Article Per Year (5 Year)
p-Index From 2021 - 2026
6.241
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Edukasi dan Penelitian Informatika (JEPIN) ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika JOIV : International Journal on Informatics Visualization JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING Jurnal Abdimasa TELKA - Telekomunikasi, Elektronika, Komputasi dan Kontrol JMECS (Journal of Measurements, Electronics, Communications, and Systems) Jurnal Teknik Informatika (JUTIF) Jurnal Ilmu Komputer dan Informatika Journal of Informatics and Communication Technology (JICT) Jurnal Nasional Teknik Elektro dan Teknologi Informasi eProceedings of Engineering Journal of Informatics and Communication Technology (JICT)
SOFIA SAIDAH
Telkom University
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mathematics Other

Published : 67 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 67 Documents
Search

 1   2   3   4   5 
Analisis Steganografi Ganda Pada Citra Digital Menggunakan Metode Discrete Wavelet Transform Dan Singular Value Decomposition Dengan Penyisipan Spread Spectrum Image Steganography Reza Ahmad Nurfauzan; Bambang Hidayat; Sofia Saidah
eProceedings of Engineering Vol 5, No 1 (2018): April 2018
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Steganografi adalah sebuah ilmu atau seni menyamarkan keberadaan informasi. Terdapat beragam metode dalam melakukan steganografi, di era digital ini steganografi banyak digunakan pada media seperti citra, audio dan video. Pada umumnya steganografi dilakukan dengan satu kali proses penyisipan dan menggunakan satu buah cover untuk menyembunyikan informasi, namun pada penelitian ini digunakan dua buah cover berupa citra digital dan dua kali proses penyisipan untuk mengelabui pihak yang tidak memiliki hak dalam mengakses informasi tersebut. Metode Spread Spectrum Image Steganography digunakan untuk metode penyisipan pertama pada domain spasial, sedangkan pada penyisipan kedua digunakan metode Discrete Wavelet Transform digunakan untuk mentransformasi cover citra kedua ke domain frekuensi dan pesan disisipkan dengan memodifikasi singular value dengan menggunakan metode Singular Value Decomposition. Hasil penelitian menunjukan stego-file yang dihasilkan memiliki imperceptibility dan robustness yang cukup baik. Hal ini diukur berdasarkan nilai PSNR dan SNR pada kedua proses penyisipan, SSIM pada penyisipan kedua dan BER pada saat proses ekstraksi. 
Algoritma El-gamal Untuk Pengamanan Pesan Pada Steganografi Citra Domain Discrete Cosine Transform Dengan Penyisipan Least Significant Bit Enrico Wiratama Purwanto; Bambang Hidayat; Sofia Saidah
eProceedings of Engineering Vol 5, No 1 (2018): April 2018
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pada tugas akhir ini, dilakukan penggabungan beberapa buah metode untuk memperkuat serta meningkatkan sisi keamanan dalam proses pertukaran informasi atau pesan digital. Beberapa metode yang digabungkan diantaranya adalah metode kriptografi dan metode steganografi. Implementasi pada sistem yang dibangun dilakukan dengan menggabungkan penerapan metode algoritma kriptografi El-Gamal dalam menyandikan pesan pada penerapan metode steganografi citra dalam menyembunyikan pesan tersandi yang dihasilkan kedalam sebuah citra warna (RGB) dalam domain Discrete Cosine Transform dengan teknik penyisipan Least Significant Bit. Berdasarkan dari beberapa pengujian yang telah dilakukan pada sistem, telah diperoleh beberapa hasil performansi dengan nilai rata-rata meliputi Avalanche Effect sebesar 70,4828%, Peak Signal to Noise Ratio (PSNR) sebesar 40,9554%, Mean Opinion Score (MOS) sebesar 4,5024, Bit Error Rate (BER) dan Character Error Rate (CER) sebesar 0%.
