Article Per Year (5 Year)
p-Index From 2019 - 2024
0.817
P-Index
This Author published in this journals
All Journal MAGISTRA Jiko (Jurnal Informatika dan komputer) KOMPUTIKA - Jurnal Sistem Komputer Information System Journal (INFOS) JUTI "JURNAL TEKNOLOGI INFORMASI"
Anna Baita
Universitas Amikom Yogyakarta
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
LOGO RETRIEVAL BERDASARKAN EKSTRAKSI MULTIFITUR Baita, Anna; W., Bambang Soedijono; Sunyoto, Andi
MAGISTRA Vol 28, No 98 (2016): Magistra Desember
Publisher : MAGISTRA

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (282.448 KB)

Abstract

Logo retrieval merupakan topik yang penting dalam CBIR untuk dibahas di instutusipendidikan ataupun digunakan di dalam aplikasi komersial. Dengan pesatnya perkembangan e-bussiness, jumlah trademark/ logo meningkat dengan cepat. Akan tetapi, penyalahgunaan dan pemalsuanlogo juga ikut tumbuh beriringan sehingga menyesatkan konsumen dan merusak kepercayaan merekadi dalam e-bussiness. Sehingga trademark/logo retrieval ini menjadi sesuatu yang sangat berguna.Penelitian ini membahas logo retrieval berdasarkan ekstraksi fitur bentuk, tekstur dan warna.Proses ekstraksi fitur bentuk dilakukan dengan metode Zernike moment, ekstraksi fitur warnamenggunakan Color Layout Descriptor dan ekstraksi fitur tekstur menggunakan GLCM-DWT.Logo retrieval multi fitur tersebut mengasilkan nilai akurasi sebesar 51.58 jika diujikan padadataset-1 dan 92% jika diujikan pada dataset-2. Logo retrieval multi fitur ini menghasilkan akurasiyang lebih tinggi jika dibandingkan dengan logo retrieval fitur tunggal.Kata kunci: logo retrieval, zernike moment, color layout descriptor, GLCM
Analisis Sentimen Mengenai Vaksin Sinovac Menggunakan Algoritma Support Vector Machine (SVM) dan K-Nearest Neighbor (KNN) Anna Baita; Yoga Pristyanto; Nuri Cahyono
Information System Journal Vol. 4 No. 2 (2021): Information System Journal (INFOS)
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/infosjournal.2021v4i2.687

Abstract

Pandemi COVID-19 yang bermula di Wuhan, Tiongkok, saat ini menjadi pandemi yang terjadi di berbagai negara di seluruh dunia. Upaya vaksinasi dilakukan untuk mengurangi tingkat penyebaran dari virus COVID-19. Pemberian vaksin memberikan dampak yang berbeda-beda, sehingga menimbulkan berbagai opini terhadap pemberian vaksin ini. Sentimen analisis dapat digunakan untuk mengalisa opini masyarakat terhadap pemberian vaksin ini. Dalam penelitian ini menggunakan algoritma SVM dan KNN untuk melakukan analisa mengenai sentimen masyarakat terhadap pemberian vaksin ini. Adapun opini di dapatkan dari aplikasi twitter dengan keyword sinovac. Dataset yang digunakan merupakan cuitan dalam bahasa Inggris. Proses pelabelan teks dilakukan secara otomatis menggunakan textblob. Hasil penelitian menunjukkan bahwa algoritma SVM memiliki performa yang lebih baik jika dibandingkan dengan algoritma KNN. Akurasi algoritma SVM sebesar 0.7, sedangkan akurasi algoritma KNN sebesar 0.56.
PENERAPAN ALGORITMA KMEANS CLUSTERING UNTUK MENGELOMPOKKAN KERAWANAN ROB DI DAERAH PEKALONGAN Imam Faturohim; Anna Baita
JuTI "Jurnal Teknologi Informasi" Vol 1, No 1 (2022): Agustus
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1087.41 KB) | DOI: 10.26798/juti.v1i1.624

