Garuda - Garba Rujukan Digital

Klasifikasi Jenis Tanaman Mangga Gadung dan Mangga Madu Berdasarkan Tulang Daun Riska, Suastika Yulia; Cahyani, Laili; Rosadi, Muhammad Imron
Jurnal Buana Informatika Vol 6, No 1 (2015): Jurnal Buana Informatika Volume 6 Nomor 1 Januari 2015
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (327.969 KB)

Daun merupakan salah satu bagian tanaman yang dapat menjadiacuan klasifikasi, karena memiliki perbedaan fitur pada setiap jenis mangga. Penerapan Unconstraint Hit or Miss Transformation (UHMT) dengan empatstructuring element (SE) mengakibatkan tingginya kompleksitas komputasional.Sehingga, penelitian ini bertujuan untuk menyederhanakan kompleksitaskomputasi dengan menerapkan satu dari sembilan SE pada UHMT. Pola fiturtulang daun diperoleh dengan menerapkan Local Binary Pattern (LBP),kemudian hasil fitur yang diperoleh dihitung dengan entropy. Hasilmenunjukkan bahwa rata-rata nilai entropy yang tinggi dikategorikan padamangga madu. Pengujian klasifikasi membandingkan akurasi pada K-foldCross Validation, dengan nilai K-fold adalah 5, 8, dan 10. Akurasi tertinggidengan menggunakan 10-fold Cross Validition yaitu 78,5 %.

Klasterisasi Jenis Musik Menggunakan Kombinasi Algoritma Neural Network, K-Means dan Particle Swarm Optimization Sankoh, Alhaji Sheku; Musthafa, Ahmad Reza; Rosadi, Muhammad Imron; Arifin, Agus Zainal
Jurnal Buana Informatika Vol 6, No 3 (2015): Jurnal Buana Informatika Volume 6 Nomor 3 Juli 2015
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (845.726 KB)

Abstract. Having a number of audio files in a directory could result to unstructured arrangement of files. This will cause some difficulties for users in sorting a collection of audio files based on a particular category of music. In some previous studies, researchers used a method conducting to group documents on a web page. However, those studies were not carried out on file containing documents such as audio files; relatively they were conducted on files that contain text documents. In this study, we develop a method of grouping files using a combination of pre-processing approach, neural networks, k-means, and particle swarm optimization to obtain a form of audio file collections that are group based on the types of music. The result of this study is a system with improved method of grouping audio files based on the type of music. The pre-processing stage has therefore produced the best results on this approach based on spectrum analysis melody and bass guitar, which offers a value precision 95%, 100% recall and an F-Measure 97.44%.Keywords: Cluster, Music, NN, K-Means, PSOÂ Abstrak. Banyaknya file audio pada suatu direktori membuat sususan file tidak terstruktur. Hal ini akan menyulitkan pengguna untuk mengurutkan bahkan memilah kumpulan file audio berdasarkan kategori tertentu, khususnya kategori berdasarkan jenis musik. Pada penelitian sebelumnya, dilakukan pengelompokan dokumen pada suatu halaman website. Namun hal tersebut tidak dilakukan pada file selain dokumen, seperti file audio. Penelitian ini bertujuan untuk mengembangkan metode pengelompokan file berupa kombinasi pendekatan pre-processing, neural network, k-means, dan particle swarm optimization dengan masukan berupa file audio sehingga diperoleh keluaran berupa kumpulan file audio yang telah terkelompok berdasarkan jenis musik. Hasil dari penelitian ini yaitu berupa suatu sistem dengan pengembangan metode dalam pengelompokan file audio berdasarkan jenis musik. Metode pada tahap pre-processing memiliki hasil terbaik pada pendekatan berdasarkan analisa spectrum melodi gitar dan bass, di mana memiliki nilai precission 95%, recall 100% dan F-Measure 97,44%. Kata kunci: Klaster, Musik, NN, K-Means, PSO

Deteksi Lokasi Citra Iris Menggunakan Threshold Linear dan Garis Horisontal Imajiner Hakim, Lukman; Rosadi, Muhammad Imron; Prayoga, Resdi Hadi
Prosiding Snatika (Seminar Nasional Teknologi, Informasi, Komunikasi dan Aplikasinya) Vol 4 (2017): Prosiding Snatika (Seminar Nasional Teknologi, Informasi, Komunikasi dan Aplikasinya)
Publisher : Prosiding Snatika (Seminar Nasional Teknologi, Informasi, Komunikasi dan Aplikasinya)

