Articles
<![CDATA[Klasifikasi Sinyal EEG Terhadap Tiga Kondisi Pikiran Menggunakan Autoregressive dan Adaptive Backpropagation ]]>
<![CDATA[Irvan Herdiansyah]]>;
<![CDATA[Esmeralda C. Djamal]]>;
<![CDATA[Agus Komarudin]]>
<![CDATA[ Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2017 ]]>
Publisher : <![CDATA[Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Seorang siswa dituntut untuk memiliki kemampuan berpikir yang cepat dan tepat dalam menyelesaikan setiap masalah yang dihadapi dalam proses belajar. Kemampuan yang harus dimiliki diantaranya adalah kemampuan menulis dan kemampuan menghitung. Kondisi berpikir setiap siswa tersebut dapat diketahui dengan cara melakukan evaluasi menggunakan perangkat Elektroensephalogram (EEG). Sinyal EEG memiliki banyak informasi mengenai kondisi pikiran seseorang seperti ketika seseorang berpikir menghitung, berpikir menulis bahkan ketika seseorang tidak memikirkan sesuatu. Penelitian ini membangun sebuah sistem klasifikasi sinyal EEG terhadap tiga kondisi pikiran menggunakan Autoregressive untuk ekstraksi sinyal EEG dan klasifikasi menggunakan Adaptive Backpropagation dengan tiga kondisi pikiran yang ditinjau adalah kondisi menghitung, menulis dan tidak memikirkan sesuatu. Orde Autoregressive yang digunakan untuk ekstraksi ciri adalah orde 10, orde 20 dan orde 30 dengan parameter optimal untuk proses pelatihan Adaptive Backpropagation yaitu learning rate 0.01, minimum error 0.001 dan iterasi sebanyak 7000. Hasil pengujian menunjukan akurasi terbaik diperoleh dengan melakukan ekstraksi menggunakan orde 30 dengan akurasi sebesar 82% dari 90 set data yang digunakan.]]>
<![CDATA[Identifikasi Otentifikasi Citra Tanda Tangan Menggunakan Wavelet dan Backpropagation ]]>
<![CDATA[Resa Abdilah]]>;
<![CDATA[Esmeralda C. Djamal]]>;
<![CDATA[Ridwan Ilyas]]>
<![CDATA[ Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2017 ]]>
Publisher : <![CDATA[Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Tanda tangan merupakan salah satu biometrik manusia. Permasalahan muncul apabila kemungkinan terdapat pemalsuan sehingga dibutuhkan sistem yang dapat melakukan verifikasi dan otentifikasi keabsahan pemilik tanda tangan. Namun identifikasi dan verifikasi suatu pola citra tanda tangan tidak mudah dikenali. Penelitian terdahulu mengenai identifikasi tanda tangan telah banyak dilakukan menggunakan metode Backpropagation dan Wavelet, maupun dengan Learning Vector Quantization, Wavelet dengan Support Vector Machine, Discrete Fourier Transform dan Discrete Cosine Transform dapat mengenali dan identifikasi tanda tangan dan penelitian dengan metode Multilayer Perceptron dapat menunjukkan kepribadian yang dilakukan secara offline maupun online. Akurasi dari identifikasi dan verifikasi tanda tangan ditentukan dari pemilihan metode pra proses dan ekstrasi fitur. Penelitian ini akan membuat model komputasi identifikasi identitas tanda tangan menggunakan ekstraksi Wavelet dan Jaringan Syaraf Tiruan dengan algoritma Backpropagation untuk otentifikasi. Penelitian dimulai dengan mengambil data tanda tangan dari kertas A4 menggunakan scanner dari 15 naracoba sebanyak 10 tanda tangan setiap orangnya dengan total 150 citra tanda tangan yang digunakan sebagai data latih dan data uji dengan ukuran 256x256 pixel selanjutnya praproses dan diekstraksi menggunakan Wavelet dan diidentifikasi menggunakan Backpropagation. Sistem identifikasi tanda tangan dapat mengenali 90 citra tanda tangan dengan akurasi 100% dengan data yang telah dilatihkan sedangkan identifikasi terhadap data baru diperoleh akurasi sebesar 46%.]]>
