Garuda - Garba Rujukan Digital

p-Index From 2019 - 2024

2.307

P-Index

This Author published in this journals

All Journal Jurnal Ilmu Komputer dan Informasi JUTI: Jurnal Ilmiah Teknologi Informasi Jurnal Edukasi dan Penelitian Informatika (JEPIN) Fountain of Informatics Journal Informatika Mulawarman Jurnal Komputer Terapan Indonesian Journal of Artificial Intelligence and Data Mining JOURNAL OF APPLIED INFORMATICS AND COMPUTING Justek : Jurnal Sains Dan Teknologi SENTIA 2016 Jurnal ULTIMA Computing GUYUB: Journal of Community Engagement COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Nusantara Journal of Computers and its Applications

Gulpi Qorik Oktagalu Pratamasunu

Universitas Nurul Jadid

Author-ID : 558122

Religion Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Library & Information Science Mathematics Mechanical Engineering Social Sciences Transportation Other

Published : 21 Documents Claim Missing Document

Claim Missing Document

Articles

1 2 3

SEGMENTASI CITRA PANORAMIK GIGI MENGGUNAKAN SIMILARITAS ANTAR GRAY LEVEL BERDASARKAN INDEX OF FUZZINESS Pratamasunu, Gulpi Qorik Oktagalu; Arifin, Agus Zainal; Yuniarti, Anny; Wijaya, Arya Yudhi; Khotimah, Wijayanti Nurul; Navastara, Dini Adni
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 14, No 1, Januari 2016
Publisher : Department of Informatics, Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j24068535.v14i1.a513

Metode segmentasi citra berdasarkan teori fuzzy dan similaritas antar gray level mampu mengatasi masalah ambiguitas gray level dan pencahayaan yang tidak merata yang biasa ditemui pada citra medis. Namun, segmentasi dengan penentuan initial seeds-nya berdasarkan jumlah piksel minimum menghasilkan citra yang kurang baik saat diterapkan pada citra dengan kontras yang rendah, seperti yang terdapat pada citra panoramik gigi. Pada penelitian ini diusulkan metode segmentasi citra panoramik gigi dengan penentuan initial seeds berdasarkan index of fuzziness terbesar pada histogram. Histogram dibagi kedalam tiga daerah berdasarkan posisi dari pusat fuzzy region. Kemudian, proses pengukuran similaritas antar gray level yang berada pada fuzzy region dilakukan untuk menemukan threshold yang optimal. Performa metode yang diusulkan diuji menggunakan citra panoramik gigi. Evaluasi performa dilakukan dengan menghitung nilai Misclassification Error antara citra hasil segmentasi dengan citra ground truth. Hasil evaluasi menunjukkan bahwa hasil segmentasi metode yang diusulkan pada citra panoramik gigi memiliki performa yang lebih baik dibandingkan dengan hasil segmentasi dari metode Otsu.

COVERAGE, DIVERSITY, AND COHERENCE OPTIMIZATION FOR MULTI-DOCUMENT SUMMARIZATION Khoirul Umam; Fidi Wincoko Putro; Gulpi Qorik Oktagalu Pratamasunu; Agus Zainal Arifin; Diana Purwitasari
Jurnal Ilmu Komputer dan Informasi Vol 8, No 1 (2015): Jurnal Ilmu Komputer dan Informasi (Journal of Computer Science and Information)
Publisher : Faculty of Computer Science - Universitas Indonesia

A great summarization on multi-document with similar topics can help users to get useful information. A good summary must have an extensive coverage, minimum redundancy (high diversity), and smooth connection among sentences (high coherence). Therefore, multi-document summarization that considers the coverage, diversity, and coherence of summary is needed. In this paper we propose a novel method on multi-document summarization that optimizes the coverage, diversity, and coherence among the summary's sentences simultaneously. It integrates self-adaptive differential evolution (SaDE) algorithm to solve the optimization problem. Sentences ordering algorithm based on topical closeness approach is performed in SaDE iterations to improve coherences among the summary's sentences. Experiments have been performed on Text Analysis Conference (TAC) 2008 data sets. The experimental results showed that the proposed method generates summaries with average coherence and ROUGE scores 29-41.2 times and 46.97-64.71% better than any other method that only consider coverage and diversity, re-spectively.

