Garuda - Garba Rujukan Digital

p-Index From 2019 - 2024

3.492

P-Index

This Author published in this journals

All Journal Jurnal Simetris JUITA : Jurnal Informatika Jurnal CoreIT SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Jurnal Teknologi Komputer dan Sistem Informasi jurnal teknik informatika dan sistem informasi Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Algoritme Jurnal Mahasiswa Teknik Informatika Jurnal Ilmiah Teknologi dan Komputer (JITTER) MDP Student Conference

Devella, Siska

UNIVERSITAS MULTI DATA PALEMBANG

Author-ID : 3350901

Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 21 Documents Claim Missing Document

Claim Missing Document

Articles

1 2 3

PENGENALAN IRIS MENGGUNAKAN FITUR LOCAL BINARY PATTERN DAN RBF CLASSIFIER Al Rivan, Muhammad Ezar; Devella, Siska
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 11, No 1 (2020): JURNAL SIMETRIS VOLUME 11 NO 1 TAHUN 2020
Publisher : Universitas Muria Kudus

Iris merupakan bagian dari mata yang memiliki keunikan. Keunikan pada iris ini menjadi alasan iris digunakan sebagai identitas seperti sidik jari,dan suara. Dibandingkan dengan sidik jari, iris memiliki kelebihan karena letak iris yang lebih terlindungi. Setiap individu memiliki pola iris yang berbeda dan pembentukan pola iris tidak berhubungan dengan faktor genetik individu, sehingga iris merupakan biometrik yang memiliki keunikan yang tinggi dan sulitnya untuk dilakukan pemalsuan biometrik. Identifikasi atau pengenalan iris dilakukan dengan menggunakan citra iris. Pada penelitian ini citra iris akan dilakukan tahap praproses yaitu dengan menghilangkan noise seperti bulu dan kelopak mata, yang kemudian hasil praproses citra iris dilakukan ekstraksi fitur menggunakan algoritma Local Binary Pattern (LBP). Setelah proses ekstraksi fitur dilakukan, proses selanjutnya adalah melakukan pelatihan menggunakan Radial Basis Function (RBF). Setelah proses pelatihan, model RBF diuji dengan data iris yang berbeda. Akurasi tertinggi yang dicapai pada pengenalan iris menggunakan fitur LBP dan RBF yaitu 83,33%.

Penerapan Speeded-Up Robust Feature pada Random Forest Untuk Klasifikasi Motif Songket Palembang Yohannes, Yohannes; Devella, Siska; Pandrean, Ade Hendri
Jurnal Teknik Informatika dan Sistem Informasi Vol 5 No 3 (2019): JuTISI
Publisher : Maranatha University Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28932/jutisi.v5i3.1978

Songket is a historical heritage in the city of Palembang. Where Songket has many different types and motifs. Besides having historical value, Palembang's original Songket has high quality and complexity in the manufacturing process. As known Palembang Songket has a lot of motives, one of the ways to recognize Palembang Songket is through its motives, so that research was conducted for the classification of Palembang Songket motifs. The method used to extract features is the Speeded-Up Robust Feature (SURF), while the classification method is Random Forest. The process of forming the SURF feature is divided into two stages, the first stage is Interest Point Detection, which consists of Integral Images, Hessian Matrix Based Interest Points, Scale Space Representation and Interest Point Localization, the second stage of Interest Point Description consists of Orientation Assignment and Descriptor Based on Sum Haar Wavelet Responses. The resulting feature is used for the Random Forest classification. This study used 345 images of Palembang Songket motifs, among others, Bunga Cina, Cantik Manis and Pulir. The images taken are based on 5 colors from each Palembang Songket motif. For the separation of data there are 300 images used as data train and 45 images for testing data. From the tests that have been done the results of the overall overall accuracy are 68.89%, per class accuracy 79.26%, precision 69.27, and recall 68.89%.

