cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Hafiz Irsyad
Contact Email
hafizirsyad@mdp.ac.id
Phone
+6281373740969
Journal Mail Official
hafizirsyad@mdp.ac.id
Editorial Address
Universitas Multi Data Palembang, Kampus Rajawali. Jl. Rajawali no 14 Palembang
Location
Kota palembang,
Sumatera selatan
INDONESIA
Algoritme Jurnal Mahasiswa Teknik Informatika
Published by Universitas Multi Data Palembang
ISSN : -     EISSN : 27758796     DOI : https://doi.org/10.35957/algoritme.v2i2
Core Subject : Science,
Computer Science & IT
Jurnal Algoritme menjadi sarana publikasi artikel hasil temuan Penelitian orisinal atau artikel analisis. Bahasa yang digunakan jurnal adalah bahasa Inggris atau bahasa Indonesia. Ruang lingkup tulisan harus relevan dengan disiplin ilmu seperti: - Machine Learning - Computer Vision, - Artificial Inteledence, - Internet Of Things, - Natural Language Processing, - Image Processing, - Cyber Security, - Data Mining, - Game Development, - Digital Forensic, - Pattern Recognization, - Virtual & AUmented Reality,. - Cloud Computing, - Game Development, - Mobile Application, dan - Topik kajian lainnya yang relevan dengan ilmu teknik informatika.
Arjuna Subject : Ilmu Komputer (semua kategori) - Kecerdasan Buatan
Articles 8 Documents
 1 
Search results for , issue "Vol 2 No 2 (2022): Jurnal Algoritme" : 8 Documents clear
Perbandingan Metode K-Nearest Neighbor Dan Naïve Bayes Untuk Klasifikasi Gender Berdasarkan Mata Calvin Kurniawan; Hafiz Irsyad
Jurnal Algoritme Vol 2 No 2 (2022): Jurnal Algoritme
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (773.703 KB) | DOI: 10.35957/algoritme.v2i2.2358

Abstract

Mata merupakan organ penglihatan, yang terletak di rongga orbital. Bentuknya bulat, sekitar 2,5cm. Ruang antara mata dan orbit diisi oleh jaringan gemuk. Dinding tulang dan lemak orbit yang dapat melindungi mata dari terluka.Secara struktural , kedua mata terpisah,tetapi mereka adalah pasangan. Hal Dapat dilihat hanya dengan satu mata, tetapi penglihatan tiga dimensi Merasa tidak nyaman Ketika hanya menggunakan satu mata, terutama dalam hubungan penghakiman jarak. Gender adalah penggolongan secara gramatikal terhadap kata- kata dan kata- kata lain yang berkaitan dengannya yang secara garis besar berhubungan dengan keberadaan dua jenis kelamin atau kenetralan.Penelitian ini bertujuan untuk klasifikasi Gender berdasarkan mata menggunakan metode K-NN dan Naïve Bayes. Data yang dibagi menjadi dua yaitu mata pria dan mata Wanita adalah 10.541 data uji dan 4518 data latih dilanjutkan dengan grayscale, HOG, HSV, Cropping. Pada metode k-NN dengan fitur HSV dan HOG dengan Cropping metode K-NN menghasilkan akurasi yang lebih tinggi di bandingkan Naïve Bayes yaitu sebesar 68,61%.
Identifikasi Aksara Katakana Menggunakan Convolutional Neural Network Arsitektur LeNet Eric Agustian Winardi; Ery Hartati
Jurnal Algoritme Vol 2 No 2 (2022): Jurnal Algoritme
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (513.031 KB) | DOI: 10.35957/algoritme.v2i2.2359

Abstract

Penelitian ini mengangkat topik terkait dengan identifikasi menggunakan objek aksara katakana. Pada penelitian ini menggunakan beberapa Optimizer, namun belum diketahui penggunaan Optimizer dan Pooling Layer yang memiliki tingkat pengenalan yang terbaik dalam penelitian tersebut. Penelitian ini menggunakan Optimizer Adam, SGD dan RMSprop, kemudian Pooling Layer menggunakan Average dan Max Pooling. Data yang digunakan sebanyak 2070 citra yang terdiri dari 920 citra latih, 690 citra validasi dan 460 citra uji dengan total 46 kelas. Metode pengenalan menggunakan Convolutional Neural Network arsitektur LeNet, dengan input berupa citra yang telah melalui proses preprocessing menggunakan metode otsu dari citra aksara katakana. Skenario pengujian terdiri dari 6 skenario dengan Optimizer dan Pooling Layer yang berbeda-beda. Tingkat akurasi tertinggi didapatkan pada skenario pertama menggunakan Adam dan Average Pooling sebesar 90% dengan hasil pengenalan sebanyak 414 dari 460 data uji. Hasil dari penelitian ini dapat digunakan sebagai referensi pada penelitian lanjutan dengan metode ataupun objek yang sama.
Klasifikasi Penyakit Daun Jagung Menggunakan Metode Convolutional Neural Network Ivan Pratama Putra; Rusbandi Rusbandi; Derry Alamsyah
Jurnal Algoritme Vol 2 No 2 (2022): Jurnal Algoritme
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (2192.855 KB) | DOI: 10.35957/algoritme.v2i2.2360

