Browsing by Author "Sukenda (Pembimbing)"

Now showing 1 - 6 of 6
  • Thumbnail Image
    Item
    PENDEKATAN TRANSFER LEARNING DENGAN INCEPTIONRESNETV2 DAN AUGMENTASI MIXUP UNTUK PENINGKATAN KLASIFIKASI TUMOR OTAK
    (Program Studi S1 Informatika, 2025) Mahendra, Randa; Sukenda (Pembimbing)
    Tumor otak, termasuk Glioma, Meningioma, dan Pituitary, dapat dideteksi melalui MRI yang memberikan citra rinci struktur otak. Penelitian ini bertujuan mengembangkan alat berbasis kecerdasan buatan untuk klasifikasi tumor otak guna membantu diagnosis yang cepat dan akurat. Menggunakan pendekatan transfer learning pada arsitektur InceptionResNetV2 dengan augmentasi MixUp, model dilatih pada 7023 citra MRI (Glioma: 1621, Meningioma: 1645, Pituitary: 1757, No-tumor: 2000). Hasil penelitian menunjukkan bahwa model InceptionResNetV2 dengan augmentasi MixUp mencapai akurasi tertinggi sebesar 99,70 persen, mengungguli model lain seperti CNN dengan teknik Image Enhancement (97,84 persen) dan arsitektur CNN lainnya seperti Xception (98,00 persen), EfficientNet (98,00 persen), serta ResNet50 (98,47 persen). Evaluasi menggunakan metrik Precision-Recall dan metrik lainnya seperti MSE, RMSE, serta MAE menunjukkan performa yang kuat. Temuan ini mendukung penerapan transfer learning sebagai pendekatan yang efektif dalam klasifikasi citra medis, terutama dengan dataset yang terbatas. Penelitian ini menawarkan perspektif baru tentang penerapan pembelajaran mendalam dalam radiologi, membuka peluang untuk meningkatkan akurasi diagnosis tumor otak, mempercepat waktu evaluasi, dan mengurangi kesalahan manusia. Penelitian selanjutnya disarankan untuk menggunakan dataset MRI yang lebih besar dan beragam, mengeksplorasi transfer learning dengan dataset medis relevan, serta melakukan evaluasi pada data dunia nyata dan dataset multi-institusi untuk meningkatkan akurasi dan robustness model. Integrasi model dengan sistem pendukung keputusan klinis (CDSS) juga dapat meningkatkan dukungan diagnosis dan pengobatan.
  • Thumbnail Image
    Item
    PENERAPAN SISTEM GPS TRACKER PADA BUS KOTA DENGAN SENSOR PENDUKUNG BERBASIS INTERNET OF THING
    (Program Studi S1 Informatika, 2020) Kurniadi, Yusup Rachman; Sukenda (Pembimbing)
    Bus kota merupakan salah satu moda transportasi umum yang digunakan oleh masyarakat. Dalam penggunaannya bus kota masih memilki kekurangan salah satunya pada ketidakpastiannya jadwal kedangan bus ke halte-halte bus yang tersedia. Hal tersebut dapat mengakibatkan calon penumpang yang berada di halte bosan menunggu bus tersebut, bahkan dapat beralih ke moda transportasi lain yang lebih fleksibel dan memanfaatkan sudah teknologi dalam penggunaannya. Sehingga transportasi tersebut bisa di perkirakan kapan waktu tibanya. Kurangnya pemanfaatan teknologi sistem GPS tracker yang terintegrasi dengan smartphone pada bus kota, membuat moda transportasi tersebut dapat tertinggal dengan moda transportasi lain dalam melakukan pelayanan publik dalam berkendara. Oleh karena itu, pemanfaatan teknologi sistem GPS tracker perlu juga diterapkan pada bus kota, agar calon penumpang dapat memperkirakan kedatangan bus tersebut ke halte tempatnya menunggu. Sistem ini dibangun menggunakan mikrokontroller Arduino Uno yang dilengkapi dengan modul GPS yang berfungsi untuk mendapakatan koordinat, juga dilengkapi oleh sensor ultrasonik yang dapat menghitung jumlah penumpang. Data tersebut dikirim ke broker yang nantinya akan disimpan ke database melalui web service. Adapun data tersebut dapat dikirim ke broker, dengan menggunakan modul lain yang di hubungkan ke mikrokontroller yaitu modul wifi yang menjembatani komunikasi antara mikrokontroller dengan broker melalui jaringan internet. Selanjutnya aplikasi yang dibuat pada smartphone android akan menampilkan peta dan lokasi keberadaan dari setiap bus yang tersedia. Metode pengembangan sitem yang digunakan adalah model waterfall. Pemanfaatan sistem GPS tracker ini diharapkan calon penumpang bus dapat mengatahui keberadaan posisi bus saat ini sehingga calon penumpang dapat memperkirakan kapan bus tiba di halte.
