DADAN NUR RAMADAN, DADAN NUR
D3 Teknik Telekomunikasi Fakultas Ilmu Terapan Telkom University

Published : 10 Documents
Articles

Found 3 Documents
Search
Journal : ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi,

Analisis Perbandingan KNN dengan SVM untuk Klasifikasi Penyakit Diabetes Retinopati berdasarkan Citra Eksudat dan Mikroaneurisma AULIA, SUCI; HADIYOSO, SUGONDO; RAMADAN, DADAN NUR
Jurnal Elkomika Vol 3, No 1 (2015): Jurnal Elkomika
Publisher : Jurnal Elkomika

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

Abstract

ABSTRAK Penelitian mengenai pengklasifikasian tingkat keparahan penyakit Diabetes Retinopati berbasis image processing masih hangat dibicarakan, citra yang biasa digunakan untuk mendeteksi jenis penyakit ini adalah citra optik disk, mikroaneurisma, eksudat, dan hemorrhages yang berasal dari citra fundus. Pada penelitian ini telah dilakukan perbandingan algoritma SVM dengan KNN untuk klasifikasi penyakit diabetes retinopati (mild, moderate, severe) berdasarkan citra eksudat dan microaneurisma. Untuk proses ekstraksi ciri digunakan metode wavelet  pada masing-masing kedua metode tersebut. Pada penelitian ini digunakan 160 data uji, masing-masing 40 citra untuk kelas normal, kelas mild, kelas moderate, kelas saviere. Tingkat akurasi yang diperoleh dengan menggunakan metode KNN lebih tinggi dibandingkan SVM, yaitu 65 % dan 62%. Klasifikasi dengan algoritma KNN diperoleh hasil terbaik dengan parameter K=9 cityblock. Sedangkan klasifikasi dengan metode SVM diperoleh hasil terbaik dengan parameter One Agains All.   Kata Kunci : Diabetic Retinopathy, KNN , SVM, Wavelet. ABSTRACT Research based on severity classification of the disease diabetic retinopathy by using image processing method is still hotly debated, the image is used to detect the type of this disease is an optical image of the disk, microaneurysm, exudates, and bleeding of the image of the fundus. This study was performed to compare SVM method with KNN method for classification of diabetic retinopathy disease (mild, moderate, severe) based on exudate and microaneurysm image. For feature extraction uses wavelet method, and each of the two methods. This study made use of 160 test data, each of 40 images for normal class, mild class, moderate class, severe class. The accuracy obtained by KNN higher than SVM, with 65% and 62%. KNN classification method achieved the best results with the parameters K = 9, cityblock. While the classification with SVM method obtained the best results with parameters One agains all . Keywords : Diabetic Retinopathy, KNN, SVM, Wavelet.
Purwarupa Radar sebagai Pendeteksi Benda Diam menggunakan Ultrasonik RENALDI, LUKY; HADIYOSO, SUGONDO; RAMADAN, DADAN NUR
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 6, No 3 (2018): ELKOMIKA
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v6i3.317

Abstract

ABSTRAKDeteksi keberadaan objek secara otomatis pada ruangan diperlukan ketika terdapat keterbatasan dalam melakukan penginderaan. Pemanfaatan sistem radar menjadi saah satu solusi untuk penginderaan objek. Pada paper ini, diimplementasikan prototipe radar menggunakan sensor ultrasonik, mikrokontroller Arduino UNO R3 dan motor servo. Sistem ini dirancang dengan tiga buah sensor ultrasonik dengan motor sebagai penggerak horizontal dan vertikal dalam sistem pemindainya. Sensor yang berjumlah tiga buah, diletakkan pada titik yang berbeda sehingga dapat membaca jarak, sudut dan ketinggian objek dari arah titik tersebut, hasil dari pengukuran objek ditampilkan pada PC melalui aplikasi pemograman GUI. Dari hasil pengujian, radar mampu mendeteksi objek antara 5 cm dari depan radar dengan jarak maksimum 30 cm dan diperoleh tingkat kesalahan pengukuran jarak dan ketinggian sebesar 1 - 2 cm sedangkan untuk sudut 1˚- 3˚.Kata kunci: Deteksi, Radar, Ultrasonik, Jarak, SudutABSTRACTAutomatic detection of objects in the room is required when there are limitations in the sensing. Utilization of radar system becomes one solution for sensing object. In this paper, we implemented a prototype radar using ultrasonic sensor, Arduino UNO R3 microcontroller and servo motor. The system is designed with three ultrasonic sensors with motors as horizontal and vertical drive in the scanning system. Three sensors are placed at different points so that they can read the distance, angle and height of the object from that point, the result of measuring the object displayed on the PC through the GUI programming application. From the test results, the radar is able to detect objects between 5 cm from the front of the radar with a maximum distance of 30 cm and obtained the error rate measurement of distance and altitude of 1 - 2 cm while for the angle of 1˚ - 3˚.Keywords: Detection, Radar, Ultrasonic, Distance, Angle
Analisis Perbandingan KNN dengan SVM untuk Klasifikasi Penyakit Diabetes Retinopati berdasarkan Citra Eksudat dan Mikroaneurisma AULIA, SUCI; HADIYOSO, SUGONDO; RAMADAN, DADAN NUR
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 3, No 1 (2015): ELKOMIKA
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v3i1.75

Abstract

ABSTRAKPenelitian mengenai pengklasifikasian tingkat keparahan penyakit Diabetes Retinopati berbasis image processing masih hangat dibicarakan, citra yang biasa digunakan untuk mendeteksi jenis penyakit ini adalah citra optik disk, mikroaneurisma, eksudat, dan hemorrhages yang berasal dari citra fundus. Pada penelitian ini telah dilakukan perbandingan algoritma SVM dengan KNN untuk klasifikasi penyakit diabetes retinopati (mild, moderate, severe) berdasarkan citra eksudat dan microaneurisma. Untuk proses ekstraksi ciri digunakan metode wavelet  pada masing-masing kedua metode tersebut. Pada penelitian ini digunakan 160 data uji, masing-masing 40 citra untuk kelas normal, kelas mild, kelas moderate, kelas saviere. Tingkat akurasi yang diperoleh dengan menggunakan metode KNN lebih tinggi dibandingkan SVM, yaitu 65 % dan 62%. Klasifikasi dengan algoritma KNN diperoleh hasil terbaik dengan parameter K=9 cityblock. Sedangkan klasifikasi dengan metode SVM diperoleh hasil terbaik dengan parameter One Agains All.Kata kunci: Diabetic Retinopathy, KNN , SVM, Wavelet. ABSTRACT Research based on severity classification of the disease diabetic retinopathy by using image processing method is still hotly debated, the image is used to detect the type of this disease is an optical image of the disk, microaneurysm, exudates, and bleeding of the image of the fundus. This study was performed to compare SVM method with KNN method for classification of diabetic retinopathy disease (mild, moderate, severe) based on exudate and microaneurysm image. For feature extraction uses wavelet method, and each of the two methods. This study made use of 160 test data, each of 40 images for normal class, mild class, moderate class, severe class. The accuracy obtained by KNN higher than SVM, with 65% and 62%. KNN classification method achieved the best results with the parameters K = 9, cityblock. While the classification with SVM method obtained the best results with parameters One agains all .Keywords: Diabetic Retinopathy, KNN, SVM, Wavelet.