Abstract

Jagung merupakan tanaman pangan utama ketiga setelah padi dan terigu di dunia dan menempati posisi kedua setelah padi di Indonesia. Penyakit tanaman sering kali disebabkan oleh aktifitas atau serangan organism di dalam bagian tubuh tanaman, di luar tubuh, atau di sekitarnya. Penelitian ini bertujuan untuk mengklasifikasikan penyakit daun jagung menggunakan metode convolutional neural network (CNN) dengan arsitektur Resnet 50 dengan optimizer Adam, Nadam dan SGD. Dataset terdapat 4225 citra di pisahkan menjadi 3380 data train, 845 data test. Citra yang digunakan di resize menjadi ukuran 224x224. Pada penelitian ini mendapatkan hasil tingkat akurasi tertinggi untuk arsitektur Resnet 50 dengan menggunakan optimizer Adam didapatkan tingkat akurasi sebesar 98,4%.
Klasifikasi Tingkat Kemanisan Alpukat Berdasarkan Fitur Hue Saturation Value (HSV) dengan Menggunakan Support Vector Machine (SVM) M Reynaldi Saputra; Hafiz Irsyad
Jurnal Algoritme Vol 2 No 2 (2022): Jurnal Algoritme
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (650.386 KB) | DOI: 10.35957/algoritme.v2i2.2361

Abstract

Dalam proses penetuan mutu atau tingkat kemanisan buah alpukat di pasaran pada umumnya dilakukan dengan dua cara yaitu menggunakan pakar-pakar untuk pemilihan / sortasi kemanisan alpukat atau menggunakan metode destruktif dengan cara pengambilan sampel, uji coba kemanisan alpukat tersebut seperti menggunakan Refractometer. Permasalahan yang terjadi pada kedua proses tersebut yaitu memiliki cost yang relatif besar dan tidak menghasilkan mutu yang seragam karena sortasi tingkat kemanisan alpukat oleh pakar bersifat subjektif dan kemungkinan terjadinya kesalahan pengamatan sangat besar. Support Vector Machine (SVM) diimplementasikan pada penelitian ini menggunakan kernel linear, polynomial, dan gaussian. Proses pengujian menggunakan K-Fold Cross Validation. Fold yang digunakan yaitu 4-fold, 5-fold dan 10-fold. Performa fitur HSV dan metode SVM yang mendapatkan hasil terbaik adalah pada 5-fold dengan nilai accuracy sebesar 100,00% dengan menggunakan kernel polynomial, precision sebesar 100,00% pada kernel polynomial, dan recall sebesar 100,00% pada kernel polynomial, Sedangkan hasil terendah terdapat pada kernel gaussian 5-¬fold dengan nilai accuracy sebesar 98.91%, precision sebesar 98.61%, dan recall sebesar 98.37%.
Penggunaan Fitur HOG Dan HSV Untuk Klasifikasi Citra Sel Darah Putih Rial Prasthio; Yohannes Yohannes; Siska Devella
Jurnal Algoritme Vol 2 No 2 (2022): Jurnal Algoritme
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1605.811 KB) | DOI: 10.35957/algoritme.v2i2.2362

Abstract

Sel darah putih (leukosit) merupakan sel pembentuk komponen darah yang diproduksi oleh sumsum tulang dan disebarkan ke seluruh tubuh melalui aliran darah. Sel darah putih merupakan bagian penting dari sistem kekebalan tubuh yang berfungsi untuk menghasilkan antibodi yang dapat membantu tubuh manusia dalam melawan berbagai penyakit. Sel darah putih dibagi menjadi 5 jenis, yaitu neutrofil, limfosit, monosit, eosinofil, dan basophil. Analisis sel darah putih masih dilakukan secara manual yang memakan waktu yang lama dan memiliki tingkat ketelitian dan keakuratan yang rendah. Solusi yang dapat dilakukan salah satunya menggunakan machine learning yaitu SVM (support vector machine) dengan menggunakan fitur HOG dan HSV. Penelitian ini menggunakan dataset hasil mikroskop sel darah putih dari Kaggle yang bersifat public. Jumlah dataset yang digunakan dalam penelitian berjumlah 12.392 gambar dari 4 jenis sel darah putih (Eosinophil, Lymphocyte, Monocyte, dan Neutrophil). Pada perhitungan confusion matrix hasil tertinggi didapatkan oleh Neutrophil dengan accuracy sebesar 88,55%, precision sebesar 100%, dan recall sebesar 54,19%.
Klasifikasi Jenis Kanker Kulit Menggunakan CNN-SVM Ricky Yohannes; Muhammad Ezar Al Rivan
Jurnal Algoritme Vol 2 No 2 (2022): Jurnal Algoritme
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1434.253 KB) | DOI: 10.35957/algoritme.v2i2.2363