Pemanfaatan Scale Invariant Feature Transform Berbasis Saliency untuk Klasifikasi Sel Darah Putih Yohannes, Yohannes; Devella, Siska; Hadisaputra, William
Jurnal Teknik Informatika dan Sistem Informasi Vol 7 No 2 (2021): JuTISI
Publisher : Maranatha University Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28932/jutisi.v7i2.3707

White blood cells are cells that makeup blood components that function to fight various diseases from the body (immune system). White blood cells are divided into five types, namely basophils, eosinophils, neutrophils, lymphocytes, and monocytes. Detection of white blood cell types is done in a laboratory which requires more effort and time. One solution that can be done is to use machine learning such as Support Vector Machine (SVM) with Scale Invariant Feature Transform (SIFT) feature extraction. This study uses a dataset of white blood cell images that previously carried out a pre-processing stage consisting of cropping, resizing, and saliency. The saliency method can take a significant part in image data and. The SIFT feature extraction method can provide the location of the keypoint points that SVM can use in studying and recognizing white blood cell objects. The use of region-contrast saliency with kernel radial basis function (RBF) yields the best accuracy, precision, and recall results. Based on the test results obtained in this study, saliency can improve the accuracy, precision, and recall of SVM on the white blood cell image dataset compared to without saliency.

Pengenalan Iris Menggunakan K – Nearest Neighbors dengan Ekstraksi Fitur Dicrete Cosine Transform Siska Devella
JTKSI (Jurnal Teknologi Komputer dan Sistem Informasi) Vol 2, No 1 (2019): JTKSI
Publisher : JTKSI (Jurnal Teknologi Komputer dan Sistem Informasi)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (511.177 KB)

Iris is a biometric based on physiological characteristics which are regarded as highly reliable in biometric recognition systems. The iris pattern between one person and another is very different, identical twins have different iris patterns, so the recognition system using iris has a very good level of security. In this research proposed iris recognition system using K-Nearest Neighbors as classifier and Discrete Cosine Transforms as feature extraction algorithm. The noisy regions should be distinguished before feature extraction in a pre-processing stage called segmentation (Localization and noise-removing) and normalization. The normalization is a transform from Cartesian to polar coordinates. The iris image data used as a training image and test image are public datasets with a total data of 420 iris images. The experiment results show the level of recognition accuracy is 70%.

Deteksi Penyakit Malaria Menggunakan Convolutional Neural Network Berbasis Saliency Yohannes Yohannes; Siska Devella; Kelvin Arianto
JUITA : Jurnal Informatika JUITA Vol. 8 Nomor 1, Mei 2020
Publisher : Department of Informatics Engineering, Universitas Muhammadiyah Purwokerto

Malaria adalah penyakit mematikan yang menjadi masalah di berbagai negara. Metode yang paling umum untuk mendeteksi malaria adalah dengan memeriksanya secara manual, yang memakan waktu. Convolutional Neural Network (CNN) adalah salah satu solusi untuk deteksi malaria. CNN telah terbukti memberikan hasil yang sangat baik dalam klasifikasi gambar dan telah banyak digunakan dalam penelitian sebelumnya dan memiliki hasil yang baik. Sebelum proses klasifikasi, pra-pemrosesan gambar dapat digunakan untuk mendapatkan hasil klasifikasi yang lebih baik. Salah satu metode dalam pra-pemrosesan adalah arti-penting. Saliency adalah metode yang dapat mengambil bagian penting dari suatu gambar. Pada penelitian ini dilakukanlah pengujian terhadap metode saliency dan CNN untuk masalah pendeteksian penyakit malaria. Skenario pengujian dilakukan dengan membandingkan metode saliency, yaitu Region Contrast Saliency, Frequency-tuned saliency, Spectral Residual, dan Histogram Contrast. Metode saliency terbaik dalam mendeteksi penyakit malaria didapatkan oleh metode frequency-tuned saliency dengan akurasi sebesar 90,32% dibandingkan dengan metode saliency yang lain, yaitu 62,67% untuk region contrast saliency, 50% untuk spectral residual saliency, dan 79,06% untuk histogram contrast saliency.Kata-kata kunci: Klasifikasi; CNN; Malaria; Saliency

PELATIHAN PEMBUATAN GAME MENGGUNAKAN GDEVELOP UNTUK SISWA/I SMA NEGERI 6 PALEMBANG Yohannes Yohannes; Siska Devella; Meiriyama Meiriyama
SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan Vol 5, No 1 (2021): Desember
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jpmb.v5i1.6333

