Garuda - Garba Rujukan Digital

Pengenalan Genus Diatom Menggunakan Principal Component Analysis dan Jaringan Saraf Tiruan Propagasi Balik Sebagai Classifier Rahmi, Silvia; Haryanto, Toto; Pratiwi, Niken TM
Jurnal Ilmu Komputer dan Agri-Informatika Vol 2, No 1 (2013)
Publisher : Departemen Ilmu Komputer IPB

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (235.444 KB)

Diatom merupakan suatu mikroalga unisel (kadang berkoloni) yang mempunyai peranan penting dalam dunia riset dan penelitian. Identifikasi diatom merupakan pekerjaan yang rumit. Hal ini dikarenakan diatom memiliki ratusan taksa dengan banyak variasi bentuk dan karakteristik biologi yang menyebabkan proses identifikasinya tidak mudah bahkan bagi seorang pakar. Penelitian ini menerapkan Principal Component Analysis (PCA) untuk reduksi data dan Jaringan Saraf Tiruan (JST) untuk identifikasi diatom. Proporsi PCA yang digunakan ialah 80% dan 90%. JST yang digunakan adalah propagasi balik dengan satu hidden layer. Data yang dipakai pada penelitian ini adalah citra diatom berformat JPG yang diambil menggunakan mikroskop elektrik. Hasil penelitian menunjukkan bahwa generalisasi terbaik sebesar 90% diperoleh pada percobaan menggunakan proporsi PCA 90% dengan persentase data latih 80%.

Penggunaan Fitur Kimia Fisik dan Posisi Atom untuk Prediksi Struktur Sekunder Protein Haryanto, Toto; Budiman, Budiman
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 1, No 2 (2015): Volume 1, No 2
Publisher : Program Studi Informatika

Prediksi struktur sekunder protein adalah salah satumasalah yang sudah lama dibahas dalam bidang bioinformatika.Berbagai metode telah diterapkan namun masalah akurasibelum mencapai hasil yang maksimal. Penelitian ini dilakukanuntuk membangun suatu model prediksi struktur sekunderprotein dengan menggunakan decision tree dengan fitur kimiafisik dan posisi atom. Penentuan setiap kelas dalam prosesklasifikasi struktur sekunder protein dalam penelitian iniberdasarkan pembelajaran terhadap pola masukan dalam prosespelatihan. Data diperoleh dari Protein Data Bank (PDB) padaalamat http://www.rcsb.org/. Sementara informasi struktursekunderproteindiperolehmelaluialamatwebsitehttp://swift.cmbi.ru.nl/gv/dssp/. Sejumlah 75809 alpha-helix (H),41785 untuk bheta-sheet (E), dan 80346 untuk coil (C) digunakansebagai data set pada penelitian ini. Pola masukan diperolehmelalui proses sliding window dari sekuen asam amino denganekstraksi fitur kimia fisik dan posisi atom. Model prediksidengan cross validation tanpa fitur posisi atom menghasilkannilai akurasi 90.49%, sedangkan untuk pengujian denganunknown data akurasinya menurun menjadi 51.29%. Akurasimenggunakan fitur posisi atom sebesar 90.17% dengan crossvalidation dan 50.83% jika diujikan pada unknown data.Kata Kunciâ€” asam amino, decision tree, kimiafisik, prediksistruktur protein, posisi atom

Optimasi Parameter pada Fast Correlation Based Fiter Menggunakan Algoritme Genetika untuk Klasifikasi Metagenom Haryanto, Toto; Guritno, Hanif Bagus; Kustiyo, Aziz; Hermadi, Irman
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 4, No 2 (2018): Volume 4 No 2
Publisher : Program Studi Informatika

