Pub Date : 2018-10-09DOI: 10.12962/J24068535.V16I2.A732
Husnul Hakim, Alexius Reinaldo Budiman
Penelusuran Minat dan Kemampuan (PMDK) merupakan salah satu jalur penerimaan mahasiswa baru di perguruan tinggi. Berbeda dengan jalur lain yang menggunakan tes tertulis, jalur PMDK merupakan jalur penerimaan mahasiswa baru tanpa melalui tes. Mahasiswa baru akan diseleksi dengan memperhatikan nilai rapor calon mahasiswa selama duduk di bangku SMA. Pada penelitian ini, akan dikembangkan metode seleksi mahasiswa baru melalui jalur PMDK. Calon mahasiswa tidak hanya diseleksi berdasarkan nilai rapor, tetapi juga berdasarkan kualitas sekolah dan histori nilai mahasiswa yang berasal dari sekolah asal pendaftar PMDK. Ketiga parameter ini dapat saling bertentangan. Sebagai contoh, sekolah dengan kualitas yang baik dapat saja memiliki standar yang tinggi sehingga nilai rapor siswanya lebih rendah dari nilai rapor siswa yang berasal dari sekolah lain yang kualitasnya lebih rendah. Untuk itu, perlu digunakan metode pengambilan keputusan yang melibatkan banyak kriteria. Permasalahan pengambilan keputusan seperti ini dikenal dengan multicriteria decision making (MCDM). Salah satu cara untuk pengambilan keputusan MCDM adalah dengan menggunakan Fuzzy TOPSIS. Pada penelitian ini, ketiga parameter yang menentukan diterima atau tidaknya calon mahasiswa akan diproses dengan menggunakan FUZZY TOPSIS. Hasil penelitian menunjukkan bahwa closeness coefficient yang dihasilkan melalui Fuzzy TOPSIS berkolerasi dengan nilai IPK mahasiswa yang diterima melalui jalur PMDK. Kata kunci : Fuzzy TOPSIS, MCDM, PMDK
Mint and Capacity（PMDK）是高校新的学生接待方式之一。与其他使用笔试的途径不同，PMDK途径是一种新的不通过考试的学生接收途径。将通过坐在高中长椅上查看学生候选人的报告值来选择新学生。在这项研究中，将通过PMDK途径开发一种新的学生选拔方法。学生候选人的选择不仅基于报告价值，还基于学校质量和PMDK招生学校学生价值观的历史。这三个参数可能会发生冲突。例如，高质量的学校可以有高标准，这样学生的比例就会低于其他低质量学校的学生比例。为此，应当采用一种涉及许多标准的决策方法。像这样的决策问题被称为多准则决策（MCDM）。做出MCDM决策的一种方法是使用模糊TOPSIS。在本研究中，决定学生候选人是否会被模糊TOPSIS处理的三个参数。研究表明，通过模糊TOPSIS产生的贴近度系数与学生通过PMDK线获得的IPK值相关。关键词：模糊TOPSIS，MCDM，PMDK
{"title":"SELEKSI PENELUSURAN MINAT DAN KEMAMPUAN (PMDK) DENGAN FUZZY TOPSIS","authors":"Husnul Hakim, Alexius Reinaldo Budiman","doi":"10.12962/J24068535.V16I2.A732","DOIUrl":"https://doi.org/10.12962/J24068535.V16I2.A732","url":null,"abstract":"Penelusuran Minat dan Kemampuan (PMDK) merupakan salah satu jalur penerimaan mahasiswa baru di perguruan tinggi. Berbeda dengan jalur lain yang menggunakan tes tertulis, jalur PMDK merupakan jalur penerimaan mahasiswa baru tanpa melalui tes. Mahasiswa baru akan diseleksi dengan memperhatikan nilai rapor calon mahasiswa selama duduk di bangku SMA. Pada penelitian ini, akan dikembangkan metode seleksi mahasiswa baru melalui jalur PMDK. Calon mahasiswa tidak hanya diseleksi berdasarkan nilai rapor, tetapi juga berdasarkan kualitas sekolah dan histori nilai mahasiswa yang berasal dari sekolah asal pendaftar PMDK. Ketiga parameter ini dapat saling bertentangan. Sebagai contoh, sekolah dengan kualitas yang baik dapat saja memiliki standar yang tinggi sehingga nilai rapor siswanya lebih rendah dari nilai rapor siswa yang berasal dari sekolah lain yang kualitasnya lebih rendah. Untuk itu, perlu digunakan metode pengambilan keputusan yang melibatkan banyak kriteria. Permasalahan pengambilan keputusan seperti ini dikenal dengan multicriteria decision making (MCDM). Salah satu cara untuk pengambilan keputusan MCDM adalah dengan menggunakan Fuzzy TOPSIS. Pada penelitian ini, ketiga parameter yang menentukan diterima atau tidaknya calon mahasiswa akan diproses dengan menggunakan FUZZY TOPSIS. Hasil penelitian menunjukkan bahwa closeness coefficient yang dihasilkan melalui Fuzzy TOPSIS berkolerasi dengan nilai IPK mahasiswa yang diterima melalui jalur PMDK. Kata kunci : Fuzzy TOPSIS, MCDM, PMDK","PeriodicalId":31796,"journal":{"name":"JUTI Jurnal Ilmiah Teknologi Informasi","volume":" ","pages":""},"PeriodicalIF":0.0,"publicationDate":"2018-10-09","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"47231713","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}
Pub Date : 2018-10-09DOI: 10.12962/J24068535.V16I2.A750
A. Rosyadi, N. Suciati
