Vania, Stella
Unknown Affiliation

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

Found 2 Documents
Search

Decision Making Process of Workign Resignation in Mothers with Down Syndrome Children Vania, Stella; Handayani, Penny
Indonesian Journal of Disability Studies Vol. 5 No. 2 (2018)
Publisher : The Center for Disability Studies and Services Brawijaya University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (491.873 KB) | DOI: 10.21776/ub.ijds.2018.5.2.14

Abstract

The aim of this study is to explore the decision-making process of working resignation passed by mothers with Down syndrome children. Children with Down syndrome need more attention because of their limitations in terms of cognitive, behavior and health. Mother's role is needed to optimize their development. However, being full time mothers is not easy. In the case of families with economic limitations, mothers often have to work. Further more, Down syndrome children need special care and education that require large costs. Therefore, mothers will go through a long process with various considerations when she decided to resign. This research uses qualitative method through narrative approach. This study used semi structured interviews with three mothers of Down syndrome children that decided resign from work and take care of her child. The result of this research show that three mothers have gone through the process of decision making with different dynamics, depends on the child's condition.
Ekstraksi Partitur Balok Monofonik untuk Instrumen Flute dengan CRNN dan CRF Vania, Stella; Sutanto, Patrick; Sutanto, Ricky; Santoso, Joan
Intelligent System and Computation Vol 5 No 1 (2023): INSYST: Journal of Intelligent System and Computation
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52985/insyst.v5i1.218

Abstract

Notasi partitur balok bukanlah notasi yang mudah dibaca oleh pemula dalam dunia musik. Di sinilah Optical Music Recognition (OMR) dapat berperan. OMR merupakan sebuah pembelajaran mengenai komputer yang dapat mengenali objek dalam partitur balok. Dengan adanya program yang menerapkan OMR dan memberikan output dengan format yang mudah dipahami oleh pengguna, maka pemula dalam dunia musik dapat terbantu dalam membaca partitur not balok. Karya ilmiah ini dibuat dengan pendekatan deep learning dalam beberapa arsitektur. Dataset yang digunakan adalah Camera-PrIMuS yang terdiri dari dataset gambar sebaris partitur musik dan juga ground-truth per objek pada gambar yang bersangkutan. Arsitektur yang digunakan adalah CRNN, CRNN-CRF, dan Attention. Dari ketiga arsitektur tersebut, hasil terbaik diperoleh pada aristektur Attention dengan symbol error rate (SER) sekitar 9%, diikuti dengan CRNN dengan SER sekitar 84%, dan CRNN-CRF yang berdasarkan hasil uji coba tidaklah cocok untuk OMR dengan nilai loss yang tidak kunjung turun dalam proses training. Arsitektur Attention secara garis besar terdiri dari blok encoder dan decoder. Encoder berfungsi untuk menerima input gambar dan melakukan encoding terhadap gambar tersebut. Hasil encoding kemudian diterima oleh decoder yang berperan untuk melakukan decoding dan memprediksi sequence selanjutnya berdasarkan hasil encoding dari encoder. Dalam implementasinya program dapat menerima input berupa gambar selembar partitur penuh yang agak miring, maka program juga akan melakukan skew-correction dan pemotongan gambar per baris agar input dari pengguna dapat diproses oleh model. Output dari model yang masih berupa label-label prediksi akan diproses kembali agar menghasilkan not angka dan file MIDI yang relatif lebih mudah untuk dipahami oleh pengguna.