Dyah Erny Herwindiati
Faculty of Information Technolgy Tarumanagara University

Published : 7 Documents
Articles

Found 7 Documents
Search

DETEKSI PENYAKIT DIABETES DENGAN METODE FUZZY C-MEANS CLUSTERING DAN K-MEANS CLUSTERING Praja, Abdi; Lubis, Chairisni; Herwindiati, Dyah Erny
Computatio : Journal of Computer Science and Information Systems Vol 1, No 1 (2017): Computatio : Journal of Computer Science and Information Systems
Publisher : Faculty of Information Technology Tarumanagara University

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Diabetes adalah penyakit yang terjadi ketika kandungan glukosa di dalam darah tinggi. Tes glukosa yang menghasilkan keakuratan tinggi harus dilakukan beberapa kali untuk mendeteksi diabetes di dalam tubuh. Beberapa indikator di dalam tubuh dapat menjadi titik awal untuk mendeteksi diabetes. Bagaimanapun juga, keterbatasan seorang tenaga medis dalam mendeteksi dalam jumlah data yang sangat besar dengan cara manual menjadi kendala. Salah satu solusi untuk gap tersebut adalah menggunakan komputer sebagai perhitungan matematika dalam metode pengelompokan K-Means dan Fuzzy C-Means. Pengelompokan terdiri dari kelompok diabetes dan non-diabetes. Pengujian untuk masing-masing metode dilakukan terhadap 9 data. Hasil pengujian terbaik metode K-Means adalah 73,438% dan untuk metode Fuzzy C-Means adalah 82,812%.
PERANCANGAN APLIKASI PENDETEKSI TINGKAT KESAMAAN ANTAR DOKUMEN DENGAN ALGORITMA WINNOWING Tjiawi, Arnold Pramudita; Herwindiati, Dyah Erny; Hiryanto, Lely
Computatio : Journal of Computer Science and Information Systems Vol 2, No 1 (2018): Computatio : Journal of Computer Science and Information Systems
Publisher : Faculty of Information Technology Tarumanagara University

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perancangan aplikasi pendeteksian tingkat kesamaan antar dokumen ini dimaksudkan untuk menyimpan data tesis mahasiswa dan aplikasi dapat digunakan untuk membandingkan data skripsi mahasiswa dengan data baru yang ada. Hasil dari proses deteksi adalah persentase tingkat kesamaan. Algoritma yang digunakan dalam merancang aplikasi ini adalah Algoritma Winnowing. Algoritma ini termasuk dalam salah satu metode fingerprinting dokumen. Algoritma ini menggunakan rolling hashing untuk melakukan proses hashing dan menggunakan koefisien jaccard untuk menghitung tingkat kemiripan. Dalam pengujian aplikasi ini dengan data dummy diketahui bahwa aplikasi ini sangat bergantung pada urutan masing-masing lokasi sub string. Aplikasi ini juga telah diuji untuk membandingkan sejumlah data skripsi yang ada dengan persentase tingkat kesamaan di bawah 30 persen. Aplikasi ini tidak bisa menentukan apakah sebuah dokumen plagiat atau tidak, namun aplikasi ini bisa memberikan informasi berupa persentase tingkat kesamaan dan persentase dapat digunakan oleh pihak yang memiliki wewenang untuk menentukan.
SISTEM PENDETEKSI PERUBAHAN LAHAN HIJAU DI JABODETABEK Phanderson, Andree; Herwindiati, Dyah Erny; Mulyawan, Bagus
Computatio : Journal of Computer Science and Information Systems Vol 2, No 1 (2018): Computatio : Journal of Computer Science and Information Systems
Publisher : Faculty of Information Technology Tarumanagara University

