Article Per Year (5 Year)
p-Index From 2019 - 2024
1.503
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Komputer dan Informasi Jurnal Buana Informatika Register: Jurnal Ilmiah Teknologi Sistem Informasi Indonesian Journal of Artificial Intelligence and Data Mining SENTIA 2016 GUYUB: Journal of Community Engagement Journal of Technology and Informatics (JoTI) TRILOGI: Jurnal Ilmu Teknologi, Kesehatan, dan Humaniora COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi
Ratri Enggar Pawening
Universitas Nurul Jadid
Religion Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Mechanical Engineering Public Health Social Sciences Transportation Other

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 15 Documents
Search

 1   2 
Otomatisasi klasifikasi kematangan buah mengkudu berdasarkan warna dan tekstur Kusuma, Selvia Ferdiana; Pawening, Ratri Enggar; Dijaya, Rohman
Register: Jurnal Ilmiah Teknologi Sistem Informasi Vol 3, No 1 (2017): Januari-Juni (3/7)
Publisher : Prodi Sistem Informasi - Universitas Pesantren Tinggi Darul Ulum

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1141.772 KB) | DOI: 10.26594/register.v3i1.576

Abstract

 Buah Mengkudu merupakan komoditi ekspor yang sedang berkembang di Indonesia. Proses pengklasifikasian kematangan buah Mengkudu perlu dilakukan agar kualitas buah Mengkudu yang di ekspor dapat terjamin. Proses klasifikasi dengan jumlah yang banyak akan sulit apabila dilakukan secara manual. Oleh karena itu, penelitian ini diperlukan untuk menghasilkan proses otomatisasi klasifikasi kematangan buah Mengkudu. Metode yang diusulkan untuk melakukan otomatisasi klasifikasi adalah proses pengenalan karakteristik buah Mengkudu berdasarkan fitur tekstur dan warna. Fitur tektur dan fitur warna didapatkan melalui proses pengolahan citra digital buah Mengkudu. Penelitian ini membuktikan bahwa pengklasifikasian buah Mengkudu dengan algoritma Support Vector Machines (SVM) menghasilkan nilai persentase lebih tinggi dari pada menggunakan algoritma k-Nearest Neighbors (KNN). Hasil persentase tertinggi yang didapatkan yaitu sebesar 87.22%.   Noni fruit is an export commodities that were flourishing in Indonesia. Noni fruit maturity classification process should be done in order the quality of the noni fruit which is exported can be guaranteed. Classification process in large quantities will be difficult if it is done manually. Therefore this research is needed to produce an automation classification process of noni fruit ripeness. The proposed method is characteristic introduction of noni fruit based on texture and color features. Texture and color features are obtained from digital image processing of noni fruit. This research proves that the classification of noni fruit with SVM algorithm produces better accuracy than using KNN algorithm. The highest accuracy is equal to 87.22%.
EKSTRAKSI FITUR BERDASARKAN DESKRIPTOR BENTUK DAN TITIK SALIEN UNTUK KLASIFIKASI CITRA IKAN TUNA Pawening, Ratri Enggar; Arifin, Agus Zainal; Yuniarti, Anny
Jurnal Buana Informatika Vol 7, No 3 (2016): Jurnal Buana Informatika Volume 7 Nomor 3 Juli 2016
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (283.26 KB) | DOI: 10.24002/jbi.v7i3.660

