Claim Missing Document
Check
Articles

Found 7 Documents
Search

Implementasi Sistem Pakar Diagnosa Penyakit Gigi dan Mulut Menggunakan Metode Hybrid Case-Based dan Rule-Based Reasoning Ade Romadhony; Siti Saadah
Indonesia Symposium on Computing Indonesia Symposium on Computing 2015
Publisher : Indonesia Symposium on Computing

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kesehatan adalah poin terpenting dalam hidup kita. Terkadang kita lupa untuk menjaga tubuh kita, apalagi pada bagian-bagian tubuh yang terkecil seperti gigi dan mulut. Masyarakat di Indonesia khususnya cenderung untuk memeriksa gigi dan mulut ketika sudah mempunyai penyakit yang parah dan mengganggu aktivitas. Untuk itu, dibuatlah sebuah sistem pakar yang dapat mendeteksi penyakit gigi dan mulut. Pengertian dari sistem pakar adalah sebuah sistem yang bekerja seperti layaknya seorang ahli di bidangnya sehingga dapat membantu permasalahan yang ada dalam hidup. Sistem ini menggunakan metode Hybrid Rule Based-Case Based Reasoning di mana metode ini memiliki akurasi yang lebih baik dibandingkan metode yang berjalan sendiri. Rule Based-Case Based Reasoning akan mengolah gejala tersebut sehingga dapat dideteksi penyakit yang diderita pasien. Gejala tersebut juga diolah dengan Case Based Reasoning sehingga didapat penyebab dari penyakit tersebut. Solusi penyakit yang didapat dari Rule Based-Case Based Reasoning akan disaring dengan batasan Nilai Kesamaan (Similarity Value) yang ditentukan sehingga solusi yang ditampilkan adalah solusi yang mempunyai tingkat kemiripan yang besar. Adapun ketiga metode Nilai Kesamaan yang diterapkan disini adalah Jaccard Similarity, Hamming Similarity, dan Cosine Similarity. Dari hasil yang didapat, dengan menerapkan metode Hybrid Rule Based-Case Based Reasoning didapat akurasi lebih tinggi dibandingkan metode yang berjalan sendiri. Dari hasil juga didapat bahwa Cosine Similarity mempunyai hasil yang lebih baik dibandingkan kedua metode lainnya.  
Analisa dan Penerapan HMVC pada Aplikasi E-Learning Haryo Adi Nugroho; Dana S Kusumo; Ade Romadhony
Indonesia Symposium on Computing Indonesian Symposium on Computing 2014/Seminar Nasional Ilmu Komputasi Teknik Informatika (SNIKTI)
Publisher : Indonesia Symposium on Computing

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Aplikasi e – learning PT. Javan IT Services menerapkan pola Model – View – Controller (MVC) pada rancangannya. Namun pola ini memiliki kelemahan, yaitu keterkaitan yang erat antar komponen (model, view, dan controller) pada pola tersebut.Hal ini menyebabkan pengembangan aplikasi yang menerapkan pola MVC, termasuk aplikasi e – learning PT. Javan IT Services, menjadi lebih sulit. Hierarchical – Model – View – Controller (HMVC) merupakan pola variasi dari MVC. HMVC dikembangkan untuk mengatasi kekurangan yang dimiliki oleh MVC. Cohesion dan coupling merupakan atribut aplikasi yang dapat menunjukkan kualitas aplikasi tersebut. Perawatan, pengujian, dan pengembangan aplikasi akan lebih mudah dilakukan bila aplikasi tersebut memiliki cohesion dan coupling yang baik.Pada penelitian ini, dua rancangan aplikasi e – learning PT. Javan IT Services dibuat. Salah satu rancangan menerapkan pola HMVC sedangkan rancangan lainnya menerapkan pola MVC. Cohesion dan coupling dari kedua rancangan kemudian dianalisa. Hasil analisa menunjukkan bahwa rancangan yang menerapkan pola HMVC memiliki cohesion dan coupling yang lebih baik dibandingkan dengan rancangan yang menerapkan pola MVC. Diharapkan melalui penelitian ini pengembang aplikasi web khususnya pengembang e – learning PT. Javan IT Services dapat melihat HMVC sebagai pola alternatif dalam mengembangkan aplikasinya.
Implementasi Metode Improved Adaptive Gaussian Mixture Model Background Subtraction dan Haar-Like Features untuk Menganalisis Status Kepadatan Kendaraan yang Melintas di Suatu Jalur pada Lampu Lalu Lintas Ade Romadhony; Hamdy Nur Saidy; Mahmud Dwi Sulistiyo
Indonesia Symposium on Computing Indonesia Symposium on Computing 2015
Publisher : Indonesia Symposium on Computing