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

Sistem biometrik berkembang pesat di berbagai berbagai bidang, terutama untuk keamanan dengan menggunakan citra iris. Berdasarkan dengan permasalahan tersebut, maka  mempengaruhi penelitian-penelitian yang mengarah ke arah tantangan baru seperti kemampuan untuk menjamin tingkat akurasi dan kehandalan. Salah satu tahap yang paling kritis dan mendasar dalam sistem pengenalan iris mata adalah lokalisasi atau batasan luar dan dalam dari pola iris mata di dalam citra input, sehubungan dengan berbagai varian yang mungkin terjadi saat pengambilan citra. Meliputi variasi posisi iris Mata, posisi mata dalam citra, noise yang ada seperti pemakaian kacamata, rambut, bulu mata, pengaruh blurring, dan variasi ukuran iris mata warna kulit. Dalam penelitian ini ada 2 langkah pekerjaan, pertama; menemukan daerah pusat pupil menggunakan metode threshold linear dengan intensitas yang lebih besar daripada nilai empiris 70 (skala 0 (256) kemudian dilanjutkan dengan metode 8-connected untuk menemukan daerah yang terhubung. Kedua; menemukan batas iris menggunakan pelacakan garis horizontal imajiner yang melewati seluruh gambar melalui pusat pupil. Mulai dari tepi pupil kami menganalisis sinyal terdiri oleh intensitas piksel dari pusat gambar menuju batas iris. Dari hasil ujicoba Pengujian metode yang diusulkan dilakukan pada citra iris CASIA-IrisVI interval yang memiliki banyak noise , diantaranya yaitu tingkat kekontrasan setiap citra berbeda-beda, adanya kelopak mata dan bulu mata, serta adanya specular reflection. Parameter-parameter yang diamati adalah akurasi deteksi iris dibawah kondisi kualitas citra iris yang tidak ideal, serta waktu eksekusi deteksi iris. Hasil pengujian metode kami terhadap 35 citra iris menunjukkan bahwa akurasi deteksi lingkaran pupil sebanyak 33 citra sebesar 94% sedangkan akurasi deteksi lingkaran luar iris sebesar 94%. Serta alokasi waktu rata-rata 0.98 detik

KLASIFIKASI DIABETIC RETINOPATHY MENGGUNAKAN SELEKSI FITUR DAN SUPPORT VECTOR MACHINE Rosadi, Muhammad Imron; Sanjaya, Cahya Bagus; Hakim, Lukman
Jurnal RESISTOR (Rekayasa Sistem Komputer) Vol 1 No 2 (2018): Jurnal RESISTOR Edisi Oktober 2018
Publisher : LPPM STMIK STIKOM Indonesia

Diabetic Retinopathy is a disease common complications of diabetes mellitus. The complications in the form of damages on the part of the retina of the eye.  The high levels of glucose in the blood are the cause of small capillaries become broke and can lead to blindness. The symptoms shown by the sufferers of Diabetic Retinopaythy (DR), among others, microaneurysms, hemorrhages, exudates, soft hard exudate and neovascularization. These symptoms are at a certain intensity can be an indicator of the phase (the level of severity) DR sufferers. There are four stages of the process of pattern recognition, namely preprocessing,feature ekstraction, feature selection and classification. On preprocessing the image do Change the RGB image into Green channel, image Adaptive Histogram Equalization, removal of blood vessels, removal of optic disks, detection of exudate. A collection from the results of preprocessing placed in the vector of characteristics by using the feature extraction of GLCM consisting of order 1 and 2, to order then conducted as input Support Vector Machine (SVM). While in SVM there are three issues that emerged, namely; How to select a kernel function, what is the optimal number of input features, and how to determine the best kernel parameters. These issues are important, because the number of features affect the required kernel parameters values and vice versa, so that the selection of the features required in building the classification system. On the research of feature extraction methods was presented GLCM, features selection, and SVM for detecting diabetic retinopathy. feature selection process using the F-Score feature to select the results of features extraction. From the results of the selection of these features is used to input the classification. The dataset used amounted to 50 data, which is divided into 2 classes, where 25 sets taken from normal retinal scans and 25 sets of the rest of the scan of the retina with diabetic retinopathy. SVM classification with feature selection to increase accuracy and computational time than lose without a selection of features with a value of 90% accuracy and computational time 0.010 seconds.