SISTEM INFORMASI KLAIM RAWAT JALAN PT. PJB UBJ O&M PLTU PAITON BERBASIS WEB Ahmad Shogirih; Moh. Jasri Moh. Jasri; Gulpi Qorik Oktagalu Pratamasunu3
SENTIA 2016 Vol 8, No 1 (2016)
Publisher : SENTIA 2016

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (348.835 KB)

Dengan berkembangnya teknologi saat ini menjadikan semua aktifitas yang lambat atau sulit sekarang menjadi serba cepat, praktis dan mudah. Hal ini telah menuntut sekian banyak institusi pemerintahan atau swasta bahkan setiap unit usaha untuk dapat mengelola data mengenai aktivitas usahanya secara cepat dan akurat, sehingga dapat menghasilkan informasi yang menjadi dasar pengambilan keputusan guna pembangunan usaha.Klinik merupakan salah satu lembaga milik perusahaan swasta dan pemerintah daerah untuk memenuhi kebutuhan pelayanan khususnya pengobatan terhadap masyarakat sekitar dan para pekerja.Kendala yang terjadi pada proses pendaftaran di Klinik PT. PJB UBJ O&M PLTU PAITON yaitu penumpukan data. Penumpukan terjadi pada beberapa hal, diantaranya adanya data ganda. Data ganda terjadi karena kemungkinan kartu pasien hilang atau lupa nomer pasien itu sendiri sehingga petugas akan kesulitan dalam pencarian data tersebut dan pada akhirnya akan di lakukan penginputan data kembali.Penggunaan sistem manual pada sebuah Klinik, menimbulkan banyak kendala dalam proses pelayanan terhadap pasien. Salah satunya Klaim Rawat Jalan, Klaim Rawat Jalan merupakan berkas yang berisikan informasi tentang identitas pasien, penentuan fisik laboratorium, diagnosa segala pelayanan dan tindakan medis yang di berikan kepada pasien dan pengobatan. Masalah yang akan di bahas di dalam penelitian ini adalah tentang Klaim Rawat Jalan di Klinik PT.PJB UBJ O&M PLTU PAITON yang dapat lebih mempercepat setiap kegiatan pelayanan pasien.

Segmentasi pada Citra Panoramik Gigi dengan Metode Two-Stage SOM dan T-CLUSTER Khoirul Umam; Fidi Wincoko Putro; Gulpi Qorik Oktagalu Pratamasunu
Ultima Computing : Jurnal Sistem Komputer Vol 6 No 1 (2014): Ultima Computing : Jurnal Sistem Komputer
Publisher : Faculty of Engineering and Informatics, Universitas Multimedia Nusantara

Segmentation on medical image requires good quality due to affect the interpretation and diagnosis of medical experts. On medical image segmentation, there is merging phase to increase the quality of the segmentation result. However, stopping criteria on merging phase was determined manually by medical experts. It implied the subjectivity of segmentation result. To increase the objectivity of segmentation result, a method to automate merging phase on medical image segmentation is required. Therefore, we propose a novel method on medical image segmentation which combine two-stage SOM and T-cluster method. Experiments were performed on dental panoramic as medical image sample and evaluated by using segmentation quality formula. Experiments show that the proposed method can perform segmentation on dental panoramic image automatically and objectively with the best average of segmentation quality value is 4,40. Index Terms—dental panoramic image, image segmentation, medical image, Self-Organizing Map, T-cluster

Automatic Car Detection Using Haar Cascade Classifier and Convolutional Neural Network for Traffic Density Estimation Miftahul Hasanah; Gulpi Qorik Oktagalu Pratamasunu; Ratri Enggar Pawening
Indonesian Journal of Artificial Intelligence and Data Mining Vol 4, No 1 (2021): March 2021
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/ijaidm.v4i1.10785