Identifikasi Dan Klasifikasi Tutupan Lahan Melalui Pengolahan Citra Google Earth Dengan Metode Singular Value Decomposition Dan Klasifikasi K-nearest Neighbor Kintan Veriana; Bambang Hidayat; Sofia Saidah
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

ABSTRAK Tutupan lahan adalah kondisi kenampakan biofisik permukaan bumi yang dapat diamati. Tutupan lahan dapat menggambarkan keterkaitan antara proses alami dan proses sosial. Suatu hasil pengaturan, aktivitas, dan perlakuan manusia yang dilakukan pada jenis penutup lahan tertentu untuk melakukan kegiatan produksi, perubahan, ataupun perawatan pada penutup lahan tersebut. Penutup lahan dibagi menjadi dua kategori, yaitu daerah bervegetasi dan daerah tidak bervegetasi. Tugas akhir ini melakukan pendeteksi dan pengklasifikasian tutupan lahan pada daerah Pantai di Pelabuhan Ratu, Kota Sukabumi, Jawa Barat dengan menggunakan metode Singular Value Decomposition (SVD) dengan klasifikasi K-Nearest Network (K-NN) dengan mendeteksi suatu tutupan lahan termasuk kategori daerah bervegetasi atau daerah tidak bervegetasi melalui pengolahan citra Google Earth menggunakan aplikasi Matlab. Dalam tugas akhir ini dilakukan beberapa tahap, yaitu akuisi citra, pre-processing, ekstraksi ciri dan klasifikasi. Dari hasil yang didapatkan tingkat akurasi yang paling baik dalam mendeteksi sistem dengan menggunakan citra ketika parameter layer S, K-Nearest Neighbor jenis Correlation dengan nilai k=1 saat ukuran piksel 256x256 yaitu 87.14%. Kata Kunci : Tutupan Lahan, Google Earth, Singular Value Decomposition, K-Nearest Neighbor ABSTRACT Land cover is an observable condition of the Earth's observed biophysical appearance. Land cover can illustrate the link between natural processes and social processes. An outcome of the regulation, activity, and human treatment carried out on certain types of land cover to undertake the production, change, or maintenance of the cover. Land cover is divided into two categories, ie vegetated and non-vegetated areas. This final project performs detection and classification of land cover on the beach area in Pelabuhan Ratu, Sukabumi City, West Java by using Singular Value Decomposition (SVD) with K-Nearest Network (K-NN) classification by detecting a land cover belonging to the vegetated area or areas not vegetated through Google Earth imagery processing using Matlab applications. In this final project, there are several steps, namely image acquisition, pre-processing, feature extraction and classification. From the results obtained the best level of accuracy in detecting the system by using the image when the layer parameter S, K-Nearest Neighbor Correlation type with a value of k = 1 when the pixel size is 256x256 which is 87.14%. Keyword: Land Cover, Google Earth, Singular Value Decomposition, K-Nearest Neighbor
Sistem Deteksi Idealitas Berat Badan Secara Real Time Dengan Menggunakan Metode Gray Level Co-occurance Matrix Dan Body Surface Area Tahta Restu Adiguna; Rita Magdalena; Sofia Saidah
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

ABSTRAK Idealitas tubuh seseorang dapat ditinjau dari tinggi badan, berat badan dan perbandingan lingkar pinggang dengan lingkar pinggul. Untuk mengetahui tinggi badan, berat badan, lingkar pinggang serta lingkar pinggul kita biasa melakukan pengukuran secara manual. Pada pengukuran manual, pengukuran menggunakan alat yang berbeda dan butuh bantuan dari orang lain. Oleh karena itu, pada tugas akhir ini dilakukan penelitian yang dapat mengukur idealitas tubuh dengan menggunakan pengolahan citra dimana penelitian ini juga memberikan informasi berupa klasifikasi tubuh menurut perhitungan BMI (Body Massa Index), memberikan saran berupa berat badan ideal menurut perhitungan rumus Borcha, serta memberikan informasi WHR (Waist to Hip Ratio). Pengenalan jenis kelamin dapat dilakukan melalui tahap deteksi wajah dan ekstraksi ciri dengan fitur geometri serta Gray Level Co-occurance Matrix (GLCM) dimana dalam membedakan pria atau wanita menggunakan metode Support Vector Machine (SVM). Pada pengukuran berat dan tinggi badan digunakan pendekataan rumus BSA (Body Surface Area). Penelitian ini juga menggunakan library Haar Cascade dari Open CV. Hasil dari penelitian ini sistem dapat mengidentifikasi jenis kelamin dan dapat mengukur idealitas berat badan secara real-time, nilai akurasi maksimum pada pengujian tinggi dan lebar badan yaitu dengan akurasi