Claim Missing Document
Check
Articles

Found 19 Documents
Search

OPTIMASI PENYUSUNAN PEGAS DENGAN METODE SISTEM PERBEDAAN BATASAN DAN ALGORITMA JALUR TERPENDEK Johan Varian Alfa; Rully Soelaiman; Chastine Fatichah
Jurnal Ilmiah Mikrotek Vol 1, No 2 (2014): FEBRUARI
Publisher : Universitas Trunojoyo Madura

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

Abstract

Pada permasalahan nyata, khususnya dunia fisika, penyusunan pegas dengan batasan-batasan tertentuyang optimal merupakan salah satu permasalahan optimasi yang muncul, dimana batasan yang diberikanadalah besaran-besaran yang membentuk gaya pegas. Pada penelitian ini, diusulkan sebuah desainalgoritma optimasi penyusunan pegas, yang dimulai dengan memodelkan permasalahan ke dalam graf,kemudian menggunakan metode sistem perbedaan batasan dan juga algoritma jalur terpendek untukmenghasilkan susunan pegas yang optimal. Sistem perbedaan batasan digunakan untuk memodelkanpermasalahan ke dalam bentuk pertidaksamaan. Kemudian dicari penyelesaiannya dengan menggunakankonsep graf yang disebut graf batasan. Penyelesaian akhir yang digunakan agar mendapatkan solusi yangoptimal adalah algoritma jalur terpendek. Algortima jalur terpendek yang digunakan adalah algoritmaPerbaikan Dijkstra. Hasilnya mampu menghasilkan susunan pegas yang optimal dan benar. Dan setelahdiuji coba, algoritma Perbaikan Dijkstra yang digunakan mampu lebih efisien dari segi performa waktueksekusi dibandingkan algoritma Bellman-Ford. Penghematan waktu yang didapat dengan menggunakanalgoritma Perbaikan Dijkstra rata-rata mencapai 83,55%.
LOCAL LINE BINARY PATTERN FOR FEATURE EXTRACTION ON PALM VEIN RECOGNITION Jayanti Yusmah Sari; Chastine Fatichah; Nanik Suciati
Jurnal Ilmu Komputer dan Informasi Vol 8, No 2 (2015): 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 (748.614 KB) | DOI: 10.21609/jiki.v8i2.309

Abstract

In recent years, palm vein recognition has been studied to overcome problems in conventional systems in biometrics technology (finger print, face, and iris). Those problems in biometrics includes convenience and performance. However, due to the clarity of the palm vein image, the veins could not be segmented properly. To overcome this problem, we propose a palm vein recognition system using Local Line Binary Pattern (LLBP) method that can extract robust features from the palm vein images that has unclear veins. LLBP is an advanced method of Local Binary Pattern (LBP), a texture descriptor based on the gray level comparison of a neighborhood of pixels. There are four major steps in this paper, Region of Interest (ROI) detection, image preprocessing, features extraction using LLBP method, and matching using Fuzzy k-NN classifier. The proposed method was applied on the CASIA Multi-Spectral Image Database. Experimental results showed that the proposed method using LLBP has a good performance with recognition accuracy of 97.3%. In the future, experiments will be conducted to observe which parameter that could affect processing time and recognition accuracy of LLBP is needed
AN EXPERIMENTAL STUDY ON BANK PERFORMANCE PREDICTION BASE ON FINANCIAL REPORT Chastine Fatichah; Nurina Indah Kemalasari
CCIT Journal Vol 5 No 1 (2011): CCIT JOURNAL
Publisher : Universitas Raharja

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (184.137 KB) | DOI: 10.33050/ccit.v5i1.490

Abstract

This paper presents an experimental study on bank performance prediction base on financial report. This research use Support Vector Machine (SVM), Probabilistic Neural Network (PNN) and Radial Basis Function Neural Network (RBFN) methods to experiment the bank performance prediction. To improve accuracy prediction of both neural network methods, this research use Principal Component Analysis (PCA) to get best feature. This research work based on the bank’s financial report and financial variables predictions of several banks that registered in Bank Indonesia. The experimental results show that the accuracy rate of bank performance prediction of PCA-PNN or PCA-RBFN methods are higher than SVM method for Bank Persero, Bank Non Devisa and Bank Asing categories. But, the accuracy rate of SVM method is higher than PCA-PNN or PCA-RBFN methods for Bank Pembangunan Daerah and Bank Devisa categories. The accuracy rate of PCA-PNN method for all bank categories is comparable to that PCA-RBFN method.
KUANTISASI SEL DARAH PUTIH BERTUMPUK MENGGUNAKAN ANALISIS DISTANCE MARKER Benny Afandi; Chastine Fatichah; Nanik Suciati
Jurnal Simantec Vol 5, No 3 (2016)
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/simantec.v5i3.2384

