Article Per Year (5 Year)
p-Index From 2021 - 2026
3.833
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Seminar Nasional Aplikasi Teknologi Informasi (SNATI) TELKOMNIKA (Telecommunication Computing Electronics and Control) Bulletin of Electrical Engineering and Informatics Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) JETT (Jurnal Elektro dan Telekomunikasi Terapan) IT JOURNAL RESEARCH AND DEVELOPMENT TECHNO-SOCIO EKONOMIKA Jurnal Nasional Teknik Elektro dan Teknologi Informasi eProceedings of Applied Science eProceedings of Engineering Jurnal Rekayasa elektrika Jurnal INFOTEL Jurnal Hukum, Administrasi Publik dan Negara
Suci Aulia
Telkom Univeristy
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Social Sciences Other

Published : 60 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 19 Documents
Search
Journal : eProceedings of Engineering

 1   2 
Pendeteksian Tingkat Usia Muda, Dewasa Dan Tua Menggunakan Metode Mfcc Dan Fuzzy Logic Berbasiskan Speech Recognition Restu Wardani; Bambang Hidayat; Suci Aulia
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 Melalui suara seseorang akan mendapatkan informasi yang dibutuhkan dan mengetahui siapa yang sedang berbicara. Namun dewasa ini, suara bukanlah menjadi suatu parameter faktor keamanan dalam hal berkomunikasi dikarenakan banyaknya terjadi penipuan melalui telepon yang hanya memanfaatkan suara penelepon tanpa tahu identitasnya. Pendeteksian suara adalah salah satu metode keamanan berkomunikasi dengan membedakan suara manusia yang berusia muda, dewasa dan tua. Dengan pendeteksian suara, dapat mempersempit identifikasi seseorang. Dalam tugas akhir ini, tahap yang dilakukan adalah akuisisi data, pre- processing, ekstraksi ciri dan klasifikasi dengan masukan sinyal berupa sinyal bicara. Untuk ekstraksi ciri, metode yang digunakan adalah Mel-Frequency Cepstral Coefficient (MFCC). Setelah didapatkan ciri dari sinyal bicara tersebut, selanjutnya akan dilakukan metode klasifikasi untuk mencocokan dengan ciri dari sinyal bicara yang telah didapatkan dengan menggunakan Fuzzy Logic. Jumlah data latih yang digunakan dalam Tugas Akhir ini adalah sebanyak 84 dan 84 data untuk data uji. Hasil dari penelitian Tugas Akhir ini adalah didapatkan nilai akurasi sebesar 94.05% dengan waktu komputasi selama 1.59 detik. Sedangkan untuk waktu komputasi tercepat yaitu selama 0.49 detik dengan nilai akurasi sebesar 76.19%. Kata Kunci : speech recognition, mel-frequency cepstral coefficient, fuzzy logic
Simulasi Dan Analisis Sistem Klasifikasi Batubara Menggunakan Discrete Wavelet Transform (dwt), Fuzzy Color Histogram (fch) Dan K-nearest Neighbor (k-nn) Pada Citra Digital Viona Apryaleva; Bambang Hidayat; Suci Aulia
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