sebesar 95,97% dengan menggunakan skala 22,7. Untuk pengujian berat badan akurasi maksimum sebesar 95,39% dengan nilai faktor pengali (K) 0,98, berdasarkan pengujian perhitungan rumus borcha pada pria didapatkan nilai rata-rata akurasi sebesar 91,07% sedangkan pada wanita nilai rata-rata akurasi sebesar 88,70%, berdasarkan pengujian Body Mass Index menunjukan akurasi klasifikasi sebesar 83,34%, dan pengujian terakhir yaitu berdasarkan WHR pada pria akurasi klasifikasi sebesar 26,67% dan akurasi klasifikasi wanita sebesar 66,67%. Kata Kunci : BMI, Borcha, BSA, Gray Level Co-occurance Matrix (GLCM), Support Vector Machine (SVM), WHR ABSTRACT The ideality of someone’s body can be reviewed from body height, body weight and comparison of waist size and hip size. To know body height, body weight, waist size and hip size, we can measure them manually. In manual measurement, the measurement is using different tools and needing help from others. Therefore, in this thesis, conducted a research that can measure the ideality of body by using image processing besides this research also gives the information of body classification based on BMI (Body Massa Index) calculation, gives advices containing ideal body weight based on Borcha formula, and gives information WHR (Waist to Hip Ratio). Introduction of gender can be done by face detection and characteristic extraction with geometry feature and Gray Level Co-occurance Matrix (GLCM) where to differentiate man and woman, the method of Support Vector ISSN : 2355-9365 e-Proceeding of Engineering : Vol.5, No.3 Desember 2018 | Page 5562 2 Machine (SVM) is used. The measurement of body height and body weight is BSA done by (Body Surface Area) Formula Approach. This research is also using library Haar Cascade from Open CV. The result of this research are system can identify gender and can measure the ideal body weight in real-time, the value of maximum accuracy in the test of body height and body width is 95,97% with the scale of 22,7. For the test of body weight, the maximum accuracy is 95,39% with the multiplier factor (K) of 0,98. based on the test calculation formulas borcha men obtained average value accuracy is 91.07% while in women the average value of the accuracy is 88.70%, based on Body Mass Index test indicates the accuracy of the classification is 83.34%, and the last test that is based on the WHR in men is 26.67% classification accuracy and accuracy of classification is 66.67% women. Keywords : BMI, Borcha, BSA, Gray Level Co-occurance Matrix (GLCM), Support Vector Machine (SVM), WHR.
Deteksi Lebar Daerah Aliran Sungai Citarum Berdasarkan Pengolahan Citra Google Earth Menggunakan Metode Multilevel Thresholding Al Brando Ardes Harjoko; Bambang Hidayat; Sofia Saidah
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Semakin meningkatnya pertumbuhan penduduk di Indonesia, maka semakin meningkat pula sumber daya yang dibutuhkan oleh manusia yang menyebabkan berkurangnya sumber daya alam (air dan tanah) dari berbagai aspek. Perhitungan luas sungai atau kedalaman sungai mengalami perubahan dari tahun ke tahun. Oleh karena itu penting adanya sistem yang mendeteksi sungai untuk mengetahui luasnya. Google Earth adalah aplikasi untuk mempermudah kita untuk mengetahui suatu tempat atau bangunan yang kita inginkan maka pada tugas akhir ini penulis akan menggunakan citra Google Earth untuk mendeteksi sungai Citarum di Bandung. Thresholding merupakan salah satu metode segmentasi citra di mana prosesnya didasarkan pada perbedaan derajat keabuan citra. Multilevel thresholding merupakan metode segmentasi citra thresholding yang menggunakan dua atau lebih nilai threshold. Pada tugas akhir ini, akan melakukan deteksi lebar aliran sungai dengan menggunakan pengolahan citra google earth dengan metode Multilevel Thresholding untuk mempermudah dalam pembangunan di sekitar sungai oleh pihak yang tertentu. Kata kunci : Google Earth, Multilevel Thresholding, Deteksi Lebar Sungai Abstract Increasing population growth in Indonesia, the more human resources are needed that cause the loss of natural resources (water and soil) from various aspects. The calculation of the river or river depth changes from year to year. Therefore it is important that the system detects the river to know its extent. Google Earth is an application to make it easier for us to know a place or building that we want then in this final project authors will use Google Earth imagery to detect the Citarum river in Bandung. Thresholding is one of the image segmentation method in which the process is based on the different degree of gray image. Multilevel thresholding is a method of thresholding image segmentation that uses two or more threshold values. In this final project, will perform the detection of river flow width by using google earth image processing with Multilevel Thresholding method to simplify the development around river by certain party. Keywords: Google Earth, Multilevel Thresholding
