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 7 Documents
 1 
Search results for , issue "Vol 2 No 1 (2021): Jurnal Algoritme" : 7 Documents clear
Identifikasi Tulisan Tangan Aksara Jepang Hiragana Menggunakan Metode CNN Arsitektur VGG-16 Aldo Willyanto; Derry Alamsyah; Hafiz Irsyad
Jurnal Algoritme Vol 2 No 1 (2021): Jurnal Algoritme
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (725.485 KB) | DOI: 10.35957/algoritme.v2i1.1450

Abstract

Hiragana merupakan aksara yang digunakan untuk menulis kata-kata dalam bahasaJepang. Hiragana memiliki 46 jenis huruf, diantaranya 5 huruf vokal dan 41 huruf konsonan.Aksara Hiragana penting dipelajari untuk orang yang ingin mempelajari bahasa Jepang. Olehkarena itu, pentingnya teknologi bantuan untuk dapat mempermudah mempelajari bahasaJepang. Pada penelitian ini, menggunakan objek tulisan tangan huruf Jepang Hiragana denganmetode Convolutional Neural Network (CNN). Arsitektur CNN yang digunakan adalaharsitektur VGG-16. Objek penelitian yang digunakan adalah 30 buah per jenis huruf dengantotal 1380 buah. Penelitian menggunakan 3 macam skenario, yaitu skenario denganmenggunakan optimizer Adam dengan rentang learning rate dari 0,0001 hingga 0,1; optimizerSGD dengan rentang learning rate dari 0,0001 hingga 0,1; dan optimizer RMSprop denganrentang learning rate dari 0,0001 hingga 0,1. Hasil penelitian terbaik terdapat di skenariodengan optimizer Adam dan pada learning rate 0,0001 dengan nilai accuracy sebesar 97,6%;precision sebesar 97,9%; recall sebesar 98%; dan nilai f1 score sebesar 97,5%.
Klasifikasi Pnuemonia Menggunakan Metode Learning Vector Quantization Dengan Ekstraksi Fitur Local Binary Pattern Leonardo Leonardo; Hafiz Irsyad; Derry Alamsyah
Jurnal Algoritme Vol 2 No 1 (2021): Jurnal Algoritme
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (364.805 KB) | DOI: 10.35957/algoritme.v2i1.1451

Abstract

Paru-paru merupakan salah satu organ tubuh manusia yang berfungsi sebagai sistempernafasan tubuh manusia, paru-paru bekerja dengan cara bertukarnya oksigen dankarbondioksida di dalam darah. Salah satu penyakit yang sering menyerang paru-paru adalahparu-paru basah atau di sebut dengan pneumonia, penyakit ini di tandai dengan batuk ataukesukaran bernapas yang di sertai sesak atau tarikan dinding dada bagian bawah ke dalam danpenyakit ini disebabkan oleh penurunan kualitas udara. Pneumonia sering menyerang anak-anak.Maka dari itu ditubuhkan pencegahan untuk mengurangi penyakit pneumonia pada masyarakatterutama pada anak-anak. Pada penelitian ini dilakukan dengan dua jenis paru-paru yaitu Normal(Sehat) dan Pneumonia, data yang digunakan pada setiap jenis penyakit yaitu 1100 dan 1098 untukdata training dan 230 data testing menggunakan metode esktraksi fitur LBP dan LVQ sebagaimetode klasifikasi. Untuk penelitian ini menggunakan parameter Hidden Layer, Learning Rate,Learning Function dan Epoch untuk menentukan dan mendapatkan hasil pengenalan yang baik.Berdasarkan hasil pengujian dengan metode LVQ dan LBP menggunakan Hidden Layer 2 danEpoch 1 mendapatkan akurasi sebesar 58,04% dan menggunakan Hidden Layer 90, Learning Rate0.0005, Learning Function “learnlv1” dan Epoch 2 mendapatkan akurasi sebesar 60,27%
Perbandingan Tingkat Akurasi Pengenalan Cacat Kayu Berdasarkan Tingkat Pencahayaan Dengan Metode JST Rycci Juniawan; Gasim Gasim
Jurnal Algoritme Vol 2 No 1 (2021): Jurnal Algoritme
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (473.748 KB) | DOI: 10.35957/algoritme.v2i1.1452

