Author Archives: adi pamungkas
Optimasi Dispatch Energi pada Microgrid Menggunakan Particle Swarm Optimization (PSO)
Perkembangan teknologi energi terbarukan mendorong munculnya microgrid, yaitu sistem kelistrikan berskala kecil yang dapat beroperasi secara terhubung ke grid (grid-connected) maupun mandiri (islanded). Microgrid mampu meningkatkan keandalan suplai listrik, mengurangi emisi karbon, dan mendukung diversifikasi sumber energi. Namun, karakteristik PV dan WT yang bersifat fluktuatif menimbulkan tantangan dalam penjadwalan daya (dispatch) agar pasokan selalu sesuai dengan permintaan beban.
Salah satu pendekatan yang banyak digunakan untuk menyelesaikan permasalahan ini adalah optimasi berbasis metaheuristik. Algoritma Particle Swarm Optimization (PSO) menjadi salah satu metode populer karena kemampuannya menemukan solusi global dengan konvergensi yang cepat, mudah diimplementasikan, dan robust terhadap fungsi objektif yang kompleks.
-read more->Optimasi Biaya Operasional Smart Grid Menggunakan Algoritma Genetika di MATLAB
Smart grid adalah evolusi sistem tenaga listrik yang memadukan pembangkitan terdistribusi, energi terbarukan, penyimpanan energi, dan beban konsumen dengan sistem komunikasi cerdas. Tantangan terbesar dalam pengelolaan smart grid adalah menjaga biaya operasional tetap rendah sambil mempertahankan keandalan suplai energi dan mengurangi emisi karbon.
Salah satu cara untuk menganalisis dan meminimalkan biaya operasional adalah dengan membangun model regresi biaya berdasarkan variabel-variabel utama smart grid, lalu mengoptimalkan koefisien model tersebut menggunakan algoritma genetika (GA). Dengan demikian, kita dapat memprediksi biaya dengan akurat sekaligus memahami variabel apa yang paling mempengaruhi biaya total.
-read more->PERHITUNGAN VOLUME TUMOR OTAK PADA CITRA MRI MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK RESNET-18
Tumor otak merupakan salah satu penyakit yang membutuhkan diagnosis akurat agar penanganannya optimal. Salah satu parameter penting dalam proses diagnosis adalah volume tumor, yang dapat digunakan untuk menentukan stadium penyakit dan memantau keberhasilan terapi. Metode manual berbasis ROI (Region of Interest) sering digunakan oleh radiolog, namun membutuhkan waktu lama dan sangat bergantung pada subjektivitas pengamat.
Penelitian ini mengimplementasikan metode semantic segmentation berbasis Convolutional Neural Network (CNN) arsitektur ResNet-18 pada citra MRI otak. Sebanyak 171 data citra DICOM beserta ground truth digunakan sebagai data latih untuk melatih model segmentasi. Sistem dilengkapi dengan antarmuka grafis (GUI) berbasis MATLAB yang mampu melakukan segmentasi otomatis, menghitung volume tumor, serta menampilkan visualisasi hasil dalam bentuk 2D maupun 3D.
-read more->Klasifikasi Citra Retina untuk Deteksi Microaneurisme Menggunakan KNN Berbasis Ekstraksi Ciri LBP dan Wavelet
Microaneurisme merupakan salah satu tanda awal retinopati diabetik yang muncul pada citra retina sebagai titik-titik kecil berwarna merah. Deteksi dini microaneurisme sangat penting untuk mencegah kerusakan penglihatan yang lebih parah. Pada penelitian ini, dibuat sebuah sistem klasifikasi citra retina dengan dua kelas keluaran: microaneurisme dan non microaneurisme.
Metode klasifikasi yang digunakan adalah K-Nearest Neighbor (KNN) dengan jumlah tetangga (k) = 5. Untuk mendapatkan ciri (fitur) yang representatif, citra diekstraksi menggunakan Local Binary Pattern (LBP) dan transformasi wavelet Daubechies. Hasil dari penelitian ini diharapkan dapat membantu proses diagnosis awal secara otomatis, cepat, dan akurat.
-read more->Segmentasi Semantik Citra Rontgen Skoliosis Menggunakan ResNet-18
Skoliosis adalah kelainan pada tulang belakang yang menyebabkan tulang melengkung ke samping. Pemeriksaan skoliosis biasanya dilakukan menggunakan citra rontgen. Namun, menganalisis citra secara manual membutuhkan waktu, tenaga, dan bisa berbeda antara satu dokter dengan yang lain.
Untuk membantu proses analisis, salah satu pendekatan modern adalah segmentasi semantik berbasis deep learning. Dengan teknik ini, komputer dapat menandai bagian tulang belakang secara otomatis sehingga dokter bisa fokus pada interpretasi hasilnya.
