Garuda - Garba Rujukan Digital

p-Index From 2019 - 2024

1.152

P-Index

This Author published in this journals

All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal Ilmu Komputer dan Informasi Lontar Komputer: Jurnal Ilmiah Teknologi Informasi Jurnal Teknik ITS Semantik Perfecting a Video Game with Game Metrics JUTI: Jurnal Ilmiah Teknologi Informasi Jurnal Ilmiah Kursor Scan : Jurnal Teknologi Informasi dan Komunikasi Seminar Nasional Informatika (SEMNASIF) Sewagati

Bilqis Amaliah

Departemen Teknik Informatika, Institut Teknologi Sepuluh Nopember, Kampus ITS, Keputih, Sukolilo, Surabaya 60111

Author-ID : 225471

Humanities Computer Science & IT Decision Sciences, Operations Research & Management Dentistry Education Engineering Library & Information Science Social Sciences Other

Published : 19 Documents Claim Missing Document

Claim Missing Document

Articles

Title

Implementasi Algoritma Genetika pada Struktur Backpropagation Neural Network untuk Klasifikasi Kanker Payudara Adam Mizza Zamani; Bilqis Amaliah; Abdul Munif
Jurnal Teknik ITS Vol 1, No 1 (2012)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Pada penelitian sebelumnya sudah dilakukan klasifikasi kanker payudara menggunakan kombinasi dari metode Neural Network (NN) dan Association Rules (AR). Namun metode ini dinilai masih belum optimal dikarenakan hasil rata-rata akurasinya yang menunjukkan angka kurang maksimal. Metode baru diusulkan dengan maksud untuk mencari solusi lebih baik dari metode sebelumnya dalam hal rata-rata akurasi, yaitu dengan menggunakan kombinasi metode klasifikasi Neural Network dan algoritma genetika. Metode Neural Network digunakan sebagai Artificial Intelligence untuk memprediksi kanker payudara, sedangkan algoritma genetika digunakan untuk optimasi parameter Neural Network seperti jumlah hidden layer dan learning rate agar akurasi yang dihasilkan bisa lebih bagus. Selain itu, penelitian ini bertujuan untuk membandingkan antara metode kombinasi Neural Network dan algoritma genetika dengan metode Naïve Bayesian. Metode evaluasi uji coba yang digunakan adalah metode 10 fold cross validation. Hasil uji coba 10 fold cross validation menunjukkan bahwa metode Neural Network yang optimasi parameternya menggunakan algoritma genetika menghasilkan rata-rata akurasi yang cukup tinggi yaitu 97,00%, lebih baik dari metode Naïve Bayesian yang menghasilkan rata-rata akurasi 96,24% dan juga lebih baik dari metode Neural Network dengan Association Rules yang menghasilkan rata-rata akurasi 95.6%.

Implementasi DNA Similarity Matching pada Perangkat Mobile dengan Sugeno Fuzzy Inference System Fahmi Akbar Saputra; Hari Ginardi; Bilqis Amaliah
Jurnal Teknik ITS Vol 1, No 1 (2012)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

STR analysis merupakan teknik DNA profiling yang populer digunakan untuk mendapatkan profil DNA manusia yang bersifat unik dari sampel biologis yang didapatkan. Profil DNA tersebut terdiri dari beberapa lokus STR yang ditetapkan sebagai standar. Dalam praktiknya, permasalahan timbul ketika dalam proses analisis terjadi kontaminasi terhadap sampel biologis. Akibatnya, profil hasil proses analisis memiliki nilai ketidakpastian (uncertainty) atau nilai pergeseran dan noise. Untuk permasalahan seperti ini, perangkat lunak bantu untuk proses pencocokan kemiripan DNA yang dikembangkan oleh National Institute of Standards and Technology (NIST), yaitu STR_MatchSamples, tidak mampu menangani. Hal ini dikarenakan STR_MatchSamples bekerja dengan logika crisp, sedangkan data profil DNA memiliki nilai-nilai ketidakpastian. Maka, untuk mengatasi permasalahan ketidakpastian pada profil DNA, digunakan sebuah metode fuzzy untuk pencocokan kemiripan DNA, yaitu sistem inferensi fuzzy Sugeno. Pada paper ini diberikan penjelasan mengenai metode sistem inferensi fuzzy Sugeno sebagai metode untuk pencocokan kemiripan DNA beserta implementasinya sebagai aplikasi web service yang bekerja pada sebuah server. Aplikasi tersebut dapat diakses oleh perangkat mobile bersistem operasi Android sebagai client aplikasi web service tersebut.