Abstract

Kayu adalah bagian batang / cabang / ranting tumbuhan yang mengeras akibat proseslignifikasi atau pengayuan secara alami. Kayu terbentuk akibat akumulasi selulosa dan ligninpada bagian dinding sel berbagai jaringan pada batang pohon. Cacat kayu di alam inimerupakan akibat serangan dari luar pohon selama masa pertumbuhannya. Penelitihan iniadalah bagaimana melakukan perbandingan tingkat akurasi pengenalan cacat kayu. Penelitihanmenggunkan dataset cacat kayu yaitu 80 data uji dan 80 data latih. Dataset yang diambil laludiekstraksi menggunakan GLCM untuk dilatih menggunakan JST. Pelatihan JST dilakukandengan mencari semua kemungkinan hidden layer. Setelah mendapatkan hidden layer kemudianakan dibandingkan dengan setiap hidden layer untuk melihat hasil pengenalan paling baik.Perbedaan terlihat secara jelas adalah akurasi menggunakan pencahayaan 3 lampumemdapatkan akurasi paling tinggi. Dengan melihat persentase dari perhitungan jumlah datayang dikenali dengan jumlah data yang diuji tiap layer pada seriap pencahayaan. Berdasarkanhasil yang didapat, pencahayaan 3 lampu dengan jaringan syaraf tiruan dapat menghasilkantingkat akurasi yang paling tinggi yaitu sebesar 98%.
Pengenalan Aksara Arab Menggunakan Metode JST Dengan Fitur HOG Dan LBP Retiana Krisna Wati; Hafiz Irsyad
Jurnal Algoritme Vol 2 No 1 (2021): Jurnal Algoritme
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (464.312 KB) | DOI: 10.35957/algoritme.v2i1.1453

Abstract

Aksara Arab merupakan aksara yang digunakan untuk menuliskan bahasa Arab yangdituliskan dari kanan ke kiri. Aksara Arab penting untuk dipelajari bagi umat muslim karenadigunakan dalam peribadahan agama Islam. Dalam mempelajari aksara Arab pemulamengalami kesulitan karena memiliki bentuk yang berbeda-beda. Penelitian ini bertujuan untukmengimplementasikan suatu sistem yang mampu mengenali pola dari aksara Arab, denganmenerapkan Histogram of Oriented Gradient (HOG) dan Local Binary Pattern (LBP) sebagaiekstraksi fitur untuk pengenalan aksara Arab serta menggunakan metode Jaringan SyarafTiruan (JST). Hasil ciri dari HOG dan LBP masing-masing akan dijadikan masukan padaproses pembelajaran pada JST dengan berbagai training function serta menggunakan 3 neuronyaitu 5, 10 dan 15. Berdasarkan hasil pengujian menggunakan ekstraksi fitur HOG maupunmenggunakan ekstraksi fitur LBP trainbr memiliki tingkat keberhasilan yang lebih tinggidibandingkan training function lainnya. Dengan menggunakan fitur HOG pada neuron 5dengan nilai accuracy sebesar 99,66%, precision sebesar 95,35%, recall sebesar 95,25% danf1-score sebesar 95,23%. Sedangkan dengan menggunakan fitur LBP pada neuron 5 dengannilai accuracy sebesar 99,75%, precision sebesar 96,95%, recall sebesar 96,53% dan f1-scoresebesar 96,54%. Kedua ekstraksi fitur tersebut, HOG maupun LBP dapat mengenali aksaraArab dengan baik
Perbandingan Akurasi Pengenalan Kadar Semen Berdasarkan Tingkat Pencahayaan Menggunakan Jaringan Syaraf Tiruan Erick Brilliant Wilsen; Gasim Gasim; Rizani Teguh
Jurnal Algoritme Vol 2 No 1 (2021): Jurnal Algoritme
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (38.162 KB) | DOI: 10.35957/algoritme.v2i1.1454

