Garuda - Garba Rujukan Digital

p-Index From 2019 - 2024

2.147

P-Index

This Author published in this journals

All Journal JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Jurnal Sisfokom (Sistem Informasi dan Komputer) Kurawal - Jurnal Teknologi, Informasi dan Industri Algoritme Jurnal Mahasiswa Teknik Informatika

Hafiz Irsyad

Unknown Affiliation

Author-ID : 3364405

Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Industrial & Manufacturing Engineering Other

Published : 14 Documents Claim Missing Document

Claim Missing Document

Articles

Title

CLASSIFICATION OF PNEUMONIA USING K-NEAREST NEIGHBOR METHOD WITH GLCM EXTRACTION Chandra Wijaya; Hafiz Irsyad; Wijang Widhiarso
Jurnal Algoritme Vol 1 No 1 (2020): Jurnal Algoritme
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Pneumonia is an inflammatory parenchymal disease caused by various microorganisms, including bacteria, micro bacteria, fungi, and viruses. This study used an X-ray to find out whether or not there was pneumonia. The objective of this study was to classify the X-ray results whether or not there was pneumonia in a fast and precise way through a program to produce good accuracy. The classification method used in this study were K-Nearest Neighbor (KNN) and Gray Level Co-Occurrence (GLCM) for the extraction method. There are several stages before being classified, namely cropping, resizing, contrast stretching, and thresholding. The results showed that the best accuracy per class was 66.20% for K = 5.

KNN Dan Gabor Filter Serta Wiener Filter Untuk Mendiagnosis Penyakit Pneumonia Citra X-RAY Pada Paru-Paru Felix Antony; Hafiz Irsyad; Muhammad Ezar Al Rivan
Jurnal Algoritme Vol 1 No 2 (2021): Jurnal Algoritme
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Pneumonia adalah salah satu jenis penyakit paru-paru yang disebabkan oleh bakteri, virus, jamur, ataupun parasit. Salah satu cara untuk mengetahui penyakit pneumonia adalah dengan rontgen atau x-ray. Hasil rontgen akan dianalisis untuk mengetahui apakah terdapat pneumonia atau tidak. Penelitian ini bertujuan untuk mengklasifikasi hasil rontgen apakah terdapat pneumonia atau tidak pada hasil rontgen. metode yang digunakan untuk klasifikasi adalah K-Nearest Neighbor (KNN) dan metode ekstraksi Gabor Filter serta Wiener Filter. Tahapan yang dilaukan pada citra sebelum di Klasifikasi yaitu Resize, selanjutnya dilakukan ekstraksi menggunakan Gabor Filter, Image Enhancement menggunakan Wiener Filter dan di klasifikasi menggunakan K-Nearest Neighbor (KNN) menghasilkan akurasi terbaik sebesar 79,62%.

Klasifikasi Pneumonia Pada Citra X-Rays Paru-Paru Menggunakan GLCM Dan LVQ Jimmi Lin; Hafiz Irsyad
Jurnal Algoritme Vol 1 No 2 (2021): Jurnal Algoritme
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Pneumonia merupakan salah satu penyakit infeksi saluran pernafasan yang ditanda dengan peradangan pada satu atau kedua paru-paru yang dapat disebabkan oleh jamur, virus, dan bakteri yang menyebabkan kantung udara sulit menyerap oksigen. Salah satu cara yang dapat digunakan untuk mendeteksi adanya penyakit pneumonia adalah dengan foto rontgen, hasil foto rontgen akan dianalisis oleh orang yang ahli dalam bidang tersebut untuk memastikan apakah adanya pneumonia atau tidak. Penelitian ini dilakukan dengan tujuan untuk mengklasifikasikan hasil x-rays kedalam sebuah program untuk mengetahui apakah terdapat pneumonia atau tidak. Metode yang digunakan untuk ekstraksi fitur adalah Gray Level Co-Occurrence Matrix (GLCM) dengan arah 0°, 45°, 90°, 135° dan metode klasifikasi Learning Vector Quantization (LVQ). Proses sebelum dilakukan klasifikasi yaitu melakukan resize terlebih dahulu, selanjutnya dilakukan ekstraksi fitur menggunakan Gray Level Co-Occurrence Matrix (GLCM) dan di klasifikasi menggunakan Learning Vector Quantization (LVQ) dengan akurasi data train terbaik sebesar 89,714% dan akurasi data test yang terbaik sebesar 74,000% yang didapat pada pengujian dengan learning rate = 0,4.