Metagenome merupakan mikroorganisme yang diambil secara langsung dari alam. Proses sequencing genom dari metagenome mengakibatkan bercampurnya berbagai organisme. Hal ini menyebabkan kesulitan pada proses perakitan DNA. Oleh karena itu, dibutuhkan proses pemilahan yang disebut binning. Pada proses binning dengan pendekatan komposisi, teknik yang dilakukan adalah dengan supervised learning. Salah satu tahapan dalam supervised learning yaitu ekstraksi fitur, penelitian ini menggunakan metode ektraksi fitur n-mers. Besarnya parameter n pada metode ekstraksi fitur n-mers akan mengakibatkan dimensi fitur yang tinggi. Penelitian ini bertujuan untuk menerapkan algorime fast-correlation based filter (FCBF) untuk mereduksi dimensi fitur yang dihasilkan n-mers dan mengoptimasi parameter threshold pada fast-correlation based filter menggunakan algoritme genetika. Penelitian ini diuji menggunakan klasifikasi k-nearest neighbour. Performa terbaik diperoleh ketika n = 7 dan k = 3 dengan akurasi mencapai 99.41% dengan nilai threshold 0.67788. Dengan optimasi, waktu komputasi menjadi lebih efisien karena jumlah fitur sudah tereduksi.

Pengenalan Genus Diatom Menggunakan Principal Component Analysis dan Jaringan Saraf Tiruan Propagasi Balik Sebagai Classifier Silvia Rahmi; Toto Haryanto; Niken TM Pratiwi
Jurnal Ilmu Komputer & Agri-Informatika Vol. 2 No. 1 (2013)
Publisher : Departemen Ilmu Komputer - IPB University

Diatom merupakan suatu mikroalga unisel (kadang berkoloni) yang mempunyai peranan penting dalam dunia riset dan penelitian. Identifikasi diatom merupakan pekerjaan yang rumit. Hal ini dikarenakan diatom memiliki ratusan taksa dengan banyak variasi bentuk dan karakteristik biologi yang menyebabkan proses identifikasinya tidak mudah bahkan bagi seorang pakar. Penelitian ini menerapkan Principal Component Analysis (PCA) untuk reduksi data dan Jaringan Saraf Tiruan (JST) untuk identifikasi diatom. Proporsi PCA yang digunakan ialah 80% dan 90%. JST yang digunakan adalah propagasi balik dengan satu hidden layer. Data yang dipakai pada penelitian ini adalah citra diatom berformat JPG yang diambil menggunakan mikroskop elektrik. Hasil penelitian menunjukkan bahwa generalisasi terbaik sebesar 90% diperoleh pada percobaan menggunakan proporsi PCA 90% dengan persentase data latih 80%.

Model Sistem Pendukung Pengambilan Keputusan Cerdas Manajemen Rantai Pasok Hijau Obat Herbal Muji Yuswanto; Marimin Marimin; Toto Haryanto
Jurnal Ilmu Komputer & Agri-Informatika Vol. 3 No. 2 (2014)
Publisher : Departemen Ilmu Komputer - IPB University

Penggunaan tanaman tradisional sebagai obat-obatan tidak kalah dibanding bahan obat kimiawi karena penggunaan bahan alami justru tidak menimbulkan efek samping yang berlebihan. Masih terbatasnya penelitian terkait rantai pasokan obat herbal melatarbelakangi penelitian ini sebagai salah satu alternatif solusi dari permasalahan yang terjadi pada proses rantai pasokan obat herbal. Dalam penelitian ini diusulkan sebuah model Sistem Pendukung Pengambilan Keputusan Cerdas berbasis website dengan menggunakan metode Green Supply Chain Operation Reference, Fuzzy Analytic Network Process dan Algoritme Genetika dengan objek penelitian pada industri obat herbal. Sistem yang diusulkan merupakan sebuah sistem penunjang keputusan yang ditingkatkan kinerjanya dengan menambahkan elemen kecerdasan buatan ke dalamnya yang terdiri atas empat bagian utama, yaitu: sistem manajemen dialog, sistem manajemen basis data, sistem manajemen basis model, dan elemen kecerdasan buatan. Pada simulasi sistem diperoleh hasil untuk karbon footprint sebanyak 602 kg sementara total environment footprint sebesar 4.181 kg, recycle waste material menjadi pilihan pertama pakar pada alternatif pengembangan rantai pasok hijau sementara jarak terpendek untuk jalur distribusi sejauh 1014 km. Berdasarkan pengujian load test, aplikasi berjalan baik dengan waktu rata-rata selama 9.28 detik. Hasil dari penelitian adalah sebuah aplikasi online yang dapat diakses pada situs www.herbal.biz.id dengan melakukan registrasi user terlebih dahulu.Kata Kunci: Algoritme Genetika, Fuzzy Analytic Network Process, obat herbal, rantai pasok.

