Garuda - Garba Rujukan Digital

Analisa Feature Citra Darah Menggunakan Metode Histogram Supatman Supatman
JMAI (Jurnal Multimedia & Artificial Intelligence) Vol. 1 No. 1 (2017): Jurnal Multimedia dan Artificial intelligence
Publisher : LPPM Universitas Mercu Buana Yogyakarta

Darah manusia adalah cairan di dalam tubuh yang berfungsi untuk mengangkut oksigen yang diperlukan oleh sel-sel di seluruh tubuh. Sistem A-B-O mengolongkan darah menjadi 4 golongan yaitu A, AB, B dan O. Identifikasi golongan darah dilakukan dengan tes antigen pada sampel darah yang akan diujinya. Teknologi pengolahan image memungkinkan identifikasi dilakukan dengan analisa citra darah dengan pendekatan warna. Dengan ciri feature histogram yaitu rata-rata, standar deviasi, varian, entropy, skewness dan kurtosisi dapat dilakukan analisa terhadap warna darah yang dapat mengidentifikasi golongan darah sesuai dengan sistem A-B-O. Hasil analisa feature : rata-rata, standar deviasi, varian, entropy, skewness dan kurtosisi memberikan hasil : Ciri rata-rata dari histogram tidak dapat memberikan nilai gap antara golongan darah A, AB, B dan O; Semakin tinggi/besar size dari resolusi citra maka nilai ciri ciri rata-rata, standar deviasi, varian,entropy semakin besar kecuali kewness dan kurtosis berbanding terbalik dengan resolusinya ; Ciri standar deviasi, varian, entropy, skewness dan kurtosis memberikan nilai gap antara golongan darah A, AB, B dan O sehingga dapat dipergunakan sebagai ciri maupun vektor ciri dalam identifikasi citra golongan darah; uji beda rerata dari vektor ciri yang terdiri dari standar deviasi, varian, entropy, skewness dan kurtosis antara Golongan Darah A, AB, B dan O memiliki beda rata-rata yang signifikan lebih kecil dari 0.05.

Sistem Pakar Deteksi Buta Warna Menggunakan Metode Neural Network Lugas Lukmanul Hakim; Supatman Supatman
JMAI (Jurnal Multimedia & Artificial Intelligence) Vol. 1 No. 2 (2017): Jurnal Multimedia dan Artificial intelligence
Publisher : LPPM Universitas Mercu Buana Yogyakarta

Mata merupakan salah satu organ tubuh manusia yang memiliki fungsi sebagai alat penglihatan, dengan pengelihatannya manusia dapat menikmati keindahan ciptaan Yang Maha Kuasa. Buta warna merupakan salah satu kelainan mata yang disebabkan ketidakmampuan sel-sel kerucut mata untuk menangkap suatu spektrum warna tertentu yang disebabkan oleh faktor genesis. Tentu kelainan ini memberikan dampak tersendiri pada penderitanya. Metode ishihara adalah salah satu metode yang paling populer digunakan dalam melakukan tes buta warna, yaitu berupa lembar-lembar yang bergambar titik-titik yang membentuk pola tertentu yang akan terbaca oleh mata normal.Penelitian ini mendesain sistem pakar untuk mendeteksi buta warna pada manusia. Metode neural network yang dilearning dengan lembar-lembar ishihar dipergunakan sebagai basis data cerdas sistem pakar untuk dapat mendeteksi jenis buta warna seseorang melalui tes-tes lembar ishihara yang di berikan. Kemampuan sistem pakar ini dideain untuk mengenali empat jenis mata yaitu mata normal, buta warna parsial, buta warna parsial defisiensi warna merah hijau dan buta warna total. Data pelatihan yang digunakan untuk melatih sistem ini berjumlah 35 data dan pengujian 33 data yang terbagi menjadi empat kelas. Hasil pelatihan dan pengujian pada parameter neural network berjenis LVQ alfa 0,5 dengan perincian pengujian buta warna parsial sebanyak tiga, buta warna parsial defisiensi warna merah hijau sebanyak enam dan buta warna total sebanyak dua diperoleh unjukkerja dengan tingkat persentase keberhasilan yaitu 100%.