<![CDATA[Identifikasi Gender Berdasarkan Citra Wajah Menggunakan Deteksi Tepi dan Backpropagation ]]>
<![CDATA[Destri Wulansari]]>;
<![CDATA[Esmeralda C. Djamal]]>;
<![CDATA[Ridwan Ilyas]]>
<![CDATA[ Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2017 ]]>
Publisher : <![CDATA[Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Pengenalan pola dapat dilakukan pada bagian tubuh manusia seperti sidik jari, retina mata dan wajah. Pengenalan pola wajah dapat dipandang mengenali identitas, emosi, ras dan gender berdasarkan fitur-fitur yang dimiliki. Penelitian terdahulu mengenali usia dan jenis kelamin menggunakan metode Jaringan Syaraf Tiruan (JST), penelitian lain untuk mengenali citra wajah menggunakan metode Two-Dimensional Linear Discriminant Analysis (TDLDA) dan Support Vector Machine (SVM), dan untuk mengenali ekspresi wajah menggunakan JST Backpropagation. Pengenalan citra wajah untuk identifikasi gender dapat digunakan untuk rekapitulasi kehadiran dan akses suatu ruangan khusus. Penelitian ini membangun sistem identifikasi gender berdasarkan citra wajah menggunakan JST. Segmentasi citra wajah menjadi segmen mata, segmen mata kanan, segmen mata kiri, dan mulut yang dilakukan konversi ke vektor sebagai masukan dari JST menggunakan metode Backpropagation. Backpropagation mempunyai kemampuan untuk belajar (bersifat adaptif) dan memiliki resiko kesalahan yang kecil (Fault Tolerance) secara umum toleran terhadap kebisingan pada pola masukan. Hasil identifikasi dari 60 data yang pernah dilatih sebelumnya dengan hasil sebesar 100%. sedangkan hasil identifikasi dari 60 data yang belum pernah dilatih sebelumnya menghasilkan akurasi sebesar 82%.]]>
<![CDATA[Optimalisasi Penjadwalan Audit di Inspektorat Daerah Kabupaten Cianjur Menggunakan Algoritma Genetika ]]>
<![CDATA[Alvi Yudistira]]>;
<![CDATA[Esmeralda C. Djamal]]>;
<![CDATA[Rezki Yuniarti]]>
<![CDATA[ Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2017 ]]>
Publisher : <![CDATA[Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Program kerja Inspektorat Daerah kabupaten Cianjur salah satunya adalah audit ke 192 unit setiap tahunnya. Biasanya audit dilakukan 24 putaran dalam setahun, dengan delapan tim paralel, masing-masing tim berjumlah enam orang. Dari ketersediaan 55 orang Auditor, tidak mudah menjadwalkan audit mengingat terdapat persyaratan seperti spesifikasi tiap posisi yang tersedia, jumlah maksimum dan mininum frekuensi pemeriksaan Auditor serta tim yang sama tidak diperkenankan memeriksa dua putaran berurutan yang merupakan peraturan audit yang berlaku. Salah satu metode optimalisasi yang mempunyai keunggulan mendapatkan kombinasi yang memenuhi syarat tanpa harus mencoba seluruh kemungkinan adalah Algoritma Genetika. Penelitian ini telah membangun sistem optimalisasi penjadwalan audit di lingkungan Inspektorat Daerah kabupaten Cianjur menggunakan Algoritma Genetika. Sistem yang dibangun diujikan dengan dua kondisi masing-masing sebanyak 8 kali dengan 10000 evolusi. Pertama diuji mengunakan metode persilangan 24 titik, diperoleh pelanggaran terkecil sebesar delapan dan rata-rata pelanggaran sebesar 22. Kedua diuji mengunakan metode persilangan di antara dua titik, diperoleh pelanggaran terkecil sebesar 11 dan rata-rata pelanggaran sebesar 22. Pelanggaran tersebut terjadi pada aturan keempat dan kelima yang masih dapat ditoleransi. Solusi tersebut diperoleh cukup cepat yaitu dalam waktu 74 detik. Sistem telah diimplementasikan dalam perangkat lunak sehingga dapat digunakan di lingkungan Inspektorat Daerah kabupaten Cianjur.]]>
