Article Per Year (5 Year)
p-Index From 2019 - 2024
0.702
P-Index
This Author published in this journals
All Journal MDP Student Conference
Eka Puji Widiyanto
Universitas Multi Data Palembang
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Identifikasi Ngengat menggunakan Metode Convolutional Neural Network Ricky Ricky; Ery Hartati; Eka Puji Widiyanto
MDP Student Conference Vol 2 No 1 (2023): The 2nd MDP Student Conference 2023
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (944.351 KB) | DOI: 10.35957/mdp-sc.v2i1.4292

Abstract

Ngengat merupakan salah satu jenis serangga dari Ordo Lepidoptera yang populasinya sebesar 90% dari Ordo Lepidoptera di dunia. Ngengat berfungsi sebagai indikator kondisi lingkungan yang terkait dengan fenomena degradasi lingkungan, ngengat juga dapat digunakan sebagai objek untuk penelitian konservasi keanekaragaman hayati, evolusi, etologi dan genetika karena sifat taksonominya yang mapan dan mudah dikenali. Penelitian ini bertujuan untuk mengidentifikasi spesies ngengat menggunakan metode Convolutional Neural Network dengan arsitektur VGG-16 dan optimizer Adam. Dataset yang digunakan terbagi atas 7183 data train, 250 data test, dan 250 data valid. Kemudian dilakukan augmentasi pada objek dataset yang dibagi menjadi 400.400 data train, 85.800 data test, dan 85.800 data valid. Pada penelitian ini metode CNN dengan arsitektur VGG-16 dan Optimizer Adam serta dataset yang telah diaugmentasi berhasil meingidentifikasi ngengat dan menghasilkan tingkat akurasi sebesar 95%.
Klasifikasi Kepemilikan Tanda Tangan Menggunakan Convolutional Neural Network dengan Arsitektur AlexNet Khrisnaldi Wijaya; Eka Puji Widiyanto
MDP Student Conference Vol 2 No 1 (2023): The 2nd MDP Student Conference 2023
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (2942.393 KB) | DOI: 10.35957/mdp-sc.v2i1.4328

Abstract

Pengenalan tanda tangan menjadi bukti penting untuk memvalidasi suatu berkas yang menandakan bahwa berkas tersebut asli sehingga dapat dikatakan bahwa tanda tangan setiap orang berbeda dan unik. Oleh karena itu, tanda tangan tidak boleh disalahgunakan karena akan berakibat fatal. Pengenalan kepemilikan tanda tangan diperlukan untuk mengetahui siapa pemilik tanda tangan tersebut. Penelitian ini bertujuan untuk mengenali pola tanda tangan seseorang menggunakan Convolutional Neural Network dengan arsitektur AlexNet. Dataset yang digunakan pada penelitian ini sebanyak 300 citra yang dibagi menjadi 240 data latih dan 60 data uji. Penelitian ini menggunakan 3 optimizer yaitu optimizer Adam, optimizer SGD, dan optimizer RMSprop. Penelitian ini menggunakan batchsize sebesar 2, learning rate sebesar 0,01 untuk optimizer SGD dan learning rate sebesar 0,001 untuk optimizer adam dan RMSprop. Setiap optimizer yang diuji menghasilkan nilai precision, recall, dan accuracy yang berbeda - beda. Hasil pengujian tertinggi yang dilakukan pada dataset internal didapatkan oleh optimizer SGD dengan tingkat akurasi sebesar 83,3%.
Klasifikasi Monkeypox Menggunakan Ekstraksi Fitur GLCM dan Algoritma Random Forest William Wijaya; Muhammad Rizky Pribadi; Eka Puji Widiyanto
MDP Student Conference Vol 2 No 1 (2023): The 2nd MDP Student Conference 2023
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (650.677 KB) | DOI: 10.35957/mdp-sc.v2i1.4435

Abstract

Monkeypox adalah penyakit yang pertama kali ditemukan pada tahun 1958 di Denmark ketika ada dua kasus seperti cacar pada koloni kera yang dipelihara untuk penelitian, sehingga cacar ini dinamakan ‘Monkeypox’. GLCM adalah suatu matriks yang merepresentasikan frekuensi munculnya pasangan dua piksel dengan intensitas keabuan, jarak dan sudut dan Random Forest adalah salah satu metode klasifikasi yang merupakan kombinasi dari setiap pohon yang baik kemudian dikombinasikan ke dalam satu model. Penelitian ini menggunakan public dataset monkeypox dan non-monkeypox dan memiliki gambar berjumlah 3.192 dibagi menjadi data uji dan data latih dengan rasio 60:40, 70:30, 80:20, dan 90:10. Hasil dari fitur tekstur GLCM dilakukan pengujian dengan metode Random Forest menggunakan parameter n_estimator = 100, 500, dan 1000. Dari empat pengujian yang sudah dilakukan, disimpulkan bahwa n_estimator terbaik adalah 100 dengan proporsi rasio dataset 90:10, yang menghasilkan nilai accuracy sebesar 77%, precision 77% ,recall 77%, dan f1-score 76,5%.
Klasifikasi Jenis Terung Menggunakan Metode SVM dengan Fitur HSV dan HOG alek bayu kurniawan; Eka Puji Widiyanto
MDP Student Conference Vol 2 No 1 (2023): The 2nd MDP Student Conference 2023
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (390.244 KB) | DOI: 10.35957/mdp-sc.v2i1.4451

Abstract

Terung memiliki bentuk dan warna buah yang cukup beragam. Dengan banyaknya jenis terung, masyarakat Indonesia masih sulit membedakan jenis terung yang ada. Sehingga dibutuhkan sebuah sistem yang dapat mengklasifikasikan jenis-jenis terung berdasarkan Fitur HSV dan HOG dengan menggunakan metode Support Vector Machine. Berdasarkan hasil pengujian dengan fitur HSV dan HOG menggunakan Support Vector Machine mendapatkan hasil Accuracy tertinggi pada jenis Terung Hijau dan Terung Ungu senilai 96.75%. Dengan hasil akurasi yang didapat dari setiap jenis Terung, maka metode SVM dengan fitur HSV dan HOG dapat mengklasifikasi jenis Terung dengan sangat baik.
Co-Authors alek bayu kurniawan Hartati, Ery Khrisnaldi Wijaya Ricky Ricky Rizky Pribadi, Muhammad William Wijaya