Penelitian ini membahas mengenai teknik untuk mengklasifikasikan batubara dengan menggunakan pengolahan citra digital. Metode ekstraksi ciri yang digunakan adalah Discrete Wavelet Transform (DWT) dan Fuzzy Color Histogram (FCH). Sedangkan metode klasifikasi yang digunakan adalah K-Nearest Neighbor (K- NN) yang akan diimplementasikan pada perangkat lunak Matlab. Penelitian ini diharapkan dapat membantu masyarakat agar lebih jeli dalam memilih jenis batubara yang akan dibeli. Ada tiga jenis batubara yang digunakan pada penelitian ini. Tiga jenis tersebut yaitu batubara kelas rendah dengan kalori 4400 kal/gr, kelas sedang dengan kalori 5100 kal/gr, dan kelas tinggi dengan kalori 7000 kal/gr. Jenis-jenis batubara tersebut memiliki kekhasan pada warnanya. Sebagai contoh, batubara kelas tinggi memiliki warna yang lebih hitam pekat dibandingkan dengan batubara kelas sedang dan rendah. Oleh karena itu penelitian ini dilakukan berdasarkan ciri warna pada citra batubara. Pada prosesnya terdapat 4 tahap utama yaitu akuisisi citra, preprocessing, ekstraksi ciri, dan klasifikasi. Untuk input citra, citra diperoleh dari pemotretan citra menggunakan kamera Canon EOS 600D dengan resolusi 18 MP. Parameter yang diukur adalah waktu komputasi dan tingkat akurasi. Untuk pengujian ini dilakukan pengujian dengan 90 sample foto batubara, dengan komposisi masing-masing kelas memiliki 20 data uji dan 10 data latih. Sehingga didapatkan akurasi terbaik sebesar 76,6666% dan waktu komputasi 4.844273618s dengan menggunakan metode DWT dengan parameter : Level dekomposisi 6, jenis wavelet daubechies1, filter LL, nilai k=1, dan jenis jarak Euclidean. Sedangkan dengan metode FCH didapatkan akurasi sebesar 61,6666% dan waktu komputasi 12.82627064s dengan parameter nilai k=1 dan jenis jarak Euclidean. Kata Kunci : Batubara, Discrete Wavelet Transform (DWT), dan Fuzzy Color Histogram (FCH), K-Nearest Neighbor (K-NN)
Implementasi Sistem Pendeteksi Cacat Pada Kayu Menggunakan Metode Gabor Wavelet Transform Muhammad Panji Kusuma Praja; Ratri Dwi Atmaja; Suci Aulia
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

Pemanfaatan kayu sebagai bahan konstruksi di Indonesia masih menjadi pilihan utama bagi masyarakat. Hal ini disebabkan oleh sifat kayu yang mudah didapat, mudah dalam pengerjaan dan mempunyai nilai estetika bagi jenis kayu tertentu. Kualitas kayu merupakan hal yang sangat penting dalam bidang industri kayu. Selama ini, proses pemilahan kayu normal dan kayu cacat masih dilakukan secara manual dengan tenaga manusia. Tentu saja, hal ini bukan merupakan hal yang efisien. Oleh sebab itu diperlukan suatu metode pemilahan kayu normal dan kayu cacat dengan bantuan computer vision. Pada penelitian ini, telah dilakukan perancangan dan implementasi simulasi sistem yang dapat mendeteksi cacat pada kayu menggunakan metode Gabor Wavelet Transform dan metode klasifikasi K-nearest neighbor. Parameter terbaik dari Filter Gabor dan K-NN menghasilkan nilai akurasi sebesar 75.6% untuk data pengujian sejumlah 500 buah citra dengan waktu komputasi 1,27 detik untuk tiap citra. Kata kunci : cacat kayu, computer vision, Gabor Wavelet, K-NN.
Optimasi Audio Watermarking Berbasis Lifting Wavelet Transform Dengan Metode Spread Spectrum Menggunakan Algoritma Genetika Hafiz Adriansyah; Gelar Budiman; Suci Aulia
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

