Article Per Year (5 Year)
p-Index From 2019 - 2024
0
P-Index
This Author published in this journals
All Journal Rekursif: Jurnal Informatika Jurnal Pseudocode
Ernawati Ernawati
Program Studi Informatika, Fakultas Teknik, Universitas Bengkulu
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering

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

Found 3 Documents
Search

 1 
Implementasi K-Means Clustering dan Pemetaan Pemukiman Kumuh di Kota Bengkulu Berbasis Web Deko Alfiandi; Ernawati Ernawati; Endina Putri Purwandari
Rekursif: Jurnal Informatika Vol 6, No 2 (2018): Volume 6 Nomor 2 November 2018
Publisher : Universitas Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1521.033 KB) | DOI: 10.33369/rekursif.v6i2.4252

Abstract

Kawasan kumuh adalah sebuah kawasan dengan tingkat kepadatan populasi tinggi di sebuah kota yang pada umumnya dihuni oleh masyarakat menengah ke bawah. Pemerintah melalui RPJMN tahun 2015-2019 membuat program pengentasan permukiman kumuh perkotaan menjadi tidak ada yaitu Kota Tanpa Kumuh (KOTAKU). Kota Bengkulu mempunyai 67 kawasan pemukiman yang tersebar menjadi 67 kelurahan. Penelitian ini bertujuan mengimplementasikan algoritme K-means dalam pengelompokkan dan pemetaan pemukiman kumuh di Kota Bengkulu. Tujuh indikator penentu digunakan untuk membagi kawasan pemukiman kumuh dibagi menjadi 4 tingkat kategori yakni: kumuh berat, sedang, ringan dan tidak kumuh yang sudah ditetapkan oleh Tim KOTAKU. Hasil clustering menunjukkan warna merah untuk kawasan kumuh berat, kuning untuk kawasan kumuh sedang, biru untuk kawasan kumuh ringan, dan hijau untuk kawasan tidak kumuh. Penelitian ini memiliki tingkat akurasi terbaik sebesar 58,21% berdasarkan 10 kali percobaan. Tingkat akurasi dipengaruhi nilai random awal dalam proses perhitungan antar cluster.
Identifikasi Pola Iris Mata Dengan Algoritme Daugman dan Metode Hamming Distance Alfio Rezika; Ernawati Ernawati; Aan Erlansari
Rekursif: Jurnal Informatika Vol 6, No 2 (2018): Volume 6 Nomor 2 November 2018
Publisher : Universitas Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1013.306 KB) | DOI: 10.33369/rekursif.v6i2.4277

Abstract

Penelitian ini membangun sebuah sistem identifikasi pola iris mata berbasis tekstur dengan algoritme Daugman  untuk deteksi letak iris dan metode Hamming Distance untuk menghitung nilai kemiripan citra uji dengan citra latih. Citra yang digunakan sebagai objek penelitian adalah citra iris mata manusia dari CASIA Iris Image Database. Aplikasi ini dibangun dalam bahasa pemrograman Matlab dan dirancang dengan Unified Model Language (UML). Metode pengembangan sistem yang digunakan adalah protoyping. Hasil yang diperoleh pada penelitian ini adalah nilai akurasi sebesar 82.5% untuk pengujian citra uji terhadap citra latih.
Penerapan Support Vector Machine Untuk Pendeteksian dan Klasifikasi Motif Pada Citra Batik Besurek Motif Gabungan Berdasarkan Fitur Histogram Of Oriented Gradient Dita Retnowati; Ernawati Ernawati; Kurnia Anggriani
Jurnal Pseudocode Vol 5, No 2 (2018): Volume 5 Nomor 2 September 2018
Publisher : Universitas Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (844.796 KB) | DOI: 10.33369/pseudocode.5.2.75-84

Abstract

Batik Besurek memiliki karakter dan motif yang khas dan unik. Tujuan dari penelitian ini adalah membangun aplikasi yang dapat mendeteksi dan mengklasifikasi motif batik Besurek menggunakan Histogram of Oriented Gradient untuk ekstraksi fitur dan Support Vector Machine untuk klasifikasi motif batik besurek. Penelitian ini terfokus pada motif berikut; Kaligrafi, Rafflesia, dan Burung Kuau. Aplikasi ini dibangun dengan Matlab 2014. Berdasarkan hasil pengujian aplikasi diperoleh akurasi dari proses deteksi pada citra yang telah dilatih, citra yang belum dilatih, dan citra non Besurek masing-masing yaitu; (a) 83,06% ,(b) 86,87%, dan (c) 84,69%. Sedangkan akurasi dari proses klasifikasi pada citra yang telah dilatih, citra yang belum dilatih, dan citra non-besurek masing-masing yaitu; (a) 100%, (b) 89,33%, dan 0%.
Co-Authors Aan Erlansari Alfio Rezika Deko Alfiandi Dita Retnowati Endina Putri Purwandari Kurnia Anggriani