Based on a survey released by the TomTom Traffic Index in 2018, Indonesia was ranked seventh in the category of the most congested country in the world. One of the factors affecting traffic congestion in Indonesia is an inflexible and conventional traffic management system. In this regard, it is necessary to have a better traffic management system such as a Smart Traffic Light. One way to implement a smart traffic light system is to make a vehicle detection and counting system on the traffic CCTV video automatically. The methods used in this research are Haar Cascade Classifiers and Convolutional Neural Network. Haar Cascade Classifiers have fast computation processes and CNN is applied to validate the detection results of the Haar Cascade method for better accuracy. The average level of accuracy achieved by the system on quiet test data is 82%, normal test data is 69%, and busy test data is 60%. Meanwhile, the average computation time needed by the system for the quiet test data is 0.63 seconds, the normal test data is 0.52 seconds, and the busy test data is 1.05 seconds.

PKM Pelatihan Mengetik Sepuluh Jari bagi Santri Patriot Panji Pelopor (SP3) Pondok Pesantren Nurul Jadid Gulpi Qorik Oktagalu Pratamasunu; Latifatul Khoer; Meliana Eka Puteri; Zumrotul Maqfiroh; Yunis Hofifah; Siti Umairah; Nidia Fachrum F. Paputungan; Zahrotunnisa Zahrotunnisa
GUYUB: Journal of Community Engagement Vol 2, No 3 (2021): Pendampingan Sektor Pendidikan, Teknologi, Kesehatan, dan Humaniora
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/guyub.v2i3.2543

Currently, ten-finger typing skills have become the general standard for prospective employees who will apply for jobs. These skills are not only needed for IT-based jobs but are also needed in other jobs in the office. Unfortunately, until now, many students still do not have these skills. Therefore, ten-finger typing training for students at the Nurul Jadid Islamic Boarding School is very much needed. The method used in the implementation of this activity is a practice-based training method using the Typing Master and Typer Shark Deluxe applications. The result of this activity is that the participants experienced an increase in typing. Those who previously used two fingers at the end of the meeting can use all their fingers to type.

Classification of Rice Quality Using Backpropagation Based on Shape and Color Olief Ilmandira Ratu Farisi; Gulpi Qorik Oktagalu Pratamasunu; Siti Sulaihah
Fountain of Informatics Journal Vol 7, No 2 (2022): November 2022
Publisher : Universitas Darussalam Gontor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21111/fij.v7i2.7594

AbstractThe distribution of mixed rice on the market makes it difficult for consumers to determine the rice quality. In determining rice quality, the consumers consider and compare the texture, size, shape, color, aroma, purity, and homogeneity manually. This process is prone to errors and mistakes, due to the limited ability of each human's vision. Therefore, a method to determine the quality of rice automatically based on the physical characteristics of rice is needed. In this paper, we proposed an automatic rice quality classification method using backpropagation based on the shape and color of the rice. There are four parameters used to determine the classification process, namely compactness, circularity, mean, and skewness. Compactness and circularity were used to determine the ratio between the whole rice and the broken rice. While mean and skewness were used to determine the color distribution of the rice. Experiments have been performed on 100 images consisting of 50 premium and 50 medium rice images. The experimental results show that the proposed method can classify rice based on its shape and color effectively with an accuracy rate of 95%.Keywords: rice quality, classification, backpropagation, shape feature, color feature Abstrak[Klasifikasi Kualitas Beras Menggunakan Backpropagation Berdasarkan Bentuk dan Warna] Distribusi beras oplosan di pasaran menyulitkan konsumen dalam menentukan kualitas beras. Konsumen mempertimbangkan dan membandingkan tekstur, ukuran dan bentuk, warna, aroma, kemurnian, dan keseragaman secara manual untuk menentukan kualitas beras. Proses ini rawan terjadi kesalahan dan kekeliruan, karena keterbatasan kemampuan penglihatan setiap manusia. Oleh karena itu diperlukan suatu metode untuk menentukan kualitas beras secara otomatis berdasarkan karakteristik fisik beras. Dalam penelitian ini, kami mengusulkan metode klasifikasi kualitas beras otomatis menggunakan backpropagation berdasarkan bentuk dan warna beras. Ada empat parameter yang digunakan untuk menentukan proses klasifikasi yaitu compactness, circularity, mean, dan skewness. Compactness dan circularity digunakan untuk menentukan perbandingan antara nasi utuh dan nasi pecah. Sedangkan mean dan skewness digunakan untuk menentukan distribusi warna beras. Percobaan telah dilakukan pada 100 citra yang terdiri dari 50 citra beras premium dan 50 citra beras medium. Hasil percobaan menunjukkan bahwa metode yang diusulkan dapat mengklasifikasikan beras berdasarkan bentuk dan warnanya secara efektif dengan tingkat akurasi 95%.Kata kunci: kualitas beras, klasifikasi, backpropagation, fitur bentuk, fitur warna

