Article Per Year (5 Year)
p-Index From 2019 - 2024
0
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal POINTER
M Rahmat Widyanto
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
KLASIFIKASI VOTED PERCEPTRON UNTUK IDENTIFIKASI MELANOMA Bilqis Amaliah; Isye Arieshanti; Chastine Fatichah; Sylvi Novita Dewi; M Rahmat Widyanto
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2011
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

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

Abstract

Salah satu kanker kulit yang berbahaya adalah Melanoma. Salah satu cara untuk menentukan apakah sebuahcitra adalah Melanoma atau bukan adalah dengan menggunakan klasifikasi. Klasifikasi yang digunakan padapaper ini adalah Voted Perceptron. Ada 2 tahap sebelum melakukan klasifikasi yaitu Preprosessing danekstraksi fitur. Preprosessing digunakan untuk memisahkan antara citra melanoma dengan latar belakang.Ekstrasi fitur adalah proses untuk mendapatkan fitur-fitur yang akan digunakan sebagai input untuk klasifikasi.Ekstrasi fitur yang digunakan adalah ABC feature (Asymmetric, Border dan Color). Hasil akurasi dari paper iniadalah 77,5% dimana ini lebih baik 3,1 % jika dibandingkan dengan SVM dan lebih baik 2,3% jikadibandingkan dengan SVMBoosting.
Deteksi Obyek Manusia dengan Particle Swarm Optimization dan Pengklasifikasi Support Vector Machine Dewi Yanti Liliana; M Rahmat Widyanto
Jurnal POINTER Vol 1, No 1 (2010): Jurnal Pointer - Ilmu Komputer
Publisher : Ilmu Komputer, Universitas Brawijaya

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

Abstract

ABSTRAK Pada paper ini metode Particle Swarm Optimization (PSO) digunakan untuk medeteksi obyek manusia. Proses deteksi diawali dengan ektraksi fitur citra menggunakan metode Haar-wavelet. Proses pelatihan dengan pengklasifikasi Support Vector Machine (SVM). Tahap deteksi dengan PSO dilakukan menggunakan sekumpulan partikel yang tersebar di ruang pencarian dan mengoptimasi fungsi obyektif untuk mendeteksi obyek manusia. Hasil eksperimen pada database gambar sebanyak 50 citra berhasil medeteksi obyek manusia dengan tingkat akurasi 86%. Pendeteksian dengan metode PSO bisa digunakan untuk berbagai aplikasi keamanan dan pengawasan yang memerlukan waktu deteksi cepat.   Kata kunci : particle swarm optimization, deteksi obyek, support vector machine    ABSTRACT In this paper Particle Swarm Optimization (PSO) method  is used to detect human object. The detection process is iniatiated by extracting the image features using Haar-wavelet method. At the training phase the Support Vector Machine (SVM) Classifier is employed. The detection phase by the PSO method is using a group of particles which are spread over the search space and optimizing the objective function to detect human objects. The experiment results in the image database consist of 50 images is successfully detect objects with an accuracy rate of 86%. The Particle Swarm Optimization (PSO) detection can be applied in the surveillance and monitoring application which need a rapid detection.   Keywords : particle swarm optimization, object detection, support vector machine
Co-Authors Bilqis Amaliah Chastine Fatichah Dewi Yanti Liliana Isye Arieshanti Sylvi Novita Dewi