  • Thumbnail Image
    Item
    PENGARUH UKURAN DATASET DAN OPTIMASI HYPERPARAMETER HYPERBAND TERHADAP PERFORMA MOBILENETV2 DALAM KLASIFIKASI GAMBAR AI GENERATIF
    (Program Studi S1 Informatika, 2025) Sukarman, Rifki Aufa; Sukenda (Pembimbing)
    Kemampuan AI generatif dalam menciptakan gambar yang realistis menimbulkan tantangan yang serius terkait keaslian konten visual, yang memicu berbagai dampak negatif seperti penyebaran disinformasi dan pelanggaran hak cipta. Penelitian ini bertujuan untuk mengembangkan dan mengoptimalkan artefak berupa model deteksi berbasis MobileNetV2 untuk mengklasifikasikan gambar buatan AI dan gambar asli secara akurat dan efisien. Analisis berfokus pada dua faktor kunci: pengaruh variasi ukuran dataset dan peran optimasi hyperparameter dengan algoritma Hyperband. Artefak model dikembangkan dengan pendekatan transfer learning dan dievaluasi pada tiga skenario data berdasarkan dataset CIFAKE: skala kecil (20% data), skala sedang (50% data), dan seluruh data (100% data). Hasil evaluasi menunjukkan bahwa model pada skala sedang (50% data) memiliki performa paling optimal dengan accuracy sebesar 96,76%, F1-score sebesar 96,69%, serta rasio efisiensi sebesar 0,244. Sebaliknya, penambahan data hingga 100% tidak memberikan peningkatan sepadan, dengan nilai accuracy yang sedikit menurun ke 95,69%, mengindikasikan fenomena diminishing returns. Hal ini juga ditandai dengan munculnya trade-off signifikan antara precision (99,01%) dan recall (92,31%). Sementara itu, model pada skala kecil (20% data) terbukti paling efisien dengan accuracy 95,94% dan F1-score 95,92%, dengan rasio efisiensi tertinggi 0,485. Dapat disimpulkan bahwa kuantitas data yang lebih besar tidak selalu menjamin performa yang lebih baik. Temuan ini memberikan panduan praktis bahwa optimalisasi ukuran data adalah kunci untuk menyeimbangkan performa model dengan ketersediaan sumber daya komputasi.
  • Thumbnail Image
    Item
    PERANCANGAN SISTEM PENGENDALI LAMPU RUMAH BERBASIS IOT DENGAN BOT TELEGRAM
    (Program Studi S1 Informatika, 2023) Ruhyadi, Dani; Sukenda (Pembimbing)
    Kebiasaan masyarakat yang masih sering dilakukan adalah menyalakan lampu rumah ketika saat berpergian jauh dalam jangka waktu yang cukup lama yang mengakibatkan penerangan lampu dirumah tidak dapat terkontrol yang dapat mengakibatkan pemborosan listrik. Dimana penggunaan lampu rumah disesuaikan dengan kebutuhan dan seperlunya saja. Aplikasi pada smartphone android dapat dimanfaatkan untuk jadi pengendali lampu rumah dengan menggunakan NodeMCU ESP8266 dan relay sebagai pengganti saklar. Aplikasi telegram yang mempunyai fitur bot digunakan sebagai input perintah kepada rangkaian sistem NodeMCU ESP8266 yang terhubung dengan jaringan internet. NodeMCU ESP8266 akan merespon input dan dihubungkan ke relay. Relay digunakan sebagai pengganti saklar yang terhubung dengan lampu. Ketika mengirim perintah “relay on” relay akan aktif dan akan mengalirkan listrik ke lampu sehingga lampu akan menyala, dan jika mengirim perintah “relay off” maka relay akan memutus aliran listrik dan lampu menjadi padam. Sistem dapat menunjukkan bahwa fungsi perangkat keras maupun aplikasi bot telegram untuk menyalakan dan mematikan lampu telah berjalan dengan baik dan dapat digunakan oleh para pengguna secara mudah dan bermanfaat.
