Article Per Year (5 Year)
p-Index From 2019 - 2024
2.098
P-Index
This Author published in this journals
All Journal JURNAL SISTEM INFORMASI BISNIS Perfecting a Video Game with Game Metrics Bulletin of Electrical Engineering and Informatics Abdimas PROSIDING CSGTEIS 2013 Jurnal Simantec Prosiding Semnastek ELINVO (Electronics, Informatics, and Vocational Education) Jurnal Ilmiah Pangabdhi Network Engineering Research Operation [NERO] Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control JPP IPTEK (Jurnal Pengabdian dan Penerapan IPTEK) MULTINETICS NERO (Networking Engineering Research Operation)
Wahyudi Setiawan
Sistem Informasi, Universitas Trunojoyo
Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Social Sciences Other

Published : 24 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 24 Documents
Search

 1   2   3 
SISTEM PENDUKUNG KEPUTUSAN OPTIMASI MIX DESIGN BETON KONSTRUKSI MENGGUNAKAN METODE AHP (ANALYTICAL HIERARCHY PROCES) Fahmi, Muhammad Farid; Setiyono, Budi; Setiawan, Wahyudi
Network Engineering Research Operation [NERO] Vol 1, No 2 (2014): Nero
Publisher : Universitas Trunojoyo Madura

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

Abstract

Dalam penelitian ini penulis akan membuat sebuah aplikasi yang disebut dengan Sistem Pendukung Keputusan Optimasi Mix Design Beton Konstruksi, Sistem ini dapat membantu Kontraktor dalam mengoptimalkan proses Mix Design (Perencanaan Campuran) Beton Konstruksi berdasarkan kendala dari keterbatasan bahan-bahan penyusun beton yang ada di lapangan. Optimasi yang akan dicapai dalam Mix Design Beton yaitu optimasi dari aspek ekonomi, Kemudahan pengerjaan, Mutu (keawetan) , kekuatan struktur . Metode yang akan digunakan dalam proses Mix Design (Perencanaan Campuran) yaitu Metode British DOE dengan didasarkan pada Standar Perancangan Beton Indonesia SK-SNI T- 15- 1990-03, sedangkan Metode yang cocok untuk pengambilan keputusan dalam pengoptimalan campuran yaitu dengan metode AHP (analytical hierarchy process), karena metode tersebut dapat memecahkan masalah yang multiobjective dan multi kriteria. Kriteria yang digunakan dalam pengoptimalan campuran pada dasarnya merupakan persyaratan-persyaratan utama dalam campuran beton yang baik yaitu kemudahan pekerjaan, kekuatan struktur, mutu serta ekonomis. Prosentase yang diperoleh dari setiap kriteria tersebut digunakan sebagai salah satu pendukung keputusan dalam menentukan campuran yang optimal. Kata kunci: Mix Design, Sistem Pendukung Keputusan, AHP.
PENERAPAN METODE NAÏVE BAYES CLASSIFIER UNTUK DETEKSI PENYAKIT PADA TANAMAN JAGUNG Syarief, Mohammad; Mukminin, Amirul; Prastiti, Novi; Setiawan, Wahyudi
Network Engineering Research Operation [NERO] Vol 3, No 1 (2017): NERO
Publisher : Universitas Trunojoyo Madura

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

Abstract

Jagung merupakan salah satu komoditas pertanian yang dapat digunakan sebagai makanan pokok selain padi. Budidaya tanaman jagung tidak membutuhkan air dalam jumlah banyak, hal ini sangat cocok bagi petani di pulau Madura yang hanya mengandalkan pertanian pada saat musim hujan. Produktivitas tanaman jagung kabupaten Bangkalan yaitu 205,45 kw/ha pertahun. Kendala yang dihadapi oleh para petani jagung diantaranya yaitu minimnya informasi tentang penyakit yang menyerang tanaman jagung sehingga menyebabkan produktivitas kurang. Pada penelitian ini dibangun sebuah sistem yang dapat melakukan deteksi otomatis tentang penyakit yang menyerang tanaman jagung sehingga dapat dilakukan tindakan-tindakan preventif untuk mencegah tanaman jagung mengalami kematian. Dari data dinas Pertanian Kabupaten Bangkalan terdapat 46 gejala yang yang dapat menyebabkan 15 jenis penyakit. Pengujian sistem dengan menggunakan data gangguan hama dan penyakit sebanyak 30 kasus. Sistem akan meminta user memilih gejala-gejala penyakit pada tanaman jagung, selanjutnya sistem akan memproses dan memberikan keterangan hasil diagnosis penyakit. Pada penelitian ini menggunakan metode klasifikasi yaitu Naive bayes . Hasil ujicoba pada lahan jagung pertama menunjukkan kecocokan  antara sistem pakar dengan pendapat  pakar sebenarnya sebesar  18 dari 30 kasus yang diujicobakan.Kata kunci: Sistem Pakar, Penyakit Jagung, Naïve Bayes
Pengabdian Kepada Masyarakat untuk Siswa dan Pengelola Pusat Kegiatan Belajar Masyarakat di Kabupaten Bangkalan Damayanti, Fitri; Syarief, Mohammad; Setiawan, Wahyudi
JPP IPTEK (Jurnal Pengabdian dan Penerapan IPTEK) Vol 1, No 1 (2017)
Publisher : LPPM ITATS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (835.581 KB) | DOI: 10.31284/j.jpp-iptek.2017.v1i1.148