Deteksi Batik Bojonegoro Menggunakan Metode Gray Level Co-occurrence Matrix (glcm) Dan Naive Bayes Desi Dwi Prihatin; Bambang Hidayat; Sofia Saidah
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

ABSTRAK Salah satu karya seni dalam kebudayaan Bojonegoro yaitu batik Bojonegoro. Batik Bojonegoro memiliki jenis motif batik yang berbeda-beda maka untuk membedakan batik Bojonegoro tersebut dilakukan perancangan sistem untuk mengklasifikasi jenis batik ke dalam kelas-kelas jenis motif batik. Perancangan sistem dilakukan dalam mendeteksi batik menggunakan metode Gray Level Co-Occurrence (GLCM) sebagai ekstraksi ciri untuk proses pengambilan ciri atau inti citra dan Naive Bayes sebagai klasifikasi untuk pengelompokkan citra berdasarkan jenis batik Bojonegoro. Proses kinerja kedua sistem tersebut image processing agar citra dapat diubah menjadi data berupa angka dengan bentuk keluaran hasil transformasi dalam pengolahan citra digital. Maka penulis melakukan penggabungan kedua sistem agar dapat mengetahui hasil akurasi yang signifikan dengan tujuan untuk mempermudahkan pengenalan jenis batik Bojonegoro dan mengembangkan sistem dalam mendeteksi citra batik berdasarkan jenis motif batik Bojonegoro menggunakan pengolahan citra digital. Berdasarkan pengujian yang telah dilakukan, sehingga pada Tugas Akhir ini perancangan sistem dapat mendeteksi batik Bojonegoro berdasarkan jenis kelas motif batik yaitu enam kelas jenis motif batik, dengan komposisi jenis batik meliwis mukti, jenis batik pari sumilak, jenis batik rancak thengul, jenis batik sato gondo wangi dan jenis batik sekar jati. Pengujian dilakukan 60 citra batik dimana masing-masing kelas memiliki enam citra batik. Sehingga didapatkan dari beberapa skenario pengujian parameter orde dua terbaik yaitu correlation, homogeneity dan entropy, arah derajat = 0° dan jarak pixel (d)=2 dengan pengujian level kuantisasi maka akurasi terbaik sebesar 85% dengan waktu komputasi 206.6715 detik. Kata Kunci: Batik Bojonegoro, GLCM, Naive Bayes. . ABSTRACT Batik Bojonegoro is one of art in Bojonegoro’s culture. There are some types of Batik Bojonegoro, this to differentiate batik ojonegoro is done system design to classify the type of batik into the classes of types batik motifs. The design of the system conducted for detecting batik Bojonegoro using Gray Level Co-Occurrence (GLCM) method is used as the extraction in process of taking main image and Naive Bayes as a classification of grouping the images based on the types of batik Bojonegoro. Working process of both methods is need many image samples to make the system works well using image processing so that image can be converted into data in the form of numbers with the output of transformation result in digital image process. This project has merged both methods to know the significant accuracy result is the purpose of facilitate the introduction of the types of batik Bojonegoro and developing system in detecting digital image using batik’s image based on the type of batik Bojonegoro’s pattern. Based on the tests that have been done, so that in this Final Project the system design can detect Bojonegoro batik based on the type of batik motivo class, namely six classes of batik motif types, with batik composition meliwis mukti, pari sumilak batik type, rancak thengul batik type, sato gondo batik type fragrant and kind of teak teak batik. Testing was carried out 60 images of batik where each class had six images of batik. So that obtained from several ISSN : 2355-9365 e-Proceeding of Engineering : Vol.5, No.3 Desember 2018 | Page 4650 2 Parathmetro scenarios the order testing is two best correlación namely, homogeneidad and entropy, degree direction = 0° and pixel distance (d) = 2 with nivel quantization testing so the best accuracy is 85% with 206.6715 seconds computation time. Keywords: Batik Bojonegoro, GLCM, Naive Bayes.