  • Thumbnail Image
    Item
    RANCANG BANGUN SISTEM MONITORING KUALITAS UDARA PADA RUANG KERJA KANTOR DENGAN SENSOR MQ135
    (Program Studi S1 Informatika, 2024) Saefuloh, Ammar Alif; Sukenda (Pembimbing)
    Kualitas udara dalam ruangan menjadi permasalahan yang harus diperhatikan, karena dapat berdampak pada kesehatan manusia. Banyaknya aktivitas yang terjadi didalam ruangan yang dapat menyebabkan pencemaran udara menjadi masalah serius. Beberapa hal yang menjadi pencemaran udara dalam ruangan yaitu asap rokok dan emisi dari peralatan elektronik. Oleh karena itu, diperlukan suatu alat untuk memonitoring tingkat polusi udara dalam ruangan, serta mengetahui suhu dan kelembapan sekitar, yang akan membantu mengukur kualitas udara. Pengambilan data dilakukan pada ruangan perkantoran BPBD Kota Ciamis dan fokus pengukuran pada konsentrasi karbon dioksida (CO2). Sistem ini di rancang dengan menggunakan sensor MQ135 sebagai alat untuk mendeteksi seperti karbon dioksida (CO2). Sistem ini dapat memonitoring dan mengukur kualitas udara pada ruangan, hasil monitoring kualitas udara akan menampilkan 2 kondisi kualitas udara di sekitar, yaitu: baik dan berbahaya. Sistem ini juga menggunakan fitur notifikasi untuk memberitahu mengenai kualitas udara sekitar ruangan. Dengan adanya informasi tersebut, para pekerja dapat mengetahui apakah tempat tersebut aman ataukah berbahaya bagi kesehatan mereka. Indeks penilaian baik atau berbahayanya kualitas udara berdasarkan PMK RI Nomor 1077 tahun 2011 menetapkan batas minumum konsentrasi CO2 sebesar 1000 ppm (parts per million). Diharapkan dengan penerapan sistem monitoring kualitas udara dalam ruangan dapat menciptakan lingkungan yang lebih sehat dan nyaman untuk tinggal di dalamnya.
  • Thumbnail Image
    Item
    SISTEM PAKAR BERBASIS IMAGE PROCESING DENGAN METODE DEMPSTER SHAFFER UNTUK PENYAKIT PADA TANAMAN OBAT
    (Program Studi S1 Informatika, 2024) Agustri, Amran; Sukenda (Pembimbing)
    Penelitian ini bertujuan untuk menentukan jenis penyakit yang menyerang tanaman tomat dengan menggunakan metode Dempster Shafer berbasis Image Processing, serta melihat kinerja sistem dalam menentukan jenis penyakit tanaman tomat dengan menggunakan metode Dempster Shafer berbasis Image Processing. Sistem dirancang untuk mengenali penyakit yang menyerang tanaman tomat dan kondisi tanaman tomat yang sehat. Bahasa Pemrograman yang digunakan adalah Python. Hasil pengelompokan hanya didasarkan pada sistem klasifikasi dengan komputer tanpa bantuan ahli penyakit tanaman. Data dalam penelitian ini diperoleh dari kajian pustaka. Hasil penelitian ini diharapkan dapat menyumbangkan pemikiran dalam pemecahan salah satu masalah di bidang pertanian, yakni mengenai identifikasi penyakit yang menyerang tanaman tomat. Selanjutnya hasil penelitian ini diharapkan dapat menjadi acuan bagi penyusunan program pengenalan penyakit tanaman tomat oleh lembaga terkait. Metode Dempster Shafer berbasis Image Processing dapat digunakan untuk menentukan jenis penyakit yang menyerang tanaman tomat; Kinerja sistem dapat memberikan jawaban dalam menentukan jenis penyakit tanaman tomat dengan menggunakan metode Dempster Shafer berbasis Image Processing. Para petani tanaman tomat bisa menggunakan Sistem Pakar Berbasis Image Processing dengan Metode Dempster Shafer untuk menentukan jenis penyakit yang menyerang tanaman tomat. Para petani tanaman tomat dengan Sistem Pakar Berbasis Image Processing dengan Metode Dempster Shafer dapat mengetahui cara pengendalian hama dan penyakit pada tanaman tomat.