Article Per Year (5 Year)
p-Index From 2019 - 2024
0.562
P-Index
This Author published in this journals
All Journal Jurnal Informatika Upgris
R.A. Pramunendar
Unknown Affiliation
Computer Science & IT

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
PROTOTIPE APLIKASI PENGENALAN WAYANG KULIT MENGGUNAKAN CNN BERBASIS VGG16 dwi puji prabowo; D.I.I Ullumudin; R.A. Pramunendar
Jurnal Informatika Upgris Vol 7, No 2: Desember 2021
Publisher : Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/jiu.v7i2.10485

Abstract

Indonesia has various types of culture and traditional arts. In this era of globalization, local culture and arts have begun to be eroded by the times. One of the diverse Indonesian culture is wayang kulit. Where the shadow puppets in Indonesia vary and vary from region to region. In this case, the puppet characters have different forms and curves, so recognizing the shape of a puppet is very difficult. In the development of technology, computer vision technology began to be widely used to perform object recognition with deep learning learning. So that an object being studied can be detected properly. In this study, a prototype was made with the detection of puppet types using Deep Learning learning using Convolutional Neural Networks to detect shadow puppet objects based on the VGG16 architecture. The results obtained by the CNN and VGG16 methods reached 86%. With the results obtained, a prototype model is made which will later be able to help the community in the introduction of shadow puppets.Keyword: CNN, shadow puppets ,VGG16
PREDIKSI JUMLAH PRODUKSI AIR PDAM MENGGUNAKAN METODE ANN DENGAN OPTIMASI PSO ahmad akrom; R.A. Pramunendar; D.P. Prabowo
Jurnal Informatika Upgris Vol 7, No 2: Desember 2021
Publisher : Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/jiu.v7i2.10065

Abstract

Perusahaan Daerah Air Minum (PDAM) merupakan perusahaan milik daerah yang begerak di bidang penyedia, pengolahan, dan pendistribusian air bersih. Sebuah sistem yang akurat untuk prediksi jumlah produksi air untuk masa depan dibutuhkan oleh PDAM untuk menentukan kebijakan dalam bidang produksi air. Penelitian ini menghasilkan sebuah model prediksi untuk  volume produksi air PDAM Kota Semarang. Data yang diolah adalah jumlah penduduk, jumlah pelanggan berdasarkan jenis pelanggan, total volume produksi, kontribusi daerah sumber, volume distribusi, air terjual, dan kehilangan air. Data diperoleh dari laporan bulanan perusahaan selama 6tahun terakhir yaitu mulai tahun 2008-2013. Pendekatan yang digunakan untuk prediksi volume produksi air adalah dengan menggunakan metode Artificial Neural Network dengan optimasi Particle Swarm Optimation. Berdasarkan hasilpenelitian, diperoleh hasil prediksi menggunakanneural network dan particle swarm optimization lebih bagus jika dibandingkan dengan menggunakan neural network saja. Hal ini dibuktikan dengan nilai RMSE menggunakan neural network dan particle swarm optimization sebesar 3,797 sedangkan nilai RMSE dengan neural network saja sebesar 4,943.
Penerapan Random Forest Untuk Pengenalan Jenis Ikan Berdasarkan Perbaikan Citra Clahe Dan Dark Channel Prior R.A. Pramunendar; dwi puji prabowo; F. Alzami; R.A. Megantara
Jurnal Informatika Upgris Vol 7, No 1: JUNI 2021
Publisher : Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/jiu.v7i1.8231

Abstract

Ancaman terhadap kekayaan alam semakin terlihat, oleh karena itu upaya untuk melindungi populasi biota perairan sangat menantang bagi banyak negara. Upaya untuk mengatasi kerusakan terhadap populasi ikan asli telah dilakukan dengan mengurangi populasi ikan invasif melalui teknik penangkapan ikan tradisional. Namun, teknik penangkapan tersebut tidak hanya menangkap spesies ikan invasif tetapi juga spesies asli. Oleh karena itu, masih diperlukan proses manual untuk memilah hasil tangkapan sehingga menghabiskan energi dan waktu. Maka, perlu ditingkatkan kemampuan pengenalan ikan secara otomatis dengan bantuan computer. Telah ada penelitian sebelumnya untuk mengenali jenis-jenis ikan, namun tidak banyak yang mempertimbangkan adanya noice atau artefak-artefak yang timbul karena kondisi bawah air serta efek fitur-fitur ikan yang saling berkaitan. Oleh karena itu dalam penelitian ini, peneliti  ini mengusulkan untuk melakukan analisis dampak pre-processing dari kombinasi algoritma CLAHE dan DCP yang diterapkan dalam klasifikasi ikan dengan Random Forest. Pre-processing yang yang diberikan bertujuan untuk mengatasi artefak atau noice yang timbul pada citra bawah air dan mengatasi efek dari fitur-fitur keragaman jenis ikan. Sehingga diharapkan mampu menghasilkan klasifikasi yang lebih baik dari penelitian sebelumnya. Klasifikasi dengan menggunakan Random Forest (RF) dengan perbaikan citra Dark Channel Prior (DCP) dan Contract Limited Adaptive Histogram Equalization (CLAHE), terbukti memberikan nilai akurasi rata-rata yang cukup tinggi yakni sebesar 98.51%, presisi 78.91%, dan recall 36.71%.
Co-Authors Ahmad Akrom D.I.I Ullumudin D.P. Prabowo Dwi Puji Prabowo, Dwi Puji F. Alzami R.A. Megantara