Deteksi Lokasi Citra Iris Menggunakan Threshold Linear dan Garis Horisontal Imajiner Hakim, Lukman; Rosadi, Muhammad Imron; Prayoga, Resdi Hadi
Prosiding SNATIKA Vol 4 (2017): Prosiding Snatika (Seminar Nasional Teknologi, Informasi, Komunikasi dan Aplikasinya)
Publisher : LPPM STIKI Malang

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

Sistem biometrik berkembang pesat di berbagai berbagai bidang, terutama untuk keamanan dengan menggunakan citra iris. Berdasarkan dengan permasalahan tersebut, maka mempengaruhi penelitian-penelitian yang mengarah ke arah tantangan baru seperti kemampuan untuk menjamin tingkat akurasi dan kehandalan. Salah satu tahap yang paling kritis dan mendasar dalam sistem pengenalan iris mata adalah lokalisasi atau batasan luar dan dalam dari pola iris mata di dalam citra input, sehubungan dengan berbagai varian yang mungkin terjadi saat pengambilan citra. Meliputi variasi posisi iris Mata, posisi mata dalam citra, noise yang ada seperti pemakaian kacamata, rambut, bulu mata, pengaruh blurring, dan variasi ukuran iris mata warna kulit. Dalam penelitian ini ada 2 langkah pekerjaan, pertama; menemukan daerah pusat pupil menggunakan metode threshold linear dengan intensitas yang lebih besar daripada nilai empiris 70 (skala 0 (256) kemudian dilanjutkan dengan metode 8-connected untuk menemukan daerah yang terhubung. Kedua; menemukan batas iris menggunakan pelacakan garis horizontal imajiner yang melewati seluruh gambar melalui pusat pupil. Mulai dari tepi pupil kami menganalisis sinyal terdiri oleh intensitas piksel dari pusat gambar menuju batas iris. Dari hasil ujicoba Pengujian metode yang diusulkan dilakukan pada citra iris CASIA-IrisVI interval yang memiliki banyak noise , diantaranya yaitu tingkat kekontrasan setiap citra berbeda-beda, adanya kelopak mata dan bulu mata, serta adanya specular reflection. Parameter-parameter yang diamati adalah akurasi deteksi iris dibawah kondisi kualitas citra iris yang tidak ideal, serta waktu eksekusi deteksi iris. Hasil pengujian metode kami terhadap 35 citra iris menunjukkan bahwa akurasi deteksi lingkaran pupil sebanyak 33 citra sebesar 94% sedangkan akurasi deteksi lingkaran luar iris sebesar 94%. Serta alokasi waktu rata-rata 0.98 detik

Klasifikasi Jenis Tanaman Mangga Gadung dan Mangga Madu Berdasarkan Tulang Daun Riska, Suastika Yulia; Cahyani, Laili; Rosadi, Muhammad Imron
Jurnal Buana Informatika Vol 6, No 1 (2015): Jurnal Buana Informatika Volume 6 Nomor 1 Januari 2015
Publisher : Universitas Atma Jaya Yogyakarta

Daun merupakan salah satu bagian tanaman yang dapat menjadiacuan klasifikasi, karena memiliki perbedaan fitur pada setiap jenis mangga. Penerapan Unconstraint Hit or Miss Transformation (UHMT) dengan empatstructuring element (SE) mengakibatkan tingginya kompleksitas komputasional.Sehingga, penelitian ini bertujuan untuk menyederhanakan kompleksitaskomputasi dengan menerapkan satu dari sembilan SE pada UHMT. Pola fiturtulang daun diperoleh dengan menerapkan Local Binary Pattern (LBP),kemudian hasil fitur yang diperoleh dihitung dengan entropy. Hasilmenunjukkan bahwa rata-rata nilai entropy yang tinggi dikategorikan padamangga madu. Pengujian klasifikasi membandingkan akurasi pada K-foldCross Validation, dengan nilai K-fold adalah 5, 8, dan 10. Akurasi tertinggidengan menggunakan 10-fold Cross Validition yaitu 78,5 %.