Identifikasi Tulisan Tangan Aksara Jepang Hiragana Menggunakan Metode CNN Arsitektur VGG-16 Aldo Willyanto; Derry Alamsyah; Hafiz Irsyad
Jurnal Algoritme Vol 2 No 1 (2021): Jurnal Algoritme
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Hiragana merupakan aksara yang digunakan untuk menulis kata-kata dalam bahasaJepang. Hiragana memiliki 46 jenis huruf, diantaranya 5 huruf vokal dan 41 huruf konsonan.Aksara Hiragana penting dipelajari untuk orang yang ingin mempelajari bahasa Jepang. Olehkarena itu, pentingnya teknologi bantuan untuk dapat mempermudah mempelajari bahasaJepang. Pada penelitian ini, menggunakan objek tulisan tangan huruf Jepang Hiragana denganmetode Convolutional Neural Network (CNN). Arsitektur CNN yang digunakan adalaharsitektur VGG-16. Objek penelitian yang digunakan adalah 30 buah per jenis huruf dengantotal 1380 buah. Penelitian menggunakan 3 macam skenario, yaitu skenario denganmenggunakan optimizer Adam dengan rentang learning rate dari 0,0001 hingga 0,1; optimizerSGD dengan rentang learning rate dari 0,0001 hingga 0,1; dan optimizer RMSprop denganrentang learning rate dari 0,0001 hingga 0,1. Hasil penelitian terbaik terdapat di skenariodengan optimizer Adam dan pada learning rate 0,0001 dengan nilai accuracy sebesar 97,6%;precision sebesar 97,9%; recall sebesar 98%; dan nilai f1 score sebesar 97,5%.

Klasifikasi Pnuemonia Menggunakan Metode Learning Vector Quantization Dengan Ekstraksi Fitur Local Binary Pattern Leonardo Leonardo; Hafiz Irsyad; Derry Alamsyah
Jurnal Algoritme Vol 2 No 1 (2021): Jurnal Algoritme
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Paru-paru merupakan salah satu organ tubuh manusia yang berfungsi sebagai sistempernafasan tubuh manusia, paru-paru bekerja dengan cara bertukarnya oksigen dankarbondioksida di dalam darah. Salah satu penyakit yang sering menyerang paru-paru adalahparu-paru basah atau di sebut dengan pneumonia, penyakit ini di tandai dengan batuk ataukesukaran bernapas yang di sertai sesak atau tarikan dinding dada bagian bawah ke dalam danpenyakit ini disebabkan oleh penurunan kualitas udara. Pneumonia sering menyerang anak-anak.Maka dari itu ditubuhkan pencegahan untuk mengurangi penyakit pneumonia pada masyarakatterutama pada anak-anak. Pada penelitian ini dilakukan dengan dua jenis paru-paru yaitu Normal(Sehat) dan Pneumonia, data yang digunakan pada setiap jenis penyakit yaitu 1100 dan 1098 untukdata training dan 230 data testing menggunakan metode esktraksi fitur LBP dan LVQ sebagaimetode klasifikasi. Untuk penelitian ini menggunakan parameter Hidden Layer, Learning Rate,Learning Function dan Epoch untuk menentukan dan mendapatkan hasil pengenalan yang baik.Berdasarkan hasil pengujian dengan metode LVQ dan LBP menggunakan Hidden Layer 2 danEpoch 1 mendapatkan akurasi sebesar 58,04% dan menggunakan Hidden Layer 90, Learning Rate0.0005, Learning Function “learnlv1” dan Epoch 2 mendapatkan akurasi sebesar 60,27%