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Metode analisis kepadatan kendaraan di suatu jalur pada persimpangan lampu lalu lintas menggunakan real time video stream mempunyai banyak kendala. Kendala seperti penanganan terhadap berbagai kondisi cuaca sehingga background tidak statis, bayangan yang bergerak yang juga dapat mengurangi keakurasian perhitungan sistem, serta tidak berjalannya sistem sesuai yang diinginkan ketika terjadi kemacetan. Sehingga diperlukan rancangan yang dapat menangani masalah ini.
Oleh karena itu pada penelitian ini dibangun sistem perhitungan jumlah kendaraan di suatu jalur pada persimpangan lampu lalu lintas berbasis real time video stream menggunakan penggabungan beberapa metode untuk mengangani masalah diatas. Sistem ini menggunakan kamera perekam yang dipasang pada suatu jalur dengan lokasi yang berdekatan dengan persimpangan lampu lalu lintas untuk menghitung jumlah kendaraan yang melintasi jalur tersebut. Pemrosesan gambar dilakukan per-frame menggunakan metode Improved Adaptive Gaussian Mixture Model Background Subtraction dan Haar-Like Features.
Dengan menggunakan metode tersebut, dilakukan tracking secara real-time objek bergerak pada background yang cenderung tidak statis yang disebaban karena cuaca serta pencahayaan yang berubah-ubah. Objek- objek yang telah berhasil di-tracking tersebut kemudian dihitung jika melintasi virtual detector. Metode Haar-Like Features digunakan untuk mendeteksi terjadinya kemacetan yang terjadi pada jalur tersebut dengan cara mendeteksi objek pada background model yang dibentuk oleh sistem. Pada tahapan akhir, jumlah kendaraan yang melintasi virtual detector ataupun dideteksi oleh mekanisme congestion detection diklasifikasikan kedalam 5 tingkat kepadatan untuk memberikan analisis terhadap tingat kepadatan untuk jalur tersebut untuk tiap state sekuens lampu lalu lintas. Hasil pengujian menunjukkan sistem yang dibangun dapat digunakan dengan baik untuk menghitung dan mengklasifikasikan jumlah kepadatan kendaraan yang melintas disuatu jalur secara real-time.  
Analisis dan Implementasi Sistem Pendiagnosis Penyakit Tuberculosis Menggunakan Metode Case-Based Reasoning Bimmo Satryo Wicaksono; Ade Romadhony; Mahmud Dwi Sulistiyo
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2014
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Tuberculosis atau yang dikenal dengan TB,adalah suatu penyakit yang disebabkan oleh sebuah virus yangbernama Mycobacterium tuberculosis. Penyakit ini termasukmematikan karena menyerang oragan paru-paru. Di Indonesiasendiri, pada tahun 2012, data dari Kementrian KesehatanIndonesia menyebutkan bahwa 1 orang meninggal setiap 8 menitkarena penyakit TB ini. Hal ini jelas menunjukan betapabahayanya jenis penyakit ini. Berangkat dari hal ini, penulismemiliki ide untuk mengembangkan suatu aplikasi sistemberbasis pengetahuan yang bertujuan untuk membantu dokterdalam mendiagnosis penyakit TB. Aplikasi atau sistem yangdikembangkan ini menggunakan metode Case-Based Reasoning(CBR). Data yang digunakan adalah data rekam medis pasienpengidap penyakit TB dengan kasus yang baru atau pasien yangbaru mengalami penyakit TB sebanyak satu kali. Data tersebutakan diolah untuk menjadi acuan saat pasien memasukkangejala yang dialaminya. Perthitungan similarity antara kasuslama dan baru pada sistem menggunakan probabilitas Bayes.Berdasarkan percobaan yang telah dilakukan, sistem berbasispengetahuan yang dibangun menggunakan metode CBR inimampu mendiagnosis penyakit TB dengan baik. Rata-rataakurasi sistem dalam mendiagnosis TB dalam berbagai kondisibernilai sekitar 85% dan tingkat akurasi tertinggi sistemmencapai 90%. Nilai tersebut dinilai cukup memuaskan karenatelah memenuhi kualifikasi minimum yang ditentukan olehWHO, serta mampu mencapai rata-rata kemampuan dokter diIndonesia dalam mendiagnosis TB.
Identifikasi Cyberbullying pada Kolom Komentar Instagram dengan Metode Support Vector Machine dan Semantic Similarity Lintani Afina Hajar Raudhoti; Anisa Herdiani; Ade Romadhony
Journal of Computer Science and Informatics Engineering (J-Cosine) Vol 4 No 1 (2020): June 2020
Publisher : Informatics Engineering Dept., Faculty of Engineering, University of Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (445.99 KB) | DOI: 10.29303/jcosine.v4i1.318

