Article Per Year (5 Year)
p-Index From 2021 - 2026
4.242
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal Teknologi dan Manajemen Informatika CommIT (Communication & Information Technology) Jurnal Edukasi dan Penelitian Informatika (JEPIN) International Journal of Advances in Intelligent Informatics Register: Jurnal Ilmiah Teknologi Sistem Informasi JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING Jurnal Otomasi Kontrol dan Instrumentasi Jurnal Sisfokom (Sistem Informasi dan Komputer) INTECOMS: Journal of Information Technology and Computer Science Antivirus : Jurnal Ilmiah Teknik Informatika Journal of Information System,Graphics, Hospitality and Technology Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Journal of Electronics, Electromedical Engineering, and Medical Informatics Jurnal Teknologi Informasi dan Terapan (J-TIT) Buletin Ilmiah Sarjana Teknik Elektro Journal of Robotics and Control (JRC) Jurnal Teknika Teknika Insyst : Journal of Intelligent System and Computation JTECS : Jurnal Sistem Telekomunikasi Elektronika Sistem Kontrol Power Sistem dan Komputer International Journal of Robotics and Control Systems J-Intech (Journal of Information and Technology) Joutica : Journal of Informatic Unisla Jurnal Nasional Teknik Elektro dan Teknologi Informasi Jurnal Inovasi Teknologi dan Edukasi Teknik Journal of Information Technology
Yosi Kristian
Institut Sains Dan Teknologi Terpadu Surabaya
Aerospace Engineering Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Library & Information Science Mechanical Engineering Other

Published : 45 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 45 Documents
Search

 1   2   3   4   5 
AUTOMATIC PARENTAL GUIDE SCENE CLASSIFICATION MENGGUNAKAN METODE DEEP CONVOLUTIONAL NEURAL NETWORK DAN LSTM Gunawan, Riko; Kristian, Yosi
Intelligent System and Computation Vol 2 No 2 (2020): 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.v2i2.124

Abstract

Menonton film merupakan salah satu hobi yang paling digemari oleh berbagai kalangan. Seiring dengan semakin bertambahnya film yang beredar di pasaran, semakin banyak pula konten tidak pantas pada film-film tersebutu. Oleh karena itu, dibutuhkan sebuah metode untuk mengklasifikasikan film agar konten yang ditonton sesuai dengan usia penonton. Konten film yang kurang cocok untuk pengguna di bawah umur yang akan diklasifikasikan pada penelitian ini antara lain: kekerasan, pronografi, kata-kata kasar, minuman keras, penggunaan obat-obatan terlarang, merokok, adegan mengerikan (horror) dan intens. Metode klasifikasi yang digunakan berupa modifikasi dari convolutional neural network dan LSTM. Gabungan kedua metode ini dapat mengakomodasi data training dalam jumlah yang kecil, serta dapat melakukan multi klasifikasi berdasarkan video, audio, dan subtitle film. Penggunaan multi klasifikasi ini dikarenakan sebuah film selalu memiliki lebih dari satu klasifikasi. Dalam proses training dan testing pada penelitian ini digunakan sebanyak 1000 data untuk klasifikasi video, 600 data klasifikasi audio, dan 400 data klasifikasi subtitle yang didapatkan dari internet. Dari hasil percobaan dihasilkan tingkat akurasi yang diukur dengan menggunakan F1-Score sebesar 0.922 untuk klasifikasi video, 0.741 untuk klasifikasi audio, dan 0.844 untuk klasifikasi subtitle dengan rata-rata akurasi sebesar 0.835. Pada penelitian berikutnya akan dicoba dengan menggunakan metode Deep Convolutional Neural Network yang lain serta dengan memperbanyak jumlah dan variasi dari data testing.
Klasifikasi Tekstur Serat Kayu pada Citra Mikroskopik Veneer Memanfaatkan Deep Convolutional Neural Network Alamgunawan, Suriani; Kristian, Yosi
Intelligent System and Computation Vol 2 No 1 (2020): 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.v2i1.152

