Garuda - Garba Rujukan Digital

Simulasi Berbasis MEH untuk Pemodelan Distribusi Potensial Listrik dan Medan Listrik pada Isolator Porselen 20 kV ASHADI AMIR NURHAKIM; ROBBY IKHSAN AR RASYID; WALUYO WALUYO
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 6, No 2 (2021): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v6i2.132-143

AbstrakIsolator adalah suatu perlengkapan yang cukup berarti dalam saluran udara tegangan menengah. Distribusi potensial serta medan listrik di sekitar isolator ialah wilayah yang masih mendapat pengaruh sifat kelistrikan dari suatu muatan. Riset ini mengulas simulasi distribusi potensial serta medan listrik pada isolator tegangan menengah berjenis porselen berbasis metode elemen hingga (MEH). Metode ini digunakan agar memudahkan dalam mengukur pendistribusian potensial listrik dan medan listrik pada isolator karena merupakan salah satu metode numerik yang lebih praktis untuk memecahkan masalah elektrostatik. Dari hasil simulasi 3D diperoleh pola distribusi potensial listrik selalu mengikuti kontur dari isolator sedangkan untuk distribusi medan listriknya mencapai nilai tertinggi sebesar 5,3 kV/cm. Sedangkan dari grafik distribusi medan listrik terlihat lebih jelas bahwa stress medan listrik yang besar terdapat pada daerah koneksi antara isolator dengan konduktor serta isolator dengan ground.Kata kunci: Isolator Porselen, Medan Listrik, Metoda Elemen Hingga (MEH), Potensial Listrik.AbstractAn insulator is a fairly significant piece of equipment in a medium-voltage overhead line. The distribution of potential and electric field around an insulator is an area that is still affected by the electrical properties of a charge. This research reviews the distribution of potential and electric field simulations on porcelain-type medium-voltage insulators based on the finite element method (FEM). This method is used to make it easier to measure the distribution of electric potential and electric field on an insulator because it is one of the more practical numerical methods for solving electrostatic problems. From the 3D simulation results, the distribution pattern of the electric potential always follows the contours of the insulator, while the electric field distribution reaches the highest value of 5.3 kV/cm. Meanwhile, from the electric field distribution charts, it is clearer that the large electric field stress is found in the area around the insulator with conductors and insulators with ground.Keywords: Porcelain Insulator, Electric Field, Finite Element Method (FEM), Electric Potential.

Peningkatan Kemampuan Pengenalan Emosi Melalui Suara dalam Bahasa Indonesia FATAN KASYIDI; RIDWAN ILYAS; NIDA MUTHI ANNISA
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 6, No 2 (2021): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v6i2.194-204

AbstrakInteraksi manusia dengan komputer merupakan fenomena yang terus berkembang diikuti oleh meningkatnya penggunaan komputer yang sering digunakan dalam ranah sosial manusia. Manusia saling berinteraksi dengan melibatkan emosi untuk memahami seseorang. Emosi manusia seringkali terwakili melalui cara berbicara. Penelitian tentang pengenalan emosi melalui suara telah banyak dilakukan, namun terdapat upaya peningkatan pengenalan emosi melalui suara, terutama masalah korpus yang menjadi salah satu faktor yang menjadikan pengenalan emosi ini belum menghasilkan akurasi pengenalan yang optimal, khususnya berkaitan dengan imbalance data. Penelitian ini dilakukan untuk meningkatkan performa pengenalan emosi untuk mengenali lima kelas emosi yaitu senang, marah, sedih dan kepuasan serta netral menggunakan algoritma boosting. Selain itu, digunakan pula metode seperti CNN dan RNN untuk dapat dilakukan perbandingan serta penerapan SMOTE untuk korpusnya. Setelah eksperimen, dapat dihasilkan akurasi pengenalan mencapai 65% untuk akurasi untuk data tes berdasarkan konfigurasi 22050 Hz sebagai sampling rate, MFCCs dan oversampling SMOTE.Kata kunci: Imbalance data, Algoritma Boosting, CNN, RNN, SMOTEAbstractHuman interaction with computers are a growing phenomenon followed by the increasing use of computers which are often utilized in human social activities. Humans interact with one another by involving emotions. Plenty of research on speech emotion recognition has been established. Nevertheless, there are still efforts to enhance speech emotion recognition, especially the corpus problem which is one of the factors that the model does not in an optimal performance, especially about imbalance data. This study was conducted to enhance the performance of emotion recognition to recognize five class emotions: happiness, angry, sadness, contentment, and neutral. Furthermore, we employed CNN, RNN, and Boosting Algorithms. Lastly, we applied SMOTE to the corpus. After the experiment, the accuracy reached 65% with 22050 Hz configuration as rate, MFCCs, and SMOTE oversampling.Keywords: Data Imbalance, Boosting Algorithms, CNN, RNN, SMOTE

