Fino Charli, Hadi Syaputra, M. Akbar, Siti Sauda, Febriyanti Panjaitan
{"title":"Implementasi Metode Faster Region Convolutional Neural Network (Faster R-CNN) Untuk Pengenalan Jenis Burung Lovebird","authors":"Fino Charli, Hadi Syaputra, M. Akbar, Siti Sauda, Febriyanti Panjaitan","doi":"10.51519/JOURNALITA.VOLUME1.ISSSUE3.YEAR2020.PAGE185-197","DOIUrl":"https://doi.org/10.51519/JOURNALITA.VOLUME1.ISSSUE3.YEAR2020.PAGE185-197","url":null,"abstract":"Lovebird merupakan burung sosial yang hidup berkelompok di alam bebas. Burung dari genus Agapornis ini ukuran tubuhnya relative mungil bila dibanding burung berparuh bengkok lainnya. Panjangnya sekitar 13-17 cm dengan bobot 30-60 gram. Ragam dan jenis burung lovebird sangat banyak namun bila dilihat dengan pendeketan taksonomi, hanya terdapat 9 spesies burung lovebird. Penelitian metode Faster Region Convolutional Neural Network ini digunakan untuk mengenali jenis burung lovebird guna mencari tahu motif atau warna asli dari jenis burung lovebird tertentu berdasarkan tingkat akurasi dari hasil deteksi objek. Faster R-CNN merupakan pengembangan Convolutional Neural Network (CNN) yang ditemukan oleh Ross Girshick. Sampai saat ini metode ini masih terus dikembangkan dan digunakan untuk pengenalan objek atau objek recognition. Penelitian ini menggunakan data set burung lovebird dengan total 808 gambar dan 8 (kelas) yaitu Agapornis Personata, Agapornis Fischeri, Agapornis Lilianae, Agapornis Nigrigenis, Agapornis Roseicollis, Agapornis Taranta, Agapornis Pullarius, Agapornis Canus. Hasil dari proses learning didapatkan akurasi sebesar 96% dengan loss sebesar 0,2% . sehingga dapat disimpulkan bahwa metode Faster R-CNN dapat diterapkan pada pengenalan jenis burung lovebird.","PeriodicalId":143464,"journal":{"name":"Journal of Information Technology Ampera","volume":"85 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2020-12-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"115630581","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Perbandingan Metode Naïve Bayes Dan Support Vector Machine Dalam Klasifikasi Penyakit Diabetes Melitus","authors":"Hilda Apriyani, Kurniati Kurniati","doi":"10.51519/JOURNALITA.VOLUME1.ISSSUE3.YEAR2020.PAGE133-143","DOIUrl":"https://doi.org/10.51519/JOURNALITA.VOLUME1.ISSSUE3.YEAR2020.PAGE133-143","url":null,"abstract":"Diabetes melitus merupakan penyakit kronis yang terjadi akibat kadar glukosa didalam darah yang terlalu tinggi sehingga tidak adanya insulin. Dalam kurun waktu data di Rumah Sakit Islam Siti Khadijah Palembang yang dipengaruhi oleh jumlah dari pasien yang melakukan pemeriksaan kesehatan seperti penyakit diabetes melitus sehingga berpengaruh dalam hal klasifikasi data yang akan menyulitkan pihak rumah sakit. Maka dengan memanfaatkan data mining, pengklasifikasian untuk menentukan pasien yang telah melakukan pemeriksaan termasuk penderita penyakit diabetes atau tidak. Dengan adanya permasalahan tersebut maka penulis melakukan analisis perbandingan dari dua algoritma yaitu algoritma naïve bayes dan algoritma support vector machine untuk klasifikasi penyakit diabetes dengan menggunakan alat bantu WEKA dengan tools options Cross Validation dan Confussion Matrix dengan hasil akurasi tertinggi yaitu algoritma support vector machine dengan kernel polynomial yang hasilnya 96.2704% dan tingkat error sebanyak 3.7296% dapat disimpulkan algoritma yang akurat dalam klasifikasi penyakit diabetes yaitu algoritma support vector machine dengan kernel polynomial.","PeriodicalId":143464,"journal":{"name":"Journal of Information Technology Ampera","volume":"34 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2020-12-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"125050998","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Pengembangan Konsep E-Government Syariah Berbasis Fiqih Siyasah","authors":"Siti Rahma Tiya, Darius Antoni","doi":"10.51519/JOURNALITA.VOLUME1.ISSSUE3.YEAR2020.PAGE155-172","DOIUrl":"https://doi.org/10.51519/JOURNALITA.VOLUME1.ISSSUE3.YEAR2020.PAGE155-172","url":null,"abstract":"Konsep