Deteksi Penyakit Glaukoma pada Citra Fundus Retina Mata Menggunakan Adaptive Thresholding dan Support Vector Machine Ahmad Mustofa; Handayani Tjandrasa; Bilqis Amaliah
Jurnal Teknik ITS Vol 5, No 2 (2016)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Glaukoma adalah penyebab kebutaan kedua terbanyak setelah katarak. Berbeda dengan katarak, kebutaan yang disebabkan oleh glaukoma bersifat permanen. Hal ini karena glaukoma disebabkan oleh tekanan besar pada bola mata yang menyebabkan tersumbatnya pembuluh darah yang menuju ke syaraf mata sehingga syaraf mata tidak mendapatkan suplai darah yang cukup dan akhirnya akan mengalami kerusakan. Gejala glaukoma yang timbul biasanya tidak dapat dirasakan secara langsung. Sehingga perlu dilakukan pemeriksaan mata terlebih dahulu untuk mengetahui adanya glaukoma. Pada pengerjaan tugas akhir ini, dibangun sebuah perangkat lunak untuk mendeteksi penyakit glaukoma pada citra fundus retina mata. Tahap pertama dalam pengerjaan tugas akhir ini adalah proses preprocessing citra. Tahap preprocessing terbagi menjadi preprocessing optic cup, preprocessing optic disk, dan preprocessing pembuluh darah. Kemudian akan dilakukan proses segmentasi optic cup, optic disk, dan pembuluh darah dengan menggunakan metode adaptive thresholding. Setelah proses segmentasi selesai, maka fitur Cup to disk ratio (CDR), ISNT Neuro Retinal Rim (NRR), dan ISNT pembuluh darah akan diekstraksi dari masing-masing citra yang telah tersegmentasi. Ketiga fitur tersebut kemudian dijadikan masukan pada pengklasifikasi support vector machine dengan menggunakan metode pencarian hyperplane sequential minimal optimization dan fungsi kernel linear. Dengan menggunakan data yang diambil dari database RIM-ONE, didapatkan nilai akurasi rata-rata sebesar 80%.

Deteksi Jenis Kendaraan di Jalan Menggunakan OpenCV Alvin Lazaro; Joko Lianto Buliali; Bilqis Amaliah
Jurnal Teknik ITS Vol 6, No 2 (2017)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Jenis kendaraan yang melewati suatu ruas jalan dapat diketahui secara komputasi dengan mencocokkan fitur kendaran yang terdeteksi dengan fitur kendaraan standar masing-masing jeniskendaraan. Dengan mencapture frame image yang memuat kendaraan di jalan, OpenCV dapat mencocokkan fitur kendaraan tersebut dengan fitur kendaraan standar masing-masing jeniskendaraan, sehingga jenis kendaraan pada frame image dapat diketahui.

Co-Authors ABDUL MUNIF Achmad Saikhu Adam Mizza Zamani Agus Zainal Arifin Ahmad Mustofa Ahmad Saikhu Aini, Nuru Alvin Lazaro Amethis Oktaorora Andhik Ampuh Yunanto Anindhita Sigit Nugroho Anindita Sigit Nugroho Anny Yuniarti Antonius Malem Barus Arya Yudi Wijaya Arya Yudi Wijaya Aurelius Ratu Bhawika, Gita Widi Buliali, Joko Lianto Chastine Fatichah Darlis Herumurti Dwi Kristianto Edy Subali Fahmi Akbar Saputra Ginardi, R.V. Hari Hadziq Fabroyir Handayani Tjandrasa Hermanto Hermanto Imam Kuswardayan Irina Amalia Nastiti Isye Arieshanti Joko Lianto Joko Lianto Kartika Nuswantara Khakim Ghozali M Rahmat Widyanto M. Rahmat Widyanto Margo Pudjiantara Mohammad Saifullah Ratna Rintaningrum Ridho Rahman Hariadi Riyanarto Sarno Sambodho, Kriyo Siska Arifiani Suarmini, Ni Wayan Suwadi Suwadi Sylvi Novita Dewi Tri Agung Wahyu Handrian Victor Hariadi Yudhi Purwananto

Title Search

Found 4 Documents Search Journal : Jurnal Teknik ITS

Abstract

Abstract

Abstract

Abstract

Title

Found 4 Documents
Search
Journal : Jurnal Teknik ITS