Jurnal LPPM iSTTS
Not a member yet
189 research outputs found
Sort by
Pemanfaatan Asynchronous Advantage Actor-Critic Dalam Pembuatan AI Game Bot Pada Game Arcade
Full text linkAsynchronous Advantage Actor-Critic (A3C) adalah sebuah algoritma deep reinforcement learning yang dikembangkan oleh Google DeepMind. Algoritma ini dapat digunakan untuk menciptakan sebuah arsitektur artificial intelligence yang dapat menguasai berbagai jenis game yang berbeda melalui trial and error dengan mempelajari tempilan layar game dan skor yang diperoleh dari hasil tindakannya tanpa campur tangan manusia. Sebuah network A3C terdiri dari Convolutional Neural Network (CNN) di bagian depan, Long Short-Term Memory Network (LSTM) di tengah, dan sebuah Actor-Critic network di bagian belakang. CNN berguna sebagai perangkum dari citra output layar dengan mengekstrak fitur-fitur yang penting yang terdapat pada layar. LSTM berguna sebagai pengingat keadaan game sebelumnya. Actor-Critic Network berguna untuk menentukan tindakan terbaik untuk dilakukan ketika dihadapkan dengan suatu kondisi tertentu. Dari hasil percobaan yang dilakukan, metode ini cukup efektif dan dapat mengalahkan pemain pemula dalam memainkan 5 game yang digunakan sebagai bahan uji coba
Game Battle of Artificial Intelligence Berbasis Android
Full text linkDengan berkembangnya permainan dan artificial intelligence saat ini, maka dibuat sebuah permainan Battle of Artificial Intelligence. Game ini merupakan game berbasis Android dan merupakan permainan pertarungan antar robot, tetapi robot yang dijalankan berdasarkan pada sistem artificial intelligence yang dibuat oleh pemain. Dalam konsep ini pemain dapat membuat sebuah sistem Artificial Intelligence yang digunakan pada sebuah robot, dan robot tersebut akan digunakan untuk bertarung dengan robot musuh. Permainan ini merupakan permainan strategi dimana pemain diajak untuk memikirkan cara memenangkan pertempuran, yaitu dengan memilih prioritas dan membuat sistem AI yang berbeda. Pemain dapat mengembangkan, mengubah sebuah sistem Artificial Intelligence sesuai dengan yang pemain inginkan. Tidak hanya itu, pengguna juga dapat mengembangkan sistem AI yang dibuat dengan cara melakukan pertempuran dengan pemain lain secara online. Pemain dapat mengetahui sejauh mana sistem Artificial Intelligence yang dibuat mampu bertahan. Dari 22 pengguna yang sudah melakukan uji coba permainan dan mengisi kuisioner diperoleh bahwa konsep permainan ini menarik. Berdasarkan pemahaman tutorial, pengguna dapat menambah pengetahuan pengguna mengenai bagaimana artificial intelligence bekerja. Hampir 60% pengguna menyukai interface yang dibuat di dalam game. Pengguna juga dapat menambah pengetahuan mengenai pembuatan sistem artificial intelligence pada permainan ini berdasarkan hasil pemahaman sistem artifcial intelligence. Dengan adanya multiplayer, pengguna termotivasi untuk mengembangkan sistem artificial intelligence dengan bertanding dengan pemain lain secara online. Rating rata-rata yang diperoleh dari 22 pengguna yang telah melakukan uji coba adalah 3.45
Rekayasa Tata Letak Mesin CNC Laser Trumpf L3030 dan Fasilitas Produksi di PT. X
