Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Telematika : Jurnal Informatika dan Teknologi Informasi KOMPUTA : Jurnal Ilmiah Komputer dan Informatika JISKa (Jurnal Informatika Sunan Kalijaga)
Shofwatul Uyun
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Library & Information Science

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Stock Data Clustering of Food and Beverage Company Shofwatul Uyun; Subanar Subanar
IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol 1, No 2 (2007): July
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijccs.2279

Abstract

AbstractCluster analysis can be defined as identifying groups of similar objects to discover distribution of patterns and interesting correlations in large data sets. Clustering analysis is important in the fields of pattern recognition and pattern classification. Over the years many methods have been developed for clustering data. In general, clustering methods can be categoried into two categories, i.e., fuzzy clustering and hard clustering. Fuzzy C-means is one of many methods of clustering based on fuzzy approach, while K-Means and K-Medoid are methods clustering based on crisp approach.This study aims to apply Fuzzy C-Means, K-Means and K-Medoid methods for clustering stock data in a jbod and beverage company. The main goal is to find a clustering method that can produce optimal clusters, The resulting clusters are validated using Dunn'• Index (DI). It is expected that the result of this reseach can be used to support decision making in the food and beverage company.Keywords : Clustering, Fuzzy C-Means, K-Means, K-Medoid, Cluster Validity, Dunn's Index (Dl)
PENGENALAN WAJAH DUA DIMENSI MENGGUNAKAN MULTI-LAYER PERCEPTRON BERDASARKAN NILAI PCA DAN LDA Shofwatul Uyun; Muhammad Fadzlur Rahman
Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 2 No 1 (2013): Komputa : Jurnal Ilmiah Komputer dan Informatika
Publisher : Program Studi Teknik Informatika - Universitas Komputer Indonesia (UNIKOM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (641.5 KB) | DOI: 10.34010/komputa.v2i1.77

Abstract

Manusia memiliki kecerdasan multi intelligence yang sangat kompleks sehingga secara otomatis mampu mengenali seseorang yang pernah ditemui. Saat ini banyak sekali sistem pengenalan wajah yang sedang dikembangkan baik secara supervised maupun unsupervised. Jaringan Syaraf Tiruan (JST) merupakan salah satu metode supervised, dimana salah satu metode pembelajarannya disebut dengan Multi-Layer Perceptron (MLP). Penentuan banyaknya node pada hidden layer secara tepat mempengaruhi kinerja dari MLP pada sistem pengenalan wajah. Penelitian ini menggunakan 12 citra wajah sebagai data latih yang diekstraksi menjadi covarian matriks lalu diambil nilai eigen dari setiap data citra menggunakan metode principal component analysis (PCA) dan linear discriminant analysis (LDA). Setiap data menghasilkan 4 nilai eigen yang menjadi masukan pada algoritma pelatihan MLP yang menghasilkan nilai bobot optimal yang menjadi acuan untuk mengenali citra wajah. Berdasarkan hasil pengujian dan perbandingan variasi nilai parameter yang digunakan untuk mengenali citra wajah telah didapatkan nilai akurasi optimal sebesar 77,77%. Aristektur dari MLP tersebut terdiri atas : 4 node di input layer, 8 node di hidden layer dan 3 node di output layer dengan nilai epoch pelatihan sebesar 60x104.
Classification of Damaged Road Images Using the Convolutional Neural Network Method Arif Riyandi; Tony Widodo; Shofwatul Uyun
Telematika Vol 19, No 2 (2022): Edisi Juni 2022
Publisher : Jurusan Teknik Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31315/telematika.v19i2.6460

Abstract

Objective: Automatic identification is carried out with the help of a tool that can take an image of road conditions and automatically distinguish the types of road damage, the location of road damage in the image and calculate the level of road damage according to the type of road damage.Design/method/approach: Identification of damaged roads usually uses manual RCI system which requires high cost. In this study, a comparison framework is proposed to determine the performance of the image pre-processing model on the image classification algorithm.Results: Based on 733 image data classified using the CNN method from 4 models of pre-processing stages, it can be concluded that training from grayscale images produces the best level of accuracy with a training accuracy value of 88% and validation accuracy reaching 99%.Authenticity/state of the art: Testing of 4 pre-processing models against the classification algorithm used as a comparison resulted in the best algorithm/method for managing road images.
Pengaruh Penggunaan Information Gain untuk Seleksi Fitur Citra Tanah dalam Rangka Menilai Kesesuaian Lahan pada Tanaman Cengkeh Danang Aji Bimantoro; Shofwatul Uyun
JISKA (Jurnal Informatika Sunan Kalijaga) Vol. 2 No. 1 (2017): Mei 2017
Publisher : UIN Sunan Kalijaga Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (465.103 KB) | DOI: 10.14421/jiska.2017.21-06

Abstract

Cengkeh merupakan komoditas perkebunan yang memiliki nilai ekonomis cukup tinggi sehingga perlu penambahan lahan untuk meningkatkan produksinya. Penentuan lahan baru yang tepat perlu mempertimbangkan banyak faktor, salah satunya adalah karakteristik sifat tanah itu sendiri. Kesesuaian lahan untuk tanaman cengkeh dapat dibedakan secara visual menggunakan citra berdasarkan fitur warna dan tekstur. Parameter yang digunakan dari hasil ekstraksi kedua fitur tersebut adalah nilai rata-rata dari (red, green, blue) serta (mean, variance, kurtosis, skewness, entropy). Penggunaan seluruh parameter tersebut tidak berkolerasi positif dengan hasil akurasi penilaian kesesuaian lahan untuk tanaman cengkeh. Oleh Karena itu perlu dilakukan proses seleksi fitur untuk mendapatkan parameter yang memiliki pengaruh dalam penentuan hasil pengenalan lahan. Pada penelitian ini dilakukan analisis pengaruh penggunaan information gain untuk seleksi fitur citra tanah dalam rangka menilai kesesuaian lahan pada tanaman cengkeh. Jumlah data yang digunakan pada penelitian ini adalah 50 citra yang terbagi menjadi dua citra tanah  yang sesuai dan tidak sesuai untuk tanaman cengkeh. Tahapan penelitian ini diawali dengan akuisisi citra, pra pengolahan terhadap citra, ekstraksi fitur, seleksi fitur, clustering dilanjutkan dengan analisis. Hasil analisis menunjukkan penggunaan fitur hasil dari proses seleksi fitur menggunakan information gain terbukti mampu meningkatkan nilai akurasi. Hasil pengujian menunjukkan tingkat akurasi penggunaan fitur tanpa proses seleksi hanya 50%, sedangkan fitur terpilih dari hasil seleksi menggunakan information gain dengan nilai threshold 0,7 naik menjadi 88%.Kata Kunci: pengolahan citra digital, information gain, fuzzy c-means, tanah, cengkeh
Co-Authors Arif Riyandi Danang Aji Bimantoro Muhammad Fadzlur Rahman subanar subanar Tony Widodo