Abstract

ABSTRAKKuantisasi sel darah putih melalui citra mikroskopis sel darah yang low-cost dan reliable masih menjadi tantangan pada banyak penelitian. Keragaman citra sel darah putihdapat mengurangi akurasi kuantisasi sel darah putih, khususnya keberadaan sel darah putih bertumpuk. Penelitian ini mengusulkan metode baru dalam mengkuantisasi sel darah putih bertumpuk menggunakan analisis distance marker. Setiap objek mempunyai marker yang merupakan local maxima dalam distance transform map. Ketika dua objek bertumpuk, marker kedua objek tetap terbentuk dan terpisah. Informasi nilai jarak marker dapat digunakan sebagai pengkuantisasi objek sel darah putih bertumpuk. Metode analisis distance marker lebih robust terhadap bentuk dan ukuran objek sel darah putih dengan tingkat akurasi mencapai 94,1%.Kata kunci :Analisis distance marker, Citra mikroskopis sel darah, Kuantisasi sel darah putihbertumpuk.ABSTRACTThe low-cost and reliable white blood cells quantization through a microscopic image of blood cells still a challenge in many studies. the diversity of white blood cell microscopic images can decrease the accuracy of white blood cell quantization, particularly the presence of the overlapping white blood cells. This paper proposes a novel method to quantize the overlapping white blood cells using analysis distance marker.Each object has a marker which is a local maximum in the distance transform map. When two objects overlap, the marker of both objects is still formed and separate. The information of distance marker values can be used as the overlapping white blood cells quantization. In addition, the proposed method is robust to the shape and size of the white blood cell objects with the accuracy of 94.1%.Keywords: Analysis distance marker, blood cell microscopic image, overlapping white blood cells quantization
Hypergraph-Partitioning pada Co-Authorship Graph untuk Pengelompokan Penulis Berdasarkan Topik Penelitian Daniel Swanjaya; Chastine Fatichah
Melek IT : Information Technology Journal Vol. 1 No. 1 (2015): Melek IT : Information Technology Journal
Publisher : Informatics Engineering Department-UWKS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (561.981 KB) | DOI: 10.30742/melekitjournal.v1i1.40

Abstract

Research topics can be seen from Abstraction research documents, for example, reports Scientific Writing (KTI) in the form of Final Project, Thesis and Dissertation. Research Topics of KTI is a collection of important words that indicate the area / field of study of the KTI. A guided KTI some supervisor, and a lecturer normally would guide some particular topic. Some lecturers have the same field of research formed a research group within the Department, but some courses are lecturers who exhibit similarities field of research. At this thesis proposed a method for classifying Writer (Lecturer) based on common research topics in Co-Authorship Graph using the Hypergraph Partitioning, making it possible to create a research group within the scope of inter Programs or college level. The method is divided into three stages: extraction of research topics, pembentuksn Co-Authorship Graph, and grouping author. Extraction of research topics, get the topic of EI by Title and Abstract using Latent Dirichlet Allocation (LDA). Formation of Co-Authorship Graph, where the nodes are the author, edge is the collaborative relationship and similarity / resemblance of research topics, and the weighting edge is Jaccard and cosine values similary research topics between author. Grouping Writers on Co-Authorship Graph using the Hypergraph Partitioning. Test method uses data from the Research Institute of Research and Community Service (LPPM) ITS. Grouping the results are validated using the Silhouette and Entropy. The final results showed that the grouping has been formed group Authors whose members come from the Department or a different field, with high similarity topic.
SEGMENTASI PENYAKIT PADA CITRA DAUN TEBU MENGGUNAKAN METODE HYBRID ARTIFICIAL BEE COLONY - FUZZY C MEANS Mustika Mentari; R.V Hari Ginardi; Chastine Fatichah