Full text linkPenelitian ini bertujan untuk merancang layout PT. X untuk meminimalkan jarak tempuh material handling. Perusahaan membuka plant baru dengan memindahkan mesin lama pada pabrik baru serta mendatangkan mesin baru (L3030). Dengan demikian, pengaturan penempatan mesin dan perencanaan layout harus direncanakan dengan hati-hati karena perusahaan menggunakan sistem jobshop sehingga waktu dapat digunakan secara maksimal untuk proses pemesinan. Solusi untuk perusahaan adalah rekayasa tata letak mesin CNC Laser Trumpf L3030 dan penataan fasilitas produksi menggunakan metode Systematic Layout Planning (SLP). Prosedur re-layout terdiri dari tiga langkah: menganalisis tata letak awal, merancang alternatif tata letak berdasarkan SLP, mengevaluasi dan memilih tata letak alternatif dengan teknik perbandingan biaya. Peningkatan efisiensi material handling dan pengurangan moving distance diperoleh dari alternatif Layout 1. Hasil yang diperoleh menunjukkan penurunan moving distance hingga 28,5%, dan pengurangan total biaya material handling hingga 18.4% dari tata letak awal
TUMASING (TUku Mangan gAk puSING)
Full text linkSalah satu permasalahan yang sering dialami adalah krisis makanan yang disebabkan oleh pengeluaran yang melebihi batas wajar, “belum dikirim orangtua”, “tanggal tua”, ”salah mengatur keuangan” di bidang konsumsi yang menyebabkan kekurangan uang dan akhirnya akan tiba fase dimana mulai mengkonsumsi makanan yang kurang sehat, contohnya mie instan, susu sereal instan, makanan instan lainnya, bahkan terpaksa menahan lapar atau mengkonsumsi obat pereda nyeri lambung, sehingga tidaklah heran ada banyak yang memiliki keluhan pada lambung.
Disini produk layanan yang dibangun pun hadir membantu permasalahan yang dialami. Produk layanan ini dinamakan “TUMASING”, TUku Mangan gA puSING. Layanan ini akan membantu mengatur pengeluaran mahasiswa di bidang konsumsi dengan bertujuan agar permasalahan para mahasiswa tersebut tidak mengalami apa yang pernah dialami kembali. Dengan cara apa? Sistem ini akan mengatur menu makanan yang sesuai dengan uang yang dialokasikan pada layanan ini. Selain itu sistem ini juga akan membantu mempertemukan para pedagang makan yang terdekat dengan tempat tinggal.). TUMASING “TUKU MANGAN GAK PUSING” sebagai software yang memudahkan masyarakat untuk memesan makanan, bertransaksi, dan mengatur keuangan.
Tumasing berupa website ataupun aplikasi mobile yang dapat memberikan rekomendasi makanan ataupun pembelian menu makanan secara cashless oleh customer. Adapun potensi pengembangan usaha adalah adanya system keanggotaan untuk tenant-tenant.
Tumasing dapat memberi rekomendasi pengguna mengenai budget dan makanan yang ada di sekitarnya serta melakukan transaksi cashless, menghasilkan website untuk menghimpun pedagang kaki lima yang menjual makanan yang dapat diakses siapa saja, memberikan sebuah solusi kepada orang yang ingin menekan pengeluaran di bidang pengeluaran makanan. 
Analisis Pengaruh Penerapan Metode DRP Terhadap Bullwhip Effect Pada Rantai Suplai
Full text linkDalam sebuah rantai suplai, aliran informasi yang akurat dari setiap tahapan sangat penting untuk memenuhi kebutuhan konsumen. Distorsi informasi mengakibatkan pola permintaan yang semakin fluktuatif kearah hulu dalam rantai suplai. Meningkatnya fluktuasi atau variabilitas permintaan dari hilir ke hulu suatu rantai suplai dinamakan bullwhip effect (BE). Nilai BE didapat dari perbandingan antara kebutuhan dan pemesanan yang dilakukan untuk memenuhi permintaan. Nilai BE yang ideal adalah 1, yang berarti terdapat keseimbangan antara kebutuhan dan pemesanan yang dilakukan sehingga tidak menyebabkan penumpukan ataupun kekurangan persediaan. Ada beberapa hal yang bisa menyebabkan terjadinya bullwhip effect, diantaranya order batching, yaitu penentuan ukuran pemesanan pada setiap tahapan rantai suplai.