Abstract

Convolutional Neural Network sebagai salah satu metode Deep Learning yang paling sering digunakan dalam klasifikasi, khususnya pada citra. Terkenal dengan kedalaman dan kemampuan dalam menentukan parameter sendiri, yang memungkinkan CNN mampu mengeksplor citra tanpa batas. Tujuan penelitian ini adalah untuk meneliti klasifikasi tekstur serat kayu pada citra mikroskopik veneer dengan CNN. Model CNN akan dibangun menggunakan MBConv dan arsitektur lapisan akan didesain menggunakan EfficientNet. Diharapkan dapat tercapai tingkat akurasi yang tinggi dengan penggunaan jumlah parameter yang sedikit. Dalam penelitian ini akan mendesain empat model arsitektur CNN, yaitu model RGB tanpa contrast stretching, RGB dengan contrast stretching, Grayscale tanpa contrast stretching dan Grayscale dengan contrast stretching. Proses ujicoba akan mencakup proses pelatihan, validasi dan uji pada masing-masing input citra pada setiap model arsitektur. Dengan menggunakan penghitungan softmax sebagai penentu kelas klasifikasi. SGD optimizer digunakan sebagai optimization dengan learning rate 1e-1. Hasil penelitian akan dievaluasi dengan menghitung akurasi dan error dengan menggunakan metode F1-score. Penggunaan channel RGB tanpa contrast stretching sebagai citra input menunjukkan hasil uji coba yang terbaik.
Deteksi Citra Pornografi Memanfaatkan Deep Convolutional Neural Network Setiono, Kevin; Kristian, Yosi; Gunawan, Gunawan
Intelligent System and Computation Vol 3 No 1 (2021): 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.v3i1.172

Abstract

Internet merupakan salah satu sumber informasi yang sangat mudah diakses dan sangat lengkap pada zaman sekarang ini. Dari banyaknya konten tersebut terdapat konten pornografi yang meresahkan dan memberikan dampak buruk pada perkembangan anak-anak. Hingga tahun 2020 pemblokiran konten pornografi menyumbang 70 persen dibandingkan konten negative lainnya. Metode untuk mencegah/memblokir konten pornografi ada berbagai macam mulai dari memblokir websitenya hingga mendeteksi berdasarkan citra yang ada. Penelitian ini akan mencoba mendeteksi citra pornografi dengan bantuan Deep Convolutional Neural Network. Pembuatan model menggunakan transfer learning hingga fine tuned fine transfer learning dan mencoba model-model state of the art. Penelitian ini menghasilkan model yang mampu mendeteksi citra pornografi dengan akurasi 78%. Selain memiliki akurasi yang cukup tinggi model ini juga mampu mendeteksi bagian-bagian intim dari wanita yang menjadi fitur dari citra pornografi. Kemampuan mendeteksi fitur tersebut telah diujicoba dengan mengubah model yang digunakan penelitian ini sebagai detektor objek pada citra pornografi.
Aspect based Sentiment Analysis Aduan Mahasiswa UMSIDA Dimasa Pandemi Menggunakan LSTM Putra, Bayu Anggara; Kristian, Yosi; Irawati Setiawan, Esther; Santoso, Joan
Intelligent System and Computation Vol 4 No 1 (2022): 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.v4i1.229

