Claim Missing Document
Check
Articles

Found 12 Documents
Search

Optimasi Conjugate Gradient Pada Backpropagation Neural Network untuk Deteksi Kualitas Daun Tembakau Sari, Yuslena; Marleny, Finki Dona; Ansari, Rudy; Izzana, Meila; P, Ricardus A; Lareno, Bambang
Proceedings Konferensi Nasional Sistem dan Informatika (KNS&I) 2015
Publisher : Proceedings Konferensi Nasional Sistem dan Informatika (KNS&I)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (629.59 KB)

Abstract

Tembakau merupakan komoditi perkebunan yang memiliki nilai ekonomi tingg, teutama sebagai bahan utama rokok. Produksi rokok memberikan pengaruh pada perekonomian di beberapa negara. Sebelum proses produksi rokok, diperlukan klasifikasi kualitas daun tembakau agar mendapatkan komposisi bahan baku rokok yang tepat. Penilaian kualitas daun tembakau ini terdiri dari dua faktor yaitu human sensory dan human vision yang dilakukan oleh grader. Perkembangan teknologi informasi saat ini mampu melakukan pengolahan citra sehingga dapat memaksimalkan faktor human vision yang diharapkan dapat menghemat waktu dan biaya. Pada penelitian ini, deteksi kualitas daun tembakau didasarkan pada dua ekstraksi fitur daun tembakau yaitu bentuk dan tekstur. Kedua fitur tersebut nantinya akan diklasifikasikan menggunakan optimasi Conjugate Gradient pada Backpropagation Neural Network. Hasilnya, metode yang digunakan mampu meningkatkan tingkat akurasi deteksi kualitas daun tembakau. Peningkatan akurasi untuk klasifikasi grade daun tembakau dengan metode backpropagation neural network mencapai akurasi hingga 77,50%.
Penerapan Generalized Regression Neural Networks untuk Memprediksi Produksi Padi Terhadap Perubahan Iklim Alkaff, Muhammad; Sari, Yuslena
JTERA (Jurnal Teknologi Rekayasa) Vol 2, No 2: December 2017
Publisher : Politeknik Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (737.176 KB) | DOI: 10.31544/jtera.v2.i2.2017.117-124

Abstract

Padi sebagai bahan makanan pokok utama bagi masyarakat Indonesia merupakan tanaman pangan yang rentan terhadap perubahan iklim. Pendataan dan perhitungan ramalan hasil produksi padi sangat diperlukan untuk mendukung kebijakan yang berkaitan dengan ketahanan pangan. Penelitian ini bertujuan untuk melakukan peramalan terhadap produksi padi di Kabupaten Barito Kuala sebagai kabupaten penghasil padi terbesar di Kalimantan Selatan dengan menggunakan data iklim sebagai input. Data iklim yang digunakan berasal dari Stasiun Meteorologi Syamsudin Noor, sedangkan sebagai data output adalah data produksi padi dari Badan Pusat Statistika (BPS) Provinsi Kalimantan Selatan. Metode yang digunakan untuk melakukan peramalan produksi padi adalah Generalized Regression Neural Networks (GRNN). Dari hasil pengujian didapatkan nilai Root Mean Square Error (RMSE) sebesar 0,296 dengan menggunakan parameter smoothness bernilai 1. 
KLASIFIKASI PENGENALAN MOTIF BATIK BERBASIS IMAGE RETRIVAL Sari, Yuslena
Jukung (Jurnal Teknik Lingkungan) Vol 4, No 2 (2018): SEPTEMBER 2018
Publisher : Program Studi Teknik Lingkungan Fakultas Teknik Universitas Lambung Mangkurat