Perkembangan teknologi dengan menggunakan data digital pada saat ini sudah berkembang dengan cukup pesat. Kemudahan dalam pertukaran dan mengakses suatu data digital, membuatnya rentan akan penyalahgunaan hak cipta. Penyalahgunaan hak cipta ini akan merugikan banyak pihak khususnya pemilik hak cipta yang sebenarnya. Maka dari itu, perlu dilakukan suatu tindakan untuk melindungi hak cipta suatu data digital. Salah satu cara untuk melindungi hak cipta suatu data digital adalah dengan menyisipkan data watermark ke dalam data digital tersebut atau bisa disebut dengan digital watermarking. Digital watermarking adalah salah satu teknik otentikasi untuk perlindungan hak cipta yang dapat digunakan pada berbagai data digital. Data digital yang bisa menjadi data host untuk disisipi data watermark adalah data berupa citra, audio, dan video. Teknik digital watermarking dipilih karena memiliki tiga keunggulan dalam keamanan data seperti ketahanan (robustness), tidak terlihat/terasa oleh indera manusia (imperceptibility), serta keamanan (safety). Pada jurnal ini, teknik digital watermarking yang digunakan adalah audio watermarking. Audio watermarking adalah teknik penyisipan atau penanaman suatu informasi/data watermark ke dalam suatu file audio. Metode yang diterapkan dalam jurnal ini adalah spread spectrum (SS) dengan berbasis lifting wavelet transform (LWT) yang dioptimasi oleh algoritma genetika (Algen). Hasil sistem audio watermarking yang dirancang setelah optimasi algen menunjukkan hasil yang lebih baik dari sebelum dioptimasi yaitu dengan hasil BER 0 hingga 0,27 pada beberapa serangan seperti time scale modification, pitch shifting, resampling, dan kompresi mp3.
Simulasi Dan Analisis Sistem Klasifikasi Batubara Menggunakan Fuzzy Color Histogram, Discrete Cosine Transform, Dan K-nearest Neighbor Pada Citra Digital Galuh Laksmita Ranggi; Bambang Hidayat; Suci Aulia
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

