p-Index From 2019 - 2024
0.562
P-Index
This Author published in this journals
All Journal Jifosi
Yuniar, Intan
Unknown Affiliation

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

IMPLEMENTASI ALGORITMA C4.5 DALAM DIAGNOSIS AUTISME PADA ANAK MENGGUNAKAN RUMUSAN DIAGNOSTIC AND STATISTICAL MANUAL OF MENTAL DISORDERS V Ifnu Wisma Dwi Prastya; Yuniar, Intan; Rahmat, Basuki
Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 1 No. 2 (2020): JIFoSI Volume 1, No 2: Juli 2020
Publisher : Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (528.425 KB)

Abstract

Abstrak        Diagnosis autisme merupakan langkah pertama dalam proses penanganan autisme. Namun, permasalahannya banyak orang tua yang masih belum mengerti terkait gejala yang dialami oleh anaknya dan bagaimana cara penagannya. Masih banyak orang tua yang memilih untuk langsung berkonsultasi kedokter atupun tenaga medis. Sedangkan jumlah dokter atau tenaga medis dalam bidang gangguan perkembanagan mental dan otak masih sangant sedikit. Maka dari itu, dibutuhkan cara pendiagnosisan autisme secara mudah dan gampang diakses oleh orang tua, sehingga orang tua dapat dengan mudah mendiagnosis secara dini autisme pada anak. Algoritma C4.5 merupakan salah satu algoritma yang dapat memprediksi tingkat akurasi diagnosis autisme dan Diagnostic and Statistical Manual of Mental Disorders merupakan sebuah acuan yang digunakan untuk mendiagnosa suatu gangguan kejiwaan.          Penelitian ini menggunakan 70 data, dengan pembagian data dengan komposisi 70% untuk data latih dan 30 % data uji, sehingga ditemukan 50 data untuk digunakan sebagai data latih dan 20 data untuk data uji. Pengujian dalam sistem ini menggunakan metode Confusion Matrix. Pohon keputusan yang terbangun dari sistem ini memiliki nilai akurasi sebesar 90%, dan menghasilkan nilai precision sebesar 93,33% dan nilai recall sebesar 93,33%.   Kata Kunci : Diagnosis, Autisme, Algoritma C4.5, DSM-V  (Diagnostic and Statistical Manual of Mental Disorders V ). The diagnosis of autism is the first step in the process of treating autism. However, the problem is that many parents still do not understand the symptoms associated with their children and how to treat them. There are still many parents who choose to consult a doctor or a medical person directly. While the number of doctors or medical personnel in the field of mental and brain development disorders is still small. Therefore, it is needed a way to diagnose autism easily and easily accessed by parents, so parents can easily diagnose early autism in children. C4.5 algorithm is one algorithm that can predict the accuracy of the diagnosis of autism and the Diagnostic and Statistical Manual of Mental Disorders is a reference used to diagnose a psychiatric disorder. This study uses 70 data, with the division of data with a composition of 70% for training data and 30% for test data, so that 50 data are found to be used as training data and 20 data for test data. Testing in this system uses the Confusion Matrix method. The decision tree that was built from this system has an accuracy value of 90%, and produces a precision value of 93.33% and a recall value of 93.33%. Keywords: Diagnosis, Autism, C4.5 Algorithm, DSM-V (Diagnostic and Statistical Manual of Mental Disorders V).
KLASIFIKASI DAN PENGENALAN OBJEK IKAN MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) faisal, Faisal Fahri Ferdiansyah; Rahmat, Basuki; Yuniar, Intan
Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 1 No. 2 (2020): JIFoSI Volume 1, No 2: Juli 2020
Publisher : Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (269.684 KB)

Abstract

Ikan hias merupakan ikan yang diminati masyarakat luas karena keindahan yang khas dan unik, mulai dari beragam corak, warna, dan bentuk. Klasifikasi dan pengenalan objek ikan bertujuan untuk melakukan proses klasifikasi suatu objek kedalam satu kelas tertentu berdasarkan pengenalan melalui ciri bentuk, warna yang dimilikinya, sehingga dapat digunakan untuk mengenali karakter ikan. Penelitian ini menggunaka metode Support Vector Machine (SVM). Dengan menggunakan Bahasa Pemrograman Python. Ekstrasi ciri warna pada penelitian ini mengimplementasikan metode HSV dan hasil dari Histogram. Anaconda Navigator sebagai aplikasi GUI dan Jupyter Notebook sebagai text editor. Dengan menggunakan Kappa cohen sebagai validasi pengujian data. Data  uji sejumlah  250 citra semua jenisnya sejumlah 50 citra per jenisnya. Hasil uji coba akan berdasarkan pada akurasi, hasil pengujian pertama pada ikan komet 20%, ikan manfish 20%, ikan molly 0, ikan redfine 90% ikan zebra 80% dengan nilai rata ? rata hasil akurasi 42% dengan diperoleh akuras sedangkan pengujian kedua pada ikan komet 0, ikan manfish 25%, ikan molly 15%, ikan redfine 75% ikan zebra 55%  hasil 34%. Nilai Accruracy 50%, Precission 90%, Recall 47% dan f1 score 63,94%. Nilai perhitungan koefisien kappa diperoleh berjumlah . Kata kunci : support vector machine, ekstrasi ciri, ikan hias, object detection.  
DETEKSI DAN PENGENALAN IKAN MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK R MEHINDRA PRASMATIO; Rahmat, Basuki; Yuniar, Intan
Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 1 No. 2 (2020): JIFoSI Volume 1, No 2: Juli 2020
Publisher : Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (454.24 KB)

Abstract

Identifikasi dan pengenalan identitas jenis ikan secara otomatis merupakan suatu persoalan besar yang menarik dan banyak sekali berbagai macam pendekatan untuk menyelesaikan persoalan ini. Apalagi di dalam akuarium suatu akuarium terdapat banyak jenis objek ikan maupun hiasan akuarium. Ikan tampak hampir sama di beberapa jenis. Tingkat kejernihan air juga sangat diperhitungkan untuk mempelancar proses klasifikasi. Maka dari harus disediakannya akuarium yang memiliki air jernih dan pencahayaan tepat agar mempermudah proses ini. Hal-hal tersebutlah yang membuat permasalahan klasifikasi menjadi lebih sulit diselesaikan. Dalam penelitian ini digunakan salah satu metode deep learning yaitu Convolutional Neural Networks (CNN) sebagai pengidentifikasian ikan secara real-time yang terbukti efisien dalam klasifikasi ikan. Metode diimplementasikan dengan bantuan library OpenCV untuk deteksi objek dan perangkat kamera.   Pada penelitian ini dilakukan 6 kali percobaan training untuk ditemukan nilai paling baik, dan mendapatkan nilai test score 2.475, test accuracy 0.4237 dan loss sebesar 2.2002. Data yang digunakan pada penelitian ini berupa tangkapan gambar dari hasil video secara langsung/realtime menggunakan webcam. Penelitian ini menghasilkan tingkat akurasi sebesar 85,18% dengan pengujian 27kali yang dimana 4kali tidak dapat mengidentifikasi foto dan 23 kali berhasil dalam mengidentifikasi foto ikan. Kata kunci: convolutional neural network, pre processing, citra