Article Per Year (5 Year)
p-Index From 2021 - 2026
1.347
P-Index
This Author published in this journals
All Journal Jurnal INKOM Indonesia Symposium on Computing Indonesian Journal on Computing (Indo-JC) JOIN (Jurnal Online Informatika) Jurnal Teknik Informatika (JUTIF) eProceedings of Engineering Jurnal Abdimas LOGIC: Jurnal Penelitian Informatika Indonesian Journal on Computing (Indo-JC)
Tjokorda Agung Budi Wirayuda
Universitas Telkom
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Social Sciences

Published : 35 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 35 Documents
Search

 1   2   3   4 
Pengenalan Angka Tulisan Tangan Dengan Penerapan Freeman Chain Code Yang Dimodifikasi Fitri Amalia Hadi; Tjokorda Agung Budi Wirayuda; Kurniawan Nur Ramadhani
eProceedings of Engineering Vol 2, No 2 (2015): Agustus, 2015
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Sistem pengenalan angka tulisan tangan dapat dimanfaatkan pada rekapitulasi perhitungan suara Pemilihan Presiden dan Wakil Presiden 2014 yang dicatat pada formulir model C1. Namun setiap orang memiliki cara penulisan angka yang berbeda, sehingga sistem pengenalan angka tulisan tangan dibangun diharapkan dapat mengenali angka dengan baik. Sistem ini terdiri dari beberapa tahap, yaitu tahap preprocessing, ekstraksi ciri, dan klasifikasi. Ciri dari citra kerangka objek hasil preprocessing dibangun metode Freeman Chain Code yang dimodifikasi dengan melakukan pembagian region citra, pembentukan histogram chain code, dan penambahan 4 ciri visual. Selanjutnya hasil ekstraksi ciri diujikan menggunakan dua buah metode klasifikasi yaitu K-NN dan JST Backpropagation. Hasil pengujian menunjukkan bahwa metode ekstraksi ciri Freeman Chain Code yang dimodifikasi mampu mengenali karakter angka tulisan tangan dari kedua data set dengan cukup baik. Dengan melakukan pembagian 9 region citra, normalisasi histogram chain code, dan penambahan 4 ciri, tingkat akurasi terbaik dapat mencapai 89.82% menggunakan K-NN dan mencapai 93.60% menggunakan JST Backpropagation. Kata Kunci: Offline, pengenalan angka tulisan tangan, Freeman Chain Code
Identifikasi Wajah Menggunakan Metode Local Derivative Pattern Andri Arindiah; Tjokorda Agung Budi Wirayuda; Febryanti Sthevanie
eProceedings of Engineering Vol 4, No 1 (2017): April, 2017
Publisher : eProceedings of Engineering

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

Abstract

Dengan semakin meningkatnya teknologi, kunci keamanan dapat digantikan menggunakan representasi biologis. Kunci keamanan dengan menggunakan representasi biologis disebut dengan biometrik. Salah satu contoh penggunaan biometrik adalah menggunakan wajah. Pada penelitian ini akan dibangun sistem biometrik identifikasi wajah.Sistem identifikasi wajah ini terdiri dari tahap pengumpulan data, preprocessing, ekstraksi ciri dan pencocokan. Proses ekstraksi ciri dilakukan dengan menggunakan metode Local Derivative Pattern (LDP) yang merupakan pengembangan dari metode Local Binary Pattern. Metode LDP dipilih karena dapat mengambil ciri citra berdasarkan level keabuan sebuah piksel. Hasil dari penelitian ini menunjukkan hasil dari ekstraksi ciri LDP dapat mendapatkan akurasi terbaik sebesar 98,47% dengan kombinasi parameter orde 2, radius 4, dan jumlah region 4. Kemudian dilakukan pengujian pada performansi sistem dan didapatkan nilai terbaik EER sebesar 4,7055% dengan menggunakan threshold 0,855. Kata kunci: biometrik, local derivative pattern, histogram intersection, threshold
Pengenalan Isyarat Tangan Menggunakan Algoritma Pyramidal Lucas Kanade Dan Histogram Of Oriented Gradients Gustav Nugraha; Hertog Nugroho; Tjokorda Agung Budi Wirayuda
eProceedings of Engineering Vol 2, No 3 (2015): Desember, 2015
Publisher : eProceedings of Engineering

