Article Per Year (5 Year)
p-Index From 2019 - 2024
0
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer
Imam Cholissodin
Universitas Brawijaya
Computer Science & IT Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Prediksi Tinggi Muka Air (TMA) Untuk Deteksi Dini Bencana Banjir Menggunakan SVR-TVIWPSO Soebroto, Arief Andy; Cholissodin, Imam; Wihandika, Randy Cahya; Frestantiya, Maria Tenika; Arief, Ziya El
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 2, No 2 (2015)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1302.981 KB)

Abstract

Abstrak Banjir merupakan salah satu jenis bencana alam yang tidak dapat diprediksi kedatangannya, salah satu penyebabnya adalah adanya hujan yang terus – menerus(dari peristiwa alam). Faktor penyebab banjir dari segi meteorologi yaitu curah hujan yang tinggi dan air laut yang sedang pasang sehingga mengakibatkan tinggi permukaan air meningkat. Analisis terhadap data curah hujan serta tinggi permukaan air setiap periodenya dirasa masih belum dapat menyelesaikan permasalahan yang ada. Oleh karena itu, pada penelitian ini diusulkan teknik integrasi metode Time Variant Inertia Weight Particle Swarm Optimization(TVIWPSO) dan Support Vector Regression(SVR). Implementasi memadukan metode Regresi yaitu SVR untuk forecasting TMA, sedangkan TVIWPSO digunakan untuk mengoptimalisasi parameter – parameter yang digunakan di dalam SVR untuk memperoleh kinerja yang maksimal dan hasil yang akurat. Harapannya sistem ini akan dapat membantu mengatasi permasalahan untuk pendeteksian dini bencana banjir karena faktor cuaca yang tidak menentu. Hasil pengujian yang didapat dari 10 data bulanan yang berbeda menunjukkan bahwa didapatkan nilai error terkecil sebesar 0.00755 dengan menggunakan Mean Absolute Error untuk data Juni 2007 dengan menggunakan integrasi metode SVR-TVIWPSO. Kata Kunci : Support Vector Regression, Tinggi Muka Air, Time Variant Inertia Weight Particle Swarm Optimization. Abstract Flood is one type of natural disaster that can not be predicted its arrival, one reason is the rain that constantly occurs (from natural events). Factors that cause flooding in terms of meteorology are high rainfall and sea water was high, resulting in high water level increases. Analysis of rainfall data and water level in each period it is still not able to solve existing problems. Therefore, in this study the method proposed integration techniques Time Variant Inertia Weight Particle Swarm Optimization (TVIWPSO) and Support Vector Regression (SVR). Implementation combines regression method for forecasting TMA is SVR, while TVIWPSO used to optimize parameters that used in the SVR to obtain maximum performance and accurate results. Hope this system will be able to help solve the problems for the early detection of floods due to erratic weather. The result of forecasting experiment in water level forecasting from 10 monthly different data show that the smallest error rate is amount to 0.00755 using Mean Absolute Error for June 2007 with the integration method SVR-TVIWPSO. Keywords: Support Vector Regression, water level, Time Variant Inertia Weight Particle Swarm Optimization.
Implementasi Teknik Watershed Dan Morfologi Pada Citra Satelit Untuk Segmentasi Area Universitas Brawijaya ., Sutrisno; Supianto, Ahmad Afif; Cholissodin, Imam
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 1, No 1 (2014)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (2057.225 KB)