Sistem Pakar Identifikasi Varietas Ikan Mas (Cyprinus carpio) Berdasarkan Karakteristik Morfologi dan Tingkah Laku Asterika Prawesti; Toto Haryanto; Irzal Effendi
Jurnal Ilmu Komputer & Agri-Informatika Vol. 4 No. 1 (2015)
Publisher : Departemen Ilmu Komputer - IPB University

Penelitian ini mengidentifikasi 6 varietas ikan mas menggunakan 8 parameter input yang meliputi karakteristik morfologi dan tingkah laku. Pembagian data latih dan data uji dilakukan menggunakan metode k-fold cross validation. Variabel yang bersifat nominal diolah menggunakan jarak nominal, sedangkan variabel numerik dan ordinal diolah dengan menggunakan jarak Euclid. Sebelum menghitung jarak Euclid, metode normalisasi min-max diterapkan pada variabel numerik dan ordinal. Hasil perhitungan jarak Euclid dan jarak nominal digabung dengan menggunakan rumus agregat. Metode klasifikasi yang digunakan untuk identifikasi ialah metode k-nearest neighbour (KNN). Akurasi rata-rata terbaik untuk percobaan tanpa normalisasi ialah 94.58% dan untuk percobaan dengan normalisasi ialah 98.54% saat k = 3. Sistem ini dapat diakses pada alamat http://apps.cs.ipb.ac.id/spivim.Kata kunci: ikan mas, jarak Euclidean, k-nearest neighbour, nominal distance, normalisasi min-max.

Prediksi Kandungan Lignin pada Dedak Padi Bercampur Sekam Menggunakan Tekstur Statistik dan KNN Eylen Desy Novita; Aziz Kustiyo; Anuraga Jayanegara; Toto Haryanto; Hari Agung Adrianto
Jurnal Ilmu Komputer dan Agri-Informatika Vol 9 No 1 (2022)
Publisher : Departemen Ilmu Komputer, Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jika.9.1.58-69

Adulteration in rice bran happens quite high due to the expensive price of rice bran. Mixing the rice bran with husk could decrease the rice bran quality because the content of crude fiber and lignin cointained in husk are anti-nutrients. Lignin content can be estimated by the texture of rice bran mixed with husk image. This study aimed to analyze the texture of rice bran mixed with husk image using run length feature extraction method with k-nearest neighbour (KNN) classification. The images of rice bran mixed with husk were taken using Dino Capture digital microscope with magnification 200 times. The images were generated with the spatial resolution of 640×480 pixels in a bitmap format. Those images were converted from RGB into grayscale in preprocessing phase, then the result of grayscale images were enhanced using histogram equalization as image enhancement method. The training and testing was determined using 5-fold cross validation with 3 repetition. The result of KNN classification with 7 features showed the highest accuracy of 74.55%.