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

Abstract

Isyarat tangan merupakan salah satu metode interaksi manusia dan komputer yang populer digunakan saat ini. Terdapat isyarat tangan statis yang hanya menggunakan perubahan posture tangan dan dinamis yang secara bersamaan menggunakan perubahan posture tangan dan pola gerakan tangan. Untuk mengenali isyarat tangan statis dan dinamis maka diperlukan metode yang mampu mendeskripsikan posture tangan dan mendeskripsikan pola gerakan tangan. Dalam penelitian ini, Histogram of Oriented Gradients adalah metode yang digunakan untuk mendeskripsikan posture tangan dan Pyramidal Lucas Kanade dipilih untuk mengestimasi optical flow yang digunakan untuk mendeskripsikan pola pergerakan tangan dalam bentuk sebuah Motion Descriptor. Pendekatan Bag of Features akan digunakan untuk mendapatkan descriptor akhir dari sebuah video untuk HOG, dan klasifikasi akan dilakukan dengan menggunakan Support Vector Machine. Sistem yang telah dibuat diuji dengan dataset yang terdiri dari 6 isyarat tangan. Pengujian dengan metode k-fold cross validation menunjukkan akurasi rata-rata 95.73% pada dataset yang terdiri dari 240 video yang terdiri dari isyarat tangan dari 2 orang yang berbeda. Kata kunci : Isyarat Tangan, Histogram of Oriented Gradients, Pyramidal Lucas Kanade, Optical Flow, Bag of Features
Analisis Kesiapan E-Learning Telkom University Dengan Menggunakan E-Learning Readiness (ELR) Model (Studi Kasus I- Caring) Juwindar Honesty Simanjuntak; Tjokorda Agung Budi Wirayuda
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Perkembangan dari eLearning pada institusi pendidikan pada saat ini memberikan dampak yang sangat pesat. Ini mendorong adanya kompetensi yang terjadi pada berbagai institusi pendidikan yang ada. Pengembangan eLearning pada institusi pendidikan melibatkan beberapa faktor yaitu infrastuktur teknologi, sumber daya manusia dan penanganan yang ramah lingkungan. E-learning Readiness (ELR) model merupakan sebuah bentuk perwujudan komponen dalam pengembangan eLearning. ELR model berfungsi tidak hanya sebagai penilaian eLearning sebuah institusi apakah sudah siap untuk diterapkan tetapi juga memberitahu area atau bagian mana dari institusi tersebut yang membutuhkan perbaikan dan juga area atau bagian mana yang sudah berhasil dengan menggunakan penerapan eLearning. Kesiapan yang didapat dari penelitian ini diambil dari beberapa dimensi yang tergolong kedalam ELR (Model). Analisis dalam ELR model digunakan sebagai dokumen persiapan yang dibutuhkan untuk desain, pengembangan dan juga untuk rekomendasi dalam fase implementasi dan pengembangan . Dengan dilakukannya penelitian ini akan diketahui bagian mana yang ada pada dimensi yang memeiliki kekurangan dengan ditandai pada status kesiapan yang tidak siap atau bahkan belum siap. Kata kunci : eLearning, eLearning readines, ELR model
Peningkatan Peformansi Pengenalan Identitas Berbasis Palm Vein Menggunakan Adaptive Filtering dan Retinex Method Muhammad Shafhi Kasyfillah; Tjokorda Agung Budi Wirayuda; Bedy Purnama
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Palm Vein Recognition merupakan salah satu metode yang digunakan untuk melakukan pengenalan pada suatu individu melalui pattern dari pembuluh darah vena di telapak tangan. Vein recognition belakangan ini mulai digunakan dan diteliti oleh beberapa pihak, karena sebenarnya pembuluh darah vena juga bersifat unik untuk tiap individu seperti halnya sidik jari atau retina mata. Vein Recognition ini mulai diminati orang karena sistem pengenalan ini menggunakan bagian dalam tubuh untuk pengenalannya sehingga sulit untuk ditiru atau dipalsukan. Adaptive Filterring adalah salah satu metode yang digunakan untuk melakukan image enhancement, mulai dari pendeteksian wilayah citra yang akan di proses dan membuang pixel-pixel yang tidak diperlukan sampai pengehapusan noise yang terdapat pada citra tersebut. Retinex Method adalah metode yang digunakan untuk melakukan pemrosesan pada citra berfokus pada pencahayaannya. Kata kunci :Sitem rekognisi, Image enchacement, Adaptive filtering, Retinex emthod
Klasifikasi Jenis Kendaran Secara Bertahap Dengan Eigenvehicle Dan Fuzzy C-means Clustering – Hough Transform Gunawan Gunawan; Tjokorda Agung Budi Wirayuda; Bambang Ari Wahyudi
eProceedings of Engineering Vol 2, No 3 (2015): Desember, 2015
Publisher : eProceedings of Engineering

