Article Per Year (5 Year)
p-Index From 2019 - 2024
0.408
P-Index
This Author published in this journals
All Journal Indonesian Journal of Artificial Intelligence and Data Mining Seminar Nasional Teknologi Informasi Komunikasi dan Industri Informatika : Jurnal Informatika, Manajemen dan Komputer
Suwanto Sanjaya
UIN Sultan Syarif Kasim Riau
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Industrial & Manufacturing Engineering Mathematics

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Learning Vector Quantization 3 (LVQ3) and Spatial Fuzzy C-Means (SFCM) for Beef and Pork Image Classification Jasril Jasril; Suwanto Sanjaya
Indonesian Journal of Artificial Intelligence and Data Mining Vol 1, No 2 (2018): September 2018
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (819.086 KB) | DOI: 10.24014/ijaidm.v1i2.5024

Abstract

Base on some cases in Indonesia, meat sellers often mix beef and pork. Indonesia is a predominantly Muslim country. Pork is forbidden in Islam. In this research, the classification of beef and pork image was performed. Spatial Fuzzy C-Means is used for image segmentation. GLCM and HSV are used as a feature of segmentation results. LVQ3 is used as a method of classification. LVQ3 parameters tested were the variety of learning rate values and window values. The learning rate values used is 0.0001; 0.01; 0.1; 0.4; 0.7; 0.9 and the window values used is 0.0001; 0.4; 0.7. The training data used is 90% of the total data, and the testing data used is 10%. Maximum epoch used is 1000 iterations. Based on the test results, the highest accuracy was 91.67%.
Klasifikasi Diabetik Retinopati Menggunakan Wavelet Haar dan Backpropagation Neural Network Suwanto Sanjaya; Arif Mudi Priyatno; Febi Yanto; Iis Afrianty
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2018: SNTIKI 10
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (702.251 KB)

Abstract

Diabetik retinopati merupakan penyakit yang menyerang retina mata dan dapat menyebabkan kebutaan. Tingkat keparahan diabetik retinopati terbagi atas empat yaitu Normal, Diabetik Retinopati Non-proliferative (NPDR), Diabetik Retinopati Proliferative (PDR) dan Makula Endema (ME). Pada dasarnya diabetik retinopati dapat diamati menggunakan kamera fundus tetapi membutuhkan waktu yang cukup lama. Sehingga pada penelitian ini diterapkan ilmu pengolahan citra dan Jaringan Syaraf Tiruan sebagai cara lain untuk mengelompokkan penyakit diabetik retinopati. Wavelet Haar digunakan sebagai ekstraksi ciri citra retina mata dan Backpropagation Neural Network (BPNN) digunakan sebagai Metode klasifikasinya. Data yang digunakan bersumber dari messidor database. Jumlah data yang digunakan adalah sebanyak 612 citra (153 data setiap kelas). Berdasarkan hasil pengujian, akurasi tertinggi sebesar 56,25% dengan ukuran citra 2440 x 1448 piksel, haar level ke-4 serta persentase perbandingan data latih dan data uji 95%:5%, Learning rate 0,01. Berdasarkan hasil tersebut, algoritme wavelet haar kurang mampu mengenali ciri dari diabetik retinopati.
Image Classification of Beef and Pork Using Convolutional Neural Network Architecture EfficienNet-B1 Isnan Mellian Ramadhan; Jasril - Jasril; Suwanto Sanjaya; Febi Yanto; Fadhilah Syafria
Indonesian Journal of Artificial Intelligence and Data Mining Vol 6, No 1 (2023): Maret 2023
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/ijaidm.v6i1.21843

Abstract

The increasing demand for beef has made many meat traders mix beef with pork to get more profit. Mixing beef and pork is harmful, especially for Muslims. In this study, the EfficientNet-B1 Convolutional Neural Network (CNN) approach was used to classify beef and pork. Experiments were conducted to compare accuracy using original data (without data augmentation) and with data augmentation. The data augmentation techniques used are rotation and horizontal flip. The total dataset after the data augmentation process is 3000 images. Many different settings were tested, including learning rates (0.00001, 0.0001, 0.001, 0.01, 0.1), batch size (32, 64), and optimizer (Adam, Adamax). After testing the Confusion Matrix, the highest accuracy results were obtained using data augmentation with a batch size of 32 of 98%. Meanwhile, those without data augmentation were 96%
PERAMALAN PENJUALAN GAS OKSIGEN MENGGUNAKAN ALGORITMA DOUBLE EXPONENTIAL SMOOTHING Cut Lira Kabaatun Nisa; Alwis Nazir; Siska Kurnia Gusti; Lestari Handayani; Suwanto Sanjaya
I N F O R M A T I K A Vol 15, No 1 (2023): MEI, 2023
Publisher : STMIK DUMAI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36723/juri.v15i1.521

Abstract

Perusahaan yang baik perlu melakukan pengembangan terhadap usaha yang dimiliki demi kepuasan relasi, salah satu usaha perusahaan dalam melakukan pengembangan dalam bisnis adalah melakukan peramalan, peramalan penjualan bertujuan dalam menentukan keputusan untuk masa yang akan datang. Produk gas oksigen merupakan salah satu jenis produk gas yang diproduksi dan di distribusikan dalam bentuk tabung, lonjakan kebutuhan gas oksigen pada masa pandemic covid-19 mengakibatkan angka kebutuhan gas oksigen meningkat sehingga kebutuhan akan produk tersebut tidak dapat terkendali dan mengakibatkan permintaan yang tidak dapat terpenuhi. Peramalan ini bertujuan untuk membantu perusahaan menentukan strategi dalam meramalkan kebutuhan stok oksigen lima bulan mendatang yaitu Januari 2023 sampai Mei 2023 menggunakan teknik peramalan yang dapat menganalisa perhitungan dengan pendekatan kuantitatif, metode peramalan yang digunakan adalah Double Exponential Smoothing Holt dengan menggunakan perhitungan nilai MAPE  (Mean Percentage Error) untuk menghitung kesalahan peramalan, data yang diteliti merupakan data bulan Januari 2019 hingga Desember 2022 menggunakan alpha = 0,9 dan beta = 0,1 menghasilkan nilai error 2,516% untuk  peramalan penjualan lima bulan mendatang.
Co-Authors Alwis Nazir Arif Mudi Priyatno Cut Lira Kabaatun Nisa Fadhilah Syafria Febi Yanto Febi Yanto Iis Afrianty Isnan Mellian Ramadhan Jasril - Jasril Jasril Jasril Lestari Handayani Siska Kurnia Gusti