Article Per Year (5 Year)
p-Index From 2019 - 2024
0.444
P-Index
This Author published in this journals
All Journal Jurnal Buana Informatika INTEGER: Journal of Information Technology Jifosi Letters in Information Technology Education (LITE)
Eka Prakarsa Mandyartha
Unknown Affiliation
Computer Science & IT Education

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
Identifikasi Sel Darah Merah Bertumpuk Menggunakan Pohon Keputusan Fuzzy Berbasis Gini Index Mandyartha, Eka Prakarsa; Kurniawan, Muchammad; Perdana, Rizal Setya
Jurnal Buana Informatika Vol 6, No 1 (2015): Jurnal Buana Informatika Volume 6 Nomor 1 Januari 2015
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (717.118 KB)

Abstract

Pendekatan teknik data mining diusulkan untuk identifikasi sel darahmerah bertumpuk pada citra makroskopik sel darah untuk meningkatkan akurasipenghitungan jumlah sel darah merah. Fitur yang digunakan adalah geometri danwarna. Fitur geometri terdiri dari luasan dan eksentrisitas sel. Pada prosesidentifikasi digunakan pendekatan fuzzy. Setiap fitur direpresentasikan denganfungsi keanggotaan fuzzy. Identifikasi dilakukan berdasarkan aturan yangdiperoleh dari pohon keputusan fuzzy yang dibangkitkan. Pencabangan multisplitdigunakan pada pohon keputusan fuzzy. Pengukuran split atribut menggunakannilai gini index. Hasil pengujian pada 10 citra makroskopik sel darah yangmengandung 532 sel darah merah menunjukkan bahwa metode yang diusulkanmemiliki rata-rata akurasi sebesar 96,14%. Dengan akurasi yang tinggidiharapkan dapat meningkatkan akurasi diagnosis penyakit berdasarkan jumlahsel darah merah.
Pembangkitan Data Uji Menggunakan Algoritma Genetika Multi-populasi Fuzzy Adaptif Mandyartha, Eka Prakarsa
INTEGER: Journal of Information Technology Vol 2, No 1 (2017): Maret 2017
Publisher : Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (305.611 KB) | DOI: 10.31284/j.integer.2017.v2i1.98

Abstract

Abstract. Test Data Generation using Fuzzy Adaptive Multi-population Genetic Algorithm . Test data generation techniques based on genetic algorithm has been widely applied. As consequences, the time required in the software testing process can be reduced. The test data is used to detect software defects. This study proposes a genetic algorithm for generating test data to execute all the branches in a program. Control flow graph generated from the program to illustrate the flow of the program code, which contains branches. Branch target selected from sub-populations. Fuzzy adaptive is employed to obtain genetic parameters dynamically based on search conditions. Experimental results show that the proposed method when applied to a set of program which has many branches, better than the multi-population genetic algorithm that genetic parameters are static, in terms of the number of executions and the computation time. If test data can be obtained quickly, then the software defects can be found early.Keywords: multi-population genetic algorithm, adaptive fuzzy, software quality, data test generation, search-based testing Abstrak. Teknik pembangkitan data uji berbasis algoritma genetika telah diaplikasikan secara luas agar waktu yang diperlukan dalam proses pengujian perangkat lunak dapat dikurangi. Data uji digunakan untuk mendeteksi adanya cacat perangkat lunak. Pada penelitian ini diusulkan algoritma genetika sebagai pembangkit data uji untuk mengeksekusi semua cabang dalam sebuah program. Control flow graph dibangkitkan dari sebuah kode program untuk menggambarkan aliran kode program, yang berisi cabang-cabang. Cabang target dipilih dari sub-sub populasi. Fuzzy adaptif digunakan untuk memperoleh parameter genetika secara dinamis berdasarkan kondisi pencarian. Pendekatan algoritma genetika yang diusulkan ini ketika diterapkan pada kumpulan program dengan jumlah cabang yang sangat banyak, telah ditunjukkan secara eksperimental bahwa lebih baik, dalam hal jumlah eksekusi dan waktu komputasi, dibandingkan dengan algoritma genetika multi-populasi yang parameter genetikanya bersifat statis. Dengan data uji yang dapat diperoleh secara cepat maka cacat perangkat lunak dapat ditemukan lebih dini.Kata Kunci: algoritma genetika multi-populasi, fuzzy adaptif, kualitas perangkat lunak, pembangkitan data uji, pengujian berbasis pencarian
Three-level Local Thresholding Berbasis Metode Otsu untuk Segmentasi Leukosit pada Citra Leukemia Limfoblastik Akut Mandyartha, Eka Prakarsa; Fatichah, Chastine
Jurnal Buana Informatika Vol 7, No 1 (2016): Jurnal Buana Informatika Volume 7 Nomor 1 Januari 2016
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (672.303 KB) | DOI: 10.24002/jbi.v7i1.483