E-government merupakan memberikan pelayanan kepada publik demi terjalinya komunikasi antara pemerintah dan masyarakat. Namun demikian masih sering terjadi ketidak seimbangan antara informasi yang di harapkan dengan informasi yang di sajikan oleh pemerintah terutama memlalui media eletronik. Oleh karena itu, pemerintah mengambil peluang menciptakan pelayanan yang berkualitas dengan memanfaatkan teknologi informasi yang disebut e-Government. Konsep e-government dalam tinjauan Hukum Islam lebih mengarah kepada bagaimana cara mendayagunakan metode yang ditawarkan dalam Ilmu Ushul Fikih untuk merumuskan asas-asas Hukum Islam untuk merespon berbagai persoalan yang terjadi dalam pemerintahan. Pengedalian merupakan hal yang harus dilakukan agar tujuan yang telah direnacanakan dapat dilakukan dengan maksimal dalam memcapai target yang di inginkan. Sedangakan Pelaksanaan suatu makanisme atau intraksi antara pemerintah dengan masyarakat dan pihak-pihak yang terliabat. Kebijakan merupakan suata rangakian konsep dan asas menjadi suatu garis pelaksanan dalam pekerjaan, kebijakan harus ada dalam kehidupan bernegara. Dalam penelitian ini mengunakan Metode Kualitatif yang bersifat deskritip yang mengunakan Analisa dan mengacu pada data, atau bisa dilakukan dengan wawacaran dan observasi. Dalam pengembangan sistem ini meggunakan Framework Laravel dan MySQL sebagai Database. Dengan menggunakan Model MVC (Model View Controler) hasil dari penelitian ini merupakan aplikasi pelayanan terpadu berbasis website guna untuk mempermudahkan pemerintah dalam melakukan kontroling baik dalam semua kegiatan maupun transparansi dana. Selain itu, aplikasi ini juga dirancang untuk mempermudah masyarakat dalam berpartisipasi serta dalam aplikasi ini juga terdapat layanan publik yang berfungsi untuk mempermudah masyarakat berkomuikasi mau pun menyampaikan pendapat ke pemerintahan","PeriodicalId":143464,"journal":{"name":"Journal of Information Technology Ampera","volume":"39 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2020-12-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"133216046","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Perangkat Lunak Mobile Untuk Mendeteksi Daun Pada Tanaman Menggunakan Algoritma K-Nearest Neighbor (K-NN)","authors":"Ari Muzakir","doi":"10.51519/journalita.volume2.isssue2.year2021.page117-126","DOIUrl":"https://doi.org/10.51519/journalita.volume2.isssue2.year2021.page117-126","url":null,"abstract":"Penelitian yang berkaitan dengan deteksi dan identifikasi dalam bidang machine learning menjadi sebuah tren saat ini. Machine learning menjadi metode baik dalam menciptakan sistem deteksi yang terotomatisasi, khususnya dalam bidang deteksi jenis maupun bentuk dari tanaman. Dengan adanya sistem deteksi yang otomatis memungkinkan setiap benda dapat dengan mudah diketahui atau di identifikasi secara cepat. Di Indonesia, jenis tanaman tumbuh subur dan terdapat ratusan bahkan ribuan jenis. Untuk membedakan jenis tanaman tidak semua orang memiliki kemampuan ini. Untuk itu, dibutuhkan sebuah alat bantu dalam proses deteksi dan identifikasi tanaman ini. Penelitian ini fokus pada bagaimana membangun perangkat lunak berbasis mobile yang dapat dengan mudah digunakan dalam percepatan identifikasi jenis daun pada tanaman. Dataset yang digunakan sebanyak 15 jenis daun tanaman dengan jumlah sampel dari setiap daun sebanyak 30 jenis. Algoritma yang digunakan dalam proses klasifikasi menggunakan K-NN. Hasil pengujian menggunakan platform pada Android Mobile menunjukkan proses deteksi berjalan sesuai harapan. Akan tetapi, perlu peningkatan performa dengan penambahan jumlah dataset jenis daun tanaman untuk cakupan yang lebih luas.","PeriodicalId":143464,"journal":{"name":"Journal of Information Technology Ampera","volume":"101 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"1900-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"124817056","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}