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Change of green area in Jakarta, Bogor, Depok, Tangerang and Bekasi (Jabodetabek) has been something very important. Classification of green area aims to do classification in Jabodetabek using Landsat 8 satellite images, band 1, 2, 3, 4 and 5. Before classification was done, the satellite images will be corrected using Radiometric Correction method called Mini-max algorithm. After doing radiometric correction, the classification will use the NDVI (Normalized Difference Vegetation Index) and SAVI (Soil Adjusted Vegetation Index) method. The selected area will be classified as green when NDVI values similar or has more than 0.3. After perform two categories, Y1 and Y2 are selected by NDVI values using dummy dependent variable. Linear regression method use that dummy dependent variable to classify the selected area in Jabodetabek. To see how can we trust the result, the classified area will be compared with the appearance of selected area in Google Earth. The highest degradation of green area is in Bogor, May 2015, 325.7368 Km2.
Program Konversi Citra Notasi Balok Menjadi Notasi Angka Gunawan, Hendy; Hendryli, Janson; Herwindiati, Dyah Erny
Computatio : Journal of Computer Science and Information Systems Vol 2, No 2 (2018): COMPUTATIO : JOURNAL OF COMPUTER SCIENCE AND INFORMATION SYSTEMS
Publisher : Faculty of Information Technology Tarumanagara University

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

The Image Conversion Program of Music Notation being Numeric Notation is a character recognition system that accepts input in form of music notation image that produces an output of a DOCX file containing the numeric notation from the input image. Music notation has notation value, ritmic value and written with a music stave. The system consists of four main processes: preprocessing (grayscale and thresholding), notation line segmentation, notation character segmentation, and template matching. Template matching is used to recognize the music notation that obtained after segmentation. The recognition process obtained by comparing the image with the template image that has been inputted before to the database. This system has 100% success rate on segmentation of the character and success rate 38,4843% on the character recognition with template matching.
KLASIFIKASI CITRA BATIK INDONESIA DAN MALAYSIA DENGAN METODE MODIFIED DISCRIMINANT ANALYSIS Cynthia, Cynthia; Hendryli, Janson; Herwindiati, Dyah Erny
Computatio : Journal of Computer Science and Information Systems Vol 3, No 1 (2019): COMPUTATIO : JOURNAL OF COMPUTER SCIENCE AND INFORMATION SYSTEMS
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/computatio.v3i1.2973

Abstract

The application of Indonesian and Malaysian batik image classification using the Linear Discriminant Analysis (LDA) and Modified Discriminant Analysis (MDA) method is an introduction application that is used to classify images in the form of batik. Making this application uses the Java programming language to run feature retrieval methods, namely Color Histogram and Daubechies Wavelet and classification methods, namely LDA and MDA. Testing is done by blackbox testing method and confusion matrix. Tests are performed using color features, texture features, and a combination of training images and new test images. The best percentage test results are testing using color features, whereas with texture and the combination of both features get a slightly lower test percentage result.Aplikasi klasifikasi citra batik Indonesia dan Malaysia dengan metode Linear Discriminant Analysis (LDA) dan Modified Discriminant Analysis (MDA) merupakan aplikasi pengenalan yang digunakan untuk mengklasifikasi citra berupa batik. Pembuatan aplikasi ini menggunakan bahasa pemrograman Java untuk menjalankan metode pengambilan fitur yaitu Color Histogram dan Daubechies Wavelet dan metode pengklasifikasian yaitu LDA dan MDA. Pengujian dilakukan dengan metode blackbox testing dan matriks konfusi. Pengujian dilakukan dengan menggunakan fitur ciri warna, ciri tekstur, dan gabungan dari citra latih dan citra uji baru. Hasil persentase pengujian terbaik adalah pengujian dengan menggunakan ciri warna, sedangkan dengan ciri tekstur dan gabungan mendapatkan hasil persentase pengujian sedikit rendah.
CONTENT-BASED IMAGE RETRIEVAL UNTUK PENCARIAN PRODUK PONSEL Siantar, Nickolas Cornelius; Hendryli, Jaqnson; Herwindiati, Dyah Erny
Computatio : Journal of Computer Science and Information Systems Vol 3, No 1 (2019): COMPUTATIO : JOURNAL OF COMPUTER SCIENCE AND INFORMATION SYSTEMS
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/computatio.v3i1.4271

