Article Per Year (5 Year)
p-Index From 2019 - 2024
0.751
P-Index
This Author published in this journals
All Journal Proceedings Konferensi Nasional Sistem dan Informatika (KNS&I) Jurnal ELTIKOM : Jurnal Teknik Elektro, Teknologi Informasi dan Komputer Jurnal Jalan Jembatan Jukung (Jurnal Teknik Lingkungan) JTERA (Jurnal Teknologi Rekayasa) Jurnal Komtika (Komputasi dan Informatika) ILKOM Jurnal Ilmiah Jurnal Ilmu Komputer dan Bisnis
Yuslena Sari, Yuslena
STMIK Indonesia Banjarmasin
Aerospace Engineering Agriculture, Biological Sciences & Forestry Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Mechanical Engineering Transportation

Published : 8 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 8 Documents
Search

 1 
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%.
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
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. 
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
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.
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 ACTIVE CONTOUR MODEL PADA PENGOLAHAN CITRA UNTUK DETEKSI KERUSAKAN JALAN Sari, Yuslena; Baskara, Andreyan Rizky; Prakoso, Puguh Budi; Rahman, Muhammad Arif
Jurnal Jalan-Jembatan Vol 38 No 2 (2021)
Publisher : Direktorat Bina Teknik Jalan dan Jembatan

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

Abstract

Road damage is a serious problem because it often occurs everywhere. Damage to the road surface, such as potholes, often disrupts land transportation, and can even cause accidents. With the automatic detection of road damage types, it can simplify the process of classifying the types of road damage by using images from the results of the classification system which can be used as supporting information in calculating road repairs. In this study, to identify road damage types by images, the active contour model segmentation technique is used based on the level set and then classified by the support vector machine method. Based on the test results, using 58 data sets with 12 types of road damage, the accuracy of this method is 87.93%.
Co-Authors Andreyan Rizky Baskara ARIF RAHMAN, MUHAMMAD Bambang Lareno, Bambang Finki Dona Marleny Husnul Khatimi Meila Izzana, Meila Muhammad Alkaff Novitasari Novitasari Prakoso, Puguh Budi Pratiwi, Hani Rahman, Muhammad Arif Ricardus A P, Ricardus A Rudy Ansari Rusiana, Novi