Tugas Akhir ini membahas tentang simulasi dan analisis sistem klasifikasi batubara dengan analisis ciri warna pada citra batubara. Penelitian Tugas Akhir ini dapat membantu masyarakat menjadi lebih jeli dalam memilih jenis batubara yang akan dibeli. Sehingga, angka kejahatan terkait kualitas batubara dapat menurun. Penelitian ini menggunakan 3 jenis batubara untuk dianalisis, yaitu: batubara dengan nilai kalori tinggi, sedang, dan rendah. Secara kasat mata, ketiga jenis batubara tersebut dapat dibedakan berdasarkan warnanya. Adapun tahapan yang dilakukan dalam penelitian ini ialah: akuisisi citra, preprocessing, ekstraksi ciri, dan klasifikasi. Metode utama yang digunakan untuk keperluan analisis adalah Discrete Cosine Transform (DCT), Fuzzy Color Histogram (FCH), dan K-Nearest Neighbor (K-NN). Penelitian ini membandingkan sistem ekstraksi ciri DCT dengan sistem ekstraksi ciri FCH. Parameter yang diukur adalah waktu komputasi dan tingkat akurasi. Untuk mengetahui nilai dari masing-masing parameter tersebut, digunakan 10 data latih dan 20 data uji untuk tiap kelasnya. Sehingga, total data yang digunakan dalam penelitian ini ada 90 buah data. Akurasi terbaik pada metode DCT terjadi ketika ukuran bloknya sebesar 8×8, yaitu mencapai 78,33%. Sedangkan, metode FCH hanya memperoleh akurasi sebesar 61,67%. Apabila dilihat dari waktu komputasi, model FCH membutuhkan waktu lebih sedikit dari DCT. Kata kunci : klasifikasi batubara, DCT, FCH, K-NN
Pengklasifikasian Tinggi Dan Berat Badan Manusia Berdasarkan Citra Telapak Kaki Menggunakan Metode Discrete Wavelet Transform (dwt) Dan Support Vector Machine-multiclass (svm-mc) Melina Melina; Bambang Hidayat; Suci Aulia
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 Berat badan merupakan salah satu parameter yang memberikan gambaran pada massa tubuh. Pada pengukuran berat badan yang telah dilakukan secara manual yaitu dengan menggunakan alat penimbang berat badan (timbangan injak) didapatkan hasil timbangan berat badan yang berbeda-beda, dikarenakan ketika posisi telapak kaki diatas alat penimbang berat badan (timbangan injak) tidak sesuai atau tidak tepat pada titik tumpu alat penimbang berat badan (timbangan injak). Berat badan harus selalu dimonitor karena berat badan merupakan parameter antropometri yang sangat tidak stabil guna mengatasi kecenderungan penurunan atau penambahan berat badan yang tidak dikehendaki (berat bedan tidak normal). Pada tugas akhir ini, penulis membahas mengenai teknik untuk mengklasifikasikan tinggi badan dan berat badan manusia melalui basis tekstur cap telapak kaki dengan menggunakan pengolahan citra digital.Sehingga pada tugas akhir ini akan dirancang simulator untuk mengukur berat badan, dimana kelebihan lainnya selain mengukur berat badan adalah mengukur tinggi badan menggunakan data cap telapak kaki. Metode yang digunakan dalam penelitian tugas akhir ini adalah metode Discrete Wavelet Transform (DWT) sebagai ektraksi ciri dan metode Support Vector Machine Multi Class (SVM-MC) sebagai klasifikasi dengan menggunakan aplikasi MATLAB. Dalam sistem aplikasi ini, menggunakan data latih sebanyak 89 citra dan data uji sebanyak 26 citra. Waktu komputasi yang tercepat pada sistem ini dengan menggunakan metode klasifikasi OAO pada citra 300x264 piksel yaitu 0.17165 detik dengan level dekomposisi 8. Tingkat akurasi terbaik untuk tinggi badan sebesar 98.27% dengan menggunakan citra yang berukuran 1200x1056 piksel. Sedangkan, tingkat akurasi terbaik untuk berat badan sebesar 91.17% dengan menggunakan citra yang berukuran 300x264 piksel. Kata kunci: biometrik,footprint, thresholding, DWT, SVM. ABSTRACT Weight is one of the parameters that give a representation of body mass. On the weight measurement which has been done manually that is using the weighing tool (weight scales) obtained the different results, because when the soles of the foot position above the weighing tool (weight scales) is not appropriate at the fulcrum on the weighing tool (weight scales).Weight should always be monitored because weight is a very unstable parameter anthropometry in orderto over come the tendency ofdecreased or increased a weight undesired (abnormal weight). ISSN : 2355-9365 e-Proceeding of Engineering : Vol.5, No.3 Desember 2018 | Page 5245 In this final exam, the author discusses about how to techniques the height and weight of the human body through the basis texture of the feet stamp. So in this final exam will be designed simulator to measure weight, which other advantages besides measuring body weight is measure body height using of data foot. The method used in this research is the Discrete Wavelet Transform (DWT) as a feature extractionand methods Multi-Class Support Vector Machine (SVM-MC) as a classification by using the application MATLAB. In this application system, using training data as many as 89 images and test data as many as 26 images. The fastest computing time on the system using the method of classification OAO at 300x264 pixel image that is 0.17165 seconds with the level of decomposition of 8. The best accuracy for height of 98.27% using the image size of 1200x1056 pixels. Mean while, the best accuracy rate of weight gain of 91.17% using the image size of 300x264 pixels. Keywords: biometryc, footprint, thresholding, DWT, SVM
Perancangan Dan Analisis Optimasi Pada Audio Watermarking Dengan Metode Fft Dan Spread Spectrum Watermark Berbasis Log Coordinate Mapping Dengan Algoritma Genetika Hengki Setiadi; Gelar Budiman; Suci Aulia
eProceedings of Engineering Vol 4, No 3 (2017): Desember, 2017
Publisher : eProceedings of Engineering