Abstract

Kanker kulit merupakan pertumbuhan yang berlebihan pada jaringan kulit yang mengenai beberapa atau seluruh lapisan kulit. Untuk dapat mendiagnosa kanker kulit dapat digunakan metode biopsi dimana jaringan kulit diambil lalu diperiksa. Penggunaan biopsi mengeluarkan biaya yang mahal dan merusak kulit. Penelitian ini menerapkan metode CNN SVM untuk mengklasifikasi jenis-jenis kanker kulit. CNN yang sebagai ekstraksi fitur dengan arsitektur VGG-19 dan ResNet-50. SVM digunakan sebagai pengklasifikasi dengan menggunakan kernel linear dan RBF kemudian dioptimasi menggunakan random dan grid. Dataset terdapat 300 citra per jenis lalu dibagi menjadi 240 data latih, 60 data uji, dan dengan jumlah total 1500 citra. Penelitian ini melakukan 2 skenario pada citra yaitu menggunakan preprocessing resize dan preprocessing patch lalu diterapkan pada model, sehingga terdapat 16 skenario total. Hasil terbaik penelitian ini didapatkan pada preprocessing patch arsitektur VGG-19 menggunakan kernel linear optimasi random dan grid dengan nilai accuracy sebesar 65,33%, nilai recall sebesar 65,33%, nilai precision sebesar 68,51%, dan nilai f1-score sebesar 65,77%.
Identifikasi Kadar Ikan Pada Pempek Menggunakan Fitur LBP Dengan Metode Jaringan Syaraf Tiruan Dina Agustina; Gasim Gasim
Jurnal Algoritme Vol 2 No 2 (2022): Jurnal Algoritme
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (3454.162 KB) | DOI: 10.35957/algoritme.v2i2.2364

Abstract

Pempek merupakan makanan khas Palembang yang terbuat dari campuran ikan giling, tepung, dan bumbu-bumbu penambah cita rasa dan dibuat dengan berbagai bentuk. Perbandingan karakteristik yang terdapat pada pempek selain dapat diketahui oleh orang awam melalui rasa dan tekstur kekenyalan pempek dapat juga diketahui dengan menggunakan teknologi seperti media kecerdasan buatan. Ada 4 jenis perbandingan yang ada pada pempek diantaranya adalah 1 ikan 1 tepung, 1,5 ikan 1 tepung, 2 ikan 1 tepung, dan 1 ikan 2 tepung, dengan resolusi kamera 2MP dan jarak pengambilan citra ±15cm. penelitian ini bertujuan untuk mengimplementasikan suatu sistem yang mampu mengidentifikasi kadar ikan pada pempek, dengan menerapkan Local Binary Pattern (LBP) sebagai ekstraksi fitur dan metode Jaringan Syaraf Tiruan (JST). Hasil dari ekstraksi LBP dijadikan masukan pada proses pembelajaran pada JST dengan training function traingdx serta menggunakan 40 neuron. Berdasarkan hasil pengujian menggunakan ekstraksi fitur LBP memperoleh tingkat akurasi sebesar 31,67% dan jumlah pengenalan data uji sebanyak 76 dari 240 data uji.
Implementasi Fuzzy-Mamdani untuk Pengendalian Suhu dan Kekeruhan Air Aquascape Berbasis IoT Axel Natanael Salim; Abdul Rahman
Jurnal Algoritme Vol 2 No 2 (2022): Jurnal Algoritme
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/algoritme.v2i2.2544

Abstract

Aquascape consists of complex elements, hardscape, and softscape. Aquascape requires regular maintenance, one of which is maintaining the water quality so that the plants and living things in it can thrive and the aquascape remains pleasing to the eye. We can maintain water quality by maintaining the turbidity level and water temperature. By maintaining the turbidity of the water temperature, plants and living things in the aquascape will continue to thrive. To keep the water conditions clear and healthy, a system is needed to control the turbidity level and temperature of the aquascape water. This study builds a system that can maintain water quality in an Internet of Things-based aquascape by implementing the Fuzzy Mamdani algorithm to optimize a system that can adjust the fan speed to lower the water temperature and determine how long the water pump will run and flow. Water in the aquascape. The results of the tool test are obtained; if the temperature, pH, and water turbidity sensor values ​​are close to the normal water limits, the water pump will turn on. If the temperature is above 27.89ºC and the pH is above 13, the fan will run at full speed. To measure the accuracy of this aquascape system, MAPE is used with an error value of 3% for the fan data generated.

Page 1 of 1 | Total Record : 8

 1 

Filter by Year

2022 2022


Reset
Filter By Issues
All Issue Vol 4 No 1 (2023): Jurnal Algoritme Vol 3 No 2 (2023): Jurnal Algoritme Vol 3 No 1 (2022): Jurnal Algoritme Vol 2 No 2 (2022): Jurnal Algoritme Vol 2 No 1 (2021): Jurnal Algoritme Vol 1 No 2 (2021): Jurnal Algoritme Vol 1 No 1 (2020): Jurnal Algoritme