Deteksi Tangan Otomatis Pada Video Percakapan Bahasa Isyarat Indonesia Menggunakan Metode Deep Gated Recurrent Unit (GRU) Puji Kurnia Sari; Gulpi Qorik Oktagalu Pratamasunu; Fathorazi Nur Fajri
Jurnal Komputer Terapan Vol. 8 No. 1 (2022): Jurnal Komputer Terapan
Publisher : Politeknik Caltex Riau

Tunarungu adalah hilangnya pendengaran baik salah satu telinga maupun keduanya. Untuk melakukan komunikasi tunarungu menggunakan bahasa isyarat menggunakan kedua tangannya. Saat ini terdapat 2 sistem bahasa isyarat yaitu BISINDO dan SIBI. Bahasa isyarat adalah bahasa yang menggunakan gerakan tubuh berupa tangan dan bibir untuk menjelaskan sebuah arti. Namun masih banyak masyarakat yang belum paham dengan bahasa isyarat, oleh karena itu dilakukan sebuah penelitian dengan menggunakan metode deep gated recurrent unit (GRU) yang dapat membaca gerakan tangan pada video bahasa isyarat indonesia. Penelitian ini menggunakan 3 class yaitu ucapan hallo, terimakasih, dan sama sama. Tahapan yang dilakukan pada penelitian ini terdiri dari pengolahan video atau proses pre-processing pada video. Pengujian terhadap 45 video data training dan 36 video data testing. Pengujian yang dilakukan terhadap data testing menghasilkan nilai akurasi sebesar 88%.

Deteksi Penggunaan Alat Pelindung Diri (APD) Untuk Keselamatan dan Kesehatan Kerja Menggunakan Metode Mask Region Convolutional Neural Network (Mask R-CNN) Milzamah Elvi Laily; Fathorazi Nur Fajri; Gulpi Qorik Oktagalu Pratamasunu
Jurnal Komputer Terapan Vol. 8 No. 2 (2022): Jurnal Komputer Terapan
Publisher : Politeknik Caltex Riau

The construction sector is one of the strongest sectors in supporting economic growth in Indonesia. In supporting the development and demands for the provision of services from the construction sector, as a state of law, the state of Indonesia has laws in the construction sector, one of which is on Occupational Health and Safety (K3). One of the efforts to minimize the consequences caused by work accidents, every worker is required to use Personal Protective Equipment (PPE). Lack of self-awareness and discipline of workers in the use of Personal Protective Equipment (PPE), can result in a fairly large risk of work accidents. So there needs to be automatic detection for workers in the use of good and correct PPE. This research is using the latest method from R-CNN, namely Mask Region Convolutional Neural Network (Mask R-CNN). The best model obtained is the epoch 35 parameter with a loss value of 0.1985 and a val_loss value of 0.1933 in 461s 922ms/step. Trial ith 250 images which produces an accuracy 0f 95%.