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

Abstract

Penyebaran informasi dan pertukaran data secara ilegal ini telah menimbulkan masalah seperti perlindungan hak cipta, autentifikasi, menjadi keuntungan intelektual bagi pihak yang tidak berwenang yang berbentuk digital seperti video,citra, dan audio. Maka perlunya dilakukan pengembangan teknologi yang bermanfaat serta bisa melakukan pengamanan lebih baik lagi untuk kedepannya untuk melindungi hak cipta dari penyebaran informasi dan data secara ilegal ini demi mengurangi pihak yang tidak berwenang dalam mengambil keuntungan. Metode watermarking adalah solusi dari masalah penyebaran informasi dan data secara ilegal ini. Dengan dikembangkannya metode ini diharapkan pihak yang memiliki hak cipta bisa menemukan pelaku kejahatan penyebaran informasi dan data secara ilegal ini.Watermarking adalah suatu metode yang digunakan untuk menyembunyikan data digital tanpa bisa dilihat atau didengar oleh indera penglihatan atau pendengaran. Watermaking diaplikasikan untuk melindungi Hak pada citra digital khususnya citra gambar. Fast Fourier Transform (FFT) adalah metode yang digunakan pada watermarking untuk mentransformasikan domain waktu ke domain frekuensi. Log Coordinate Mapping (LCM) adalah sistem yang digunakan untuk melakukan penyisipan watermarking dan ekstraksi watermarking atau pendeteksian. Sedangkan Spread Spectrum merupakan metode untuk menyebarkan sinyal komunikasi di seluruh spektrum frekuensi.Kata kunci: FFT,Watermarking,Spread Spectrum,Log Coordinate Mapping, Algorithm Genetic
Biometrik iris recognition menggunakan lbp dengan menggunakan klasifikasi knn Meidi Mahendra Rahmatullah; Inung Wijayanto; Suci Aulia
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 Iris recognition untuk mendeteksi dan mengenali sesuatu yang lebih baik dalam sistem biometrik. Oleh karena itu, banyak peneliti telah berusaha untuk meningkatkan algoritma untuk pengenalan diri iris. Namun, masalah terbesar yang terjadi dalam melakukan penelitian adalah untuk melakukan irisokalisasi dengan baik. Selain itu, kelopak mata dan bulu mata juga merupakan masalah lain dalam pengenalan iris karena mereka dapat menutupi iris atau mata, dan mungkin ada beberapa gangguan yang mempengaruhi citra iris dengan baik. Dalam Tugas Akhir ini telah dilakukan pengujian dengan sistem iris recognition yang mampu mengidentifikasi dengan mengunakan iris mata sistem berkarja dengan menggunakan Algoritma K-Nearest Neighbor (KNN) sebagai klasifikasi dan DWT sebagai ektrasi ciri. Setelah dilakukan pengujian dengan jumlah data 30 gambar iris di peroleh tingkat akurasi 54% dengan beberapa parameter diantaranya parameter level DWT dan parameter jarak pada KNN serta noise yang di ujikan. Dari hasil pengujian didapatkan tingkat akurasi tersebut masih handal untuk noise pad nilai variansi 0,1, localvar noise pada nilai 0,1, salt and paper noise pada nilai 0,1, dan poison noise nilai langsung kemungkinan error. Kata kunci: Algoritma K-NN, Iris identification, DWT Abstract iris recognition to detect and recognize something better in biometric systems. Therefore, many researchers have tried to improve the algorithm for iris self-recognition. However, the biggest problem that occurs in conducting research is to do the irisocalization well. In addition, the eyelids and eyelashes are also another problem in iris recognition because they can cover the iris or eyes, and there may be some disorders that affect the iris image well. In this Final Project, the iris recognition system has been tested which is able to identify using the iris system using a K-Nearest Neighbor (KNN) algorithm as a classification and DWT as the extraction feature. After testing with a total of 30 iris images obtained an accuracy rate of 54% with several parameters including DWT level parameters and distance parameters on the noise KNN that were tested. From the test results it was found that the accuracy level was still reliable for noise pad 0.1 variance value, localvar noise at value 0.1, salt and paper noise at value 0.1, and poison noise direct value possible error. -NN, Iris identification, DWT
Klasifikasi Penyakit Berdasarkan Warna Kuku Menggunakan Pengolahan Sinyal Digital Muhammad Obi Nugraha; Rita Purnamasari; Suci Aulia
eProceedings of Engineering Vol 9, No 6 (2022): Desember 2022
Publisher : eProceedings of Engineering

