Article Per Year (5 Year)
p-Index From 2020 - 2025
3.329
P-Index
This Author published in this journals
All Journal Prosiding KOMMIT Jurnal Simetris Prosiding SNATIF Jurnal Transformatika JAIS (Journal of Applied Intelligent System) Journal of Information System Jurnal Informatika Upgris Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control EDUMATIC: Jurnal Pendidikan Informatika Jurnal Teknologi Informasi dan Pendidikan Building of Informatics, Technology and Science Indonesian Journal of Electrical Engineering and Computer Science Abdimasku : Jurnal Pengabdian Masyarakat Jurnal Pengabdian kepada Masyarakat Nusantara Devotion: Journal of Research and Community Service Jurnal Pengabdian Literasi Digital Indonesia
Fikri Budiman
Universitas Muria Kudus
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Social Sciences

Published : 25 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Transformatika

 1 
Peningkatan Fitur Ekstraksi Berbasis Discrete Wavelet Transform dan Principal Component Analysis Pada Pengenalan Citra Batik Sugiarto, Edi; Budiman, Fikri; Muslih, Muslih; Arifin, Zaenal; Fahmi, Amiq; Hendriyanto, Novi
Jurnal Transformatika Vol. 20 No. 2 (2023): January 2023
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v20i2.5613

Abstract

Pengenalan pola batik menjadi penting karena batik sebagai warisan budaya bangsa perlu dilestarikan kepada generasi ke generasi. Salah satu upaya untuk memperkenalkan pola batik ini yaitu dengan memperkenalkan keragaman motif atau polanya. Penelitian ini bertujuan untuk mengoptimalisasi metode fitur ekstraksi dengan menggunakan metode Discrete Wavelet Transform (DWT) dan Principal Component Analysis (PCA) untuk mereduksi hasil fitur ekstraksi yang diperoleh dari DWT berdasarkan fitur-fitur yang memiliki korelasi yang baik. Tahapan dilakukan dengan menggunakan 310 data berupa citra batik yang terdiri dari 7 motif dengan komposisi 240 untuk data training dan 70 untuk data testing. Pada tahap fitur ekstraksi dengan menambahkan metode PCA pada DWT mampu mereduksi fitur dari 20 menjadi 5 fitur. Selanjutnya fitur tersebut diuji dengan melakukan klasifikasi menggunakan metode KNN dan SVM. Hasil dari klasifikasi dapat dibuktikan bahwa dengan menggunakan metode PCA dan DWT pada tahap fitur ekstraksi mampu meningkatkan klasifikasi hingga 5%.
Optimasi Metode Support Vector Machine dengan Discrete Wavelet Transform Untuk Pengenalan Karakter Plat Nomor Kendaraan Sugiarto, Edi; Budiman, Fikri
Jurnal Transformatika Vol. 18 No. 2 (2021): January, 2021
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v18i2.2694

Abstract

Pengenalan karakter plat nomor kendaraan memiliki peran penting untuk tujuan identifikasi secara resmi, penerapanya telah banyak dilakukan untuk identifikasi otomatis seperti pada tol elektronik, tempat parkir, dsb. Penelitian berkaitan dengan pengenalan karakter setidaknya memiliki fase-fase seperti segmentasi, fitur extraksi dan klasifikasi dimana tiap fase memiliki proses yang rumit. Keberhasilan dalam proses pengenalan karakter sangat tergantung dalam proses fitur ekstraksi, Sehingga pemilihan metode fitur ekstraksi yang dapat mengekstrak fitur-fitur yang relevan perlu dilakukan agar tingkat akurasi sistem pengenalan karakter dapat ditingkatkan. discrete wavelet transform telah banyak digunakan sebagai metode untuk ekstraksi fitur, metode ini melakukan ekstraksi dengan melakukan dekomposisi pada  ruang vektor ke dalam ruang vektor bersarang dengan resolusi yang berbeda. Dalam penelitian ini metode discrete wavelet transform dikombinasikan dengan support vector machine untuk meningkatkan akurasi pengenalan karakter. Penelitian dilakukan dengan mengukur tingkat akurasi dari 100 citra plat nomor, dengan penambahan metode discrete wavelet transform dan support vector machine tingkat akurasi klasifikasi mencapai 92% yang artinya   mendapatkan peningkatan akurasi sebesar 8% dibanding klasifikasi menggunakan SVM standar.
Co-Authors A.A. Ketut Agung Cahyawan W Abi Senoprabowo Agus Winarno, Agus Ajib Susanto Arief Soeleman, M Arifudin, Agus Asih Rohmani, Asih Awaludin, Yoga Mahendra Bao Sumantoro, Yeremia Joen Cahyani, Okta Nur Candra Irawan Edi Sugiarto Fahmi Amiq Fudhlatina, Dina Hastuti, Nanda Tri Kamarudin, Fatkhurridlo Pranoto Karis Widyatmoko Kuncoro, Aneira Vicentiya Kurniawan, Defri Kusumawati, Yupie Mahendra, Syafrie Naufal Moch Arief Soeleman, Moch Arief Mulyanto, Edy Muslih Muslih MY. Teguh Sulistyono Noor Hasyim Novi Hendriyanto, Novi Pranata, Eka Arya Rahmawan P, Elkaf Rahmayani, Ririt Sheila Tina S Nurhendratno Sri Winarno SUDARYANTO SUDARYANTO Supriyono Asfawi Susanto, Al Birr Karim Yuventius Tyas Catur Pramudi Zaenal Arifin