<![CDATA[Optimalisasi Rute Obyek Wisata Di Bandung Raya Menggunakan Algoritma Genetika ]]>
<![CDATA[Nur Muhammad Hasyim]]>;
<![CDATA[Esmeralda C. Djamal]]>;
<![CDATA[Agus Komarudin]]>
<![CDATA[ Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2017 ]]>
Publisher : <![CDATA[Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Pariwisata di Indonesia tumbuh dan berkembang dengan sangat cepat, hal ini tidak lepas dari peran masyarakat dalam mengembangkan obyek wisata yang ada di sekitarnya. Pencarian rute obyek wisata dari segi waktu dan rute terpendek mejadi kebutuhan bagi wisatawan sebelum memulai perjalanan mengingat banyaknya obyek wisata di daerah Bandung Raya dan waktu yang diperlukan untuk tiba di lokasi tujuan sangat penting. Oleh karena itu dibutuhkan sistem yang dapat memberikan rekomendasi rute obyek wisata di Bandung Raya, salah satunya menggunakan Algoritma Genetika. Algoritma Genetika adalah metode komputasi untuk memilih solusi yang sesuai kriteria tanpa harus mencoba keseluruhan kemungkinan solusi yang ada. Algoritma Genetika dapat diterapkan dalam optimalisasi jadwal, rute, dan space. Sistem yang dibangun memberikan rekomendasi rute obyek wisata dari segi jarak terdekat dengan waktu tercepat sebanyak lima rute dengan lima tujuan obyek wisata serta membandingkan lima rute obyek wisata terpilih. Pengujian pada sistem ini dilakukan sebanyak 5 kali pengujian dengan kriteria penghentian menghasilkan nilai kecocokan 910.2431 dari 117 generasi dengan waktu 102 Menit pada pengujian ke satu algoritma genetik ke 1. Pencarian solusi optimal terhenti sebelum mencapai maksimum generasi, hal tersebut terjadi akibat proses Algoritma Genetika tidak dapat menghasilkan individu yang lebih baik dari generasi sebelumnya. Sistem ini diimplementasikan dalam perangkat lunak untuk dapat dimanfaatkan wisatawan dalam menentukan rute obyek wisata di Bandung Raya.]]>
<![CDATA[Optimalisasi Pengantaran Barang dalam Perdagangan Online Menggunakan Algoritma Genetika ]]>
<![CDATA[Rozak Arief Pratama]]>;
<![CDATA[Esmeralda C. Djamal]]>;
<![CDATA[Agus Komarudin]]>
<![CDATA[ Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2017 ]]>
Publisher : <![CDATA[Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Pengantaran barang merupakan kegiatan yang biasa dilakukan oleh perusahaan salah satunya perusahaan perdagangan online. Pengantaran barang dapat dilakukan oleh jasa ekspedisi atau kurir dari perusahaan, yang biasanya mengantarkan barang dalam satu wilayah agar barang yang diantarkan tepat wakut dan efisien, sesuai dengan kapasitas angkut. Penelitian ini, pengantaran barang dilakukan oleh kurir dari perusahaan yang dioperasikqn sebanyak empat kurir. Setiap kurir membawa kendaraan dengan kapasitas angkut yang sudah ditentukan. Pemberangkatan setiap kurir dilakukan pada titik awal sama dan dilakukan dalam waktu yang bersamaan, sehingga semua tujuan dapat dilalui seluruhnya. Algoritma Genetika dapat diterapkan