Klasifikasi Kerusakan Mutu Tomat Berdasarkan Seleksi Fitur Menggunakan K-Nearest Neighbor NISKE ELMY PAULINA; ZILVANHISNA EMKA FITRI; ABDUL MADJID; ARIZAL MUJIBTAMALA NANDA IMRON
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 6, No 2 (2021): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v6i2.144-154

AbstrakTomat (Lycopersicum esculentum Mill.) merupakan satu komoditas unggulan pertanian karena penjualan jangka panjangnya baik. Menurunnya jumlah produktivitas dan mutu tomat disebabkan oleh curah hujan yang tinggi, cuaca dan budidaya yang tidak baik sehingga buah tomat menjadi busuk, retak, dan timbul bercak. Penyuluhan terkait peningkatan mutu tomat dinilai kurang efektif sehingga dibutuhkan sebuah sistem identifikasi kerusakan mutu buah tomat yang mampu memberikan edukasi kepada petani. Penelitian ini adalah pengembangan penelitian sebelumnya, untuk mendapatkan citra segmentasi dan ekstraksi fitur digunakan penggunaan contrast stretching dan deteksi tepi sobel. Namun kedua teknik tersebut diganti penggunaan operasi citra negatif. Didapatkan fitur yang optimal adalah gabungan fitur morfologi dan pada masing-masing sudut berdasarkan seleksi fitur. Persentasi akurasi metode KNN pada pelatihan sebesar 86.6% sedangkan akurasi pengujiannya sebesar 70%.Kata kunci: kerusakan mutu, tomat, seleksi fitur, K-Nearest NeighborAbstractTomato (Lycopersicum esculentum Mill.) is one of the leading agricultural commodities because of its good long-term sales. The decrease in the amount of productivity and quality of tomatoes is caused by high rainfall, bad weather and cultivation so that the tomatoes become rotten, cracked, and have spots. Counseling related to improving the quality of tomatoes is considered ineffective so that a system for identifying damage to the quality of tomatoes is needed that is able to provide education to farmers. This study is a development of previous research, to obtain segmented images and feature extraction using contrast stretching and sobel edge detection. However, both techniques were replaced by using negative image operations. The optimal feature is a combination of morphological features and correlations at each angle based on feature selection. The percentage of accuracy of the KNN method in training is 87%, while the accuracy in the testing is 70%.Keywords: quality damage, tomato, feature selection, K-Nearest Neighbo

Wireless Personal Area Network Performance Evaluation On Driving Simulator Realization LISA KRISTIANA; AFRIZAL MAULANA MUHAMMAD
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 6, No 2 (2021): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v6i2.205-220

ABSTRAKBerdasarkan hukum Indonesia, dijelaskan bahwa setiap orang yang mengemudikan kendaraan bermotor wajib memiliki Surat Izin Mengemudi (SIM) yang dapat diperoleh dengan menggunakan simulasi mengemudi. Namun, banyak calon pengemudi yang gagal karena kurangnya pelatihan, seperti tidak ada lahan atau tidak memiliki kendaraan pribadi. Selain itu, pelatihan menggunakan simulasi tidak dapat dilakukan secara pribadi karena simulasi hanya berada di kantor kepolisian dan biaya instalasi yang mahal. NRF24L01 adalah Wireless Personal Area Networks (WPAN) yang digunakan untuk penelitian ini karena cakupannya yang kecil tetapi kecepatan data yang tinggi. Tujuan dari penelitian ini adalah mengimplementasikan NRF24L01 untuk simulasi mengemudi dan mengamati tingkat akurasi dan Quality of Service (QoS) terjadi pada simulasi wireless. Pengujian menunjukkan bahwa penghalang dan jarak antar transceiver dapat menurunkan tingkat akurasi dan QoS.Kata kunci: simulasi menyetir, jaringan nirkabel, NRF24L01, Wireless Personal Area Networks, Quality of Service.ABSTRACTBased on Indonesian law, it is explained that everyone who drives a motorized vehicle is required to have a Driving License (SIM) which can be obtained by using a driving simulation. However, many prospective drivers fail due to lack of training, such as not having land or not owning a private vehicle. In addition, training using simulations cannot be carried out in person because the simulations only take place at the police station and the installation costs are expensive. NRF24L01 is the Wireless Personal Area Networks (WPAN) used for this research because of its small coverage but high data rate. The purpose of this research is to implement NRF24L01 for driving simulation and observe the level of accuracy and Quality of Service (QoS) occurring in the wireless simulation. Tests show that obstructions and distance between transceivers can reduce the level of accuracy and QoS.Keywords: driving simulation, wireless networks, NRF24L01, Wireless Personal Area Networks, Quality of Service.