Deteksi Nada Tunggal Alat Musik Kecapi Bugis Makassar Menggunakan Metode Mel Frequency Cepstral Coefficient (mfcc) Dan Klasifikasi K-nearest Neighbour (knn) Alif Fajri Ryamizard; Bambang Hidayat; Sofia Saidah
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Alat musik tradisional merupakan salah satu komoditas Indonesia yang menjadi asset yang berharga dan telah menjadi salah satu daya tarik Indonesia bagi warga asing. Hampir setiap daerah di Indonesia memiliki alat musik tradisional masing-masing. Nada yang unik menjadi ciri khas berbagai alat musik tradisional Indonesia, seperti alat musik kecapi yang berasal dari Sulawesi Selatan. Kecapi sering digunakan dalam festival musik Sulawesi di berbagai daerah, namun sering terdapat permasalahan pada saat penyetelan alat musik kecapi karena membutuhkan waktu cukup lama. Pada Tugas Akhir ini telah dirancang sebuah sistem yang dapat mengidentifikasi nada yang terdapat pada alat musik kecapi melalui pengolahan suara. Pada sistem identifikasi nada alat musik ini terdiri dari ekstraksi ciri dan pengklasifikasi nada alat musik kecapi. Melalui ekstraksi ciri dari suatu sinyal audio dapat diketahui jenis nada dan karakteristiknya. Metode ekstraksi ciri yang digunakan adalah Mel Frequency Cepstral Coefficient dan metode klasifikasi yang digunakan yaitu K-Nearest Neighbor. Tugas Akhir ini diharapkan dapat membangun suatu sistem yang dapat mengenali nada pada alat musik kecapi. Nada yang dideteksi terdiri dari 7 nada, yaitu do, re, mi, fa, sol, la, si. Tingkat akurasi yang telah diharapkan sebesar 70%, dimana nada masukan berasal dari microphone. Kata Kunci: Kecapi, Mel Frequency Cepstral Coefficient, K-Nearest Neighbor Abstract Traditional musical instrument is one of Indonesia's commodities which become a valuable asset and has become one of Indonesia's attraction for foreigners. Almost every region in Indonesia has their own traditional musical instruments. Unique tones characterize a variety of traditional Indonesian musical instruments, such as kecapi instruments originating from South Sulawesi. Kecapi is often used in Sulawesi music festivals in various regions, but there are often problems at the time of adjusting the lute because it takes a long time. In this Final Project has been designed a system that can identify the tone contained in the instruments of the lute through sound processing. The tone identification system of this instrument consists of characteristic extraction and the classification of the tone of the lute music instrument. Through the characteristic extraction of an audio signal can be known the type of tone and its characteristics. The method of feature extraction used is Mel Frequency Cepstral Coefficient and the method of classification used is K-Nearest Neighbor. This Final Project is expected to build a system that can recognize the tone of the lute instrument. Detected tone consists of 7 tones, namely do, re, mi, fa, sol, la, si. The expected accuracy rate is 70%, where the input tone comes from the microphone. Keywords: Kecapi, Mel Frequency Cepstral Coefficient, K-Nearest Neighbor
Klasifikasi Jenis Batik Toraja Berbasiskan Pengolahan Citra Digital Dengan Metode Singular Value Decomposition Dan Learning Vector Quantization Israndy Yainahu; Bambang Hidayat; Sofia Saidah