-read more->Klasifikasi Tingkat Kematangan Pada Tanaman Cabai Rawit (Capsicum Frutescens) Berdasarkan Fitur Warna Dengan Metode Support Vector Machine (SVM)
Cabai rawit (Capsicum frutescens) merupakan salah satu komoditas hortikultura yang memiliki peran penting dalam industri pangan. Penentuan tingkat kematangan cabai berpengaruh langsung terhadap kualitas produk dan nilai jual. Dalam praktiknya, sortasi cabai di lapangan masih banyak dilakukan secara manual oleh petani atau pekerja sortasi dengan mengandalkan penglihatan manusia. Metode manual ini rawan kesalahan karena faktor kelelahan, pencahayaan yang tidak seragam, serta perbedaan persepsi warna. Oleh karena itu, diperlukan sistem otomatis berbasis pengolahan citra yang mampu memberikan hasil klasifikasi yang konsisten.
Pengenalan Huruf Hijaiyah Menggunakan Jaringan Syaraf Tiruan Perceptron
Huruf hijaiyah merupakan dasar dari sistem penulisan bahasa Arab yang terdiri dari 29 huruf. Kemampuan mengenali huruf hijaiyah sangat penting dalam pembelajaran Al-Qur’an maupun pemrosesan teks Arab secara digital. Salah satu pendekatan komputasi yang dapat digunakan untuk klasifikasi pola visual adalah Jaringan Syaraf Tiruan (JST).
Pada penelitian ini digunakan arsitektur perceptron untuk mengenali huruf hijaiyah berdasarkan citra yang telah diproses menjadi bentuk biner. Data latih yang digunakan berjumlah 20 × 29 citra, sedangkan data uji berjumlah 10 × 29 citra.
-read more->Content-Based Image Retrieval (CBIR) Menggunakan Deep Learning
Content-Based Image Retrieval (CBIR) adalah teknik dalam pengambilan kembali gambar dari basis data yang serupa dengan gambar query berdasarkan konten visualnya. Teknologi ini sangat berguna dalam berbagai aplikasi, termasuk dalam pengenalan pola, pencarian gambar medis, dan katalogisasi produk. Pada artikel ini, akan dibahas implementasi CBIR menggunakan deep learning dengan arsitektur ResNet-50 untuk ekstraksi fitur, diikuti oleh Locality Sensitive Hashing (LSH) dan pengukuran kesamaan menggunakan hamming distance, khususnya untuk klasifikasi motif Batik Dayak, Batik Ikat Celup, dan Batik Megamendung.
Arsitektur dan Metode
- Ekstraksi Fitur Menggunakan ResNet-50 ResNet-50 adalah salah satu arsitektur jaringan saraf dalam yang sangat populer yang digunakan untuk tugas-tugas klasifikasi gambar. Arsitektur ini terdiri dari 50 lapisan yang mendalam, tetapi menggunakan residual connections untuk mengatasi masalah vanishing gradient yang umum terjadi pada jaringan yang sangat dalam. Pada tahap ekstraksi fitur, ResNet-50 akan digunakan untuk menghasilkan representasi vektor dari gambar-gambar Batik. Proses ini mencakup langkah-langkah sebagai berikut:
Prediksi Kriteria Hujan Menggunakan Jaringan Syaraf Tiruan Backpropagation
Prediksi cuaca, khususnya prediksi hujan, merupakan salah satu tantangan penting dalam meteorologi. Pemanfaatan data historis cuaca dan teknik kecerdasan buatan seperti jaringan syaraf tiruan (JST) dapat membantu meningkatkan akurasi prediksi. Dalam artikel ini, kita akan membahas cara menggunakan MATLAB untuk memprediksi kriteria hujan (tidak hujan, hujan ringan, dan hujan sedang) berdasarkan berbagai variabel cuaca menggunakan metode JST Backpropagation.
Data yang Digunakan
Untuk membuat model prediksi ini, kita akan menggunakan data cuaca dari tahun 2017 hingga 2019. Data terdiri dari:
- Data Hujan
- Data Penyinaran Matahari
- Data Suhu
- Data Kelembaban
- Data Tekanan QFF
- Data Tekanan QFE
- Data Kecepatan Angin
- Data Arah Angin
Ant Colony Optimization: Mencari Posisi dengan Nilai Fungsi Maksimal dari Fungsi Banana
Dalam dunia optimasi, mencari nilai maksimal atau minimal dari sebuah fungsi objektif seringkali menjadi tantangan yang kompleks. Salah satu pendekatan yang digunakan adalah Ant Colony Optimization (ACO), yang terinspirasi dari perilaku pencarian makan semut. Dalam artikel ini, kita akan mempelajari penerapan ACO untuk mencari posisi dengan nilai maksimal dari fungsi Banana, yang juga dikenal sebagai Fungsi Rosenbrock.
Fungsi Banana (Rosenbrock)
Fungsi Banana, atau yang lebih dikenal dengan Fungsi Rosenbrock, adalah fungsi benchmark yang sering digunakan dalam uji coba algoritma optimasi. Fungsi ini memiliki bentuk matematis sebagai berikut:
-read more->f(x, y) = (a – x)^2 + b(y – x^2)^2
Pemrograman Matlab 