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

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

Abstract

Otomatisasi sistem untuk mendeteksi penyakit pada tanaman tebu perlu dilakukan untuk mempercepat penanganan penyakit yang mengakibatkan penurunan produktivitas. Informasi penyakit dari ahli seringkalimembutuhkan banyak waktu dan biaya sehingga terjadi keterlambatan penanganan penyakit.  Untuk itusebagai penanganan awal diperlukan adanya deteksi penyakit pada daun tebu secara otomatis. Penelitianini bertujuan untuk membuat sistem otomatis untuk segmentasi citra daun tebu berpenyakit dengan metodeHybrid Artificial Bee Colony (ABC) - Fuzzy C Means (FCM). Penelitian ini memiliki beberapa tahapan yaitupreprocessing yang memisahkan bagian daun dengan background serta menghilangkan tulang daun yangtidak digunakan dalam penelitian ini, pemilihan region of interest, ekstraksi fitur, dan segmentasi. Citra yangdiproses menggunakan pemilihan ROI yang menunjukan dominasi area penyakit pada daun menggunakanoverlapping window seluas 100x100 pixel. ROI tersebut kemudian dilanjutkan pada proses segmentasimenggunakan ABC-FCM. Metode segmentasi yang diusulkan mampu menunjukkan rata-rata akurasi yangtinggi, yaitu sebesar 91%. Segmentasi menggunakan metode ABC-FCM menunjukkan hasil yang baik daripada menggunakan metode FCM saja.
TEKNIK GENETIC MODIFIED K-NEAREST NEIGHBOR UNTUK ESTIMASI HASIL PRODUKSI GULA TEBU BERDASARKAN NILAI KLOROFIL DAUN TEBU Siti Mutrofin; R. V. Hari Ginardi; Chastine Fatichah

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

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (587.558 KB)

Abstract

Pada umumnya, taksasi (estimasi) hasil produksi gula didasarkan pada luas area, masa tanam, faktor panjang leng, jumlah batang/leng, tinggi batang, bobot batang, dan rendemen. Faktor rendemen sangatberpengaruh terhadap kualitas gula (manis atau tidak), sedangkan faktor yang lain hanya mempengaruhikuantitas gula. Salah satu tolak ukur produksi gula maupun rendemen dapat dilihat dari nilai klorofil dauntebu. Klorofil juga memiliki peranan yang sangat penting bagi proses fotosintesis. Untuk itu, dalampenelitian taksasi produksi gula tebu ini didasarkan pada nilai klorofil daun tebu. Dalam penelitian ini,performa algoritma Modified k-Nearest Neighbor (MKNN) ditingkatkan dengan cara mengoptimalkan nilaik dengan menggunakan algoritma genetika, yang selanjutnya algoritma tersebut dinamakan denganalgoritma Genetic Modified K-Nearest Neighbor (GMKNN). Tujuan dari penelitian ini adalah GMKNNsebagai algoritma baru digunakan untuk melakukan estimasi hasil produksi gula tebu berdasarkan nilaiklorofil daun tebu. Dari sejumlah uji coba, terbukti bahwa klorofil (Model2) dapat digunakan untukmelakukan taksasi, walaupun memiliki hasil yang kurang baik dibandingkan ketika tidak menggunakanklorofil (Model1). Model2 unggul pada percobaan dengan menggunakan 95 data, Model2 juga terbuktimemiliki perbedaan yang signifikan dberdasarkan uji T. Kinerja algoritma GMKNN lebih baik dari padaMKNN dengan nilai MSE terkecil sebesar 3737 pada percobaan dengan menggunakan 95 data, dan MSEterbesar sebesar 2053730 pada percobaan dengan menggunakan 201 data, namun GMKNN juga memilikikekurangan, yaitu komputasi tinggi, terjebak pada optimum lokal, sedangkan kekurangan MKNN adalahpenentuan nilai ambang batas dalam mendapatkan nilai similaritas antar data latih yang masih manualpada kasus estimasi.
METODE FUZZY ID3 UNTUK KLASIFIKASI BENTUK WAJAH MANUSIA MENGGUNAKAN DENTAL PANORAMIC Nur Nafi’iyah; Chastine Fatichah
SPIRIT Vol 10, No 1 (2018): SPIRIT
Publisher : STMIK YADIKA BANGIL

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (836.89 KB) | DOI: 10.53567/spirit.v10i1.91