eProceedings of Engineering Vol 6, No 1 (2019): April 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Batik adalah salah satu budaya Indonesia dan kesenian Nasional yang cukup terkenal di mancanegara. Mulai dari barat sampai timur Indonesia, batik memiliki motif dan corak yang berkarakter. Namun sayangnya sebagian kalangan masyarakat melihat motif batik sebagai motif yang sama, tidak terlihat unik dan menurunkan minat pada batik yang sebagai identitas negara kita. Seperti batik yang akan diklasifikasi yaitu motif batik yang berasal dari Toraja, Sulawesi Selatan yang mempunyai karakter motif yang unik. Akan sangat disayangkan jika masyarakat menjadi pasif dan menurun ketertarikannya pada batik, atas dasar inilah tujuan penelitian ini dilakukan. Dengan membuat klasifikasi batik Toraja bertujuan dapat menambah wawasan dan ketertarikan masyarakat untuk mengenali jenis batik, terutama batik Toraja. Proses yang telah dilakukan dalam klasifikasi ini dengan mengambil citra motif batik menggunakan device kemudian dilakukan pre-processing. Data yang dipakai pada penelitian ini berjumlah 165 dimana terdapat 95 data latih dan 70 data uji di antaranya terdapat 5 kelas motif Batik Toraja. Ekstraksi ciri menggunakan metode Singular Value Decomposition (SVD) dan klasifikasinya menggunakan Learning Vector Quantization (LVQ). Motif batik yang diambil sebagai data adalah lima motif batik khas Toraja, yang kemudian diklasifikasi apakah sesuai motif pada hasil ekstraksi dengan yang diklasifikasikan sebagai motif batik Toraja. Data dan metode yang telah dirancang kemudian disimulasikan dengan menggunakan Matlab. Hasil akhir dari perancangan aplikasi adalah dapat menklasifikasi jenis batik dari citra motif batik yang diambil. Pada penelitian kali ini dengan menggunakan metode yang ada telah didapatkan hasil akurasi sebesar 81.42%. Kata Kunci: Batik Toraja, Image Processing, Matlab, Singular Value Decomposition, Learning Vector Quantization. Abstract Batik is one of Indonesian culture and national art that is quite famous in foreign countries. Starting from west to east of Indonesia, batik has motifs and patterns that character. But unfortunately some people see the motif of batik as the same motif, does not look unique and lower interest in batik as the identity of our country. As batik that will be detected is batik motif derived from Toraja, South Sulawesi which has a unique character of the motif. It would be unfortunate if the community became passive and decreased interest in batik, on the basis of this research purpose is done. By making Toraja batik classification aims to add insight and interest of the community to recognize the type of batik, especially Toraja batik. The process that has been carried out in this classification is by taking a batik motif image using a device then preprocessing. The data used in this study amounted to 165 in which there were 95 training data and 70 test data including 5 classes of Toraja Batik motifs. Feature extraction uses the Singular Value Decomposition (SVD) method and the classification uses Learning Vector Quantization (LVQ). The batik motifs taken as data are five typical Toraja batik motifs, which are then detected whether they match the motives of the extraction results which are classified as Toraja batik motifs. Data and methods that have been designed are then simulated using Matlab. The final result of the application design is that it can detect the type of batik from the image of the batik motif taken. In this study using the existing method, 81.42% accuracy results have been obtained. Keywords: Toraja Batik, Image Processing, Matlab, Singular Value Decomposition, Learning vector Quantization.