Abstract

Pendidikan merupakan hak dasar setiap warga negara. Pendidikan dibutuhkan untuk mewujudkan Sumber Daya Manusia (SDM) yang berkualitas. Salah satu permasalahan pendidikan yaitu kurangnya pemerataan kesempatan untuk mendapatkan pendidikan yang layak. Pendidikan Non Formal menjadi alternatif solusi penyelenggaraan pendidikan. Pada penelitian ini dibangun sebuah sistem informasi pengelolaan data sekolah. Sistem informasi terdiri dari lima tingkat user yaitu administrator utama, administrator sekolah, guru, siswa dan umum. Data yang diolah berupa data sekolah, fasilitas, pengelola, guru, siswa serta informasi umum. Untuk data siswa terdapat history mulai siswa masuk hingga siswa lulus. Selain itu terdapat pula Satuan Acara Pembelajaran (SAP) yang menginformasikan materi-materi yang harus disampaikan pada proses belajar mengajar. Sistem informasi ini akan dilengkapi dengan aplikasi pembelajaran untuk Ujian Nasional bagi siswa kejar paket C yang terdiri dari materi dan latihan ujian pilihan ganda untuk mata pelajaran ekonomi, sosiologi, bahasa Indonesia, bahasa Inggris, Geografi dan Matematika. Data dan informasi yang diolah berasal dari Dinas Pendidikan Kabupaten Bangkalan serta penyelenggara program kejar paket. Sedangkan materi aplikasi pembelajaran berasal dari buku-buku pelajaran tertentu setingkat SMA. Diharapkan sistem informasi pengelolaan data sekolah dan aplikasi pembelajaran untuk siswa kejar paket C ini dapat meningkatkan mutu pendidikan sekolah non formal di wilayah kabupaten Bangkalan.
Klasifikasi Kanker Payudara menggunakan Ekstraksi Ciri Metode Statistik Fuad, Muhammad; Setiawan, Wahyudi
MULTINETICS Vol 2, No 2 (2016): MULTINETICS Nopember (2016)
Publisher : POLITEKNIK NEGERI JAKARTA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32722/multinetics.Vol2.No.2.2016.pp.54-58

Abstract

Kanker Payudara merupakan penyakit degeneratif yang menyerang jaringan pada payudara. Tingginya penderita kanker payudara disebabkan karena minimnya informasi. Penderita dengan stadium akhir sering dijumpai akibat dari ketiadaan pencegahan dan pengobatan di stadium awal. Pemeriksaan dini diperlukan untuk mengatasi perkembangan penyakit lebih lanjut. Pemeriksaan kanker payudara disebut juga dengan mammografi. Mammografi merupakan teknik penyinaran dengan sinar X dosis rendah untuk mendapatkan citra. Citra mammogram dapat membantu dokter untuk memastikan keberadan sel-sel kanker yang ada dalam payudara. Citra yang telah didapat dari proses mammografi akan dilakukan ekstraksi ciri. Ekstraksi ciri merupakan proses untuk mendapatkan ciri-ciri tertentu sebagai pembeda dari ciri yang lain. Pada penelitian ini ekstraksi ciri menggunakan metode statistik yaitu mean, standar deviasi, variance, skewness, kurtosis dan entropy. Klasifikasi menggunakan k-Nearest Neighbour. Citra uji berasal dari MIAS (Mammographics Images Analysis Society).  Dataset yang digunakan sebanyak 15 citra mammografi, terdiri dari 3 kelas yaitu normal, jinak dan ganas
Sistem Deteksi Retinopati Diabetik Menggunakan Support Vector Machine Setiawan, Wahyudi; Adi, Kusworo; Sugiharto, Aris
JSINBIS (Jurnal Sistem Informasi Bisnis) Vol 2, No 3 (2012): Volume 2 Nomor 3 Tahun 2012
Publisher : Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (928.963 KB) | DOI: 10.21456/vol2iss3pp109-116