ABSTRAKKegiatan pengabdian kepada masyarakat dalam bentuk pelatihan pembuatan game dengan menggunakan GDevelop memiliki tujuan yaitu untuk memberikan wawasan kepada siswa dan siswi SMA Negeri 6 Palembang dalam menggunakan aplikasi GDevelop yang dapat digunakan untuk membuat game sehingga dapat menambah keterampilan dan wawasan. Terdapat tiga tahapan utama yang dilakukan dalam pengabdian ini antara lain perencanaan, implementasi dan terakhir adalah evaluasi dengan memberikan tautan kuesioner berupa google form. Hasil kuesioner menunjukkan bahwa didapatkan rata-rata 96,8% peserta merasakan manfaat dan sangat setuju dengan pelatihan yang telah dilakukan. Kata kunci: game; gdevelop; pelatihan; pengabdian kepada masyarakat. ABSTRACTCommunity service activities in the form of training in making games using GDevelope aim to provide insight to students of SMA Negeri 6 Palembang in using the GDevelop application for making of the video games, so the students can add skills and insights. There are three main stages carried out in this service, including planning, implementation and finally evaluation by providing a questionnaire link in the form of a google form. The results of the questionnaire showed that an average of 96.8% of participants feel the benefits and strongly agreed with the training that had been carried out. Keywords: community service activities; game; gdevelop training.

PELATIHAN PEMBUATAN WEBSITE SEKOLAH MENGGUNAKAN WORDPRESS UNTUK GURU TIK SMA NEGERI 17 PALEMBANG Siska Devella; Yohannes Yohannes; Nur Rachmat
SELAPARANG Jurnal Pengabdian Masyarakat Berkemajuan Vol 4, No 2 (2021): April
Publisher : Universitas Muhammadiyah Mataram

ABSTRAKKegiatan pengabdian kepada masyarakat dalam bentuk pelatihan pembuatan website sekolah dengan menggunakan WordPress bertujuan untuk meningkatkan kompetensi dan pemahaman serta mengasah keterampilan Guru TIK di SMA Negeri 17 Palembang dalam membuat dan mengelola website. Terdapat tiga tahapan utama yang dilakukan dalam pengabdian ini antara lain tahap perencanaan yang dibagi menjadi studi lapangan, analisis kebutuhan serta perizinan, tahap kedua yaitu pelaksanaan kemudian dilanjutkan dengan tahap evaluasi. Hasil evalusi terhadap kegiatan pengabdian yang telah dilakukan adalah pelatihan pembuatan website sekolah tersebut mampu meningkatkan pengetahuan dan keterampilan guru TIK di SMA Negeri 17 Palembang dalam menghasilkan tampilan website sekolah yang lebih menarik dan interaktif. Kata kunci: pengabdian kepada masyarakat; guru TIK; website; wordpress ABSTRACTCommunity service activities in the form of training on creating school websites using WordPress aim to improve competence and understanding as well as hone the skills of ICT Teachers at SMA Negeri 17 Palembang in creating and managing websites. There are three main stages carried out in this service, including the planning stage which is divided into field studies, needs analysis, and licensing, the second stage is implementation then followed by the evaluation stage. The result of the evaluation of the community service activities that have been carried out is that the school website creation training can increase the knowledge and skills of ICT teachers at SMA Negeri 17 Palembang and can produce a more attractive and interactive appearance of the school website. Keywords: community service activities; ict teachers; website; wordpress

Implementasi Random Forest Untuk Klasifikasi Motif Songket Palembang Berdasarkan SIFT Siska Devella; Yohannes Yohannes; Firda Novia Rahmawati
JATISI (Jurnal Teknik Informatika dan Sistem Informasi) Vol 7 No 2 (2020): JATISI (Jurnal Teknik Informatika dan Sistem Informasi)
Publisher : Lembaga Penelitian dan Pengabdian pada Masyarakat (LPPM) STMIK Global Informatika MDP

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jatisi.v7i2.289

Indonesia has a variety of intangible cultural heritage, one of which is songket. Songket has a lot of variety according to the characteristics of each region, especially Songket Palembang. Songket Palembang has more features compared to songket from other regions. Besides having historical value, Songket Palembang has a high motive, quality, and complexity in the manufacturing process. In this study, the Random Forest method was used to classify the Songket Palembang motif image by using Scale-Invariant Feature Transform (SIFT) feature extraction. The process of feature formation using the SIFT method is through the stages of extrema detection scale space, keypoint localization, orientation assignment, and keypoint descriptor. The resulting feature is used for the Random Forest classification. Songket motif images used in this study were 115 images of each type of motif, namely Chinese Flowers, Beautiful Flowers, and Pulir. Image selection is taken from 5 colors of each Songket Palembang motif. Training data and test data used were 100 and 15 for each Songket Palembang motif, respectively. The test results show that the SIFT and Random Forest methods for the classification of Songket Palembang motifs can provide a pretty good accuracy, where the SIFT and Random Forest methods can produce an overall accuracy of 92.98%, per class accuracy of 94.07%, precision 92.98%, and recall 89.74%.

