Article Per Year (5 Year)
p-Index From 2019 - 2024
1.203
P-Index
This Author published in this journals
All Journal Sistemasi: Jurnal Sistem Informasi Journal of Students‘ Research in Computer Science (JSRCS) Reputasi: Jurnal Rekayasa Perangkat Lunak PENA ABDIMAS : Jurnal Pengabdian Masyarakat
Nila Hardi
Universitas Bina Sarana Informatika
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Nursing Public Health Social Sciences

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
Klasifikasi Penyakit Mata Menggunakan Convolutional Neural Network (CNN) Fani Nurona Cahya; Nila Hardi; Dwiza Riana; sri hadiyanti
Sistemasi: Jurnal Sistem Informasi Vol 10, No 3 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (12317.28 KB) | DOI: 10.32520/stmsi.v10i3.1248

Abstract

AbstrakGangguan pada mata atau disebut juga penyakit mata adalah suatu kondisi yang mampu mempengaruhi jangka waktu hidup bagi sebagian orang. Gangguan mata atau penyakit mata banyak sekali jenisnya, diantaranya yaitu katarak, glaukoma dan retina disease. Gangguan atau penyakit mata tersebut merupakan penyebab kebutaan yang paling sering terjadi. Melihat dari uraian tersebut, penting sekali untuk mendeteksi penyakit mata atau kelaianan sebelum terjadi kebutaan. Penelitian  ini bertujuan untuk klasifikasi penyakit mata menggunakan Convolutional Neural Network (CNN) berarsitekstur Alexnet dengan pembaruan berupa menggunakan 4 kelas yang membutuhkan 3 tahap proses yaitu melakukan tahap pre-processing yang menghasilkan ukuran citra menjadi 224x224px. Tahap selanjutnya adalah ekstraksi fitur dengan 3 layer yaitu Convutional Layer, Pooling Layer, Fully Connected Layer, Pada implementasi CNN menggunakan 150 epoch. Hasil akurasi dari penelitian klasifikasi penyakit mata menggunakan  metode CNN adalah 98.37%.Kata kunci: penyakit mata, klasifikasi, convolutional neural network (CNN) AbstractAn eye disorder, also called a disease of the eye, is a condition that can affect the lifespan of some people. Eye disorders or diseases of which there are many types, including kataraks, glaukoma and retina disease. This eye disorder or disease is the most common cause of blindness. Seeing from the description. It is very important to detect eye disease or negligence before blindness occurs This study aims to classify eye diseases using the Alexnet textured Convolutional Neural Network (CNN) with an update in the form of using 4 classes that require 3 stages of the process, namely conducting ahap pre-processing which results in an image size of 224x224px. The next stage is Feature Extraction with 3 layers, namely Convutional Layer, Pooling Layer, Fully Connected Layer, the implementation of the Convolutional Neural Network implementation uses 150 epochs. The accuracy of the eye disease classification study using the Convolutional Neural Network method was 98.37%.Keywords: eye disease, classification, convolutional neural network (CNN).
Analisis Sentimen Physical Distancing pada Twitter Menggunakan Text Mining dengan Algoritma Naive Bayes Classifier Nila Hardi; Yuris Alkahfi; Popon Handayani; Windu Gata; Muhammad Rifqi Firdaus
Sistemasi: Jurnal Sistem Informasi Vol 10, No 1 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (597.36 KB) | DOI: 10.32520/stmsi.v10i1.1118