Transition region based image segmentation is one of the simple and effective image segmentation methods. This method is capable to segment image contains single or multiple objects. However, this method depends on the background. It may produce a bad segmentation result if the gray level variance is high or the background is textured. So a method to repair the transition region is needed. In this study, a new method to repair the transition region with median filter based on the percentage of the adjacent transitional pixels is proposed. Transition region is extracted from the grayscale image. Transition region refinement is conducted based on the percentage of the adjacent transitional pixels. Then, several morphological operations and the edge linking process are conducted to the transition region. Afterward, region filling is used to get the foreground area. Finally, image of segmentation result is obtained by showing the pixels of grayscale image that are located in the foreground area. The value of misclassification error (ME), false negative rate (FNR), and false positive rate (FPR) of the segmentation result are calculated to measure the proposed method performance. Performance of the proposed method is compared with the other method. The experimental results show that the proposed method has average value of ME, FPR, and FNR: 0.0297, 0.0209, and 0.0828 respectively. It defines that the proposed method has better performance than the other methods. Furthermore, the proposed method works well on the image with a variety of background, especially on image with textured background.
{"title":"Median Filter For Transition Region Refinement In Image Segmentation","authors":"A. Rosyadi, N. Suciati","doi":"10.12962/J24068535.V16I2.A750","DOIUrl":"https://doi.org/10.12962/J24068535.V16I2.A750","url":null,"abstract":"Transition region based image segmentation is one of the simple and effective image segmentation methods. This method is capable to segment image contains single or multiple objects. However, this method depends on the background. It may produce a bad segmentation result if the gray level variance is high or the background is textured. So a method to repair the transition region is needed. In this study, a new method to repair the transition region with median filter based on the percentage of the adjacent transitional pixels is proposed. Transition region is extracted from the grayscale image. Transition region refinement is conducted based on the percentage of the adjacent transitional pixels. Then, several morphological operations and the edge linking process are conducted to the transition region. Afterward, region filling is used to get the foreground area. Finally, image of segmentation result is obtained by showing the pixels of grayscale image that are located in the foreground area. The value of misclassification error (ME), false negative rate (FNR), and false positive rate (FPR) of the segmentation result are calculated to measure the proposed method performance. Performance of the proposed method is compared with the other method. The experimental results show that the proposed method has average value of ME, FPR, and FNR: 0.0297, 0.0209, and 0.0828 respectively. It defines that the proposed method has better performance than the other methods. Furthermore, the proposed method works well on the image with a variety of background, especially on image with textured background.","PeriodicalId":31796,"journal":{"name":"JUTI Jurnal Ilmiah Teknologi Informasi","volume":" ","pages":""},"PeriodicalIF":0.0,"publicationDate":"2018-10-09","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"42997435","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}
Pub Date : 2018-10-09DOI: 10.12962/J24068535.V16I2.A711
Mirza Ramadhani, Darlis Heru Murti
Ikan memiliki bentuk dan ukuran tertentu yang berbeda antara ikan yang satu dengan yang lain. Permasalahan dalam mengenali jenis ikan lebih kompleks dibandingkan dengan mengenali wajah manusia. Perbedaan bentuk, warna, dan tekstur pada ikan lebih bervariasi dibandingkan manusia. Pengenalan jenis ikan pada umumnya masih dilakukan secara manual menggunakan pengamatan mata. Sehingga diperlukan adanya sistem yang dapat mengenali ikan secara otomatis. Penelitian sebelumnya juga sudah dapat mengenali jenis ikan namun sensitive terhadap berbagai transformasi atau deformasi dari sebuah objek, dan waktu komputasi yang tidak sedikit, sehingga kurang efektif untuk mengenali objek ikan. Dalam Penelitian ini, kami mengusulkan metode untuk mendeteksi dan mengenali jenis objek ikan menggunakan metode ORB dan KNN. Pengaplikasian dari metode ORB diterapkan untuk ekstraksi fitur dari gambar yang diambil. Kemudian hasil tersebut akan diklasifikasi menggunakan KNN untuk menentukan label kelas yang tepat dari input data ikan. Hasil uji coba menunjukkan bahwa metode yang diusulkan pada penelitian ini mencapai akurasi klasifikasi sebesar 97,5%.