Abstract

Abstract. Segmentation of Acute Lymphoblastic Leukemia (ALL) images can be used to identify the presence of ALL disease. In this paper, three-level local thresholdings based on Otsu method is presented for leucocytes segmentation in ALL image. Firstly, a method based on Gram-Schmidt orthogonalization theory is applied to partition the input image into several sub-images. The proposed method extends Otsu’s bi-level thresholding to three-level thresholding method  to find two local threshold values that maximize between-class variance. Using the two local threshold values and three-level local thresholding technique then segmenting each of sub-images into three regions, e.g. nucleus, cytoplasm, and background. To evaluate the performance of the proposed method, 32 peripheral blood smear images are used. The performance of the proposed method is compared with manually segmented ground truth using Zijdenbos similarity index (ZSI), precision, and recall. An experimental evaluation demonstrates superior performance over three-level global thresholding for ALL image segmentation.Keywords: three-level local thresholding, acute lymphoblastic leukemia, three-level Otsu thresholding, gram-schmidt orthogonalizationAbstrak. Segmentasi citra Limfoblastik Leukemia Akut (LLA) dapat digunakan untuk mengidentifikasi kehadiran penyakit LLA. Pada penelitian ini diusulkan metode three-level local thresholding berbasis metode Otsu untuk segmentasi leukosit pada citra LLA. Pertama-tama, metode berbasis teori ortogonalisasi Gram-Schmidt diaplikasikan untuk membagi citra LLA menjadi sub-sub citra. Metode yang diusulkan memperluas metode bi-level thresholding Otsu ke dalam kasus three-level thresholding untuk pencarian dua nilai ambang lokal tiap sub-citra yang memaksimumkan varian antar kelas. Dengan nilai ambang jamak lokal tersebut, teknik three-level local thresholding selanjutnya  mensegmentasi tiap sub-citra ke dalam tiga region, yaitu nukelus, sitoplasma, dan latar belakang. Untuk mengevaluasi performa metode usulan, 32 citra uji digunakan. Performa metode yang diusulkan dibandingkan dengan citra segmentasi manual menggunakan Zijdenbos similarity index (ZSI), presisi, dan recall. Hasil uji coba menunjukkan performa three-level local thresholding lebih unggul daripada metode three-level global thresholding untuk segmentasi citra LLA. Kata Kunci: three-level local thresholding, leukemia limfoblastik akut, three-level Otsu thresholding, ortogonalisasi gram-schmidt
Gamification of Assessment Test through Multiple Question Paths to Facilitate Participants’ Autonomy and Competence Atmaja, Pratama Wirya; Mandyartha, Eka Prakarsa
Letters in Information Technology Education (LITE) Vol 3, No 1 (2020)
Publisher : Universitas Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (743.184 KB) | DOI: 10.17977/um010v3i12020p009

Abstract

Gamifying activities to make them more game-like is one of the hottest trends in various fields, including education. Among the factors influencing the success of gamification for education are the participants’ sense of autonomy and competence, which can be facilitated with the incorporation of multiple learning paths. However, the use of multiple question paths in gamified assessment tests is still under-studied. This mixed-method study was aimed at exploring the matter through a paper-based and gamified assessment test in higher education. A controlled experiment was conducted in a calculus course in an informatics department. The experimental group (n = 38) undertook a gamified written test, and the control group (n = 37) undertook a regular one. The gamified test consisted of several Hard and Medium Questions, and each participant would choose a question path containing some of the questions. Nine question paths were available with varying ratios between Hard and Medium Questions, and the participants were allowed to ask for two hints on the Hard ones. A questionnaire, based on the EGameFlow model, was used to assess the gamified test. The results show that the gamified test was able to facilitate the participants’ sense of autonomy but not their sense of competence, which was due to flaws of the test. Two additional positive effects of the test on the participants’ knowledge improvement and Flow experience are identified. The path selection pattern among the participants and the flaws of the gamified test are also discussed.
Identifikasi Sel Darah Merah Bertumpuk Menggunakan Pohon Keputusan Fuzzy Berbasis Gini Index Mandyartha, Eka Prakarsa; Kurniawan, Muchammad; Perdana, Rizal Setya
Jurnal Buana Informatika Vol 6, No 1 (2015): Jurnal Buana Informatika Volume 6 Nomor 1 Januari 2015
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v6i1.398