Pada penelitian ini akan dilakukan analisis pengaruh penerapan metode Distribution Requirement Planning (DRP) terhadap Bullwhip Effect pada level sub distributor ke distributor utama. Distribution Requirement Planning adalah suatu metode untuk menangani pengadaan persediaan dalam suatu jaringan distribusi multi eselon Dengan membuat DPR maka pemesanan dapat direncanakan dengan baik sesuai dengan permintaan dari eselon dibawahnya dalam rantai suplai. Studi kasus dilakukan pada distributor minyak goreng UD Trimei yang melayani beberapa sub distributor di wilayah Jawa Timur dan diambil contoh dua jenis produk yaitu Hemart 500 ml dan Hemart 1000 ml. Pada UD Trimei sering terjadi ketidaksesuaian stock karena tidak adanya perencanaan terhadap ketersediaan produk pada distributor ini. Masalah tersebut diselesaikan dengan metode distribution requirement planning untuk menentukan jumlah pemesanan pada perusahaan. Setelah metode ini diterapkan untuk merencanakan kebutuhan kedepan pada perusahaan ini, keadaan membaik yang ditandai dengan nilai bullwhip effect yang mendekati nilai 1. Nilai bullwhip effect sebelum penerapan metode distribution requirement planning pada produk Hemart 500ml adalah 3.18 sedang pada produk Hemart 1000 ml adalah 2.89 .Setelah penerapan metode distribution requirement planning nilai bullwhip effect Hemart 500ml menjadi 1.07 dan untuk produk Hemart 1000 ml menjadi 0,99.
Kata Kunci—Bullwhip Effect, Rantai Supplai, Order Batching, DRP.
 
Identifikasi Foto Wanita Berhijab dari Majalah Untuk Pembuatan Katalog Busana Muslim Otomatis Memanfaatkan Convolutional Neural Network
Full text linkAbstrak—Perkembangan Fashion Muslim di Indonesia terus meningkat, disisi lain terobosan baru pada Deep Learning dengan memadukan arsitektur seperti dropout regularizations dan Rectified Linear Unit (ReLU) sebagai fungsi aktivasi dan data augmentation, mampu mencapai terobosan pada large scale image classification. Penelitian ini menggunakan metode deteksi objek wajah dengan Haar Cascades Classification untuk mendapatkan sample dataset wajah dan preprocessing data testing untuk dilanjutkan pada metode machine learning untuk klasifikasi citra dengan Convolutional Neural Network. Dataset yang digunakan adalah kumpulan katalog busana online, dataset yang sudah di preprocessing dibagi menjadi dua kategori, yaitu Hijab untuk semua citra wanita berhijab, dan Non Hijab untuk citra yang bukan wanita berhijab. selanjutnya klasifikasi citra menggunakan data ujicoba majalah digital terbitan Hijabella, Joy Indonesia dan Scarf Indonesia. Semakin besar resolusi citra input untuk preprocessing pada majalah digital, maka akan semakin banyak objek citra yang terdeteksi, dengan meningkatkan jumlah dataset untuk training dan validasi, mampu menambah hasil akurasi yang didapatkan, terjadi peningkatan akurasi pada dataset 2.500 wajah perkategori ke 5.000 wajah perkategori dengan resolusi 720p meningkat dari rata-rata 81.30% menjadi 82.31%, peningkatan rata-rata 1.01% dan tertinggi 2.14%, sedangkan resolusi 1080p meningkat dari rata-rata 83.03% menjadi 83.68%, peningkatan rata-rata 0.65% dan tertinggi 1.73%, akurasi tertinggi adalah sebesar 84.72% menggunakan model dataset 5.000 secara acak perkategori
Klasifikasi Citra Daun Memanfaatkan Angular Partition, Edge Detection dan Neural Network