Sistem Deteksi Nada Pada Alat Musik Angklung Menggunakan Metode Harmonic Product Spektrum Rachmat Hidayat Ashary; Raditiana Patmasari; Sofia Saidah
eProceedings of Engineering Vol 6, No 1 (2019): April 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

ABSTRAK Salah satu alat musik tradisional yang banyak di jumpai di jawa barat adalah angklung. Angklung sendiri merupakan alat musik yang terbuat dari tabung-tabung bambu. Suara atau nada dihasilkan dari efek benturan tabung-tabung bambu dengan cara di goyangkan atau digetarkan. Suara yang dihasilkan berupa nada seperti do, re, mi, fa, sol, la, si, dan do tinggi. Cara memainkannya sangat mudah namun bagi pemula biasanya hanya dapat mendengar suara yang dihasilkan dan tidak mengetahui nadanya. Sehingga pada tugas akhir ini akan dibuat sistem yang dapat membantu bagi pemula dan dapat menjadi alternatif pembantu di sekolah musik untuk mengidentifikasi nada-nada pada angklung. Sistem yang digunakan pada tugas akhir ini menggunakan metode harmonic product spectrum yang berfungsi untuk melihat frekuensi dasar yang terdapat pada sinyal masukan. Sistem ini melalui dua tahap yaitu proses perekaman dan proses pengenalan nada. Pada proses perekaman dilakukan untuk membuat referensi atau sampel nada yang akan menjadi acuan untuk mengenali nada yang dimainkan dengan cara merekam nada angklung dan menyimpan filenya dalam bentuk *.waf. Sedangkan proses pengenalan nada yaitu proses secara langsung pada penginputan data yang akan melalui prepocessing, harmonic product spektrum dan klasifikasi KNN sehingga dapat mendeteksi dan mengenali nada yang sedang dimainkan. Sinyal masukan berasal dari suara yang dihasilkan angklung lalu diubah menjadi frekuensi dan di proses sehingga mendapatkan frekuensi dasar yang dikenali. Dari hasil pengujian menunjukkan akurasi terbaik pada kombinasi dua ciri statistik orde pertama variansiskewness, dan jenis KNN yang digunakan yaitu euclidean dengan jumlah K=1 dengan akurasi sebesar 88.78%. Dengan kata lain sistem deteksi nada alat musik angklung menggunakan metode harmonic product spectrum memperoleh hasil yang optimal. Kata kunci : Angklung, Prepocessing, Harmonic Product Spektrum.
Analisis Sinyal Radar Cuaca Menggunakan Discrete Cosine Transform Wibisono Sabdo Utomo; Rita Purnamasari; Sofia Saidah
eProceedings of Engineering Vol 6, No 1 (2019): April 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Hujan merupakan salah satu fenomena cuaca yang merupakan jatuhnya cairan yang jatuh dari atmosfer yang berwujud cair maupun beku ke permukaan bumi. Radar merupakan teknologi yang sagat bermanfaat bagi manusia, dimana radar dapat menentukan sesuatu pada jarak tertentu, dan prinsip kerja pada radar seperti prinsip kerja pada otak lumba-lumba. Radar sangat sering digunakan untuk menentukan cuaca setiap hari. Dan umat manusia sangat membutuhkan radar untuk menjalankan aktifitas, sebagai pemantauan dini bencana yang akan terjadi agar kerusakan dapat diminimalisir . Tugas akhir ini bertujuan untuk membahas tentang bagaimana pengolahan sinyal radar cuaca yang akan menggunakan metoda DCT (Discrete Cosine Transform). Hasil pengolahan akan dihitung bagaimana performansinya dengan perhitungan yang telah ditentukan, data yang terdapat pada web tersebut yang nantinya akan diambil sampel sebagai pembanding dengan hasil yang sudah menggunakan metoda DCT, yang dimana tanggal, waktu, dan tipe telah ditentukan. Perbandingan yang akan dilakukan adalah membandingkan bagaimana optimasi pengolahan sinyal menggunakan DCT dimulai dari proses sampai data diterima, dan juga ketepatan atau hasil yang diterima apakah mengalami perubahan atau tidak. Penggunaan block size sangat mempengaruhi nilai performansi. Dari data yang di uji terlihat block size 4x4 memiliki performansi terbaik