Abstract

Pendekatan teknik data mining diusulkan untuk identifikasi sel darahmerah bertumpuk pada citra makroskopik sel darah untuk meningkatkan akurasipenghitungan jumlah sel darah merah. Fitur yang digunakan adalah geometri danwarna. Fitur geometri terdiri dari luasan dan eksentrisitas sel. Pada prosesidentifikasi digunakan pendekatan fuzzy. Setiap fitur direpresentasikan denganfungsi keanggotaan fuzzy. Identifikasi dilakukan berdasarkan aturan yangdiperoleh dari pohon keputusan fuzzy yang dibangkitkan. Pencabangan multisplitdigunakan pada pohon keputusan fuzzy. Pengukuran split atribut menggunakannilai gini index. Hasil pengujian pada 10 citra makroskopik sel darah yangmengandung 532 sel darah merah menunjukkan bahwa metode yang diusulkanmemiliki rata-rata akurasi sebesar 96,14%. Dengan akurasi yang tinggidiharapkan dapat meningkatkan akurasi diagnosis penyakit berdasarkan jumlahsel darah merah.
Identifikasi Sel Darah Merah Bertumpuk Menggunakan Pohon Keputusan Fuzzy Berbasis Gini Index Eka Prakarsa Mandyartha; Muchammad Kurniawan; Rizal Setya Perdana
Jurnal Buana Informatika Vol. 6 No. 1 (2015): Jurnal Buana Informatika Volume 6 Nomor 1 Januari 2015
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v6i1.398

Abstract

Pendekatan teknik data mining diusulkan untuk identifikasi sel darahmerah bertumpuk pada citra makroskopik sel darah untuk meningkatkan akurasipenghitungan jumlah sel darah merah. Fitur yang digunakan adalah geometri danwarna. Fitur geometri terdiri dari luasan dan eksentrisitas sel. Pada prosesidentifikasi digunakan pendekatan fuzzy. Setiap fitur direpresentasikan denganfungsi keanggotaan fuzzy. Identifikasi dilakukan berdasarkan aturan yangdiperoleh dari pohon keputusan fuzzy yang dibangkitkan. Pencabangan multisplitdigunakan pada pohon keputusan fuzzy. Pengukuran split atribut menggunakannilai gini index. Hasil pengujian pada 10 citra makroskopik sel darah yangmengandung 532 sel darah merah menunjukkan bahwa metode yang diusulkanmemiliki rata-rata akurasi sebesar 96,14%. Dengan akurasi yang tinggidiharapkan dapat meningkatkan akurasi diagnosis penyakit berdasarkan jumlahsel darah merah.
IMPLEMENTASI NAÏVE BAYES CLASSIFIER UNTUK MENDIAGNOSIS PENYAKIT INTELLECTUAL DISABILITY Serlynda Dwi Rosalina; Intan Yuniar Purbasari; Eka Prakarsa Mandyartha
Jurnal Informatika dan Sistem Informasi Vol. 3 No. 2 (2022): Jurnal Informatika dan Sistem Informasi (JIFOSI)
Publisher : Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/jifosi.v3i2.489

Abstract

Intellectual Disability merupakan keadaan dimana seorang anak mempunyai kemampuan intelektual di bawah rata-rata yang mengakibatkan mereka sulit untuk bersosialisasi, beradaptasi dengan lingkungan, dan mengikuti program pendidikan di sekolah biasa seperti anak normal pada umumnya. Sangat penting dilakukan oleh para orang tua maupun guru untuk memahami gejala-gejala yang dimiliki oleh anak dalam melakukan deteksi awal penyakit Intellectual Disability. Oleh sebab itu dibutuhkanlah suatu sistem yang dapat digunakan untuk melakukan diagnosis penyakit Intellectual Disability. Sistem ini dapat digunakan oleh para orang tua ataupun para guru, sehingga dengan adanya sistem tersebut diharapkan mereka tidak perlu mengeluarkan biaya lebih untuk berkunjung ke dokter atau psikolog dalam melakukan diagnosis penyakit ini. Metode yang diterapkan pada sistem ini yaitu menggunakan metode klasifikasi dengan Algoritma Naïve Bayes Classifier dimana sistem ini menghasilkan 4 output klasifikasi yaitu klasifikasi kelas rendah, sedang, berat, dan normal. Penerapan Algoritma Naïve Bayes Classifier dalam sistem ini diperoleh nilai akurasi tertinggi pada pengujian kedua yaitu sebesar 100%, nilai presisi 100%, dan nilai recall sebanyak 100%.
Co-Authors Chastine Fatichah indrawanti, annisaa sri Intan Yuniar Purbasari Muchammad Kurniawan Pratama Wirya Atmaja Rizal Setya Perdana Serlynda Dwi Rosalina