Abstract

Abstract. The manual classification of fish causes problems on accuracy and execution time. In the image of tuna, beside the shape feature, local features is also necessary to differentiate the types of fish especially which have a similar shape. The purpose of this study is to develop a new feature extraction system which integrates point of saline and the shape of descriptor to classify the image of tuna. The input image is then transformed into HSV format. Hue channel is selected for the segmentation process. Shape descriptors are extracted by using Fourier Descriptor (FD) and the saline points are extracted using Speeded Up Robust Features (SURF). The results of local features are performed by Bag of Feature (BOF). Feature integration combines shape descriptor and saline features with appropriate weight. Experimental results show that by integrating features, the classification problems of fish with similar shape can be resolved with an accuracy of classification acquired by 83.33%.Keywords: feature extraction, fourier descriptor, surf, classification, tuna fish imageAbstrak. Klasifikasi secara manual yang dilakukan berdasarkan bentuk, tekstur, dan bagian tubuh ikan dapat menimbulkan permasalahan pada akurasi dan waktu klasifikasi. Pada citra ikan tuna, selain diperlukan fitur bentuk juga diperlukan fitur lokal untuk membedakan jenis ikan terutama yang memiliki bentuk secara visual mirip. Tujuan penelitian ini adalah mengembangkan sistem ekstraksi fitur baru yang mengintegrasikan deskriptor bentuk dan titik salien untuk klasifikasi citra ikan tuna. Segmentasi diawali dengan mengambil kanal Hue pada citra HSV. Deskriptor bentuk diekstrak menggunakan Fourier Descriptor dan titik salien diekstrak menggunakan Speeded Up Robust Features. Untuk menyamakan dimensi dilakukan pemrosesan menggunakan Bag of Feature. Kedua jenis fitur yang sudah diperoleh dilakukan integrasi dengan mempertimbangkan bobot masing-masing fitur. Uji coba dilakukan pada dataset tiga jenis ikan tuna dengan 10-fold cross validation. Hasil uji coba menunjukkan dengan mengintegrasikan deskriptor bentuk dan titik salien permasalahan klasifikasi ikan tuna dengan bentuk yang mirip dapat diselesaikan dengan akurasi klasifikasi sebesar 83,33%.Kata Kunci: ekstraksi fitur, deskriptor fourier, surf, klasifikasi, citra ikan tuna
Otomatisasi klasifikasi kematangan buah mengkudu berdasarkan warna dan tekstur Kusuma, Selvia Ferdiana; Pawening, Ratri Enggar; Dijaya, Rohman
Register: Jurnal Ilmiah Teknologi Sistem Informasi Vol 3, No 1 (2017): January
Publisher : Information Systems - Universitas Pesantren Tinggi Darul Ulum

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/register.v3i1.576

Abstract

 Buah Mengkudu merupakan komoditi ekspor yang sedang berkembang di Indonesia. Proses pengklasifikasian kematangan buah Mengkudu perlu dilakukan agar kualitas buah Mengkudu yang di ekspor dapat terjamin. Proses klasifikasi dengan jumlah yang banyak akan sulit apabila dilakukan secara manual. Oleh karena itu, penelitian ini diperlukan untuk menghasilkan proses otomatisasi klasifikasi kematangan buah Mengkudu. Metode yang diusulkan untuk melakukan otomatisasi klasifikasi adalah proses pengenalan karakteristik buah Mengkudu berdasarkan fitur tekstur dan warna. Fitur tektur dan fitur warna didapatkan melalui proses pengolahan citra digital buah Mengkudu. Penelitian ini membuktikan bahwa pengklasifikasian buah Mengkudu dengan algoritma Support Vector Machines (SVM) menghasilkan nilai persentase lebih tinggi dari pada menggunakan algoritma k-Nearest Neighbors (KNN). Hasil persentase tertinggi yang didapatkan yaitu sebesar 87.22%.   Noni fruit is an export commodities that were flourishing in Indonesia. Noni fruit maturity classification process should be done in order the quality of the noni fruit which is exported can be guaranteed. Classification process in large quantities will be difficult if it is done manually. Therefore this research is needed to produce an automation classification process of noni fruit ripeness. The proposed method is characteristic introduction of noni fruit based on texture and color features. Texture and color features are obtained from digital image processing of noni fruit. This research proves that the classification of noni fruit with SVM algorithm produces better accuracy than using KNN algorithm. The highest accuracy is equal to 87.22%.
FEATURE SELECTION METHODS BASED ON MUTUAL INFORMATION FOR CLASSIFYING HETEROGENEOUS FEATURES Ratri Enggar Pawening; Tio Darmawan; Rizqa Raaiqa Bintana; Agus Zainal Arifin; Darlis Herumurti
Jurnal Ilmu Komputer dan Informasi Vol 9, No 2 (2016): Jurnal Ilmu Komputer dan Informasi (Journal of Computer Science and Information)
Publisher : Faculty of Computer Science - Universitas Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (283.816 KB) | DOI: 10.21609/jiki.v9i2.384