Klasterisasi Jenis Musik Menggunakan Kombinasi Algoritma Neural Network, K-Means dan Particle Swarm Optimization Sankoh, Alhaji Sheku; Musthafa, Ahmad Reza; Rosadi, Muhammad Imron; Arifin, Agus Zainal
Jurnal Buana Informatika Vol 6, No 3 (2015): Jurnal Buana Informatika Volume 6 Nomor 3 Juli 2015
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v6i3.431

Abstract. Having a number of audio files in a directory could result to unstructured arrangement of files. This will cause some difficulties for users in sorting a collection of audio files based on a particular category of music. In some previous studies, researchers used a method conducting to group documents on a web page. However, those studies were not carried out on file containing documents such as audio files; relatively they were conducted on files that contain text documents. In this study, we develop a method of grouping files using a combination of pre-processing approach, neural networks, k-means, and particle swarm optimization to obtain a form of audio file collections that are group based on the types of music. The result of this study is a system with improved method of grouping audio files based on the type of music. The pre-processing stage has therefore produced the best results on this approach based on spectrum analysis melody and bass guitar, which offers a value precision 95%, 100% recall and an F-Measure 97.44%.Keywords: Cluster, Music, NN, K-Means, PSOÃ‚Â Abstrak. Banyaknya file audio pada suatu direktori membuat sususan file tidak terstruktur. Hal ini akan menyulitkan pengguna untuk mengurutkan bahkan memilah kumpulan file audio berdasarkan kategori tertentu, khususnya kategori berdasarkan jenis musik. Pada penelitian sebelumnya, dilakukan pengelompokan dokumen pada suatu halaman website. Namun hal tersebut tidak dilakukan pada file selain dokumen, seperti file audio. Penelitian ini bertujuan untuk mengembangkan metode pengelompokan file berupa kombinasi pendekatan pre-processing, neural network, k-means, dan particle swarm optimization dengan masukan berupa file audio sehingga diperoleh keluaran berupa kumpulan file audio yang telah terkelompok berdasarkan jenis musik. Hasil dari penelitian ini yaitu berupa suatu sistem dengan pengembangan metode dalam pengelompokan file audio berdasarkan jenis musik. Metode pada tahap pre-processing memiliki hasil terbaik pada pendekatan berdasarkan analisa spectrum melodi gitar dan bass, di mana memiliki nilai precission 95%, recall 100% dan F-Measure 97,44%. Kata kunci: Klaster, Musik, NN, K-Means, PSO

Klasifikasi Jenis Tanaman Mangga Gadung dan Mangga Madu Berdasarkan Tulang Daun Suastika Yulia Riska; Laili Cahyani; Muhammad Imron Rosadi
Jurnal Buana Informatika Vol. 6 No. 1 (2015): Jurnal Buana Informatika Volume 6 Nomor 1 Januari 2015
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v6i1.399

Daun merupakan salah satu bagian tanaman yang dapat menjadiacuan klasifikasi, karena memiliki perbedaan fitur pada setiap jenis mangga. Penerapan Unconstraint Hit or Miss Transformation (UHMT) dengan empatstructuring element (SE) mengakibatkan tingginya kompleksitas komputasional.Sehingga, penelitian ini bertujuan untuk menyederhanakan kompleksitaskomputasi dengan menerapkan satu dari sembilan SE pada UHMT. Pola fiturtulang daun diperoleh dengan menerapkan Local Binary Pattern (LBP),kemudian hasil fitur yang diperoleh dihitung dengan entropy. Hasilmenunjukkan bahwa rata-rata nilai entropy yang tinggi dikategorikan padamangga madu. Pengujian klasifikasi membandingkan akurasi pada K-foldCross Validation, dengan nilai K-fold adalah 5, 8, dan 10. Akurasi tertinggidengan menggunakan 10-fold Cross Validition yaitu 78,5 %.