pada kasus optimalisasi rute, jadwal, dan ruang. Proses Algoritma Genetika diawali dengan pembangkitan populasi awal secara acak, evaluasi nilai fungsi kecocokan, kemudian dilakukan proses seleksi, persilangan, dan mutasi yang terus berulang sampai mendapatkan solusi yang memenuhi kriteria. Pengujian dilakukan sebanyak 10 kali dengan parameter masukan penghentian generasi untuk maksimal generasi sebanyak 1000 generasi dan batas nilai kecocokan berturut-turut sama pada generasi sebelumnya sebanyak 50 generasi. Semua pengujian yang dilakukan berhenti memproses ketika nilai kecocokan berturut-turut sama pada 50 generasi sebelumnya. Nilai kecocokan tertinggi yang dihasilkan sebesar 702,2 selama 2,5111 menit dengan jumlah generasi 357. Sistem ini diimplementasikan dalam perangkat lunak agar dapat digunakan khususnya bagi perusahaan perdagangan online.]]>
<![CDATA[Identifikasi Nama Surat Juz Amma dengan Perintah Suara Menggunakan MFCC dan Backpropagation ]]>
<![CDATA[Fitri Nur Suciani]]>;
<![CDATA[Esmeralda C. Djamal]]>;
<![CDATA[Ridwan Ilyas]]>
<![CDATA[ Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2018 ]]>
Publisher : <![CDATA[Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Perintah suara dapat mengatasi keterbatasan seseorang dalam mengoperasikan perangkat eksternal seperti Al Quran elektronik. Penelitian ini telah membuat sistem identifikasi kata dalam sinyal suara untuk menampilkan surat Juz Amma. Kata yang diucapkan adalah salah satu dari 37 nama surat dalam Juz Amma. Sistem identifikasi dibangun dari pelatihan suara menggunakan 12 naracoba dengan lima kali perulangan pada setiap kata-kata yang diucapkan, sehingga digunakan 2220 set data latih. Sinyal suara setiap 2 detik dilewatkan praproses untuk mengurangi noise dan komponen DC yang kemudian diekstraksi menggunakan Mel – Frequency Cepstrum Coefficients (MFCC). Koefisien Ceptrum yang dihasilkan MFCC digunakan sebagai fitur dalam Jaringan Syaraf Tiruan menggunakan algoritma pembelajaran Backpropagation. Hasil penelitian menunjukkan sistem identifikasi menghasilkan akurasi sebesar 92% untuk data latih dan 36% untuk data baru. Hasil penelitian menunjukkan bahwa optimalisasi parameter memperoleh akurasi tertinggi menggunakan 496 hidden neuron dan 13 koefisien, dengan learning rate 0,01, minimum error 0,001 dan epoch 10000.]]>
<![CDATA[Game Evaluasi Gerakan Pasien Rehabilitasi Cedera Bahu Berbasis Kinect menggunakan Kalman Filter ]]>
<![CDATA[Mohammad Rizky Alimansyah]]>;
<![CDATA[Esmeralda C. Djamal]]>;
<![CDATA[Ahmad Arif]]>;
<![CDATA[Tertianto Prabowo]]>
<![CDATA[ Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2018 ]]>
Publisher : <![CDATA[Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Beberapa cedera bahu di antaranya frozen shoulder, pasca stroke, dan olahraga yang sering menggunakan tangan sebagai tumpuannya. Latihan terapi secara rutin untuk rehabilitasi pemulihan, sering kali dirasa membosankan dan tidak menarik sehingga tidak dapat memberikan motivasi bagi pasien. Di sisi lain, perkembangan teknologi khususnya video game beserta perangkat sensornya seperti Kinect memungkinkan kegiatan latihan terapi dilakukan melalui simulasi video game. Penelitian ini telah membangun game yang digunakan dalam latihan terapi cedera bahu. Pasien menirukan gerakan yang diperlihatkan pada game. Sementara gerakan pasien ditangkap oleh sensor