Pemodelan Analisis Sentimen Masyarakat terhadap Adaptasi Kebiasaan Baru (AKB) mengunakan Algoritma Naïve Bayes SITI YULIYANTI; SITI SHOLIHAH
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 6, No 2 (2021): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v6i2.155-167

AbstrakPandemi Covid-19 hampir masuk tahun ke dua di Indonesia, pemerintah terus berupaya menekan laju peningkatan penularan Covid-19 melalui berbagai media. Sosialisasi dan informasi melalui media sosial yang merupakan wadah paling cepat untuk tersampaikan kepada masyarakat. Berbagai istilah digunakan seperti adaptasi kebiasaan baru, social distancing, PSBB sampai PPKM sehingga memicu masyarakat untuk beropini di media sosial. Penelitian ini menganalisis sentiment masyarakat terkait opini peningkatan Covid-19 dari twitter. Klasifikasi tweet menggunakan Naive Bayes dengan penambahan seleksi fitur. Penggunaan confusion matriks untuk mengetahui performance algoritma Naive Bayes. Berdasarkan pengujian, penelitian ini menghasilkan 76% dengan accuracy positif sebesar 72,727%, accuracy negatif sebesar 75% dan accuracy netral sebesar 78,947%. Sehingga disimpulkan penggunaan model klasifikasi Naive Bayes dengan fitur seleksi dapat meningkatkan akurasi.Kata kunci: analisis sentimen, seleksi fitur, twitter crawling, naïve bayes, klasifikasi, emosiAbstractCovid-19 pandemic is almost in its second year in Indonesia, the government continues to try to suppress the rate of increase in the transmission of Covid-19 through various media. Socialization and information through social media which is the fastest medium to be conveyed to the public. Various terms are used, such as adapting new habits, social distancing, PSBB to PPKM, thus triggering the public to share opinions on social media. This study analyzes public sentiment regarding the increasing opinion of Covid-19 from twitter. Tweet classification based on positive, negative and neutral classes using Naive Bayes with feature selection. The use of confusion matrix to determine the performance of the Naive Bayes algorithm. BasedThis Research, the results from the sentiment analysis system using the nave Bayes classifier of 76% with positive accuracy of 72.727%, negative accuracy of 75% and neutral accuracy of 78.947%. So it can be concluded that the use of the Naive Bayes classification model with the selection feature can increase accuracy.Keywords: sentiment analysis, fitur selection twitter crawling, naïve bayes, clasification, emotion

Gated Recurrent Units dalam Mendeteksi Obstructive Sleep Apnea JASMAN PARDEDE; MUHAMMAD FAUZAN RASPATI
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 6, No 2 (2021): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v6i2.221-235