Pengenalan Aksara Arab Menggunakan Metode JST Dengan Fitur HOG Dan LBP Retiana Krisna Wati; Hafiz Irsyad
Jurnal Algoritme Vol 2 No 1 (2021): Jurnal Algoritme
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Aksara Arab merupakan aksara yang digunakan untuk menuliskan bahasa Arab yangdituliskan dari kanan ke kiri. Aksara Arab penting untuk dipelajari bagi umat muslim karenadigunakan dalam peribadahan agama Islam. Dalam mempelajari aksara Arab pemulamengalami kesulitan karena memiliki bentuk yang berbeda-beda. Penelitian ini bertujuan untukmengimplementasikan suatu sistem yang mampu mengenali pola dari aksara Arab, denganmenerapkan Histogram of Oriented Gradient (HOG) dan Local Binary Pattern (LBP) sebagaiekstraksi fitur untuk pengenalan aksara Arab serta menggunakan metode Jaringan SyarafTiruan (JST). Hasil ciri dari HOG dan LBP masing-masing akan dijadikan masukan padaproses pembelajaran pada JST dengan berbagai training function serta menggunakan 3 neuronyaitu 5, 10 dan 15. Berdasarkan hasil pengujian menggunakan ekstraksi fitur HOG maupunmenggunakan ekstraksi fitur LBP trainbr memiliki tingkat keberhasilan yang lebih tinggidibandingkan training function lainnya. Dengan menggunakan fitur HOG pada neuron 5dengan nilai accuracy sebesar 99,66%, precision sebesar 95,35%, recall sebesar 95,25% danf1-score sebesar 95,23%. Sedangkan dengan menggunakan fitur LBP pada neuron 5 dengannilai accuracy sebesar 99,75%, precision sebesar 96,95%, recall sebesar 96,53% dan f1-scoresebesar 96,54%. Kedua ekstraksi fitur tersebut, HOG maupun LBP dapat mengenali aksaraArab dengan baik

Perbandingan Metode K-Nearest Neighbor Dan Naïve Bayes Untuk Klasifikasi Gender Berdasarkan Mata Calvin Kurniawan; Hafiz Irsyad
Jurnal Algoritme Vol 2 No 2 (2022): Jurnal Algoritme
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Mata merupakan organ penglihatan, yang terletak di rongga orbital. Bentuknya bulat, sekitar 2,5cm. Ruang antara mata dan orbit diisi oleh jaringan gemuk. Dinding tulang dan lemak orbit yang dapat melindungi mata dari terluka.Secara struktural , kedua mata terpisah,tetapi mereka adalah pasangan. Hal Dapat dilihat hanya dengan satu mata, tetapi penglihatan tiga dimensi Merasa tidak nyaman Ketika hanya menggunakan satu mata, terutama dalam hubungan penghakiman jarak. Gender adalah penggolongan secara gramatikal terhadap kata- kata dan kata- kata lain yang berkaitan dengannya yang secara garis besar berhubungan dengan keberadaan dua jenis kelamin atau kenetralan.Penelitian ini bertujuan untuk klasifikasi Gender berdasarkan mata menggunakan metode K-NN dan Naïve Bayes. Data yang dibagi menjadi dua yaitu mata pria dan mata Wanita adalah 10.541 data uji dan 4518 data latih dilanjutkan dengan grayscale, HOG, HSV, Cropping. Pada metode k-NN dengan fitur HSV dan HOG dengan Cropping metode K-NN menghasilkan akurasi yang lebih tinggi di bandingkan Naïve Bayes yaitu sebesar 68,61%.