Abstract

Phone or smartphone and online shop, there is something that cannot be separated with human. There are so many type of smartphones show up in the market that people are confused on which one to get on the online stores. Smartphones recognition is done by using the Histogram of Oriented Gradient to recognize shapes of phones, Color Quantization to recognize the color, and Local Binary Pattern to recognize texture of the phones. The output of the Feature Extractor is a feature vector which is used on the LVQ to process recognize through finding the smallest Euclidean Distance between the trained vectors. The result of this paper is an application that can recognize 16 phone types using the image with the accuracy of 9.6%. Pada saat ini, ponsel dan toko online merupakan sesuatu yang tidak dapat dipisahkan dari manusia. Begitu banyak jenis ponsel bermunculan setiap tahunnya sehingga menyebabkan manusia bingung dalam mengenali ponsel tersebut. Pada program pengenalan ponsel ini digunakan Histogram of Oriented Gradient untuk mengambil fitur berupa bentuk ponsel, Color Quantization untuk mengambil fitur warna, dan Local Binary Pattern untuk mengambil fitur tekstur ponsel. Hasil dari pengambilan fitur berupa fitur vektor yang digunakan pada Learning Vector Quantization untuk proses pengenalan dengan mencari nilai terkecil Euclidean Distance antara vektor fitur dengan vektor bobot terlatih. Hasil dari program pengenalan ini yaitu program dapat melakukan pengenalan terhadap 16 jenis ponsel dengan akurasi sebesar 9.6%.
KLASIFIKASI KAIN TENUN BERDASARKAN TEKSTUR & WARNA DENGAN METODE K-NN Kevin, Kevin; Hendryli, Janson; Herwindiati, Dyah Erny
Computatio : Journal of Computer Science and Information Systems Vol 3, No 2 (2019): COMPUTATIO : JOURNAL OF COMPUTER SCIENCE AND INFORMATION SYSTEMS
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/computatio.v3i2.6028

Abstract

Image classification of woven cloth based on texture and color using Gray Level Co-occurrence Matrix (GLCM), Local Binary Pattern (LBP), Color Moments and classification method KNearest Neighbour (KNN) is an application for classifying motive on woven cloth. The development of this application is using Python language programming for classification system and Android studio which using Java language programming as Front-end. Classification system consist of two main process namely feature extraction process and classification process. Feature extraction process is using GLCM, LBP and Color Moments which produce feature vector for every method and classification process is using KNN method. Feature used for classification process is feature vector which has best result. Based on experiment result, the best method that produce best feature vector is LBP method with accuracy percentage higher than other method.  Klasifikasi citra kain tenun berdasarkan tekstur dan warna dengan metode Gray Level Cooccurrence Matrix (GLCM), Local Binary Pattern (LBP), Color Moments dan metode klasifikasi K-Nearest Neighbour (KNN) merupakan aplikasi yang digunakan untuk mengklasifikasi motif yang ada pada kain tenun. Pembuatan aplikasi ini menggunakan bahasa pemrograman Python sebagai sistem klasifikasi dan Android studio yang menggunakan bahasa pemrograman Java sebagai Front-end. Sistem klasifikasi dibagi menjadi dua proses utama yaitu proses ekstraksi fitur dan proses klasifikasi. Proses ekstraksi fitur dilakukan dengan metode GLCM, LBP dan Color Moments yang menghasilkan fitur vektor untuk setiap metode dan proses klasifikasi dilakukan dengan metode K-NN. Fitur yang digunakan dalam proses klasifikasi adalah fiturvektor yang memiliki hasil terbaik. Berdasarkan hasil pengujian yang telah dilakukan, metode yang dapat menghasilkan fitur terbaik adalah metode LBP dengan persentase akurasi lebih tinggi dibandingkan dengan dua metode lainnya.