Full text linkPenelitian yang dilakukan dalam Tesis ini adalah mengklasifikasikan 1907 daun berasal dari 32 jenis tanaman yang berbeda. Foto tersebut diambil dari website flavia. Proses klasifikasi daun-daun dilakukan dengan menggunakan Neural Network dengan metode Back Propagation Neural Network (BPNN). Tahap awal adalah mengubah ukuran gambar yang didapat dari flavia 1600x1200 piksel menjadi berukuran 300x225 piksel, terdiri dari tahap membuat gambar dengan Sobel untuk mendeteksi tepi, membuat gambar dengan Sobel dan menambah kecerahan gambar, sehingga tepi dan serat daun dapat lebih jelas. Citra daun di potong-potong dengan angular partition (sudut pembagi) 5°, 11.25°, 22.5°, 30°, 45° dan 90°. Pembuatan data set dengan delapan ekstrasi fitur daun yang terdiri dari menghitung : jumlah piksel-piksel pada bagian daun, jumlah piksel pada keliling daun, jumlah sudut pada daun, jumlah piksel pada keliling dan serat daun serta menghitung jarak tiap-tiap piksel tersebut dengan center of gravity (titik berat). Pada penelitian ini dilakukan 100 macam variasi nilai layer tersembunyi untuk tiap-tiap sudut pembagi tersebut. Hasil dari penelitian ini adalah : semakin kecil sudut pembagi(5°) dan semakin besar sudut pembagi (90°) tidak menghasilkan akurasi yang semakin bagus. Hasil akurasi tertinggi yang diraih sebesar 96,7488%. Hasil tersebut didapat dengan membagi daun menjadi sudut 11,25° tiap bagian (16 bagian), Susunan BPNN yang digunakan terdiri dari 1 input, 1 output, 3 hiden layer , tiap layer tersembunyi berisi 128, 120, 112 neurons, dan 32 neurons untuk output layer
Identifikasi Biji-Bijian Berdasarkan Ekstraksi Fitur Warna, Bentuk dan Tekstur Menggunakan Random Forest
Full text linkAbstrak - Proses identifikasi atau pengenalan biji-bijian merupakan aspek penting dalam dunia industri pengolahan pangan. Sebuah industri pangan berskala besar, proses pencampuran beberapa macam biji-bijian dalam pengolahan sebuah produk pangan sangat memperhatikan ketepatan dalam memilih bahan agar tidak terjadi kesalahan dalam proses produksi karena berpengaruh pada hasil akhir dari sebuah produksi. Agar tidak terjadi kesalahan yang fatal, diperlukan sebuah proses identifikasi dari bahan yang digunakan. Dengan sebuah sensor (intelligent camera) yang digunakan dari hasil sebuah proses identifikasi maka sebuah proses produksi produk pangan dapat berjalan dengan baik dan tidak terjadi kesalahan dalam pencampuran bahan. Proses pengidentifikasian terhadap beberapa varian biji-bijian dapat dilakukan dengan cara mengekstraksi fitur dari citra (image) dengan menganalisa melalui parameter warna, bentuk dan tekstur serta melakukan proses pengklasifikasian untuk mengukur tingkat keakuratan. Penelitian ini melakukan identifikasi terhadap varian biji-bijian (padi, jagung, kacang tanah dan kedelai) dengan melakukan ekstraksi fitur warna menggunakan RGB dan HSV, ekstraksi fitur bentuk menggunakan Morphological Threshold dan ekstraksi fitur tekstur menggunakan Grey Level Co-occurrence Matrix (GLCM) dan Local Binary Pattern (LBP). Untuk proses pengklasifikasian, peneliti menggunakan metode Random Forest Classifier (RF) untuk mendapatkan tingkat akurasi yang tinggi dengan batasan-batasan yang mempengaruhi keakuratan dalam proses pengklasifikasian untuk dikembangkan dalam proses selanjutnya. Peneliti menggunakan tools MATLAB R2015b untuk proses identifikasi mulai dari proses ekstraksi fitur sampai proses klasifikasnya. Berdasarkan hasil pengujian yang dilakukan didapatkan tingkat akurasi sebesar 99.8 %. Dapat disimpulkan bahwa pengambilan dataset berupa gambar atau image biji-bijian yang diteliti dapat dijadikan patokan untuk pengidentifikasian dan dapat dikembangkan dalam proses selanjutnya