Abstract

Diabetic Retinopathy is a complication of Diabetes Melitus. It can be a blindness if untreated settled as early as possible. System created in this thesis is the detection of diabetic retinopathy level of the image obtained from fundus photographs. There are three main steps to resolve the problems, preprocessing, feature extraction and classification. Preprocessing methods that used in this system are Grayscale Green Channel, Gaussian Filter, Contrast Limited Adaptive Histogram Equalization and Masking. Two Dimensional Linear Discriminant Analysis (2DLDA) is used for feature extraction. Support Vector Machine (SVM) is used for classification. The test result performed by taking a dataset of MESSIDOR with number of images that vary for the training phase, otherwise is used for the testing phase. Test result show the optimal accuracy are 84% .   Keywords : Diabetic Retinopathy, Support Vector Machine, Two Dimensional Linear Discriminant Analysis, MESSIDOR
Klasifikasi Citra Histopatologi Kanker Payudara menggunakan Data Resampling Random dan Residual Network Setiawan, Wahyudi
JSINBIS (Jurnal Sistem Informasi Bisnis) Vol 11, No 1 (2021): Volume 11 Nomor 1 Tahun 2021
Publisher : Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21456/vol11iss1pp70-79

Abstract

Data imbalance between classes is one of the problems on image classification. The data in each class is not equal and has a relatively large difference generated in less than optimal classification results. Ideally, the data in each class is equal or have a slight difference. This article discusses the classification of the histopathology breast cancer image. The data consist of  8 classes with unbalanced data. The method for balancing the data in each class uses random resampling which is applied to training data only. The data used from BreakHist with magnifications of 40x, 100x, 200x, and 400x . The classification uses Residual Network (ResNet) 18 and 50. The best results are obtained on images with a magnification of 400x. Classification results using ResNet18 has an average accuracy of 79.82%, an average precision of 71.39%, and an average recall of 82.37%. Meanwhile using ResNet50 showed an average accuracy of 81.67%, average precision of 78.41%, and an average recall of 82.91%.
Transfer learning with multiple pre-trained network for fundus classification Wahyudi Setiawan; Moh. Imam Utoyo; Riries Rulaningtyas
TELKOMNIKA (Telecommunication Computing Electronics and Control) Vol 18, No 3: June 2020
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/telkomnika.v18i3.14868

Abstract

Transfer learning (TL) is a technique of reuse and modify a pre-trained network. It reuses feature extraction layer at a pre-trained network. A target domain in TL obtains the features knowledge from the source domain. TL modified classification layer at a pre-trained network. The target domain can do new tasks according to a purpose. In this article, the target domain is fundus image classification includes normal and neovascularization. Data consist of 100 patches. The comparison of training and validation data was 70:30. The selection of training and validation data is done randomly. Steps of TL i.e load pre-trained networks, replace final layers, train the network, and assess network accuracy. First, the pre-trained network is a layer configuration of the convolutional neural network architecture. Pre-trained network used are AlexNet, VGG16, VGG19, ResNet50, ResNet101, GoogLeNet, Inception-V3, InceptionResNetV2, and squeezenet. Second, replace the final layer is to replace the last three layers. They are fully connected layer, softmax, and output layer. The layer is replaced with a fully connected layer that classifies according to number of classes. Furthermore, it's followed by a softmax and output layer that matches with the target domain. Third, we trained the network. Networks were trained to produce optimal accuracy. In this section, we use gradient descent algorithm optimization. Fourth, assess network accuracy. The experiment results show a testing accuracy between 80% and 100%.
Convolutional neural network for maize leaf disease image classification Mohammad Syarief; Wahyudi Setiawan
TELKOMNIKA (Telecommunication Computing Electronics and Control) Vol 18, No 3: June 2020
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/telkomnika.v18i3.14840