Abstract

Banjir rob di kawasan Kota Pekalongan telah terjadi sejak lama dan berpotensi semakin luas. Hal ini disebabkan oleh beberapa wilayah di Kota Pekalongan memiliki ketinggian tanah dibawah permukaan air laut dan mengalami penurunan muka tanah (land subsidence). Ancaman banjir dan rob semakin tinggi karena adanya pemanasan global yang berdampak pada naiknya permukaan air laut. Pemetaan kerawanan Rob ini penting agar dapat membantu pemerintah daerah dalam evaluasi dan penanganan rob. Selain itu, pemetaan ini dapat digunakan untuk mengevaluasi dan merencanakan tata ruang wilayah Kota Pekalongan. Dalam penelitian ini menggunakan metode K-Means Clustering untuk mengelompokkan data berdasarkan tinggi genangan rob dan luas area genangan rob. Hasil penelitian ini menghasilkan 3 cluster daerah. Hasil penelitian ini menunjukkan bahwa daerah dengan kerawanan tinggi bencana rob di kota Pekalongan ada 7 Kelurahan yakni Bandengan, Degayu,Kandang Panjang, Krapyak, Padukuhan Kraton, Panjang Wetan dan Panjang Baru. Hasil Clustering disajikan dalam bentuk peta menggunakan ArcGis.
Uji Kernel SVM dalam Analisis Sentimen Terhadap Layanan Telkomsel di Media Sosial Twitter Anna Baita; Pangestu Fremmuzar
Komputika : Jurnal Sistem Komputer Vol 12 No 2 (2023): Komputika: Jurnal Sistem Komputer
Publisher : Computer Engineering Departement, Universitas Komputer Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/komputika.v12i2.9460

Abstract

Telkomsel is an internet service provider in Indonesia which was launched in 1995. As an internet service provider with the most users, Telkomsel has become the center of attention of internet users in Indonesia. This invites user opinions and perspectives on Telkomsel, which is commonly referred to as sentiment. One of the media commonly used to express an opinion and point of view is Twitter. Twitter is a social media platform that is often a place for sharing and spreading the news, and discussing ideas, and opinions of Twitter users. In this study, the algorithm used is the Support Vector Machine. In the Support Vector Machine, there is a kernel trick that will be used to determine kernel performance and analyze sentiment. The sentiments analyzed amounted to 537 tweets collected by scraping. The collected tweets will go through the preprocessing stage, namely cleaning, case folding, tokenizing, normalization, stemming, stopword removal, and detokenizing. A sentiment is classified into 2 labels, namely positive and negative. Based on the test results, the sigmoid kernel has the best performance with an accuracy value of 0.950, a precision of 0.945, a recall of 0.860, an f1-score of 0.896, and sentiment tend toward negative.
HYPERPARAMETER TUNING ON RANDOM FOREST FOR DIAGNOSE COVID-19 Anna Baita; Inggar Adi Prasetyo; Nuri Cahyono
JIKO (Jurnal Informatika dan Komputer) Vol 6, No 2 (2023): JIKO (Jurnal Informatika dan Komputer)
Publisher : Universitas Khairun

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33387/jiko.v6i2.6389

Abstract

Diagnosis of Covid using the RT-PCR (Reverse Transcription Polymerase Chain Reaction) test requires high costs and takes a long time. For this reason, another method is needed that can be used to diagnose Covid-19 quickly and accurately. Random Forest is one of the popular classification algorithms for making predictive models. Random forest involves many hyperparameters that control the structure of each tree, the forest, and its randomness. Random Forest is a method which very sensitive to hyperparameter values, as their prediction accuracy can increase significantly when optimized hyperparameters are predefined and then adjusted according to the procedure. The purpose of doing hyperparameter tuning on the random forest algorithm is to increase accuracy in the diagnosis of covid-19. Searching for optimal values of hyperparameters is done by the Grid Search method and Random Search. The result explains that the Random Forest can be used to diagnose Covid-19 with an accuracy of 94%, and with hyperparameter tuning, it can increase the accuracy of the random forest by 2%.
Co-Authors Andi Sunyoto Imam Faturohim Inggar Adi Prasetyo Nuri Cahyono Pangestu Fremmuzar W., Bambang Soedijono Yoga Pristyanto