Klasifikasi Tingkat Kemanisan Alpukat Berdasarkan Fitur Hue Saturation Value (HSV) dengan Menggunakan Support Vector Machine (SVM) M Reynaldi Saputra; Hafiz Irsyad
Jurnal Algoritme Vol 2 No 2 (2022): Jurnal Algoritme
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Dalam proses penetuan mutu atau tingkat kemanisan buah alpukat di pasaran pada umumnya dilakukan dengan dua cara yaitu menggunakan pakar-pakar untuk pemilihan / sortasi kemanisan alpukat atau menggunakan metode destruktif dengan cara pengambilan sampel, uji coba kemanisan alpukat tersebut seperti menggunakan Refractometer. Permasalahan yang terjadi pada kedua proses tersebut yaitu memiliki cost yang relatif besar dan tidak menghasilkan mutu yang seragam karena sortasi tingkat kemanisan alpukat oleh pakar bersifat subjektif dan kemungkinan terjadinya kesalahan pengamatan sangat besar. Support Vector Machine (SVM) diimplementasikan pada penelitian ini menggunakan kernel linear, polynomial, dan gaussian. Proses pengujian menggunakan K-Fold Cross Validation. Fold yang digunakan yaitu 4-fold, 5-fold dan 10-fold. Performa fitur HSV dan metode SVM yang mendapatkan hasil terbaik adalah pada 5-fold dengan nilai accuracy sebesar 100,00% dengan menggunakan kernel polynomial, precision sebesar 100,00% pada kernel polynomial, dan recall sebesar 100,00% pada kernel polynomial, Sedangkan hasil terendah terdapat pada kernel gaussian 5-¬fold dengan nilai accuracy sebesar 98.91%, precision sebesar 98.61%, dan recall sebesar 98.37%.

Penggunaan Metode SVM Dengan Fitur HSV HOG Dalam Mengklasifikasi Jenis Ikan Guppy Yehezekiel Gian Lestari; Hafiz Irsyad
Jurnal Algoritme Vol 4 No 1 (2023): Jurnal Algoritme
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/algoritme.v4i1.5698

Ornamental fish are fish that are often traded to be kept as decoration to beautify and not for consumption, ornamental fish are the same as consumption fish, both of which live in fresh water or in sea water. Ornamental fish in general have a characteristic, namely a unique body shape with a body pattern with various attractive colors. One of the ornamental fish in Indonesia is Guppy fish. Guppy fish is a type of freshwater fish that lives freely in waters and is widespread in the tropics. This fish is widely cultivated by ornamental fish lovers because of the beauty of its color. There are many types of Guppy fish, a classification is needed to make it easier to distinguish the types, this research was conducted to determine the types of Guppy fish. Guppy fish used in this study were Leopard, Koi, and Albino Full Red (AFR), with the use of the SVM classification feature with HSV and HOG features. obtained scores for Guppy Leopard fish Accuracy 77%, Precision 70%, Recall 53%, values for Guppy Koi fish Accuracy 82%, Precision 78%, Recall 69%, and values for Guppy Albino Full Red (AFR) Accuracy 85%, Precision 83%, Recall 85%. Of the three types of fish studied, the Albino Full Red Guppy fish gave the highest recognition accuracy value of 85%

Co-Authors Akhsani Taqwiym Aldo Willyanto Arta Tri Narta Calvin Kurniawan Chandra Wijaya Derry Alamsyah Felix Antony Jimmi Lin Kevin kevin Leonardo Leonardo M Reynaldi Saputra Molavi Arman Muhammad Ezar Al Rivan Novan Wijaya Retiana Krisna Wati Rizky Pribadi, Muhammad Wijang Widhiarso Yehezekiel Gian Lestari

Title Search

Found 9 Documents Search Journal : Algoritme Jurnal Mahasiswa Teknik Informatika

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 9 Documents
Search
Journal : Algoritme Jurnal Mahasiswa Teknik Informatika