Identifikasi Citra Daun Teh Menggunakan Metode Histogram untuk Deteksi Dini Serangan Awal Hama Empoasca Christophorus Candra Kusumadewa; Supatman Supatman
JMAI (Jurnal Multimedia & Artificial Intelligence) Vol. 2 No. 1 (2018): Jurnal Multimedia & Artificial Intelligence
Publisher : LPPM Universitas Mercu Buana Yogyakarta

Mata merupakan salah satu organ tubuh manusia yang memiliki fungsi sebagai alat penglihatan, dengan pengelihatannya manusia dapat menikmati keindahan ciptaan Yang Maha Kuasa. Buta warna merupakan salah satu kelainan mata yang disebabkan ketidakmampuan sel-sel kerucut mata untuk menangkap suatu spektrum warna tertentu yang disebabkan oleh faktor genesis. Tentu kelainan ini memberikan dampak tersendiri pada penderitanya. Metode ishihara adalah salah satu metode yang paling populer digunakan dalam melakukan tes buta warna, yaitu berupa lembar-lembar yang bergambar titik-titik yang membentuk pola tertentu yang akan terbaca oleh mata normal.Penelitian ini mendesain sistem pakar untuk mendeteksi buta warna pada manusia. Metode neural network yang dilearning dengan lembar-lembar ishihar dipergunakan sebagai basis data cerdas sistem pakar untuk dapat mendeteksi jenis buta warna seseorang melalui tes-tes lembar ishihara yang di berikan. Kemampuan sistem pakar ini dideain untuk mengenali empat jenis mata yaitu mata normal, buta warna parsial, buta warna parsial defisiensi warna merah hijau dan buta warna total. Data pelatihan yang digunakan untuk melatih sistem ini berjumlah 35 data dan pengujian 33 data yang terbagi menjadi empat kelas. Hasil pelatihan dan pengujian pada parameter neural network berjenis LVQ alfa 0,5 dengan perincian pengujian buta warna parsial sebanyak tiga, buta warna parsial defisiensi warna merah hijau sebanyak enam dan buta warna total sebanyak dua diperoleh unjukkerja dengan tingkat persentase keberhasilan yaitu 100%.

Identifikasi Mangga Harum Manis Karbitan dan Tidak Karbitan Dengan Learning Vector Quantization Wahyu Puspitaningrum; Supatman Supatman
JMAI (Jurnal Multimedia & Artificial Intelligence) Vol. 2 No. 2 (2018): Jurnal Multimedia & Artificial Intelligence
Publisher : LPPM Universitas Mercu Buana Yogyakarta

Buah mangga memiliki banyak jenis salah satunya adalah mangga harum manis. Kematangan buah mangga arum manis ada yang alamiah atau melalui proses pengkarbitan. Karbit adalah kepanjangan dari kalsium karbida. Karbit biasanya digunakan dalam proses las karbit dan juga dapat mempercepat pematangan buah.Pengambilansample dilakukan pada dua jenis kematangan mangga harum manis yaitu mangga harum manis karbitan dan tidak karbitan. Pengembangan algoritma yang dilakukan bertujuan untuk mengidentifikasi mangga harum manis yang dapat membedakan kematangan mangga karbitan dan tidak karbitan menggunakan Learning Vector Quantization (LVQ).Ciri yang digunakan untuk mengidentifikasi citra mangga adalah rata-rata, varian dan standar deviasi.Jumlah data pelatihan yang digunakan terdiri dari 2 kelas(kelas 1: mangga karbitan, kelas 2: mangga tidak karbitan), dan masing-masing kelas berjumlah 30 data pelatihandengan total data berjumlah 60 data pelatihan. Sedangkan untuk data uji masing-masing kelas menggunakan 25 data uji dengan total berjumlah 50 data uji.Pada proses pelatihan menggunakan parameter LVQ alfa 0.001 dengan dec alfa 0.9, diperoleh unjuk kerja terbaik sebesar 98.33%. Bobot akhir yang diperoleh dari unjukkerja terbaik pada pelatihan digunakan untuk melakukan pengenalan. Unjuk kerja terbaik dari 50 data uji mencapai 98%dengan perincian 96 % mangga karbitan dan 100 % mangga tidak karbitan.

Identifikasi Daging Sapi Segar Dan Beku Menggunakan Learning Vector Quantization Lilis Cahyono; Supatman Supatman
JMAI (Jurnal Multimedia & Artificial Intelligence) Vol. 2 No. 2 (2018): Jurnal Multimedia & Artificial Intelligence
Publisher : LPPM Universitas Mercu Buana Yogyakarta