Klasterisasi Jenis Musik Menggunakan Kombinasi Algoritma Neural Network, K-Means dan Particle Swarm Optimization Alhaji Sheku Sankoh; Ahmad Reza Musthafa; Muhammad Imron Rosadi; Agus Zainal Arifin
Jurnal Buana Informatika Vol. 6 No. 3 (2015): Jurnal Buana Informatika Volume 6 Nomor 3 Juli 2015
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v6i3.431

Abstract. Having a number of audio files in a directory could result to unstructured arrangement of files. This will cause some difficulties for users in sorting a collection of audio files based on a particular category of music. In some previous studies, researchers used a method conducting to group documents on a web page. However, those studies were not carried out on file containing documents such as audio files; relatively they were conducted on files that contain text documents. In this study, we develop a method of grouping files using a combination of pre-processing approach, neural networks, k-means, and particle swarm optimization to obtain a form of audio file collections that are group based on the types of music. The result of this study is a system with improved method of grouping audio files based on the type of music. The pre-processing stage has therefore produced the best results on this approach based on spectrum analysis melody and bass guitar, which offers a value precision 95%, 100% recall and an F-Measure 97.44%.Keywords: Cluster, Music, NN, K-Means, PSOÂ Abstrak. Banyaknya file audio pada suatu direktori membuat sususan file tidak terstruktur. Hal ini akan menyulitkan pengguna untuk mengurutkan bahkan memilah kumpulan file audio berdasarkan kategori tertentu, khususnya kategori berdasarkan jenis musik. Pada penelitian sebelumnya, dilakukan pengelompokan dokumen pada suatu halaman website. Namun hal tersebut tidak dilakukan pada file selain dokumen, seperti file audio. Penelitian ini bertujuan untuk mengembangkan metode pengelompokan file berupa kombinasi pendekatan pre-processing, neural network, k-means, dan particle swarm optimization dengan masukan berupa file audio sehingga diperoleh keluaran berupa kumpulan file audio yang telah terkelompok berdasarkan jenis musik. Hasil dari penelitian ini yaitu berupa suatu sistem dengan pengembangan metode dalam pengelompokan file audio berdasarkan jenis musik. Metode pada tahap pre-processing memiliki hasil terbaik pada pendekatan berdasarkan analisa spectrum melodi gitar dan bass, di mana memiliki nilai precission 95%, recall 100% dan F-Measure 97,44%. Kata kunci: Klaster, Musik, NN, K-Means, PSO

PENGUKURAN DAN EVALUASI KEAMANAN SIAKAD UNIVERSITAS YUDHARTA MENGGUNAKAN INDEKS KAMI Muhammad Imron Rosadi; Lukman Hakim

Publisher : Program Studi Teknik Informatika, Fakultas Teknik, Universitas Yudharta Pasuruan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (956.837 KB)

Di Kabupaten pasuruan mempunyai beberapa perguruan tinggi salah satunya yaitu UYP. Di Universitas ini terdapat Badan Administrasi Akademik dan Kemahasiswaan (BAAK) yang bertugas untuk memberikan layanan dan administrasi kepada Mahasiswa dan Dosen.Untuk memenuhi tugas tersebut maka bekerja sama dengan Pusat Pelayanan Informasi dan Komunikasi (PPIK) untuk Mengembangkan Teknologi Informasi Sistem Informasi Akademik. Perlu dilakukan evaluasi untuk mengukur kesiapan kematangan keamanan informasi berdasarkan Indeks KAMI. Indeks KAMI dibuat oleh MENKOMINFO dan banyak dipakai untuk mengukur kematangan keamanan informasi berdasarkan standart ISO/IEC 27001:2009. Pada evaluasi indeks KAMI ada tahap awal yang digunakan yaitu melakukan penilaian tingkat ketergantungan TIK pada instansi.Penilaian indeks KAMI yang dilakukan di UYP digunakan untuk menilai tingkat kematangan keamanan informasi. Di penelitian ini didapatkan tingkat kematangan keamanan teknologi berada di level I sampai dengan II, total skor untuk peran TIK adalah 28 (Tinggi), dan hasil pengukuran Indeks KAMI mencapai 200, ini memiliki arti bahwa tingkat kematangan TIK tidak layak. Oleh karena itu hasil dari penelitian ini sebaiknya digunakan untuk bahan evaluasi dan perbaikan keamanan informasi di UYP. Kata Kunci : KAMI, UYP, ISO/IEC27001:2009.

Title

Found 17 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 17 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 17 Documents
Search