Article Per Year (5 Year)
p-Index From 2021 - 2026
0
P-Index
This Author published in this journals
All Journal (JELIKU) Jurnal Elektronik Ilmu Komputer Udayana
Wiantari, Ni Wayan
Unknown Affiliation
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
INDEPENDENT COMPONENT ANALYSIS (ICA) DAN SPARSE COMPONENT ANALYSIS (SCA) DALAM PEMISAHAN VOKAL DAN INSTRUMEN PADA SENI GEGUNTANGAN Putra, Angga Pramana; Wiantari, Ni Wayan; Novita Dewi, Putu Mira; Bayu Atmaja Darmawan, I Dewa Made
JELIKU (Jurnal Elektronik Ilmu Komputer Udayana) Vol 8 No 1 (2019): JELIKU Volume 8 No 1, Agustus 2019
Publisher : Informatics Department, Faculty of Mathematics and Natural Sciences, Udayana University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24843/JLK.2019.v08.i01.p13

Abstract

Geguntangan adalah pesantian dalam upacara keagamaan yang diiringi dengan gamelan. Indra pendengaran manusia cenderung memiliki keterbatasan, yang menyebabkan tidak semua vokal yang tercampur dengan gamelan bisa didengar jelas. Oleh karena itu diperlukan suatu sistem yang dapat digunakan untuk memisahkan vokal dengan gamelan pada geguntangan. Pemisahan sumber suara ini dikategorikan sebagai Blind Source Separation (BSS) atau disebut juga Blind Signal Separation yang artinya sumber tidak dikenal. Algoritma yang digunakan untuk menangani BSS adalah algoritma Independent Component Analysis (ICA) dan Sparse Component Analysis (SCA) dengan berfokus pada pemisahan sinyal suara pada file suara berformat *.wav. Algoritma SCA dan ICA digunakan untuk proses pemisahan suara dengan parameter nilai yang digunakan adalah Mean Square Error (MSE) dan Signalto Interference Ratio(SIR). Dari hasil simulasi menunjukkan Hasil perhitungan MSE dan SIR dengan dengan menggunakan mixing matriks [0.3816, 0.8678], [0.8534, -0.5853] didapatkan untuk metode ICA nilai MSE sebesar 4.169380402433175 x 10-6 untuk instrumennya dan 2.884749383815846 x 10-5 untuk vokalnya dan didapatkan nilai SIR sebesar 53.79928479270223 untuk instrumennya dan 45.39891910741724 untuk vokalnya. Selanjutnya untuk metode SCA, nilai MSE sebesar 3.382207103335018 x 10-5 untuk instrumennya dan 3.099942460987607 x 10-5 untuk vokalnya dan didapatkan nilai SIR sebesar 44.707998026869014 untuk instrumennya dan 45.08646367168143 untuk vokalnya.
Implementation of the CBR (Case Based Reasoning) Method in Cases of Cesarean section Wiantari, Ni Wayan; Supriana, I Wayan
JELIKU (Jurnal Elektronik Ilmu Komputer Udayana) Vol 8 No 2 (2019): Jeliku Volume 8 No 2, November 2019
Publisher : Informatics Department, Faculty of Mathematics and Natural Sciences, Udayana University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24843/JLK.2019.v08.i02.p10

Abstract

CBR (Case Based Reasoning) method is a reasoning method that uses old knowledge to overcome new problems. CBR will provide solutions to new cases by looking at old cases that are closest to new cases. One case that can use the CBR method is a case of cesarean section because there are several factors that affect cesarean section as well as features in the system, including: age, number of pregnancies, time of delivery, blood pressure, and heart status so that not everyone can do surgery cesar. In this study a system was used to determine whether a patient could have a cesarean section or not by using the CBR method and calculate similarity using Naive Bayes. The percentage correlation value of each feature is sought using SPSS because each feature has a different effect on the results. The number of cesarean section data was 80 data, in this study were divided into 70% training data (56) and 30% testing data (24). Where the new case data will be compared with the old case data in the database, and then the similarity criteria are calculated based on the existing formula. The results of testing of 24 data testing there are 5 data whose results are incompatible and 19 data whose results are in accordance with the data before it is shared. So that the accuracy of the cesarean section with the CBR method using Nayve Bayes is 79%.
Co-Authors I Dewa Made Bayu Atmaja Darmawan, I Dewa Made Bayu I Wayan Supriana Novita Dewi, Putu Mira Putra, Angga Pramana