Abstract

Datasets with heterogeneous features can affect feature selection results that are not appropriate because it is difficult to evaluate heterogeneous features concurrently. Feature transformation (FT) is another way to handle heterogeneous features subset selection. The results of transformation from non-numerical into numerical features may produce redundancy to the original numerical features. In this paper, we propose a method to select feature subset based on mutual information (MI) for classifying heterogeneous features. We use unsupervised feature transformation (UFT) methods and joint mutual information maximation (JMIM) methods. UFT methods is used to transform non-numerical features into numerical features. JMIM methods is used to select feature subset with a consideration of the class label. The transformed and the original features are combined entirely, then determine features subset by using JMIM methods, and classify them using support vector machine (SVM) algorithm. The classification accuracy are measured for any number of selected feature subset and compared between UFT-JMIM methods and Dummy-JMIM methods. The average classification accuracy for all experiments in this study that can be achieved by UFT-JMIM methods is about 84.47% and Dummy-JMIM methods is about 84.24%. This result shows that UFT-JMIM methods can minimize information loss between transformed and original features, and select feature subset to avoid redundant and irrelevant features.
Ekstraksi Fitur Berdasarkan Deskriptor Bentuk dan Titik Salien Untuk Klasifikasi Citra Ikan Tuna Ratri Enggar Pawening; Agus Zainal Arifin; Anny Yuniarti
Jurnal Buana Informatika Vol. 7 No. 3 (2016): Jurnal Buana Informatika Volume 7 Nomor 3 Juli 2016
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v7i3.660

Abstract

Abstract. The manual classification of fish causes problems on accuracy and execution time. In the image of tuna, beside the shape feature, local features is also necessary to differentiate the types of fish especially which have a similar shape. The purpose of this study is to develop a new feature extraction system which integrates point of saline and the shape of descriptor to classify the image of tuna. The input image is then transformed into HSV format. Hue channel is selected for the segmentation process. Shape descriptors are extracted by using Fourier Descriptor (FD) and the saline points are extracted using Speeded Up Robust Features (SURF). The results of local features are performed by Bag of Feature (BOF). Feature integration combines shape descriptor and saline features with appropriate weight. Experimental results show that by integrating features, the classification problems of fish with similar shape can be resolved with an accuracy of classification acquired by 83.33%.Keywords: feature extraction, fourier descriptor, surf, classification, tuna fish imageAbstrak. Klasifikasi secara manual yang dilakukan berdasarkan bentuk, tekstur, dan bagian tubuh ikan dapat menimbulkan permasalahan pada akurasi dan waktu klasifikasi. Pada citra ikan tuna, selain diperlukan fitur bentuk juga diperlukan fitur lokal untuk membedakan jenis ikan terutama yang memiliki bentuk secara visual mirip. Tujuan penelitian ini adalah mengembangkan sistem ekstraksi fitur baru yang mengintegrasikan deskriptor bentuk dan titik salien untuk klasifikasi citra ikan tuna. Segmentasi diawali dengan mengambil kanal Hue pada citra HSV. Deskriptor bentuk diekstrak menggunakan Fourier Descriptor dan titik salien diekstrak menggunakan Speeded Up Robust Features. Untuk menyamakan dimensi dilakukan pemrosesan menggunakan Bag of Feature. Kedua jenis fitur yang sudah diperoleh dilakukan integrasi dengan mempertimbangkan bobot masing-masing fitur. Uji coba dilakukan pada dataset tiga jenis ikan tuna dengan 10-fold cross validation. Hasil uji coba menunjukkan dengan mengintegrasikan deskriptor bentuk dan titik salien permasalahan klasifikasi ikan tuna dengan bentuk yang mirip dapat diselesaikan dengan akurasi klasifikasi sebesar 83,33%.Kata Kunci: ekstraksi fitur, deskriptor fourier, surf, klasifikasi, citra ikan tuna
Algoritma K-Means untuk Mengukur Kepuasan Mahasiswa Menggunakan E-Learning Ratri Enggar Pawening
Journal of Technology and Informatics (JoTI) Vol. 3 No. 1 (2021): Vol.3 No.1 (2021)
Publisher : Universitas Dinamika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (316.197 KB) | DOI: 10.37802/joti.v3i1.201