Metode Pengumpulan Data Pada Deteksi Pakaian Hijab Syar'I Berdasarkan Citra Digital Menggunakan Teachable machine Learning Fathorazi Nur Fajri; Kamil Malik; Gulpi Qorik Oktagalu Pratamasunu
Justek : Jurnal Sains dan Teknologi Vol 5, No 2 (2022): November
Publisher : Unversitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/justek.v5i2.11614

Abstract: Computer vision is a branch of artificial intelligence that uses digital images as input data. The stages of making computer vision are data collection, preprocessing, modeling, and testing. Test results are usually influenced by good modeling and data collection. Errors often occur in the data collection process so that data collection testing is needed before the modeling process using matlab or python. Therefore, this research aims to propose a data collection model with testing using a teachable machine. The datasets used are hijab syar'i, non syar'i and non hijab datasets because hijab is a trend among young people. However, many young people are not good at using their hijab in the pesantren area. So that the classification process is needed as a form of order in the pesantren. Datasets are obtained using web scraping methods on internet platforms such as pinterest, google image and instagram. The total dataset is 2,910 digital images of each class is 970. Teachable machine can validate the dataset quickly by looking at the accuracy per class. With the best model in the configuration of epoch 50, batch size 64 and learning rate 0.0001. Where the accuracy of each class using teachable is hijab syar'i by 99%, non syar'i by 94% and non hijab 99% with a test sample of 146 digital images each.Abstrak: Visi Komputer merupakan cabang kecerdasan buatan yang menggunakan citra digital sebagai input data. Adapun tahapan pembuatan visi komputer ialah pengumpulan data, preprocessing, pembuatan model, dan pengujian. Hasil pengujian biasanya dipengaruhi oleh pembuatan model dan pengumpulan data yang baik. Kesalahan sering terjadi pada proses pengumpulan data sehingga dibutuhkan pengujian pengumpulan data sebelum proses pembuatan model dengan menggunakan matlab atau python. Oleh karenanya pada penelitian ini bertujuan untuk mengusulkan model pengumpulan data dengan pengujian menggunakan teachable machine. Adapun dataset yang digunakan ialah dataset hijab syar'i, non syar'i dan non hijab dikarenakan hijab menjadi trend dikalangan anak muda. Akan tetapi banyak anak muda yang belum baik penggunaan hijabnya diarea pesantren. Sehingga diperlukan proses klasifikasi sebagai bentuk ketertiban didalam pesantren. Dataset didapat dengan menggunakan metode web scraping pada platform internet seperti pinterest, google image dan instagram. Total dataset ialah 2,910 citra digital masing masing class ialah 970. Teachable machine dapat melakukan validasi dataset secara cepat dengan melihat akurasi per class. Dengan model terbaik pada konfigurasi epoch 50, batch size 64 dan learning rate 0.0001. Dimana Akurasi setiap class menggunakan teachable yaitu hijab syar'i sebesar 99%, non syar'i sebesar 94% dan non hijab 99% dengan sampel uji masing masing 146 citra digital.

Co-Authors Agung Wahyu Firdaus Agus Zainal Arifin Agus Zainal Arifin Ahmad Shogirih Anny Yuniarti Arya Yudhi Wijaya Diana Purwitasari Dini Adni Navastara, Dini Adni Diyah Ayu Aprilingga Fathorazi Nur Fajri Fathorazi Nur Fajri Fidi Wincoko Putro, Fidi Wincoko Hadi, Khairul Anas Nur Islam Indah Inayatul Arifah Kamil Malik Khairul Anas Nur Islam Hadi Khoirul Umam Latifatul Khoer Maimuna Maimuna Maulidil Jannah Meliana Eka Puteri Metha Pardiana Putri Miftahul Hasanah Milzamah Elvi Laily Moh. Jasri Moh. Jasri Nidia Fachrum F. Paputungan Olief Ilmandira Ratu Farisi Puji Kurnia Sari Ratri Enggar Pawening Raudatus Solehah Siti Sulaihah Siti Umairah Uky Novita Wulandari Wijayanti Nurul Khotimah Yunis Hofifah Yunnia Riyanti Zahrotunnisa Zahrotunnisa Zumrotul Maqfiroh

Title

Found 21 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 21 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 21 Documents
Search