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

Abstract

Batik Indonesia, sebagai warisan budaya telah memiliki sejarah yang cukup panjang. Sehingga saat ini berbagai jenis batik saling mempengaruhi satu sama lain, yang mengakibatkan adanya beberapa jenis batik yang memiliki lebih dari satu motif (biasanya disebut batik multi-label). Motif batik tradisional tidak dibuat secara sembarangan, tetapi mengikuti aturan-aturan yang ketat. Dari hal tersebut dilakukan penelitian untuk klasifikasi motif batik. Diharapkan dari hasil penelitian ini dapat meningkatkan motivasi kaum wanita untuk kembali menekuni aktivitas membatik dan juga sebagai sarana terwujudnya kesetaraan gender. Mengingat saat ini sudah semakin jarang wanita yang mempunyai keterampilan membatik. Penelitian ini menggunakan klasifikasi berbasis image retrival dengan perhitungan jarak Euclidean. Dari penelitian ini akan diketahui akurasi yang dihasilkan. Kata kunci: image retrival, jarak euclidean, motif batik. Indonesian batik, as a cultural heritage has a long history. So that at this time various types of batik influence each other, which results in several types of batik that have more than one motif (usually called multi-label of batik). Traditional batik motifs are not made carelessly, but follow strict rules. From this research is carried out for the classification of batik motifs. It is expected that the results of this study can increase the motivation of women to return to batik activities and also as a means of achieving gender equality. Considering that there are now fewer and fewer women who have batik skills. This study uses image retrival-based classification with Euclidean distance calculation. From this research will be known the accuracy produced. Keywords: image retrival, euclidean distance, batik style
Prediksi Harga Emas Menggunakan Metode Neural Network Backropagation Algoritma Conjugate Gradient Sari, yuslena
Jurnal ELTIKOM : Jurnal Teknik Elektro, Teknologi Informasi dan Komputer Vol 1 No 2 (2017)
Publisher : P3M Politeknik Negeri Banjarmasin

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (745.061 KB) | DOI: 10.31961/eltikom.v1i2.21

Abstract

Artificial Neural Network Backpropagation is known as one of the most reliable methods of predicting. The algorithm used in this research is Conjugate Gradient algorithm, with gold data data of input data for training data. The price of gold becomes an issue in the market, as a precious metal that can be used for investment is very interesting to make a gold price prediction application. Gold prices continue to increase in the world market, making investors interested to invest in this precious metal. The application of gold price prediction will be very useful for investors of precious metals. Gold price data used in this research is daily data, taken 3 (three) last year and divided into test data and data testing. Test data is used to generate new weights for data testing. The parameters used in the measurement of evaluation of predicted results from Conjugate Gradient algorithm Artificial Neural Network Backpropagation method is Meant Square Error (MSE), where the result of MSE from this research is 0.0313651
Rancang Bangun Aplikasi E-Commerce Produk Desa Binaan Fakultas Teknik ULM Kecamatan Cempaka Banjarbaru Sari, Yuslena; Khatimi, Husnul; Alkaff, Muhammad; Baskara, Andreyan Rizky; Halimah, Halimah; Qamaria, Nurul; Maulida, Muti’a
Buletin Profesi Insinyur Vol 2, No 2 (2019): Buletin Profesi Insinyur (Juli-Desember)
Publisher : Universitas Lambung Mangkurat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/bpi.v2i2.45

Abstract

Desa Cempaka yang terletak di Banjarbaru Kalimantan Selatan merupakan desa pengrajin sasirangan dan produk-produk kerajinan lainnya. Banyak masyarakat yang berdatangan kesana untuk membeli kain sasirangan maupun produk buatan tangan lainnya karena dikenal dengan kualitasnya yang bagus. Tetapi dalam pengelolaan jual beli di Desa Cempaka, pembeli harus datang langsung ke tempat untuk melihat barang dan melakukan proses transaksi jual beli. Hal ini akan memakan waktu untuk pembeli dan bisa menyebabkan kurangnya minat pembeli untuk kerajinan di Desa Cempaka Banjarbaru. Dengan berkembangnya teknologi informasi saat ini banyak aplikasi yang membuat Online Shop untuk lebih mudah melakukan jual – beli dan menghemat waktu tanpa datang langsung ke toko yang kita inginkan. Perkembangan bisnis menggunakan Online Shop pun semakin meningkat seiring dengan banyaknya masyarakat yang menggunakan internet. Untuk itu kami membuat aplikasi Online Shop untuk memfasilitasi kerajinan yang ada di Desa Cempaka Banjarbaru. Penelitian ini mengaplikasikan metode waterfall dalam pengembangan sistemnya. Metode waterfall dipilih karena system ini akan berkelanjutan seiring dengan perkembangan bisnis di Desa Cempaka Banjarbaru. Tujuan dari penelitian adalah untuk mempermudah masyarakat yang ingin membeli produk kerajinan di desa cempaka sehingga dapat meningkatkan penjualan produk kerajinan dari Desa Cempaka.Kata kunci : online shop, waterfall, bisnis, Cempaka
Evaluation of Lambung Mangkurat University Student Academic Portal Using User Experience Questionnaires (UEQ) Sari, Yuslena; Novitasari, Novitasari; Pratiwi, Hani
ILKOM Jurnal Ilmiah Vol 13, No 1 (2021)
Publisher : Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia

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

Abstract

The student academic portal is one of the Academic Information Systems at Lambung Mangkurat University. The student academic portal can only be accessed by Lambung Mangkurat University students and can be used for academic guidance, managing student study plans, printing exam cards, filling out questionnaires, and viewing exam results (assessments). However, since its release in 2016, there has been no publication regarding evaluations on the website-based student academic portal. Evaluation is one of the stages in the Software Development Life Cycle (SDLC), this stage allows the user to provide an assessment of the system. This study aims to evaluate the student academic portal. Evaluation is carried out to determine user ratings of the existing system. The evaluation method used is the User Experience Questionnaire (UEQ). With this method, users can assess the ULM Student Academic Portal from various aspects, namely aspects of Novelty, Stimulation, Dependability, Efficiency, Perspicuity, and Attractiveness. The results of this study indicate that the Perspicuity aspect gets a high score while Novelty gets a low score.
Rancang Bangun Sistem Informasi Pelatihan dan Penelitian pada Badan Kependudukan Keluarga Berencana Nasional (BKKBN) Kalimantan Selatan Sari, Yuslena
Buletin Profesi Insinyur Vol 3, No 2 (2020): Buletin Profesi Insinyur (Juli-Desember)
Publisher : Universitas Lambung Mangkurat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/bpi.v3i2.66

Abstract

Deputi Latbang Badan Kependudukan Keluarga Berencana Nasional (BKKBN) Kalimantan Selatan setiap tahunnya melaksanankan banyak pelatihan dan program penelitian dengan total biaya yang besar. Secara manual, administrasi kegiatan-kegiatan tersebut sangat sulit. Strategi mempermudah proses tersebut adalah dengan membuat sistem informasi berbentuk website. Perancangan sistem informasi pelatihan dan penelitian pada deputi Latbang BKKBN Kalimantan Selatan menggunakan metode perancangan berbasis Unified Modelling Language (UML) yaitu diagram usecase. Tujuannyauntuk manajemen data dan menghemat biaya operasional. Proses testing sistem informasi pelatihan dan penelitian BKKBNN Kalimantan Selatan menggunakan black-box dan usability. Hasil dari Pengujian sistem menggunakan black-box berhasil 100% dan untuk hasil usability mendapat nilai 3,905 dari rentang nilai 1 (sangat sulit) – 5 (sangat mudah). Sistem informasi ini telah diimplementasikan dan dapat mengatasi kendala proses manajemen data, efisiensi waktu dan menghemat biaya operasional proses pelatihan dan penelitian pada Deputi Latbang BKKBN Kalimantan Selatan. Kata kunci: BKKBN, sistem informasi, UML, black-box, usability
Penentuan Jenis Batubara Berbasis Pengolahan Citra Digital Menggunakan Metode Logika Fuzzy Sari, Yuslena; Khatimi, Husnul; Rusiana, Novi
Jurnal Ilmu Komputer dan Bisnis Vol. 11 No. 2 (2020): Vol. 11 No. 2 (2020)
Publisher : STMIK Dharmapala Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47927/jikb.v11i2.1