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

Abstract

Dalam penelitian ini dilakukan analisis secara bertahap metoda Eigenvehicle sebagai metoda untuk mengekstraksi ciri kendaraan, Fuzzy C-means Clusterring (FCMC) digunakan untuk memisahkan ban dengan badan kendaraan dan Hough Tranform sebagai metoda untuk deteksi lingkaran ban. Jenis kendaraan yang akan diklasifikasi adalah kendaraan golongan I hingga V sesuai aturan yang ada pada tol. Metoda Hough Transform dapat digunakan untuk mengisolasi feature lingkaran ban dalam sebuah citra kendaraan, jumlah ban yang terdeteksi dapat digunakan untuk klasifikasi golongan III, IV dan V. Sedangkan golongan I dan II menggunakan metoda Eigenvehicle yang merupakan gabungan Principal Component Analysis (PCA) untuk ekstraksi ciri data latih dan Diferent From Vehicle space (DFVs) untuk mengklasifikasikan kendaraan dengan melihat jarak perbedaan dari data latih PCA. Data training dan testing sistem didapat dari rekaman kedatangan mobil di Rest Area Tol Purbaleunyi KM 97, dengan data testing sebanyak 464, data training 10. Sedangkan akurasi yang didapat sebesar 93,9% dengan parameter jumlah kelas FCM sebanyak 6, rasio ban dengan panjang kendaraan pada Hough Transform sebesar 17 dan threshold pada Eigenvehicle sebesar 1300. Kata Kunci: image processing, klasifikasi kendaraan, Eigenvehicle, Hough Transform, Fuzzy C-Means Clustering
Impelementasi Metode Promethee Dan Ahp Pada Pemilihan Indekost Di Telkom University Risky Diatama; Tjokorda Agung Budi Wirayuda
eProceedings of Engineering Vol 2, No 3 (2015): Desember, 2015
Publisher : eProceedings of Engineering

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

Abstract

Telkom University merupakan kampus swasta ternama di Indonesia. Universitas ini mengalami perkembangan yang pesat untuk menjadikan Universitas Internasional. Dalam perkembangan Universitas ini terdapat sektor yang mengikuti perkembangannya yaitu sektor tempat indekost. Untuk dapat membantu mempromosikan indekost sekaligus membantu mahasiswa agar mendapatkan tempat indekost yang sesuai, maka dibuatlah Aplikasi Rekomendasi Indekost Telkom University. Aplikasi ini dapat membantu mahasiswa untuk mendapatkan rekomendasi tempat indekost sesuai dengan keinginan mahasiswa saat itu. Hasilnya, didapat tempat indekost dengan ranking teratas yang akan direkomendasikan kepada mahasiswa sebagai hasil terbaik dari pencarian. Aplikasi ini, mempunyai kelebihan yaitu dapat memberikan rekomendasi yang baik dibandingkan dengan pencarian dengan menggunakan metode filtering, dimana perbedaan ini dipengaruhi oleh optimasi AHP-promethee yang dapat membandingkan kelebihan dan kelemahan antar lokasi indekost, selain itu aplikasi ini dapat diterima baik oleh mahasiswa dapat dilihat dari hasil pengujian oleh mahasiswa yang menunjukan tingkat kecocokan user sebesar 91%. Kata kunci: Indekost, AHP, Promethee, filtering, ranking.
Pengenalan Wajah Dengan Menggunakan Algoritma Local Gaussian Structural Pattern Dan Support Vector Machine Amna Rizky; Tjokorda Agung Budi Wirayuda
eProceedings of Engineering Vol 2, No 3 (2015): Desember, 2015
Publisher : eProceedings of Engineering

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

Abstract

Pengenalan wajah (Face recognition) menjadi salah satu bidang pengolahan citra yang paling banyak dipelajari oleh beberapa peneliti dalam beberapa tahun terakhir. Sulitnya mesin untuk melakukan pengenalan wajah manusia juga menjadi alasan telah banyak penelitian tentang hal tersebut.Mesin sangat berbeda dengan otak manusia yang mudah mengenali wajah seseorang dengan mudah sistem dituntut untuk mengenali wajah manusia yang berbeda dari wajah yang telah dilatihkan karena adanya perubahan dalam wajah orang yang sama tersebut dikarenakan penuaan, ekspresi bahkan penambahan aksesoris. Dalam pengenalan wajah terdapat salah satu metode yaitu fitur lokal sistem mengambil bagian kecil dari wajah lalu memasukkannya ke descriptor. Metode fitur lokal sendiri banyak diteliti dikarenakan metode jenis ini lebih kuat terhadap permasalahan Illumination(perbedaan cahaya). Salah satu jenis metode yang menggunakan fitur lokal adalah LGSP (Local Gaussian Structural Pattern). LGSP dianggap bisa kuat terhadap noise yang muncul pada gambar. Tingkat keberhasilan Algoritma LGSP dan algoritma klasifikasi Support Vector Machine pada penelitian ini yaitu sebesar 65.78%. Kata kunci : Face recognition, ekstraksi ciri, klasifikasi fitur, Local Gaussian Structural Pattern
Palm Oil Seed Origin Classification Based on Thermal Images and Agricultural Data Using Convolutional Neural Network Natha, Si Gede Ngurah Chandra Adi; Wirayuda, Tjokorda Agung Budi; Wijaya, Rifki
Jurnal Teknik Informatika (Jutif) Vol. 6 No. 4 (2025): JUTIF Volume 6, Number 4, Agustus 2025
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2025.6.4.4880