AbstrakDalam melakukan penelitian obstructive sleep apnea (OSA), polysomnography (PSG) digunakan untuk diagnosis. Namun subjek diharuskan menginap dilaboratorium selama beberapa malam untuk melakukan tes dengan PSG dan karena banyaknya alat yang harus dikenakan pada tubuh dapat membuat tidak nyaman saat pengambilan data. Belakangan ini, beberapa peneliti mengunakan single-lead ECG untuk melakukan deteksi OSA. Untuk menghasilkan model terbaik, akan dilakukan eksperimen training, dengan batch normalization dan dropout yang berbeda. Pada penelitian ini apnea-ecg dataset digunakan, RR-Interval dan amplitudo QRS complex dari released set berjumlah 35 data akan disegmentasi permenit untuk digunakan sebagai input dari arsitektur yang diajukan adalah gated recurrent unit (GRU). Lalu withheld set berjumlah 35 data akan digunakan untuk pengujian per-segment dan per-recording. Kinerja sistem diukur berdasarkan accuracy, sensitifity, dan specificity dengan pengujian per-segment mendapat hasil accuracy 83.92%, sensitifity 81.28%, dan specificity 85.55%, dan pengujian per-recording mendapat hasil accuracy 97.14%, sensitifity 95.65% dan specificity 100%.Kata kunci: Obstructive sleep apnea, GRU, ECG, RR-Interval, QRS complex.AbstractIn conducting obstructive sleep apnea (OSA) studies, polysomnography (PSG) was used for the diagnosis. However, the subject was required to stay in the laboratory for several nights to carry out tests with the PSG and because of the many devices that had to be worn on the body, it could be uncomfortable to collect data. Recently, several researchers have used single-lead ECG to detect OSA. To produce the best model, training experiments will be conducted, with different batch normalization and dropout. In this study, the apnea-ecg dataset is used, the RR-Interval and the QRS complex amplitude from the released set totaling 35 data will be segmented per minute to be used as input for the proposed architecture is the gated recurrent unit (GRU). Then the withheld set of 35 data will be used for per-segment and per-recording testing. System performance was measured based on accuracy, sensitivity, and specificity with per-segment testing getting 83.92% accuracy, 81.28% sensitivity, and 85.55% specificity, and per-recording testing got 97.14% accuracy, 95.65% sensitivity and 100% specificity.Keywords: Obstructive sleep apnea, GRU, ECG, RR-Interval, QRS complex.

Perbandingan Metode Deep Residual Network 50 dan Deep Residual Network 152 untuk Deteksi Penyakit Pneumonia pada Manusia RIFQI RIZQULLAH EKA PRASETYO; MUHAMMAD ICHWAN
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 6, No 2 (2021): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v6i2.168-182

AbstrakPneumonia merupakan salah satu masalah Kesehatan yang sering dijumpai dan mempunyai dampak yang signifikan di seluruh dunia. Insiden pneumonia dilaporkan meningkat sesuai dengan bertambahnya usia. Pneumonia merupakan diagnosis terbanyak ketiga. Dalam penelitian ini penulis mengidentifikasi citra paru-paru dalam bentuk citra x-ray dengan metode ResNet-50 dan ResNet-152 sebagai ekstrasi ciri dan klasifikasinya. Performa sistem diukur berdasarkan nilai akurasi, presisi, recall, dan f-measure. Eksperimen dilakukan pada dataset paru-paru dengan menggunakan dua metode tersebut dan didapatkan akurasi terbaik pada ResNet-152. Hasil menunjukkan nilai rata-rata terbaik accuracy 89,3%, precision 88,8%, recall 89,6%, dan f-measure 89%. Hasil tersebut dipengaruhi oleh jumlah dataset dari citra training, citra validation, dan citra uji.Kata kunci: Penumonia, Deep Residual Network, RESNET-50, RESNET-152AbstractPneumonia is one of the most common health problems and has a significant impact throughout the world. The incidence of pneumonia is reported to increase with age. Pneumonia is the third most common diagnosis. In this study, the authors identified lung images in the form of x-ray images using the ResNet-50 and ResNet-152 methods as feature extraction and classification. System performance is measured based on the values of accuracy, precision, recall, and f-measure. Experiments were carried out on lung datasets using these two methods and the best accuracy was obtained on ResNet-152. The results show the best average value for accuracy is 89.3%, precision is 88.8%, recall is 89.6%, and f-measure is 89%. These results are influenced by the number of datasets from training images, validation images, and test images.Keywords: Penumonia, Deep Residual Network, RESNET-50, RESNET-152

Metode Simple Additive Weigting dalam Penerapan Sistem Pendukung Keputusan Seleksi Santri Terbaik TPQ Yayasan Hubbu Ahmad Center LUKMAN NULHAKIM; NANDA FAUSIYAH
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 6, No 2 (2021): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v6i2.236-249