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

Abstract

Abstrak—Pada manusia, berbagai penyakit sistemik dan dermatologis dapat dengan mudah didiagnosis dengan pemeriksaan kuku kedua tangan dan kaki. Banyak penyakit kuku telah ditemukan sebagai tanda-tanda awal dari berbagai penyakit sistemik yang mendasar. Warna, tekstur atau perubahan bentuk pada kuku adalah gejala dari berbagai Penyakit terutama yang mempengaruhi kuku. Masalah umum yang terjadi masih banyak orang yang tidak tahu bahwa perubahan kuku dapat mengindikasikan kesehatan manusia, yang dapat dilihat langsung dari perubahan kuku dan lunula atau biasa disebut bulan sabit yang terdapat pada kuku (half moon fingernails Berdasarkan permasalahan umum yang terjadi maka dibuatlah suatu sistem yang dapat memprediksi suatu penyakit dengan memanfaatkan image processing sebagai solusinya. Dari proses image processing tersebut maka suatu citra dapat dikelompokan berdasarkan kebutuhan medis yang diperlukan yang dapat menganalisis kuku manusia Hasil yang didapatkan dari penelitian untuk klasifikasi tiga kelas penyakit kuku yaitu Terry’s Nails, Yellow Nail Syndrom, dan yang terakhir Muehrcke lines mendapat nilai akurasi 94% dari parameter terbaik, yaitu epoch = 25 dan batch = 30. Menggunakan data sebesar 166 data citra yg di uji. Kata Kunci — kuku, image processing, convolutional neural network, VGG16net
Co-Authors Aaron Abel Abraham Caesar Yanuar Putra Adri Achmad Farhan Agus Gunarso Alvinas Deva Sih Illahi Amri Khurniawan Anatasya Bella Andik Wijanarko Angga Rusdinar Ardyandrea Erstya Surya Arif Setiawan Arif Setiawan Asep Mulyana ATIK NOVIANTI Aulya Ellanda Bagus Budhi L. Bambang Hidayat Bayuaji Kurniadhani Burhanuddin Burhanuddin Burhanuddin D. Dadan Nur Ramadan Dadan Nur Ramadhan Della Oktriani Denny Darlis Didin Yulian Dimitri Mahayana Diovani Estidia Akbar Dwi Nuha Nabilah Efri Suhartono Erizka Banuwati Candrasari Erty Kasdiantika Fony Ferliana Widianingrum Galuh Laksmita Ranggi Gelar Budiman Grislend Gloria Natalies Hafiddudin Hafiddudin Hafiidh As Syahidulhaq Hafiz Adriansyah Handoko Supeno Hengki Setiadi Indrarini Dyah Irawati Inung Wijayanto Jean Pierre Uwiringiyimana Khairunnisa Alfiyanti Suharja Kusumawardhani, Eka Ledya Novamizanti M. Dyovan Uidy Okta Meidi Mahendra Rahmatullah Melina Melina Muhammad Arly Gunawan Muhammad Biyan Priatama Muhammad Obi Nugraha Muhammad Obi Nugraha Muhammad Panji Kusuma Praja Muhammad Rafki Nur Ramadhani Nurmala Sari Raditiana Patmasari Rahmat Sopian Rajali Ginting Ratri Dwi Atmaja Raymond Y. Purba Reivind P. Persada Restu Wardani Rita Magdalena Rita Purnamasari Rizky Edi Saputra Rudy Gunawan Ryan Bagus Wicaksana Ryan Bagus Wicaksono Siti Nurlaila Sri Dewi Sartika Sugondo Hadiyoso Syahban Rangkuti Thoriq Dharmawan Viona Apryaleva Yafis Sukma Kurniawan YULI SUN HARIYANI Yuyun Siti R. YUYUN SITI ROHMAH