Abstract

Banyaknya data aduan Mahasiswa Universitas Muhammadiyah Sidoarjo (UMSIDA) yang terdampak wabah pandemi Covid19, dengan pemberlakuan pembatasan kegiatan masyarakat (PPKM). UMSIDA membentuk sebuah tim yang diberi nama Umsida Covid-19 Command Center (UCCC), dengan tujuan pelaksanaan program pecegahan dan aksi penanganan Covid-19, dengan harapan peneliti ingin mempermudah penyampaian informasi / aduan mahasiswa, khususnya terhadap tim UCCC sebagai bahan pertimbangan dalam melakukan suatu keputusan untuk menghadapi pandemi covid saat ini. Multi aspect sentiment analysis menghadirkan sesuatu yang baru, untuk memahami pendapat dan penilaian pengguna yang diungkapkan secara online. Dengan tujuan untuk mengklasifikasikan teks subjektif dengan memberi label polaritas, Pembentukan representasi vektor kata menggunakan Word Embedding Global Vector (Glove) dilakukan secara kombinasi dengan pelatihan analisis sentiment dengan klasifikasi berbasis Long Short Term Memory (LSTM). Pemodelan aduan mahasiswa dilakukan untuk mendapatkan representasi vektor menggunakan LSTM. Di sini, setiap kata dari kalimat menempati satu langkah pemrosesan LSTM, dan output dari kata terakhir digunakan sebagai ekspresi kalimat. Hasil dari penelitian menggunakan aduan mahasiswa bahasa Indonesia menunjukkan dari multi 3 aspect (ekonomi, pendidikan dan kesehatan) mendapatkan akurasi 82% dan 2 sentiment (positif dan negatif) mendapatkan akurasi 80% dengan demikian didapatkan nilai rata-rata Akurasi 81%. dapat disimpulkan akurasi tersebut bisa digunakan sebagai klasifikasi multi aspect dan sentiment analisis.
Pemanfaatan Deep Convolutional Auto-encoder untuk Mitigasi Serangan Adversarial Attack pada Citra Digital Putu Widiarsa Kurniawan S; Yosi Kristian; Joan Santoso
J-INTECH ( Journal of Information and Technology) Vol 11 No 1 (2023): J-Intech : Journal of Information and Technology
Publisher : LPPM STIKI MALANG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32664/j-intech.v11i1.845

Abstract

Adversarial attacks on digital images pose a serious threat to the utilization of machine learning technology in various real-life applications. The Fast Gradient Sign Method (FGSM) technique has proven to be effective in conducting attacks on machine learning models, including digital images found in the ImageNet dataset. This research aims to address this issue by utilizing the Deep Convolutional Auto-encoder (AE) technique as a method for mitigating adversarial attacks on digital images.The results of the study demonstrate that FGSM attacks can be performed on the majority of digital images, although there are certain images that are more resilient to such attacks. Furthermore, the AE mitigation technique proves to be effective in reducing the impact of adversarial attacks on most digital images. The accuracy of the attack and mitigation models is measured at 14.58% and 91.67%, respectively.
Co-Authors Adriel Ferdianto Ajeng Restu Kusumastuti Aji Prasetya Wibawa Aji Wibawa Alamgunawan, Suriani Albertus Josef Andika Alwi, Luthfi Andy Hermawan Anggay Luri Pramana Anik Nur Handayani Arya Tandy Hermawan Ayyub Chastine Fatichah Citra Mahaputri Damayanti, Elok Darlis Herumurti Devi Dwi Purwanto Dhaniswara, Erwin Edwin Pramana Effendy Hadi Sutanto Eha Renwi Astuti Eka Rahayu Setyaningsih Endang Setyati Endang Setyati Esa Prakasa Esther Irawati Setiawan Fitra Hidayah Gunawan Gunawan Gunawan Gunawan Gunawan Gunawan, Riko Hariadi Yutanto Hartono, Nickolas Hatem Alsadeg Ali Salim Hendrawan Armanto Hendrawan, William Hartanto Hermawan Andika Heru Wahyu Herwanto I Ketut Eddy Purnama Irawati Setiawan, Esther Joan Santoso Kenny Vincent Kms Yusuf Effendi Kurniawan S, Putu Widiarsa Kusuma Susanto, Evan Lukman Zaman M. Najamudin Ridha Masrur Anwar Mauridhi Hery Purnomo Maysas Yafi' Urrochman Muhammad Harris Syafa'at Nafi'iyah, Nur Nur Nafi’iyah Putra, Bayu Anggara Putra, Ramadhan Hardani Putu Widiarsa Kurniawan S Retno Wardhani Sandhopi Santoso, Elkana Lewi Setiono, Kevin Setyaningsih, Eka Rahayu Shandy Darmawan Stephen Ekaputra Limantoro Surya Sumpeno Wahyu Sakti Gunawan Irianto Wahyu Widodo Wikjatmiko, Zhulfi Bajra William Sugiarto YOGA DWI WAHYU NUGRAHA Yuliana Melita Pranoto Yulianto, Masrizal Eka Yunan Kholilul Fatah Zaeni, Ilham Ari Elbaith Zuhan, Miftahuz