Karya Mahasiswa S2-Teknologi Informasi ISTTS
EKSTRAKSI INFORMASI BERBASIS RULE UNTUK
PROCEEDING, JURNAL, DAN TECHNICAL
REPORT DENGAN MEMANFAATKAN
ATTRIBUT FONT DAN PARAGRAF
Christian Aditya Santoso (213210396)
Pembimbing : Dr. Ir. Gunawan, M.Kom.
Abstrak
Digital library merupakan solusi yang baik untuk dunia edukasi. Hal ini
disebabkan karena buku yang telah berevolusi menjadi digital. Awalnya dalam
bentuk fisik sekarang dalam bentuk digital dengan ekstensi PDF. Namun untuk
membangun sebuah digital library merupakan sistem yang besar dan kompleks,
sehingga diperlukan bagian yang banyak. Penelitian ini mengambil satu bagian dari
pengembangan sistem digital library, yaitu pada bagian pre-processing atau
persiapan sumber data digital library.
Penyediaan sumber data digital library sangat luas dan banyak. Fokus dari
penelitian ini adalah penyediaan data dimana data tersebut adalah jurnal, prosiding
dan paper. Dokumen tersebut dipilih karena dinilai memiliki manfaat yang besar
untuk edukasi karena peneliti mendokumentasikan hasil penelitian pada dokumen
tersebut. Dalam sebuah paper tentunya ada bagian yang menjadi kunci yang
menggambarkan intisari dari penelitian tersebut. Pada penelitian ini diambil
informasi Judul, Abstrak, Penulis dan Kata Kunci. Informasi tersebut dipercaya
mampu menggambarkan intisari dari suatu paper.
Proses dilakukan dengan terbagi menjadi 3 (tiga) bagian besar yaitu
konversi file mentah dengan ekstensi PDF menjadi file JSON, proses pengambilan
fitur dan proses ekstraksi informasi. Ekstraksi informasi pada penelitian ini
menggunakan kumpulan rule yang diimplementasikan pada software. Rule
diperoleh dari hasil pengamatan selama penelitian. Hasil dari penelitian dilakukan
penghitungan dengan memberikan bobot dimana hal yang terberat memiliki
pengaruh yang lebih besar. Ketelitian yang dicapai adalah 85.91% dimana dari
hipotesa awal pada ketelitian 80%. Namun masih banyak pengembangan yang bisa
dilakukan agar lebih baik lagi pada penelitian selanjutnya.
IDENTIFIKASI PENULIS BERDASARKAN POLA TULISAN TANGAN MENGGUNAKAN CONVOLUTIONAL AUTOENCODER DAN KNN
Muhammad Turmudzi (214210444)
Pembimbing : Dr. Ir. Endang Setyati, M.T.
Abstrak
Identifikasi tulisan tangan dilakukan dengan beberapa tahapan. Tahapan
pertama adalah akuisisi citra yang memanfaatkan mesin scanner dengan kualitas
gambar 300dpi. Tahap kedua melakukan segmentasi citra yang dilakukan dengan
metode threshold dan seleksi contour dari gambar. Tahap ketiga adalah
penggabungan gambar hasil segmentasi proses citra dari hasil segmentasi ke dalam
Convolutional Autoencoder. Tahap akhir adalah meneruskan hasilnya ke Transfer
Learning (Lazy Learning) dengan menggunakan metode KNN, untuk mencocokkan
tulisan tangan dari penulis yang ada pada dataset.
Penelitian dilakukan dengan menggunakan 100 dataset dari 20 penulis yang
masing-masing penulis telah menuliskan sebanyak 5 kali dari sebuah puisi yang
telah ditentukan. Dataset yang digunakan dilakukan ujicoba pertama menggunakan
penggalan kalimat pada tulisan tangan yang diambil dari judul puisi Chairil Anwar.
Ujicoba dilakukan dengan membandingkan training menggunakan Convolutional
Autoencoder dan tanpa menggunakan Convolutional Autoencoder.
Hasil dari ujicoba dengan Convolutional Autoencoder diperoleh nilai
akurasi sebesar 89% dan tanpa menggunakan Convolutional Autoencoder,
didapatkan nilai akurasi sebesar 88%. Pada ujicoba berikutnya menggunakan
tulisan tangan penuh, diperoleh hasil akurasi rata-rata 50% jauh di bawah hipotesa
yang diberikan, sehingga tidak cocok untuk diterapkan pada identifikasi tulisan
tangan. Perlu adanya pembatasan tulisan tangan yang akan digunakan sebagai
dataset dalam mengidentifikasi tulisan tangan.
KLASIFIKASI PENYAKIT PARU-PARU PADA CITRA THORAX MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK
Mahmud Suyuti (216210515)
Pembimbing : Dr. Ir. Endang Setyati, M.T.
Abstrak
Pengolahan data citra medis berbasis komputer merupakan produk
pengembangan teknologi komputasi yang dapat membantu deteksi awal diagnosa
penyakit. Penelitian ini bertujuan untuk membangun sistem yang dapat melakukan
klasifikasi penyakit pada citra thorax dengan menggunakan metode Convolutional
Neural Network (CNN). Data yang digunakan pada penelitian ini adalah data citra
thorax yang sebelumnya sudah didiagnosa oleh dokter dengan tiga kelas yaitu
Pneumonia, Efusi pleura dan Normal. Jumlah data dalam penelitian ini sebanyak
1800 gambar dengan rincian Pneumonia 600 gambar, Efusi pleura 600 gambar dan
Normal 600 gambar.
Dalam penelitian ini terdapat dua tahapan yang digunakan dalam
pengolahan citra (image processing) yaitu perbaikan citra dan segmentasi citra.
Penelitian ini menggunakan metode Convolutional Neural Network (CNN) dengan
arsitektur ResNet-50 dengan skema transfer learning pada lapisan blok conv5.
Proses transfer learning dari model yang sudah ada dilakukan karena keterbatasan
jumlah data dan hardware yang digunakan. Pemilihan model arsitektur ResNet50
dengan skema transfer learning pada lapisan blok conv5 didapatkan setelah
melakukan pengujian terhadap tiga skema model CNN yang berbeda yang
melibatkan arsitektur AlexNet dan ResNet50. Pengujian dilakukan dengan
melakukan training terhadap model dengan menggunkan dua set data yang berbeda
yaitu data set dengan segmentasi dan data set tanpa segmentasi. Dari hasil training
dilakukan evaluasi dan ditentukan skema model CNN. Kemudian menentukan data
set yang sesuai untuk digunakan dalam membangun sebuah sistem klasifikasi citra
thorax.
Hasil penelitian ini berupa sebuah sistem yang dapat mengklasifikasikan
penyakit Pneumonia dan Efusi Pleura pada citra thorax secara otomatis. Hasil
evaluasi sistem pada data tes menghasilkan akurasi 93.3%. Pada tahap training mencapai akurasi sebesar 98.67% dengan akurasi hasil validasi menggunakan K-Fold cross validation rata-rata sebesar 98,07%.