Abstract

The traceability of palm oil seed origins plays a vital role in ensuring transparency, legality, and sustainability across the palm oil supply chain. Recent advances in deep learning have created new opportunities to improve classification systems by leveraging both visual and contextual data. This study proposes a deep learning-based model for classifying the origin of palm oil seeds by integrating thermal imagery with agricultural data. Two convolutional neural network (CNN) architectures, ResNet50 and MobileNet, were evaluated under three experimental setups: using only thermal images, combining thermal images with agricultural features (socio-economic, soil, and spectral fruit characteristics), and applying hyperparameter tuning to the best-performing model. The results show that ResNet50 consistently outperformed MobileNet, particularly in multimodal configurations. The highest performance was achieved using ResNet50 with the Adam optimizer, a learning rate of 0.001, and a batch size of 16, resulting in training accuracy of 99.75%, validation accuracy of 99.92%, and test accuracy of 100.00%. Evaluation metrics confirmed the model’s robustness with precision, recall, and F1-score all reaching 100.00%. This research highlights the significant potential of combining thermal imagery and agricultural data in CNN-based models for accurate and reliable classification of palm oil seed origins. The approach can support traceability systems in the palm oil industry, offering a scalable and data-driven solution for ensuring supply chain integrity and sustainability.
Analysis of Data and Feature Processing on Stroke Prediction using Wide Range Machine Learning Model Wisesty, Untari Novia; Wirayuda, Tjokorda Agung Budi; Sthevanie, Febryanti; Rismala, Rita
JOIN (Jurnal Online Informatika) Vol 9 No 1 (2024)
Publisher : Department of Informatics, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/join.v9i1.1249

Abstract

Stroke is a disease which cause the death of brain cells, so that the part of the body controlled by the brain loses its function. If not treated immediately, this disease can cause long-term disability, brain damage, and death. In this research, stroke prediction was carried out on the Stroke dataset acquired from the Kaggle dataset using various machine learning models. Then, data sampling techniques are used to handle data imbalance problems in the stroke dataset, which include Random Undersampling, Random Oversampling, and SMOTE techniques. Pearson Correlation and Principal Component Analysis are also used for dimensional reduction and analyzing the important features that are most influential in predicting stroke. Pearson Correlation produces five attributes that have the highest Pearson coefficient, namely age, hypertension, heart disease, blood sugar level, and marital status. Experimental results have demonstrated that the utilization of RUS, ROS, and SMOTE sampling techniques can significantly boost the F1-Score testing by an impressive 43.44%, 34.44%, and 35.55% respectively, as compared to experiments conducted without implementing any data sampling techniques. The highest F1-Score testing was achieved using the Support Vector Machine and Gaussian Naïve Bayes models, namely 0.83.
Co-Authors Adi Saputra Amna Rizky Anditya Arifianto Andri Arindiah Andrian Wijayana Arya Beta Putra Pratama Bambang Ari Wahyudi Bandy Cipta Nur Ramadhan Barsyah Dwi Idestio Bedy Purnama Bobby Yuliandra Brilian Aringga Prabowo Dian Masmawati Fahmi Rahmanthaha Nurdinsyah Fani Nuraini Febriyanti Sthevanie Febryanti Sthevanie Fitri Amalia Hadi Gugy Lucky Khamdani Gunawan Gunawan Gustav Nugraha Hafidz Al Djohari Hertog Nugroho Idestio, Barsyah Dwi Indwiarti Iqbal Saviola Syah bill haq Jondri Jondri Juwindar Honesty Simanjuntak Kurniawan Nur Ramadhani Muhammad Idris Muhammad Miftah Muslim Zulfikar Muhammad Mirza Muhammad Shafhi Kasyfillah Muhammad Zulfiqar Shafar Muslim Sidiq Natha, Si Gede Ngurah Chandra Adi Nurrahman, Yusuf Abidin Prasti Eko Yunanto Pratama, Arya Beta Putra Putu Harry Gunawan Retno Novi Retno Novi Reza Aulia Sadewa Rifki Wijaya Risky Diatama Rita Rismala Siti Sa'adah Sthevanie, Febriyanti Untari Novia Wisesty Yustar Pramudana