Abstract

This article discusses the maize leaf disease image classification. The experimental images consist of 200 images with 4 classes: healthy, cercospora, common rust and northern leaf blight. There are 2 steps: feature extraction and classification. Feature extraction obtains features automatically using convolutional neural network (CNN). Seven CNN models were tested i.e AlexNet, virtual geometry group (VGG) 16, VGG19, GoogleNet, Inception-V3, residual network 50 (ResNet50) and ResNet101. While the classification using machine learning methods include k-Nearest neighbor, decision tree and support vector machine. Based on the testing results, the best classification was AlexNet and support vector machine with accuracy, sensitivity, specificity of 93.5%, 95.08%, and 93%, respectively.
Reconfiguration layers of convolutional neural network for fundus patches classification Wahyudi Setiawan; Moh. Imam Utoyo; Riries Rulaningtyas
Bulletin of Electrical Engineering and Informatics Vol 10, No 1: February 2021
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/eei.v10i1.1974

Abstract

Convolutional neural network (CNN) is a method of supervised deep learning. The architectures including AlexNet, VGG16, VGG19, ResNet 50, ResNet101, GoogleNet, Inception-V3, Inception ResNet-V2, and Squeezenet that have 25 to 825 layers. This study aims to simplify layers of CNN architectures and increased accuracy for fundus patches classification. Fundus patches classify two categories: normal and neovascularization. Data used for classification is MESSIDOR and Retina Image Bank that have 2,080 patches. Results show the best accuracy of 93.17% for original data and 99,33% for augmentation data using CNN 31 layers. It consists input layer, 7 convolutional layers, 7 batch normalization, 7 rectified linear unit, 6 max-pooling, fully connected layer, softmax, and output layer.
Klasifikasi Kanker Payudara menggunakan Ekstraksi Ciri Metode Statistik Muhammad Fuad; Wahyudi Setiawan
MULTINETICS Vol. 2 No. 2 (2016): MULTINETICS Nopember (2016)
Publisher : POLITEKNIK NEGERI JAKARTA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32722/multinetics.v2i2.1111

Abstract

Kanker Payudara merupakan penyakit degeneratif yang menyerang jaringan pada payudara. Tingginya penderita kanker payudara disebabkan karena minimnya informasi. Penderita dengan stadium akhir sering dijumpai akibat dari ketiadaan pencegahan dan pengobatan di stadium awal. Pemeriksaan dini diperlukan untuk mengatasi perkembangan penyakit lebih lanjut. Pemeriksaan kanker payudara disebut juga dengan mammografi. Mammografi merupakan teknik penyinaran dengan sinar X dosis rendah untuk mendapatkan citra. Citra mammogram dapat membantu dokter untuk memastikan keberadan sel-sel kanker yang ada dalam payudara. Citra yang telah didapat dari proses mammografi akan dilakukan ekstraksi ciri. Ekstraksi ciri merupakan proses untuk mendapatkan ciri-ciri tertentu sebagai pembeda dari ciri yang lain. Pada penelitian ini ekstraksi ciri menggunakan metode statistik yaitu mean, standar deviasi, variance, skewness, kurtosis dan entropy. Klasifikasi menggunakan k-Nearest Neighbour. Citra uji berasal dari MIAS (Mammographics Images Analysis Society).  Dataset yang digunakan sebanyak 15 citra mammografi, terdiri dari 3 kelas yaitu normal, jinak dan ganas
Co-Authors Abdul Ghofur Aeri Rachmad Amirul Mukminin Aris Sugiharto Budi Setiyono Fahmi, Muhammad Farid Fitri Damayanti Fitri Damayanti Fitri Damayanti Fitri Damayanti Fitri Damayanti Koeshardianto, Meidya Kori Cahyono Kusworo Adi M. Alauddin Helmi Moh. Imam Utoyo Mohammad Syarief Mohammad Syarief Mohammad Syarief Mohammad Syarief Mohammad Syarief, Mohammad Muhammad Farid Fahmi Muhammad Fuad Muhammad Fuad Muhammad Holilur Rohman Muhammad Mushlih Suhadi Mukminin, Amirul Novi Prastiti Novi Prastiti, Novi Prastiti, Novi Rachman, Fika Hastarita Reny Pujiastutik Riries Rulaningtyas Riries Rulaningtyas Sofie Ratnasari Syarief, Mohammad Wahyudi Agustiono