Abstract

Penelitian ini ingin menerapkan algoritma Fuzzy dan ID3 dalam mengklasifikasi bentuk wajah manusia. Tujuannya, yaitu untuk melihat keakurasian dan ketepatan algoritma ID3 dalam mengklasifikasi bentuk wajah manusia. Klasifikasi bentuk wajah dalam penelitian ini terdapat 3 bentuk, yaitu: oval, lancip, dan kotak. Manfaat yang diperoleh dalam penelitian ini, membantu tim forensik dalam melakukan identifikasi korban atau manusia dari segi bentuk wajah. Metode Fuzzy digunakan untuk menormalisasi nilai fitur dari gigi seri panoramic dan mengubah ke bentuk kategori. Sedangkan ID3 digunakan untuk mengklasifikasi bentuk wajah manusia menjadi 3 bentuk. Ekstraksi fitur yang digunakan dalam penelitian ini, yaitu: area, perimeter, lebar, panjang, rasio lebar/panjang, rasio area/perimeter, pusat_x dan pusat_y. Tahapan penelitian ini, meliputi: digitalisasi dental panoramic menjadikan file, kemudian melakukan segmentasi gigi seri rahang atas, mengekstraksi fitur gigi seri, selanjutnya memasukkan nilai fitur ke dalam database dan dilakukan pelatihan ID3. Pelatihan fitur gigi seri panoramic menggunakan metode ID3 menghasilkan tree, dan rule. Rule dari ID3 digunakan klasifikasi bentuk wajah manusia menunjukkan nilai akurasi sebesar 65% dari total data 26 gigi seri dental panoramic.  Keywords—Fuzzy ID3, Bentuk Wajah Manusia, Dental Panoramic.
ABCD FEATURE EXTRACTION OF IMAGE DERMATOSCOPIC BASED ON MORPHOLOGY ANALYSIS FOR MELANOMA SKIN CANCER DIAGNOSIS Bilqis Amaliah; Chastine Fatichah; M. Rahmat Widyanto
Jurnal Ilmu Komputer dan Informasi Vol 3, No 2 (2010): 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 (1704.294 KB) | DOI: 10.21609/jiki.v3i2.145

Abstract

This research present asymmetry, border irregularity, color variation, and diameter (ABCD) feature extraction of image dermatoscopic for melanoma skin cancer diagnosis. ABCD feature is the important information based on morphology analysis of image dermatoscopic lesion. ABCD feature is used to calculate Total Dermatoscopic Value (TDV) for melanoma skin cancer diagnosis. Asymmetry feature consist information of asymmetry and lengthening index of the lesion. Border irregularity feature consist information of compactness index, fractal dimension, edge abruptness, and pigmentation transition from the lesion. Color homogeneity feature consist information of color homogeneity and the correlation between photometry and geometry of the lesion. Diameter extraction is diameter of the lesion. There are three diagnosis that is used on this research i.e. melanoma, suspicious, and benign skin lesion. The experiment uses 30 samples of image dermatoscopic lesion that is suspicious melanoma skin cancer. Based on the experiment, the accuracy of the system is 85% that there are four false diagnoses of 30 samples. Penelitian ini menyajikan ekstraksi fitur citra dermatoskopik untuk diagnosis kanker kulit melanoma berdasarkan asymmetry, border irregularity, color variation, dan diameter (ABCD). Fitur ABCD adalah informasi yang penting berdasarkan analisis morfologi lesi citra dermatoskopik. Fitur tersebut digunakan dalam perhitungan Total Dermatoscopic Value (TDV) untuk diagnosis kanker kulit melanoma. Fitur asymmetry terdiri dari informasi asimetri dan indeks perpanjangan luka. Fitur border irregularity terdiri dari informasi indeks compactness, dimensi fraktal, edge abruptness, dan transisi pigmentasi dari lesi. Warna fitur homogenitas terdiri dari informasi homogenitas warna dan korelasi antara fotometri dan geometri lesi. Ekstraksi diameter adalah diameter lesi. Ada tiga diagnosa yang digunakan pada penelitian ini yaitu melanoma, diduga melanoma, dan benign skin lesion. Percobaan ini menggunakan 30 sampel dari lesi citra dermatoskopik kanker kulit melanoma yang mencurigakan. Berdasarkan percobaan, akurasi dari sistem ini adalah 85% dan terdapat empat diagnosa palsu dari 30 sampel.
Pencarian Question-Answer Menggunakan Convolutional Neural Network Pada Topik Agama Berbahasa Indonesia Rizqa Raaiqa Bintana; Chastine Fatichah; Diana Purwitasari
Ultimatics : Jurnal Teknik Informatika Vol 10 No 1 (2018): Ultimatics : Jurnal Teknik Informatika
Publisher : Faculty of Engineering and Informatics, Universitas Multimedia Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (2494.968 KB) | DOI: 10.31937/ti.v10i1.842

Abstract

Community-based question answering (CQA) is formed to help people who search information that they need through a community. One condition that may occurs in CQA is when people cannot obtain the information that they need, thus they will post a new question. This condition can cause CQA archive increased because of duplicated questions. Therefore, it becomes important problems to find semantically similar questions from CQA archive towards a new question. In this study, we use convolutional neural network methods for semantic modeling of sentence to obtain words that they represent the content of documents and new question. The result for the process of finding the same question semantically to a new question (query) from the question-answer documents archive using the convolutional neural network method, obtained the mean average precision value is 0,422. Whereas by using vector space model, as a comparison, obtained mean average precision value is 0,282. Index Terms—community-based question answering, convolutional neural network, question retrieval