Abstract

AbstrakPenelitian di bidang segmentasi citra telah banyak dilakukan, terutama di bidang citra satelit. Proses segmentasi ini dilakukan untuk melakukan deteksi terhadap objek-objek yang terdapat di dalam citra. Pada penelitian ini, diimplementasikan sebuah metode segmentasi citra dengan menggunakan teknik watershed dan morfologi. Pertama, citra diubah ke dalam format citra grayscale.Kemudian, citra grayscale tersebut diolah dengan metode watershed untuk mendapatkan segmentasi awal. Selanjutnya, citra segmentasi tersebut diperbaiki menggunakan metode morfologi untuk mengurangi segmentasi berlebih yang dihasilkan oleh proses sebelumnya. Uji coba dilakukan terhadap 5dataset citra satelitarea Universitas Brawijaya dengan tingkat skala yang berbeda-beda. Skala yang digunakan dalam penelitian ini meliputi 20m, 50m, 100m, 200m, dan 500m. Uji coba menunjukkan bahwa metode yang diusulkan berhasil melakukan segmentasi citra dengan skala kurang dari 100 meter.Semakin rendah nilai skala yang digunakan sebagai uji coba, segmentasi yang dihasilkan semakin baik.Kata kunci: Watershed, Morfologi Citra, Citra SatelitAbstractResearch in the field of image segmentation has been widely applied , especially in the field of satellite imagery. The segmentation process is performed to detect the objects present in the image. In this study, implemented a method of image segmentation using watershed and morphological techniques. First, the image is converted into grayscale format. Then the grayscale image is processed by the watershed method to get initial segmentation. Furthermore, the improved image segmentation using morphological methods to reduce the excessive segmentation generated by the previous process. Tests performed on 5 satellite imagery dataset UB area with levels varying scales. The scale used in this study include the 20 meters , 50 meters, 100 meters, 200 meters, and 500 meters. The trials showed that the proposed method successfully to segment the image with the scale of less than 100 meters . The lower the scale value is used as a test , the better the resulting segmentation .Keywords: Watershed, Morphological Image, Satellite Imagery
Segmentasi Kendaraan Menggunakan Improve Blob Analysis (BA) Pada Video Lalu Lintas ., Sutrisno; Cholissodin, Imam; Christanti, Rina; Dewi, Candra; Hidayat, Nurul
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 2, No 1 (2015)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (996.895 KB)

Abstract

AbstrakPenggunaan citra digital untuk keperluan penelitian sudah banyak dilakukan, salah satunya yaitu segmentasi. Segmentasi berfungsi untuk mendeteksi objek - objek yang terdapat pada citra, sehingga hasil segmentasi sangat penting untuk proses selanjutnya. Pada penelitian ini diusulkan teknik optimasi hasil background subtraction menggunakan kombinasi frame difference (FD) atau difference image dengan filter SDGD dan running average (RA) atau background updating dengan filter SDGD untuk diterapkan pada blob analysis. Alasan utama menggunakan penggabungan kedua metode tersebut adalah karena seringnya terdapat piksel objek yang tidak mampu dideteksi sehingga akan mengurangi tingkat optimasi pengenalan objek. Hasil pengujian akurasi dari 10 data uji yang masing – masing terdiri dari 30 frame menunjukkan bahwa aplikasi ini memiliki nilai akurasi tertinggi yakni 90% untuk pengujian threshold dan 100% untuk pengujian ukuran structure element. Sehingga dapat disimpulkan bahwa aplikasi ini mampu melakukan segmentasi kendaraan dengan baik.Kata kunci: filter SDGD, blob analysis, video lalu lintas, background subtraction.AbstractThe use of digital images for the purposes of research has been often applied, one of them is segmentation. Segmentation is used to detect objects contained in the image, so the segmentation result is very important for further processing. In this study, the results of the optimization technique proposed background subtraction using a combination of frame difference (FD) or a difference image with filter SDGD and running average (RA) or background updating with SDGD filter to be applied blob analysis. The main reason to use the merger of these two methods is that often there are pixels that are not able to detect objects that will reduce the level of optimization object recognition. The results of accuracy testing using 10 data testing for each data consisting of 30 frames shows that the system proposed in this paper has best accuracy of 90% for testing the threshold and 100% for testing the size of structure element. So it can be concluded that this system capable to segmentation the vehicle properly.Keywords: filter SDGD, blob analysis, traffic video, background subtraction
Co-Authors Ahmad Afif Supianto Arief Andy Soebroto Candra Dewi Maria Tenika Frestantiya, Maria Tenika Nurul Hidayat Randy Cahya Wihandika Rina Christanti, Rina Sutrisno . Ziya El Arief, Ziya El