Abstract

Penelitian ini menggunakan dataset kadar semen dan pasir yang memiliki 450 data latihdan 120 data uji. Dataset yang telah diambil lalu diekstraksi menggunakan GLCM untuk dilatihmenggunakan JST. Pelatihan JST dilakukan dengan mencari semua kemungkinan hidden layer.Setelah mendapatkan hidden layer kemudian akan dibandingkan dengan setiap hidden layeruntuk melihat hasil pengenalan paling baik. Perbedaan yang terlihat jelas adalah bahwa akurasimenggunakan pencahayaan 1 lampu mendapatkan akurasi lebih tinggi daripada pencahayaanlainnya yaitu dengan melihat persentase dari perhitungan jumlah data yang dikenali denganjumlah data yang diuji tiap layer pada setiap pencahayaan. Perbandingan persentase yangdilakukan tiap pencahayaan dibandingkan persentase yang terbaik. Berdasarkan hasil yangdidapat, pencahayaan 1 lampu dengan jaringan syaraf tiruan dapat menghasilkan tingkat akurasiyang paling tinggi yaitu sebesar 87%.
Identifikasi Jenis Buah Pir Berdasarkan Bentuk Menggunakan Metode HOG dan JST Mehri Paniza; Rusbandi Rusbandi; Derry Alamsyah
Jurnal Algoritme Vol 2 No 1 (2021): Jurnal Algoritme
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (534.922 KB) | DOI: 10.35957/algoritme.v2i1.1455

Abstract

Buah pir memiliki bentuk dan warna yang mirip sehingga muncul lah permasalahandalam pengenalan jenis buah pir berdasarkan bentuk menggunakan kecerdasan buatan. Varianatau jenis buah pir dan setiap jenis buah pir tersebut memiliki bentuk ataupun warna yangberbeda-beda. Beberapa spesies pohon pir menghasilkan buah yang rasanya manis, bahkanterkadang lebih manis dari buah apel. Data latih yang digunakan pada penelitian ini sebanyak240 citra setiap jenis buah pir dan data uji yang digunakan sebanyak 60 citra. Metode yangdigunakan pada penilitian ini adalah Histogram of Oriented Gradients digunakan sebagaiEktraksi fitur sedangkan Jaringan Syaraf Tiruan sebagai pengenalan objek. Jenis buah pir yangdigunakan ada 5 yaitu Abate, Forelle, Kaiser, Red dan Williams. Berdasarkan hasil pengujianmenggunakan tabel skenario Tuning Parameter didapatkan rata-rata akurasi terbaik melebihi97%, dan akurasi keseluruhan terbaik terdapat pada Hidden Layer 5 Learning Rate 0.1 danEpoch 10000.
Identifikasi Kerusakan Daun Tanaman Apel Menggunakan Fitur GLCM Dan JST Elisa Putri Suwanto; Muhammad Ezar Al Rivan
Jurnal Algoritme Vol 2 No 1 (2021): Jurnal Algoritme
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (404.983 KB) | DOI: 10.35957/algoritme.v2i1.1456

Abstract

Identifikasi kerusakan daun tanaman apel berbintik hitam, kering dan sehat. Fitur yangdiperoleh dengan menggunakan alogitrma Gray Level Co-occurrence Matrix(GLCM).Algoritma yang digunakan untuk melakukan identifikasi yaitu Jaringan syaraf Tiruan(JST).Penelitian ini dilakukan dengan 3 jumlah neuron yang berbeda pada hidden layer. Selain itu,training function yang digunakan ada 17 jenis. Setiap skenario eksperimen diulang sebanyak 5kali percobaan run program. Berdasarkan skenario eksperimen yang telah dilakukan hasilterbaik terdapat pada 30 neuron hidden layeryaitu untuk akurasi pada training function trainrpsebesar 77,43%, untuk presisi pada training function traingda sebesar 69,35% dan untuk recallpada training function trainrp sebesar 70,06%.

Page 1 of 1 | Total Record : 7

 1 

Filter by Year

2021 2021


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