Abstract

Penelitian ini bertujuan untuk mengukur kepuasan mahasiswa terhadap pembelajaran daring di Fakultas Teknik Universitas Nurul Jadid. Pandemi COVID-19 mengakibatkan disrupsi atau perubahan besar dalam proses pembelajaran. Fakultas Teknik Universitas Nurul Jadid. Pembelajaran yang dilakukan secara daring memberikan dampak perubahan perilaku dan juga cara mengajar. Hal ini juga berdampak pada tingkat efektifitas dan kepuasan mahasiswa dalam proses pembelajaran. Penelitian ini menggunakan metode deskriptif kualitatif menggunakan K-Means Clustering. Hasil penelititian menunjukkan derajat kepuasan mahasiswa dalam proses belajar mengajar mengalami peningkatan namun tidak signifikan. Hal ini ditunjukkan dengan prosentase respon mahasiswa terhadap penyelenggaraan pembelajaran daring sebesar 80%. Selebihnya menyatakan cukup puas, dan 7% menyatakan kurang puas dan tidak puas.
KLASIFIKASI JENIS DAGING BERDASARKAN TEKSTUR MENGGUNAKAN METODE GRAY LEVEL COOCURENT MATRIX Nurul Lihayati; Ratri Enggar Pawening; Mohammad Furqan
SENTIA 2016 Vol 8, No 1 (2016)
Publisher : SENTIA 2016

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (668.666 KB)

Abstract

Tingkat konsumsi dan harga daging yang sangat tinggi banyak dimanfaatkan penjual daging untuk berbuat yang tidak seharusnya. Hal ini terjadi karena pengetahuan pembeli dalam membedakan jenis daging. Salah satu cara untuk mengenali jenis daging dibidang informatika adalah enggunakan pengolahan citra. Tujuan penelitian ini adalah mengklasifikasi jenis daging berdasarkan tekstur daging menggunakan Gray Level Co-occurrence Matrix  dan  diharapkan  penelitian  ini  dapat  dimanfaatkan  untuk  membedakan  jenis  daging  berdasarkan teksturnya untuk berbagai keperluan. Pengambilan citra dilakukan sebanyak 3 kali, dan setiap pengambilan citra menghasilkan 30 citra daging dari setiap jenisnya. Proses klasifikasi menggunakan data latih dengan tujuan menghasilkan satu model yang akan digunakan sebagai penentuan jenis daging. nilai ciri rerata pada metode ini dengan fitur-fitur ekstraksi ciri tertinggi  adalah pada fitur korelasi dan homogenitas. Hasil dari penelitian ini terletak pada nilai k1 dengan akurasi 73,3%.
KLASIFIKASI JENIS MANGGA BERDASARKAN BENTUK DAN TEKSTUR DAUN MENGGUNAKAN METODE K-NEAREST NEIGHBOR Arum Puji Rahayu; Honainah Honainah; Ratri Enggar Pawening
SENTIA 2016 Vol 8, No 1 (2016)
Publisher : SENTIA 2016

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Mangga merupakan salah satu tanaman jenis buah-buahan yang digemari oleh masyarakat khususnya masyarakat daerah Probolinggo. Jenis mangga yang paling banyak ditanam di daerah Probolinggo adalah jenis mangga arumanis, golek, dan manalagi karena rasanya yang enak. Dalam penelitian ini menggunakan daun mangga sebagai dataset dari tiga jenis mangga yaitu jenis mangga arumanis, golek, dan manalagi. Berbagai cara dapat dilakukan untuk membedakan jenis mangga salah satunya dengan melihat bentuk dan tekstur daun dari pohon mangga. Jika melihat data yang ada di lapangan bentuk dan tekstur daun mangga jenis arumanis, golek, dan manalagi memiliki banyak kesamaan sehingga sulit dibedakan dengan kasat mata. Tujuan penelitian ini adalah melakukan klasifikasi jenis mangga berdasarkan bentuk dan tekstur daun menggunakan metode K�Nearest Neighbor. Proses ekstraksi fitur bentuk menggunakan metode compactness dan circularity, sedangkan untuk proses ekstraksi fitur tekstur menggunakan energi dan kontras dari pendekatan matriks co-occurrence.Metode klasifikasi yang digunakan adalah K-Nearest Neighbor. Hasil pengujian ekstraksi fitur bentuk memerlukan waktu 0,043 detik dan tekstur 0,053 detik. Nilai akurasi klasifikasi tertinggi adalah 73,333% pada K = 10, 12, dan 15.
Automatic Car Detection Using Haar Cascade Classifier and Convolutional Neural Network for Traffic Density Estimation Miftahul Hasanah; Gulpi Qorik Oktagalu Pratamasunu; Ratri Enggar Pawening
Indonesian Journal of Artificial Intelligence and Data Mining Vol 4, No 1 (2021): March 2021
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/ijaidm.v4i1.10785