Abstract

AbstrakPhysical distancing kini sedang ramai menjadi perbincangan publik sebagai salah satu cara pemerintah dalam menekan penyebaran virus covid-19 yang sedang melanda beberapa negara di belahan dunia. Tidak tersaringnya cuitan terkait physical distancing bisa memunculkan berbagai macam opini, tidak hanya opini yang positif tapi juga yang negatif. Maka dari itu, Twitter di anggap lebih diminati oleh masyarakat indonesia dikarenakan twitter dirasa lebih mudah untuk mengungkapkan opininya. Metode yang digunakan yaitu Naive Bayes Classifier (NBC). Data terkumpul dilakukan filter dari cuitan tersebut dengan menghapus data yang double maka setelah di filter data yang terambil yaitu sebanyak 547 tweets. Pada perhitungan analisis sentimen terhadap physical distancing di tengah pandemi covid-19 menggunakan metode NBC memperoleh hasil akurasi sebesar 50,26%. Tujuan dari penelitian ini, agar dapat mengkategorikan opini negatif atau positif, dari pembahasan physical distancing. Nantinya informasi terkait kebijakan Physical Distancing bisa sampai tepat informasinnya kepada masayarakat.Kata Kunci: naïve bayes, physyical distancing, twitter  AbstractPhysical distancing is now busy becoming a public conversation as a way for the government to spread the Covid-19 virus which is currently hitting several countries around the world. There are public tweets related to physical distance that is free from various kinds of opinions, not only positive but also negative ones. Therefore, Indonesian people consider Twitter to be more desirable because it is easier for Indonesians to express their opinion. The method used is the Naive Bayes Classifier (NBC). The data collected was filtered from the tweets with double data, then after filtering the data were taken as many as 547 tweets. In calculating the sentiment analysis of physical distance in the middle of the Covid-19 pandemic using the NBC method, it gets an accurate result of 50.26%. The purpose of this study, to find and categorize negative or positive opinions, from the discussion of physical distancing. So that the implementation of the Physical Distance policy can get accurate information to the public.Keywords: naïve bayes, physical distancing, twitter
Sistem Informasi Program Persediaan Barang (Studi Kasus Pada TB. Harapan Mulya II) Nila Hardi; Henny Leidiyana
Journal of Students‘ Research in Computer Science Vol. 1 No. 2 (2020): November 2020
Publisher : Program Studi Informatika Fakultas Ilmu Komputer Universitas Bhayangkara Jakarta Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31599/jsrcs.v1i2.355

Abstract

A computer is a tool created to facilitate human work. In this era of information technology has achieved very good progress from the manufacture of hardware and software. TB. Harapan Mulya II is a trading company engaged in the sale of building materials. System on TB. Harapan Mulya II uses a system that is still manual, starting from recording user data, goods, customers, suppliers, incoming goods, items out, goods orders and the process of making reports relating to inventory. Allows the occurrence of errors in managing inventory, so that it can cause inaccurate inventory data. The research method used to compile this thesis uses the method of software development (waterfall) and data collection techniques include: Observation, interviews and literature study. By making the design of this program is the best solution to overcome the problems that exist today, as well as with computerized inventory of goods in this company so that all activities undertaken are better than the previous system. Keywords: Inventory, Program, Design Abstrak Komputer merupakan alat yang diciptakan untuk mempermudah pekerjaan manusia. Pada era sekarang ini teknologi informasi sudah mencapai kemajuan yang sangat baik dari pembuatan hardware maupun software nya. TB. Harapan Mulya II merupakan perusahaan dagang yang bergerak dibidang penjualan bahan bangunan. Sistem pada TB. Harapan Mulya II menggunakan sistem yang masih manual, mulai dari pencatatan data user, barang, customer, supplier, barang masuk, barang keluar, order barang dan proses pembuatan laporan yang berhubungan dengan persediaan barang. Memungkinkan terjadinya kesalahan dalam mengelola persediaan barang, sehingga dapat menyebabkan ketidak akuratan data persediaan yang ada. Metode penelitian yang digunakan untuk menyusun tugas akhir ini menggunakan metode pengembangan perangkat lunak (waterfall) dan teknik pengumpulan datanya meliputi: Observasi, wawancara dan studi pustaka. Dengan pembuatan perancangan program ini merupakan soulsi yang terbaik untuk mengatasi permasalahan yang ada saat ini, serta dengan terkomputerisasinya persediaan barang di perusahaan ini sehingga semua kegiatan yang dijalani menjadi lebih baik lagi dari sistem terdahulu Kata kunci: Persediaan, Perancangan, Program
Komparasi Algoritma MobileNet Dan Nasnet Mobile Pada Klasifikasi Penyakit Daun Teh Nila Hardi
Reputasi: Jurnal Rekayasa Perangkat Lunak Vol. 3 No. 1 (2022): Mei 2022
Publisher : LPPM Universitas Bina Sarana Informatika