Di Indonesia harga daging sapi cukup mahal, hal ini terjadi karena mata rantai distribusi yang sangat panjang dari peternak hingga ke tangan konsumen, sehingga diperlukan biaya yang sangat tinggi untuk membeli daging sapi. Dengan mahalnya daging sapi tersebut ada beberapa oknum yang berusaha mencampur kualitas kesegaran daging sapi dengan mencampurnya antara daging yang baru dipotong dengan daging yang sudah dipotong beberapa waktu. Kondisi ini sangat merugikan konsumen yang membeli daging sapi.Saat ini identifikasi daging dilakukan secara kasat mata maupun dengan menekan dagingnya untuk mengetahui tekstur daging. Cara ini memiliki banyak kelemahan bila para konsumen tidak jeli untuk membedakan kualitas kesegaran daging sapi. Perkembangan ilmu pengetahuan dan teknologi pengolahan citra digital memungkinkan untuk memilih kualitas kesegaran daging sapi tersebut secara otomatis dengan bantuan aplikasi pengolahan citra.Tujuan dari penelitian ini adalah mengembangkan algoritma untuk mengidentifikasi daging sapi segar dan sapi beku menggunakan Learning Vector Quantization (LVQ). Jumlah data pelatihan yang digunakan terdiri dari 2 kelas (kelas 1 : kelas daging segar dan kelas 2 : daging sapi beku), masing-masing kelas berjumlah 15 data pelatihan, jadi total data berjumlah 30 data pelatihan. Sedangkan untuk data uji masing-masing kelas menggunakan 20 data uji dengan total berjumlah 40 data uji. Pada proses pelatihan menggunakan Learning Vector Quantization diperoleh unjuk kerja identifikasi terbaik sebesar 96,67% pada parameter dec alfa (decα) 0,75 dengan alfa (α) 0,00001. Bobot akhir yang diperoleh dari hasil learning tersebut kemudian digunakan untuk melakukan pengenalan data uji. Unjuk kerja terbaik pengujian dengan presentase komulatif mencapai 80% yaitu data mengenali daging segar 12 pada kelas 1 dan data mengenali daging sapi beku 20 pada kelas 2.

Sistem Pendukung Keputusan Penentuan Status Gizi Balita Dengan Metode Fuzzy Tahani (Menggunakan Standar Antropometri Anak) Sumedi Joko Susilo; Supatman Supatman
Jurnal Informa : Jurnal Penelitian dan Pengabdian Masyarakat Vol 7 No 1 (2021): Juni
Publisher : Politeknik Indonusa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46808/informa.v7i1.192

Pertumbuhan manusia pada usia balita adalah laju pertumbuhan yang paling penting, pada waktu itu mengalami pertumbuhan yang krusial karena sangat menentukan kehidupan balita tersebut di usia selanjutnya. Karena pada usia ini tumbuh kembang balita sangatlah pesat. Salah satu permasalahan yang ditemui dalam bidang kesehatan adalah gizi balita. Dalam menentukan gizi balita menggunakan beberapa kreteria – kriteria antara lain jenis kelamin, usia balita, berat badan dan panjang badan/tinggi badan. Untuk membantu dalam pemantuan gizi balita dalam penelitian ini menggunakan metode fuzzy tahani dengan menggunakan standar antropometri anak. Berdasarkan hasil pengujian terhadap sistem pendukung keputusan (SPK) status gizi balita yang telah dibangun dengan menggunakan metode fuzzy Tahani dan pengujian menggunakanstandar baku antropometri memiliki hasil 85,71% dari 35 data yang diujikan terdapat 5 yang tidak sesuai, sehingga dapat disimpulkan bahwa unjuk kerja sistem berhasil.

Aplikasi Diagnosa Sindrom Nomophobia Pada Remaja Dengan Sistem Pakar Berbasis Android Herdin Muryanto; Supatman Supatman
Jurnal Informa : Jurnal Penelitian dan Pengabdian Masyarakat Vol 7 No 2 (2021): Desember
Publisher : Politeknik Indonusa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46808/informa.v7i2.198

Seiring berkembangnya teknologi dan alat komunikasi modern, handphone salah satunya sebagai alat komunikasi dan mesin pencari informasi di era teknologi di kalangan remaja yang berdampak negatif pada kesehatan mental dan emosional remaja jika tidak dapat mengontrol diri dalam penggunaannya. Fenomena ini disebut nomophobia (no-mobile phone phobia) yang merupakan jenis fobia baru yang ditandai dengan ketakutan dan ketakutan yang berlebihan jika seseorang tdak dapat terhubung ke ponselnya. Untuk mengetahui apakah memiliki fobia ponsel adalah langsung dengan psikologi. Namun terdapat beberapa orang yang tidak dapat meluangkan waktu dan mengeluarkan uang untuk kegiatan psikologi. Dengan adanya permasalahan tersebut, pada penelitian ini bertujuan untuk merancang sebuah aplikasi diagnosa nomophobia untuk remaja berbasis android. Penelitian ini didasarkan pada pengetahuan ahli psikologi yang diperoleh melalui metode wawancara. Aplikasi diagnosa ini berjalan pada perangkat mobile Android dengan bahasa pemrograman Java dan menggunakan metode sistem pakar. Berdasakan hasil pengujian dari diagnosa pakar dan diagnosa sistem diperoleh tingkat akurasi sebesar 100% dari 17 data uji dan tingkat penerimaan pengguna untuk aplikasi cukup baik pada uji UAT yang dilakukan ke 11 remaja sebesar 84,21%. Sehingga diharapkan dapat membantu remaja dalam mendiagnosa fobia nomophobia ini sejak dini dan memberikan solusi pencegahannya.