Abstract

Based on a survey released by the TomTom Traffic Index in 2018, Indonesia was ranked seventh in the category of the most congested country in the world. One of the factors affecting traffic congestion in Indonesia is an inflexible and conventional traffic management system. In this regard, it is necessary to have a better traffic management system such as a Smart Traffic Light. One way to implement a smart traffic light system is to make a vehicle detection and counting system on the traffic CCTV video automatically. The methods used in this research are Haar Cascade Classifiers and Convolutional Neural Network. Haar Cascade Classifiers have fast computation processes and CNN is applied to validate the detection results of the Haar Cascade method for better accuracy. The average level of accuracy achieved by the system on quiet test data is 82%, normal test data is 69%, and busy test data is 60%. Meanwhile, the average computation time needed by the system for the quiet test data is 0.63 seconds, the normal test data is 0.52 seconds, and the busy test data is 1.05 seconds.
PKM Pelatihan Microsoft Office untuk Meningkatkan Keterampilan Administrasi Perkantoran bagi Siswi SMK Nurul Jadid Ratri Enggar Pawening; Faiqatul Hikmah; Fakhrina Kamila; Fiqih Humaidah; Fatimatus Zahro; Putri Mar’atu Sholehah; Fadillah Nurul Imami; Fajaratul Lailiah
GUYUB: Journal of Community Engagement Vol 2, No 3 (2021): Pendampingan Sektor Pendidikan, Teknologi, Kesehatan, dan Humaniora
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/guyub.v2i3.2870

Abstract

Sekolah menengah Kejuruan (SMK) merupakan salah satu pendidikan vokasi yang mendapat perhatian dari pemerintah. Berbagai program yang sudah diluncurkan pemerintah bertujuan untuk mewujudkan lulusan yang kompeten yang dapat memenuhi kebutuhan industri. Bagi lulusan yang ingin mengembangkan karir di sektor perkantoran hendaknya menguasai aplikasi-aplikasi yang di pakai di perkantoran. Aplikasi yang perlu dikuasai adalah Microsoft Office. SMK Nurul Jadid merupakan lembaga pendidikan di bawah naungan Pondok Pesantren Nurul Jadid. Sekolah ini mempunyai visi menjadi SMK berkualitas yang agamis, berkarakter, berprestasi, dan berwawasan lingkungan. Mata pelajaran yang membahas Microsoft Office sudah diajarkan di kelas X dengan materi aplikasi dan fungsi-fungsi dasar. Untuk fungsi-fungsi yang mengarah ke administrasi perkantoran masih belum diajarkan di sekolah. Mempelajari fungsi-fungsi yang berkaitan dengan adminitrasi perkantoran sangat diperlukan oleh lulusan yang inginmengembangkan karir di perkantoran maupun bagi mereka yang membuka usaha jasa retal pengetikan.Tujuan pelaksaan PKM ini adalah menyelenggarakan pelatihan Microsoft Office untuk kebutuhan perkantoran pada siswi SMK Nurul Jadid. Dari hasil pelatihan dapat diketahui bahwa 75% peserta sudah mengetahui fungsi Microsoft Word untuk dasar-dasar perkantoran. Para peserta pelatihan sangat antusias mengikuti semua rangkaian acara. Hal ini terlihat dari kesungguhan mereka dalam mempraktekkan modul yang dipandu oleh pemateri.
Co-Authors Agus Zainal Arifin Agus Zainal Arifin Anny Yuniarti Arum Puji Rahayu Ayu Basirotul Muzayyanah Darlis Herumurti Fadillah Nurul Imami Faiqatul Hikmah Fajaratul Lailiah Fakhrina Kamila Fatimatus Zahro Fiqih Humaidah Gulpi Qorik Oktagalu Pratamasunu Honainah Honainah Honainah Honainah Kusuma, Selvia Ferdiana Miftahul Hasanah Mohammad Furqan Nurul Lihayati Nurul Wasilatul Laili Putri Mar’atu Sholehah Raudhah Lailatul Mufidah Rizqa Raaiqa Bintana Rohman Dijaya Tio Darmawan Uky Novita Wulandari Wahyuni Wahyuni Wali Ja’far Shudiq