Article Per Year (5 Year)
p-Index From 2019 - 2024
0.444
P-Index
This Author published in this journals
All Journal Jurnal Generic
Eni Triningsih
Universitas Nasional Pasim
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Nutrition Therapy System untuk Penderita Diabetes Melitus 2 Burman Bagaskara; Firdaus Firdaus; Eni Triningsih
Generic Vol 11 No 1 (2019): Vol 11, No 1 (2019)
Publisher : Fakultas Ilmu Komputer, Universitas Sriwijaya

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

Abstract

Diabetes Militus tipe 2 merupakan penyakit yang di sebabkan oleh hormon insulin yang tidak berkerja dengan normal sehingga gula di dalam darah menjadi tidak stabil. Penyebab utama dari penyakit ini adalah pola hidup yang tidak sehat yang di ikuti dengan cara makan yang tidak teratur dan tidak sesuai kebutuhan nutrisi tubuh. Untuk mencegah atau mengurangi dari gejala penyakit ini dapat di lakukan dengan cara mengetahui kebutuhan nutrisi yang di butuhkan tubuh dan mampu mencatat segala aktifitas konsumsi nutrisi setiap harinya. Tentunya hal tersebut sangat sulit untuk di terapkan apa bila tidak ada sistem yang mampu mengelolanya. Dan juga untuk menambah preferensi makanan di butuhkan data saran makanan yang cocok untuk di konsumsi sesuai batas kebutuhan nutrisi perhari. Penggunaan Metode Algoritma Genetika ke dalam suatu sistem pendukung keputusan adalah solusi yang ditawarkan untuk mengatasi permasalahan tersebut. Dengan bantuan sistem pendukung keputusan, proses pembuatan saran makanan lebih cepat dan akurat sesuai dengan perhitungan nutrisi yang di butuhkan oleh pasien. Data aktifitas kebugaran juga dapat di jadikan parameter dalam menentukan saran makanan tersebut.
Pengenalan Motif Kain Songket Pada Citra Kamera Smartphone Dengan Beragam Sudut Pandang Menggunakan CNN Muhammad Husein Nashr; Muhammad Fachurrozi; Eni Triningsih; Kanda Januar Miraswan
Generic Vol 12 No 1 (2020): Vol 12, No 1 (2020)
Publisher : Fakultas Ilmu Komputer, Universitas Sriwijaya

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

Abstract

Songket Palembang memiliki motif yang beragam sehingga dibutuhkan mesin pengenal yang dapat membantu orang awam mengenali motif ini. Mesin pengenal harus mampu mengenali motif dengan variasi transformasi spatial, noisedan blur. Dalam penelitian ini, CNN mampu mengklasifikasi motif songket dengan akurasi 93%. Arsitektur CNN yang digunakan menggunakan 2.22 MB memori GPU saat inference. Penggunaan Dropout memberikan efek regularisasi, yaitu meningkatkan akurasi pada data uji dan penggunaan momentum dengan nilai 0.9 mengurangi waktu training 2x lebih cepat. Layer konvolusi CNN pada penelitian ini tidak dapat mengekstrak fitur penting pembeda antar kelas, tidak seperti layer konvolusi CNN pretrain yang sudah dilatih dengan dataset yang besar sehingga menghasilkan akurasi 100% untuk klasifikasi songket
Co-Authors Burman Bagaskara Firdaus Firdaus Kanda Januar Miraswan Muhammad Fachurrozi Muhammad Husein Nashr