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

Abstract

Daun teh tidak semuanya bisa dipanen dengan baik, karena ada beberapa penyakit daun yang dapat menyerang pertumbuhan daun teh itu sendiri. Penelitian dilakukan guna peningkatan kualitas daun teh yaitu melakukan klasifikasi terhadap penyakit dari daun teh. Dataset yang digunakan pada penelitian ini yaitu terdiri dari beberapa jenis penyakit daun teh yaitu algal spot, brown blight, gray blight, helopeltis, red spot dan juga healthy atau daun teh yang sehat. Sedangkan untuk metodenya, peneliti akan mengkomparasi metode MobilNet dan Nasnet Mobile pada klasifikasi penyakit daun teh tersebut. Dari hasil Komparasi antara metode MobilNet dan NasNet Mobile dalam klasifikasi penyakit daun teh, NasNet Mobile mendapatkan hasil akurasi sebesar 88% sedangkan MobileNet sebesar 95%
HIBAH DAN PELATIHAN APLIKASI SIYANDRY PADA PERUM LAUNDRY PONTIANAK Nurfia Oktaviani Syamsiah; Anna Anna; Windi Irmayani; Nila Hardi
PENA ABDIMAS : Jurnal Pengabdian Masyarakat Vol 4, No 1 (2023): Januari 2023
Publisher : LPPM Universitas Pekalongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31941/abdms.v4i1.2745

Abstract

Usaha laundry menjadi sebuah bentuk usaha yang sangat menjamur di wilayah perkotaan, tidak terkecuali di kota Pontianak. Laundry seperti sudah menjadi sebuah kebutuhan hidup bagi sebagian besar masyarakat perkotaan, karena menjadi penopang kebutuhan sandang manusia. Pengelolaan transaksi menjadi suatu hal yang krusial bagi sebuah usaha laundry, karena hal ini menjadi corong utama pergerakan dana serta kualitas layanan kepada pelanggan. Maka sistem untuk pengelolaan layanan laundry menjadi sebuah kebutuhan utama bagi perusahaan laundry. Tim pengabdian kepada masyarakat Universitas BSI telah melakukan kegiatan hibah, pelatihan dan implementasi aplikasi sistem layanan laundry (SIYANDRY) bagi usaha Perum Laundry. Kegiatan ini dilakukan mulai dari analisis kebutuhan hingga pelatihan dan pengumpulan questioner akhir kegiatan. Dari kegiatan pengabdian ini diketahui bahwa sistem layanan laundry (SIYANDRY) pada Perum Laundry dapat meningkatkan kecepatan dan ketepatan layanan transaksi laundry.Kata Kunci : laundry, whatsapp, aplikasi
Pengenalan Telapak Tangan Menggunakan Convolutionall Neural Network (CNN) Nila Hardi; Jenie Sundari
Reputasi: Jurnal Rekayasa Perangkat Lunak Vol. 4 No. 1 (2023): Mei 2023
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/reputasi.v4i1.1951

Abstract

Berbeda dengan atribut perilaku biometrik yang lainnya, telapak tangan (Palmprint) merupakan atribut yang cukup baru dalam biometrics. Pada mode sekarang, personal recognition system atau bahasa lainnya yaitu sistem pengenalan diri secara semakin hari semakin hari semakin menarik banyak peminat, sehingga kebutuhannyapun ikut meningkat khususnya dalam penerapan di sektor keamanan. Sistem pengenalan guna dijadikan sistem keamanan sudah banyak dikembangkan dengan menggunakan berbagai jenis atribut biometrik salah satunya dengan menggunakan pengenalan telapak tangan (Palmprint). Penelitian yang dilakukan memiliki tujuan guna melakukan Pengenalan Palmprint menggunakan Convolutionall Neural Network (CNN). CNN yang diterapakan pada penelitian ini yaitu metode Alexnet. Pada metode Alexnet diterapkan 3 tahapan yaitu tahap pertama diawali dengan pengumpulan dataset yang kemudian dilakukan proses Pre-processing sehingga citra yang dihasilkan ukurannya menjadi 64x64px. Tahap selanjutnya adalah Ekstraksi Fitur dengan 3 layer yaitu Convolutionall Layer, Pooling Layer, Fully Connected Layer, Pada implementasi implementasi Convolutionall Neural Network menggunakan 10 epoch. Hasil akurasi dari penelitian pengenalan Palmprint menggunakan metode Convolutionall Neural Network paling tinggi ditemukan pada epoch ke-9 yaitu 0,9701 atau jika diubah kedalam bentuk proporsi yaitu 97,01%.
Co-Authors Anna Anna Dwiza Riana Fani Nurona Cahya Gata, Windu Henny Leidiyana Jenie Sundari Muhammad Rifqi Firdaus Nurfia Oktaviani Syamsiah Popon Handayani Sri Hadianti Windi Irmayani Yuris Alkahfi