Fuzzy Learning Vector Quantization Untuk Klasifikasi Citra Daging Oplosan Berdasarkan Ciri Warna dan Tekstur Lidya Ningsih; Agus Buono; Mushthofa; Toto Haryanto
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 6 No 3 (2022): Juni 2022
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Beef consumption is quite high and expensive in the world. In Indonesia, beef prices are relatively expensive because the meat supply chain from farmers to the market is quite long. The high demand for beef and the difficulty of obtaining meat are factors in the high price of meat. This makes some meat traders cheat by mixing beef and pork (oplosan). Mixing beef and pork is detrimental to beef consumers, especially those who are Muslim. In this paper, we proposed a new strategy for identifying beef, pig, and mixed meat utilizing Fuzzy learning vector quantization (FLVQ) Based on the color and texture aspects of the meat. The HSV (Hue saturation value) approach is used for color features, whereas the GLCM (Gray level co-occurrence matrix) method is used for texture features. This study makes use of primary data collected from the Pasar Bawah Tourism and Cipuan Market in Pekanbaru, Riau Province. The data set consists of 600 photos, 200 each of beef, pork, and mixed. Based on the test scenario, the coefficient of fuzzyness and learning rate affect the accuracy of meat image identification. The proposed strategy has succeeded in classifying pork, beef and mixed meat with the best percentage of accuracy results in theclasses of beef and pork, beef and mixed, pork and mixed meat, respectively, at 100%, 97.5%, and 95%. This demonstrates that the proposed strategy has succeeded in classifying the image of pork, beef, and mixed.

Pemanfaatan Model Long Short Term Memory (LSTM) Untuk Prediksi Harga Emas Sebagai Instrumen Investasi Dalam Mempersiapkan Ancaman Resesi Global 2023 Jamaludin; Toto Haryanto
Indonesian Journal of Computer Science Vol. 12 No. 2 (2023): Indonesian Journal of Computer Science Volume 12. No. 2 (2023)
Publisher : STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i2.3176

Dampak dari Pandemi Covid 19 masih dirasakan oleh semua orang sampai saat ini. Akibat pandemi yang terjadi berimbas pada perputaran ekonomi dunia, belum juga perparah oleh konflik perang antara negara Rusia dan Ukraina. Hal ini secara tidak langsung menyebabkan harga komoditas menjadi naik dan mengakibatkan terjadinya inflasi. Ketika kondisi ekonomi Global tidak menentu, International Monetary Fund (IMF) melaporkan terjadinya pelambatan ekonomi dan hal ini dibenarkan juga Menteri Keuangan Republik Indonesia. Salah satu persiapan ketika terjadi inflasi adalah dengan berinvestasi. Banyak investasi yang ditawarkan saat ini, namun saat inflasi terjadi, berinvestasi emas merupakan pilihan yang tepat karena memiliki sifat sebagai pelindung nilai. Namun banyak investor yang masih ragu untuk berinvestasi emas dikarenakan harganya yang fluktuatif dan tidak bisa ditebak. Oleh karena itu, penelitian ini dilakukan untuk memprediksi harga emas menggunakan model Long Short Term Memory (LSTM) agar investor menjadi yakin dalam berinvestasi emas untuk mempersiapkan ketika terjadinya resesi Global 2023. Hasil penelitian didapatkan dengan 10 epochs menghasilkan RMSE 20 dan harga emas untuk 60 hari kedepan diprediksi akan naik.

Ekstraksi Fitur Rantai Markov untuk Klasifikasi Famili Protein Toto Haryanto; Rizky Kurniawan; Sony Muhammad; Aziz Kustiyo; Endang Purnama Giri
Jurnal Ilmiah SINUS Vol 21, No 2 (2023): Volume 21 No. 2 Juli 2023
Publisher : STMIK Sinar Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30646/sinus.v21i2.748

As complex molecules, proteins have various roles for living things. Proteins are organic molecules formed from twenty amino acid combinations with various functions for living things, such as transportation systems, a catalyst of chemical reactions for metabolism, and food reserves. This research aims to classify proteins family based on sequences of amino acids as the primary structure. There are 300 amino acid fragments obtained from the Pfam database. The proteins family database subset with three sub-sample classes was obtained, including 1-cysPrx_C, 4HBT, and ABC_Tran. In this research, the first and second order of the Markov chain for extracting features were applied. Moreover, we use a Probabilistic Neural Network (PNN) as a classifier compared to the joint probability technique with Markov assumptions. We evaluate the results by comparing the sensitivity and specificity of both classification techniques. The evaluation results show that overall, PNN has slightly better performance than the joint probability technique for classifying protein families.

Title

Found 12 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 12 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 12 Documents
Search