Abstract

Instagram is a popular social media platform where users can share photos and videos, and also post comments on other users postings. Although there are many benefits on sharing information and posting comments, the freedom of using a social media platform also has a negative effect. One of non-constructive actions performed by social media users is cyberbullying, a misuse of technology through social media to embarrass or threaten others. Cyberbullying could affect the social media users, especially the target victim, hence we have to build a system that can limit the negative posts. In this research, we tackle the cyberbullying detection on Instagram comments as a classification problem and employ the SVM classifier. As a supervised machine learning approach, the SVM method has limitation on processing new words that never found in the training data. Therefore, we employed a semantic information derived from pre-trained word embeddings to gather similar words that appear in the training data to substitute the unknown words in the testing data. The experimental results show that the use of semantic similarity information improve the classification accuracy by 7%, from 67% to 74%.
Pattern-Based Stemmer Analysis and Implementation on Arabic Text Ananda Wulandari; Kemas Rahmat S.W; Ade Romadhony
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2011: SNTIKI 3
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (605.861 KB)

Abstract

Pattern-based Stemmer is an implementation of searching algorithm to find  stem from an Arabic word that implement morphological anlysis technique and affix removal technique. In this research, if stemming process has been done, word class determination process will be conducted according this way: First, system would match between word which is entered with the fix word that is stored in the system. If the word was not found, word class determination rules will be conducted based on prefix, suffix, and infix. If this system could not figure out the word class of the word from the second step, then word class would be determined based on the word position in a sentence.Testing is commited in order to know the influences of the number of token, pattern and rule in the system to the system’s performance. Data that used in this testing are 37 surat in juz 30th from Al-Qur`an. They will be put into three categories, based on the number of rows of each surah : long surah, medium surah, and short surah. Based on the testing results, the best performance gained by storing more free-affix pattern, storing more word class determining rule, and adding affix elimination checking process into the system. Keywords: Arabic text, stemming, stem, word class.
Pengaruh Distribusi Panjang Data Teks pada Klasifikasi: Sebuah Studi Awal Said Al Faraby; Ade Romadhony
JURNAL MEDIA INFORMATIKA BUDIDARMA Vol 6, No 3 (2022): Juli 2022
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/mib.v6i3.4259

Abstract

In text classification, there is a problem with text domain differences (cross-domain) between the data used to train the model and the data used when the model is applied. In addition to the problem of domain differences, there are also language differences (cross-lingual). Many previous studies have looked for ways how classification models can be applied effectively and efficiently in these cross-domain and cross-lingual situations. However, there is one difference that is not given special attention because it is considered not very influential, namely the difference in text length (cross-length). In this study, we further investigated the cross-length condition by creating a special dataset and testing it with various commonly used classification models. The results showed that the difference in the distribution of text length between the training data and the test data could affect the performances. Cross-length transfers from long to short texts show an average decrease in F1-scores across all models of 14%, while transfers from short to long texts give an average decrease of 9%.