{"title":"KLASIFIKASI IKAN MENGGUNAKAN ORIENTED FAST AND ROTATED BRIEF (ORB) DAN K-NEAREST NEIGHBOR (KNN)","authors":"Mirza Ramadhani, Darlis Heru Murti","doi":"10.12962/J24068535.V16I2.A711","DOIUrl":"https://doi.org/10.12962/J24068535.V16I2.A711","url":null,"abstract":"Ikan memiliki bentuk dan ukuran tertentu yang berbeda antara ikan yang satu dengan yang lain. Permasalahan dalam mengenali jenis ikan lebih kompleks dibandingkan dengan mengenali wajah manusia. Perbedaan bentuk, warna, dan tekstur pada ikan lebih bervariasi dibandingkan manusia. Pengenalan jenis ikan pada umumnya masih dilakukan secara manual menggunakan pengamatan mata. Sehingga diperlukan adanya sistem yang dapat mengenali ikan secara otomatis. Penelitian sebelumnya juga sudah dapat mengenali jenis ikan namun sensitive terhadap berbagai transformasi atau deformasi dari sebuah objek, dan waktu komputasi yang tidak sedikit, sehingga kurang efektif untuk mengenali objek ikan. Dalam Penelitian ini, kami mengusulkan metode untuk mendeteksi dan mengenali jenis objek ikan menggunakan metode ORB dan KNN. Pengaplikasian dari metode ORB diterapkan untuk ekstraksi fitur dari gambar yang diambil. Kemudian hasil tersebut akan diklasifikasi menggunakan KNN untuk menentukan label kelas yang tepat dari input data ikan. Hasil uji coba menunjukkan bahwa metode yang diusulkan pada penelitian ini mencapai akurasi klasifikasi sebesar 97,5%.","PeriodicalId":31796,"journal":{"name":"JUTI Jurnal Ilmiah Teknologi Informasi","volume":" ","pages":""},"PeriodicalIF":0.0,"publicationDate":"2018-10-09","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"44527307","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}
Pub Date : 2008-07-01DOI: 10.12962/j24068535.v7i2.a172
S. S, D. R.
Facial symmetry is correspondence of face components on the both sides of face, left and right of a dividing line or about a center or an axis. Most of the research use face component like eyes, nose and ears component to identify facial symmetry. In this paper we suggest to add mouth as another face component to increase accuracy in facial symmetry detection. The results of facial symmetry detection are used for authentication process, analysis in medical, psychology and anthropology scope. By using MATLAB 7.1 we develop a program that can analyze face,asymmetry or not with utilizing eigenvalue. The contribution of this analysis is to know whether eigenvalue is suitable or not in analyzing facial symmetry.
{"title":"Frontal Facial Symmetry Detection Using Eigenvalue Method","authors":"S. S, D. R.","doi":"10.12962/j24068535.v7i2.a172","DOIUrl":"https://doi.org/10.12962/j24068535.v7i2.a172","url":null,"abstract":"Facial symmetry is correspondence of face components on the both sides of face, left and right of a dividing line or about a center or an axis. Most of the research use face component like eyes, nose and ears component to identify facial symmetry. In this paper we suggest to add mouth as another face component to increase accuracy in facial symmetry detection. The results of facial symmetry detection are used for authentication process, analysis in medical, psychology and anthropology scope. By using MATLAB 7.1 we develop a program that can analyze face,asymmetry or not with utilizing eigenvalue. The contribution of this analysis is to know whether eigenvalue is suitable or not in analyzing facial symmetry.","PeriodicalId":31796,"journal":{"name":"JUTI Jurnal Ilmiah Teknologi Informasi","volume":"115 1","pages":"49 - 54"},"PeriodicalIF":0.0,"publicationDate":"2008-07-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"79011319","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}
京公网安备 11010802042870号
京ICP备2023020795号-1
扫码关注我们
求助内容：
应助结果提醒方式：