi [π/6; π/6; π] dengan akurasi uji 78.4661% dan akurasi latih 75.5480% berdasarkan pengujian per-folikel.
Implementation of Evolution Strategies for Classifier Model Optimization Mahmud Dwi Sulistiyo; Rita Rismala
Indonesia Journal on Computing (Indo-JC) Vol. 1 No. 2 (2016): September, 2016
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/INDOJC.2016.1.2.43

Abstract

Classification becomes one of the classic problems that are often encountered in the field of artificial intelligence and data mining. The problem in classification is how to build a classifier model through training or learning process. Process in building the classifier model can be seen as an optimization problem. Therefore, optimization algorithms can be used as an alternative way to generate the classifier models. In this study, the process of learning is done by utilizing one of Evolutionary Algorithms (EAs), namely Evolution Strategies (ES). Observation and analysis conducted on several parameters that influence the ES, as well as how far the general classifier model used in this study solve the problem. The experiments and analyze results show that ES is pretty good in optimizing the linear classification model used. For Fisher’s Iris dataset, as the easiest to be classified, the test accuracy is best achieved by 94.4%; KK Selection dataset is 84%; and for SMK Major Election datasets which is the hardest to be classified reach only 49.2%.

Page 1 of 1 | Total Record : 9

 1 

Filter by Year

2016 2016


Reset
Filter By Issues
All Issue Vol. 9 No. 2 (2024): August, 2024 Vol. 9 No. 1 (2024): April, 2024 Vol. 8 No. 3 (2023): December 2023 Vol. 8 No. 2 (2023): August, 2023 Vol. 8 No. 1 (2023): April, 2023 Vol. 7 No. 3 (2022): December, 2022 Vol. 7 No. 2 (2022): August, 2022 Vol. 7 No. 1 (2022): April, 2022 Vol. 6 No. 3 (2021): December, 2021 Vol. 6 No. 2 (2021): September, 2021 Vol. 6 No. 1 (2021): April, 2021 Vol. 5 No. 3 (2020): December, 2020 Vol. 5 No. 2 (2020): September, 2020 Vol. 5 No. 1 (2020): Maret, 2020 Vol. 4 No. 3 (2019): December, 2019 Vol. 4 No. 2 (2019): September, 2019 Vol. 4 No. 1 (2019): Maret, 2019 Vol. 3 No. 2 (2018): September, 2018 Vol. 3 No. 1 (2018): Maret, 2018 Vol. 2 No. 2 (2017): September, 2017 Vol. 2 No. 1 (2017): Maret, 2017 Vol. 1 No. 2 (2016): September, 2016 Vol. 1 No. 1 (2016): March, 2016 More Issue