Pengenalan ASL Menggunakan Metode Ekstraksi HOG dan Klasifikasi Random Forest Ningrum Larasati; Siska Devella; Muhammad Ezar Al Rivan
JATISI (Jurnal Teknik Informatika dan Sistem Informasi) Vol 8 No 2 (2021): JATISI (Jurnal Teknik Informatika dan Sistem Informasi)
Publisher : Lembaga Penelitian dan Pengabdian pada Masyarakat (LPPM) STMIK Global Informatika MDP

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jatisi.v8i2.456

Sign languages have many types, one of them is the American Sign Language (ASL). This study uses the ASL alphabet handshape image extracted with the Histogram of Oriented Gradient (HOG) feature and the resulting feature is used for the Random Forest classification. The test results show that using the HOG feature and the Random Forest classification method for ASL recognition gives a good accuracy rate, with an overall accuracy value of 99.10%, an average accuracy value per class of 77.43%, an average value of precision 88.81%, and an average recall value of 88.65%.

Penggunaan Fitur Saliency-SURF untuk Klasifikasi Citra Sel Darah Putih dengan Metode SVM Siska Devella; Yohannes Yohannes; Celvine Adi Putra
JATISI (Jurnal Teknik Informatika dan Sistem Informasi) Vol 8 No 4 (2021): JATISI (Jurnal Teknik Informatika dan Sistem Informasi)
Publisher : Lembaga Penelitian dan Pengabdian pada Masyarakat (LPPM) STMIK Global Informatika MDP

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jatisi.v8i4.1547

Sel darah putih merupakan sel pembentuk komponen darah yang berfungsi melawan berbagai penyakit dari dalam tubuh (sistem kekebalan tubuh). Sel darah putih dibagi menjadi lima jenis, yaitu basofil, eosinofil, neutrofil, limfosit, dan monosit. Pendeteksian jenis sel darah putih dilakukan di laboratorium yang memerlukan seorang spesialis serta usaha yang lebih, waktu, dan biaya. Solusi yang dapat dilakukan salah satunya adalah menggunakan machine learning seperti support vector machine (SVM) dengan ekstraksi fitur SURF. Penelitian ini menggunakan dataset citra sel darah putih yang sebelumnya dilakukan tahap pre-processing yang, terdiri dari crop, resize, dan saliency. Metode saliency mampu memberikan bagian yang bermakna pada sebuah citra. Metode ekstraksi fitur SURF mampu memberikan keypoint yang dapat digunakan SVM dalam mengenali jenis sel darah putih. Penggunaan region-contrast saliency dengan kernel radial basis function (RBF) mendapatkan hasil akurasi, presisi, dan recall yang baik di bandingkan dengan penggunaan kernel lain dalam penelitian ini. Berdasarkan hasil pengujian yang didapat pada penelitian ini, saliency dapat meningkatkan hasil akurasi, presisi, dan recall dari SVM untuk dataset citra sel darah putih dibandingkan dengan tanpa saliency.

Co-Authors Adrianus Prabowo Al Rivan, M. Ezar Albert Kusuma Wijaya Celvine Adi Putra Derry Alamsyah Dewi Marcella Firda Novia Rahmawati Gracivo Elsion Victory Hadisaputra, William Julian Rusli Tee Baldi Kelvin Arianto Kevin Oktavius Meiriyama Meiriyama Meiriyama Meiriyama Muhammad Ezar Al Rivan Ningrum Larasati Nur Rachmat Pandrean, Ade Hendri Rial Prasthio Rusbandi Rusbandi Sandra Mareza Adelfi Saputra, Jordi Valentino Ruben Ho Yohannes Yohannes

Title

Found 21 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 21 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 21 Documents
Search