dari 7 block size yang di uji dengan nilai SNR 308.934, PSNR 283.194, dan waktu yang dibutuhkan untuk melakukan kompresinya 48.4186 detik. Kata kunci: IDRA, DCT (Discrete Wavelet Transform), 4TU.Center for Reasearch Data Abstract Radar is a technology that is very beneficial for humans, where radar can determine something at a certain distance, and the working principle on radar is like the working principle of a dolphin brain. Radar is very often used to determine the weather every day. And humanity really needs radar to carry out activities, as early monitoring of disasters that will occur so that damage can be minimized. This final project aims to discuss how to process weather radar signals that will use the DCT (Discrete Cosine Transform) method. The processing results will be calculated how the performance with the predetermined calculations, the data contained on the web which will be sampled as a comparison with the results that have used the DCT method, where the date, time and type have been determined. The comparison that will be made is to compare how the optimization of signal processing using DCT starts from the process until the data is received, and also the accuracy or the results received whether it changes or not. The use of block size greatly affects the value of performance. From the data tested, the block size 4x4 has the best performance out of the 7 block sizes tested with the values of SNR 308,934, PSNR 283,194, and the time needed to compress 48.4186 seconds. Keywords: IDRA, DCT (Discrete Wavelet Transform), 4TU.Center for Reasearch Data
Co-Authors A F Akbar Abel Bima Wiratama Aditya S.B, I Dewa Agung Akbar Trisnamulya Putra Al Brando Ardes Harjoko Aliefiya Rachman Alif Fajri Ryamizard Alrizqi, Naufal Dwi Andre Megantoro, Andre Megantoro Angga Prihantoro Arfat, Ikrar Khaera ARIS HARTAMAN Azzahra, Fatima Bainuri, Aulia Novria Bambang Hidayat Bambang Hidayat Bambang Hidayat Bongso, Dery Febryanto Darwindra Darwindra, Darwindra Dea Sifana Ramadhina Denny Darlis Desi Dwi Prihatin Dyah Ajeng Pramudhita Effendi , Doni Oktavian Ibnu Efri Suhartono Enrico Wiratama Purwanto Fadia Qothrunnada Fardiyanti, Defitriana Fathurrahman, Muhammad Hanif Fatima Azzahra Fellia Rizki Kusumowardani Fiera Meiristika Utami Firdaus, Muhammad Ilham Zuhruf Fitria, Ismaulida Nur Gaol, Satya Wira Fernanda Lumban Gelar Budiman Hilman Fauzi, Hilman Hurianti Vidya I Putu Yowan Nugraha Suparta Ibnu Da'wan Salim Ibnu Da’wan Salim Ubaidah Ibnu Da’wan Salim Ubaidah Ikhwanda, Alfan Ikrar Khaera Arfat Inung Wijayanto Iqbal Kurniawan Perdana Israndy Yainahu Iwan Iwut Tritoasmoro Jangkung Raharjo Kintan Veriana Koredianto Koredianto Koredianto Usman Mas, Muhammad Sabri Masykur, Muhammad Fadhel Affandi Muhamad Rokhmat Isnaini Muhammad Bayu Adinegara Muhammad Ilham Muhammad Ilham Muhammad, Zalfa Alif Nabila Herman Nidaan Khofiya Nor Kumalasari Caecar Nor Kumalasari Caecar Pratiwi Nur Alyyu Nur Ibrahim Perdana, Iqbal Kurniawan Pramudhita, Dyah Ajeng PRATIWI, NOR KUMALASARI CAESAR Prayudi, Yoshi Prihantoro, Angga Putra, Akbar Trisnamulya Putri , Yusnita Putri, Tasya Busrizal Putri, Yusnita Qothrunnada, Fadia R. Yunendah Nur Fu’adah Rachmat Hidayat Ashary Raditiana Patmasari Ratna Sari Ratri Dwi Atmaja Reza Ahmad Nurfauzan Richard Bina Jadi Simanjuntak Rita Magdalena Rita Magladena Rita Purnamasari Robinzon Pakpahan Salsabil Farah Aqilah Wijaya Salsabila, Afap Sangkala, Muh Aslam Mahdi Sevierda Raniprima Subiakto, Septiaini Dela Susilo, Mochammad Hilmi Suwandhi, Adhisty Putrina Syamsul Rizal Syamsul Rizal Tahta Restu Adiguna Tasya Busrizal Putri Tita Haryanti Tsabita Al Asshifa Hadi Kusuma Vidya, Hurianti Wahid, Gloria Shekinah Florensia Wibisono Sabdo Utomo WIDIANTO, MOCHAMMAD HALDI Widya Alisya Kusuma Ningrum Yunendah Fu’adah Zakiah Zakiah