Abstract

Peneltian ini bertujuan untuk menganalisis penentuan jenis batubara. Seiring dengan perkembangan kecepatan komputasi perangkat komputer, cara-cara mengklasifikasikan/ menggolongkan objek telah banyak dikembangkan, salah satunya dengan berbasis pengolahan citra digital. Data atau sampel penelitian ini adalah data citra batubara pada PT Laskar Semesta Alam. Data tersebut diolah dengan menggunakan metode logika fuzzy. Dalam hal ini, percobaan dilakukan untuk menggolongkan jenis batubara kedalam tiga kualitas, yaitu: high, medium, dan low. Dalam percobaan ini, metode logika fuzzy digunakan untuk menggolongkan data citra batubara agar dapat mengenali jenis batubara berdasarkan kualitasnya, sehingga pada saat pengujian dapat mengenali data citra batubara. Dari hasil pengujian data citra batubara dari masing-masing data citra high sebanyak 35 data, medium sebanyak 30 data, dan low sebanyak 35 data, maka total keseluruhan adalah 100 data citra batubara. Kemudian data yang berhasil di uji adalah 74 data citra batubara, dengan nilai akurasi adalah 74% dari 100 data citra batubara yang di uji. Dengan demikian, untuk nilai akurasi bisa tinggi dan bisa juga rendah, tergantung berapa banyak data citra batubara yang di uji. Karena dari jumlah data citra batubara yang di uji pun juga berpengaruh terhadap nilai akurasinya
Identifikasi Penyakit Tanaman Ubi Kayu Berdasarkan Citra Daun Menggunakan Metode Probabilistic Neural Network (PNN) Sari, Yuslena; Alkaff, Muhammad; Arif Rahman, Muhammad
Jurnal Komtika (Komputasi dan Informatika) Vol 5 No 1 (2021)
Publisher : Universitas Muhammadiyah Magelang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31603/komtika.v5i1.4605

Abstract

Cassava or better known as cassava is one of the staples of rice which is popular in Indonesia. Cassava plants can flourish in almost all regions of Indonesia. However, cassava is a plant that is susceptible to plant disease, which attacks the disease resulting in a decrease in the amount of productivity of tubers produced by cassava plants. The application of identifying cassava disease based on leaf image is expected to be useful as a support for cassava farming in easily detecting cassava disease, so that it can be dealt with more quickly. This study uses the Gray Level Co-occurrence Matrix (GLCM) method as an extraction feature and the Probabilistic Neural Network (PNN) method for identification processes. Based on the results of tests on 6 types of cassava leaf images, obtained an accuracy of 83.33%.
PENERAPAN ARSITEKTUR VGG UNTUK KLASIFIKASI HUTAN Sari, Yuslena; Baskara, Andreyan Rizky; Pratama, Ferry; Faidhorrahman, Muhammad
Jurnal Teknologi Informasi Universitas Lambung Mangkurat (JTIULM) Vol. 6 No. 2 (2021)
Publisher : Fakultas Teknik Universitas Lambung Mangkurat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/jtiulm.v6i2.99

Abstract

Kerapatan vegetasi penting untuk dibedakan guna mengetahui penggunaan lahan dan degradasi lahan. Menurut Standar Nasional Indonesia (SNI 7645:2014), vegetasi diklasifikasikan berdasarkan kerapatan. Indeks kerapatan vegetasi dibagi menjadi 4 yaitu non vegetasi, rendah, sedang dan tinggi. Kerapatan vegetasi dapat dihitung dengan Normalized Difference Vegetation Index (NDVI) atau index vegetasi. Perhitungan NDVI dilakukan dengan terlebih dahulu mengumpulkan informasi terkait vegetasi dengan melakukan survey terhadap suatu lahan. Proses survey ini merupakan tantangan yang dihadapi dimana medan survey untuk setiap lahan berbeda-beda. Salah satu cara dalam mengatasi hal tersebut adalah dengan memanfaatkan penginderaan jarak jauh dan pemanfaatan computer vision dan machine learning. Penginderaan jauh dapat dilakukan salah satunya dengan menggunakan Unmanned Vehicle Unit (UAV). Penelitian ini menggunakan data citra yang didapatkan dari hasil tangkapan drone. Metode klasfikasi yang digunakan yaitu metode Transfer Learning dalam melakukan klasifikasi jenis tutupan lahan yaitu rendah, sedang, dan tinggi dan menggunakan arsitektuk VGG16. Hasil menunjukkan arsitektur VGG16 dapat melakukan klasifikasi tutupan hutan lahan basah dengan akurasi sebesar 0.8333