IMAGERY IDENTIFICATION OF TOMATOES WHICH CONTAIN PESTICIDES USING LEARNING VECTOR QUANTIZATION Ade Sumarsono; Supatman Supatman
Jurnal Teknik Informatika (Jutif) Vol. 2 No. 1 (2021): JUTIF Volume 2, Number 1, June 2021
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20884/1.jutif.2021.2.1.15

Tomatoes have a risk of carrying pesticides above the maximum residue limit (MRL) because the fruit is directly sprayed with pesticides during its production process. Pesticide residue in farmers’ produce pose indirect effects to the consumers, but in the long run, it may cause health problems such as neural disorders as well as enzyme metabolism. This research identifies the image of tomatoes containing pesticides by using two types of tomatoes were used as samples, namely tomatoes which contain pesticides, and those which do not contain pesticides. This research aims to develop an algorithm to identify tomatoes that contain pesticides and those which do not contain pesticides using Learning Vector Quantization (LVQ). The characteristics used to identify tomato images are average, variant, and standard deviation. This research consisted of two classes and used 40 training image data and 40 test image data for each class. During the training process using LVQ parameters, there were 98.75% best percentage at alpha 0.001 and decalpha 0.9 with the lowest iteration of 3. The final weight obtained from the parameters was then used to perform test data identification. In terms of the best performance on the test data, it was with alpha 0.001 and decalpha 0.9, which reached 97.5%.

Sistem Pendukung Keputusan Pemilihan Supplier Pada PT. Avo Innovation Technology Dengan Metode Simple Addivite Weighting (SAW) Ahmad Ramadhan; Supatman Supatman
Jurnal Teknologi Dan Sistem Informasi Bisnis Vol 4 No 2 (2022): Juli 2022
Publisher : Prodi Sistem Informasi Universitas Dharma Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47233/jteksis.v4i1.484

Subjective decision making can lead to errors in supplier selection. In the selection of suppliers, the OEM (Original Equipment Manufacturing) Department has difficulty in choosing suppliers, because many suppliers have submitted offers of cooperation. Therefore, we need a supplier selection decision support system so that the OEM department can determine the appropriate supplier in purchasing products, services and materials. This decision support system uses the SAW (Simple Additive Weighting) method where this method is used to overcome existing problems, because there are many alternatives and criteria that must be considered in supplier selection such as legality, quality management, production capacity, production quality and innovation. From the tests carried out by comparison through Microsoft Excel and the web-based SAW program at PT Avo Innovation Technology using 13 data suppliers to test system performance. It was concluded from the test that the percentage of system performance was 100%, so that this system could be implemented in the company.

UMKM Clusterization with Unsupervised Neural Networks Method for Accounting by Business Capital Supatman Supatman; Sri Ayem
TAMANSISWA INTERNATIONAL JOURNAL IN EDUCATION AND SCIENCE Vol 2 No 1 (2020): October 2020
Publisher : Universitas Sarjanawiyata Tamansiswa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30738/tijes.v2i1.7698

UMKM menurut pasal (6) UU nomor 20 tahun 2008 berdasarkan asset dan omset dibagi menjadi tiga kriteria yaitu UMi (Usaha Mikro), UK (Usaha Kecil) dan UM (Usaha Menengah). Sementara itu variabel dalam laporan BPS terkait UMKM meliputi Unit Usaha, Tenaga Kerja, PDB atas usaha yang berlaku, PDB atas dasar harga konstan 2000, Total Ekspor Non Migas, Investasi atas dasar harga berlaku, Investasi atas dasar harga konstan 2000. Sehingga pendekatan untuk melakukan kriteria berdasarkan asset dan omset relatif lemah mengingat secara rinci terdapat 7 variabel pendukung kriteria (berdasarkan data BPS).Unsupervised Neural Networks merupakan metode klusterisasi pembelajaran mandiri yang dapat melakukan klaterisasi data berdasarkan jarak eucledian data. SOM-Kohonen merupakan salah satu jenis Unsupervised Neural Networks yang digunakan untuk klasterisasi UMKM pada penelitian ini. Berdasarkan pengujian menggunakan data UMKM tahun 2010 â€“ 2018, dengan parameter pelatihan alfa : 0.1, decalfa 0.2, iterasi 500 diperoleh hasil bahwa kluster UMKM terkluster menjadi 2 dengan perincian Umi tetap sebagai kluster Umi, sedangkan UK dan UM menggabung menjadi satu kluster.Berdasarkan hasil klusterisasi menggunakan unsupervised neural networks dengan SOM-Kohonen yaitu dua klaster, maka direkomendasikan pemodalan dibagi menjadi dua sesuai dengan klusternya.Â Keywords: Accounting, Business, Clusterization, UMKM, Unsupervised, Neural Networks, SOM-Kohonen.

Title

Found 17 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 17 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 17 Documents
Search