AbstrakProses seleksi santri terbaik pada Yayasan Hubbu Ahmad Center masih belum optimal. Banyaknya data nilai yang harus diolah dan seleksi hasil nilai tertinggi masih dilakukan dengan cara konvesional dengan memilih santri berdasarkan data yang ada kemudian dibuat kesimpulan bahwa santri tersebut mendapat predikat terbaik, tentu hal ini sangat kurang efektif dan tingkat ke akuratan yang dirasa kurang tepat. Dengan metode Simple Additive Weighting (SAW) proses seleksi dilakukan dengan urutan dan kriteria serta perhitungan yang tepat dan sesuai, sehingg sistem seleksi santri terbaik ini dengan tujuan membantu guru dalam menentukan santri terbaik dan tidak terjadi kesalahan. Dalam perancangan ini penulis menggunakan web base PHP sebagai aplikasi perhitungan seleksi santri terbaik dan MySQL sebagai database sistem. Kata kunci: Santri Terbaik, Mysql, PHP, SAWAbstractThe selection process for the best students at the Hubbu Ahmad Center Foundation is still not optimal. The amount of value data that must be processed and the selection of the highest results is still carried out in the conventional way by selecting students based on existing data and then a conclusion is made that these students get the best predicate, of course this is very less effective and the level of accuracy is felt to be less precise. With the Simple Addtive Weighting (SAW) method, the selection process is carried out with precise and appropriate sequences and criteria as well as calculations, the best student selection system with the aim of helping teachers determine the best students and there are no errors. In this design the author uses a web base PHP as the best student selection application and MySQL as a database system.Keywords: Best Santri, Mysql, PHP, SAW

Leveraging MobileNet, InceptionV3, and CropNet to Classify Cassava Plant Disease GRADY MATTHIAS OKTAVIAN; HANDRI SANTOSO
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 6, No 2 (2021): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v6i2.183-193

AbstrakSingkong adalah tanaman yang tumbuh di sub-saharan Africa dan sering dijadikan sumber karbohidrat bagi manusia. Namun, tanaman singkong tersebut memiliki banyak penyakit yang dapat mengancam ketersediaan bahan makanan bagi jutaan orang. Terdapat banyak upaya dan penlitian yang menggunakan kecerdasan buatan dalam bentuk computer vision agar dapat membantu petani mendiagnosa apakah tanaman singkong mereka sehat atau tidak hanya dengan mengambil gambar dari daun tanaman mereka. Pada publikasi ini, penulis melatih tiga jaringan saraf artifisial yang bernama CropNet, MobileNet, dan InceptionV3 untuk dapat mengklasifikasikan gambar-gambar berupa penyakit tanaman singkong. Pembaruan yang dibawa penulis adalah dengan membuat sebuah algoritma gabungan yang mengkombinasikan hasil prediksi dari ketiga jaringan saraf artifisial yang telah dilatih guna mendapatkan hasil prediksi yang lebih akurat. Ternyata, metode penggabungan algoritma ini mampu memberikan nilai akurasi lebih tinggi 6.8% ketimbang nilai rata-rata akurasi dari masing-masing model.Kata kunci: pembelajaran mesin, visi komputer, klasifikasi gambar, jaringan saraf artifisial, kecerdasan buatan, penyakit tanamanAbstractIn sub-Saharan Africa, cassava is widely grown and considered to be a large source of carbohydrates for human food. However, the plant is plagued with diseases which can threaten food supply for millions of people. By using computer vision, researchers attempted to create an image classification model that can tell farmers whether the plant is sick or not by taking pictures of their leaves. In this short paper, the author attempts to train three Convolutional Neural Network: CropNet, MobileNet, and InceptionV3 that can classify cassava plant diseases based on visual data. As a novelty, the author creates an ensemble voting classifier that combines the prediction of CropNet, MobileNet, and InceptionV3 to create a better prediction. Turns out, creating an ensemble voting classifier enables us to achieve an accuracy score which is 6.8% higher than the average individual scores of each model.Keywords: machine learning, computer vision, image classification, convolutional neural network, artificial intelligence, plant diseases

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name
-

Contact Email
-

Phone
-

Journal Mail Official
-

Editorial Address
-

Location
Kota bandung,

Jawa barat

INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name -

Contact Email -

Phone -

Journal Mail Official -

Editorial Address -

Location Kota bandung, Jawa barat INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Contact Name
-

Contact Email
-

Phone
-

Journal Mail Official
-

Editorial Address
-

Location
Kota bandung,

Jawa barat

INDONESIA