Kinect yang memperlihatkan peta gerakan kerangka tubuh atau Matchstick Skeleton. Gerakan yang dilakukan hanya satu lengan dengan variasi nilai sudut lengan. Setiap kemampuan gerakan pasien diestimasi menggunakan Kalman Filter. Hal ini dilakukan berdasarkan titik-titik gerakan dari peta kerangka tubuh. Estimasi gerakan pasien dikemas menjadi tingkat kesulitan dalam game berdasarkan kemampuan pasien cedera bahu. Hasil penelitian menunjukkan error estimasi paling kecil pada gerakan penderita cedera bahu dibandingkan gerakan non- pasien.]]>
<![CDATA[Brain Computer Interface Untuk Menggerakkan Animator Pemukul Bass Drum Menggunakan Wavelet dan Support Vector Machine ]]>
<![CDATA[Azmira Mifti Harjana]]>;
<![CDATA[Esmeralda C. Djamal]]>;
<![CDATA[Ridwan Ilyas]]>
<![CDATA[ Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2018 ]]>
Publisher : <![CDATA[Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Penderita kelumpuhan sering mengalami kesulitan untuk berinteraksi dengan perangkat eksternal disebabkan kinerja saraf untuk menyampaikan perintah dari otak ke otot menurun. Pengembangan teknologi Brain Computer Interface (BCI) memungkinkan seseorang dapat menggerakkan perangkat eksternal dengan menggunakan sinyal EEG sebagai komponen intermediate ketika membayangkan gerakan yang diinginkan (motor imagery) tanpa melibatkan fungsi motorik lainnya. Karakteristik sinyal EEG yang memiliki amplitudo rendah menyebabkan rentan terhadap noise dan mudah dipengaruhi variabel lain. Bentuk yang kompleks serta bersifat non stasioner menyebabkan variabel motor imagery tidak mudah untuk diidentifikasi. Penelitian ini membangun perangkat BCI yang dapat mengidentifikasi pikiran saat membayangkan suatu gerakan untuk menggerakkan animasi pemukul bass drum dengan lima kelas gerakan. Sistem dilatih terlebih dahulu menggunakan 2000 set data dari 10 naracoba untuk lima kelas dengan lima kali perulangan. Variabel motor imagery didapatkan dari sinyal EEG yang diekstraksi dengan Wavelet Daubechies10 untuk mendapatkan sinyal gelombang Alfa dan Beta serta ditambahkan analisa statistik dan sinkronisasi kanal simetrik sehingga menghasilkan 224 data untuk empat kanal. Data tersebut digunakan sebagai vektor fitur untuk tahap identifikasi dengan Support Vector Machine hyperplane Non Linier dengan kernel Polynomial orde 2. Hasil penelitian diperoleh akurasi sebesar 37% untuk data baru, sedangkan terhadap data latih sebesar 88%. Penggunaan fitur statistik amplitudo dan sinkronisasi kanal simetrik dapat meningkatkan akurasi sebesar 7%. BCI dan EEG diintegrasikan secara real time melalui implementasi perangkat lunak BCI, EEG dan animasi pemukul bass drum.]]>
<![CDATA[Spoken Word Recognition Using MFCC and Learning Vector Quantization ]]>
<![CDATA[Esmeralda C. Djamal]]>;
<![CDATA[Neneng Nurhamidah]]>;
<![CDATA[Ridwan Ilyas]]>
<![CDATA[ Proceeding of the Electrical Engineering Computer Science and Informatics Vol 4: EECSI 2017 ]]>
Publisher : <![CDATA[IAES Indonesia Section ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (398.748 KB)
|
DOI: 10.11591/eecsi.v4.1043
<![CDATA[Identification of spoken word(s) can be used to control external device. This research was result word identification in speech using Mel-Frequency Cepstrum Coefficients (MFCC) and Learning Vector Quantization (LVQ). The output of system operated the computer in certain genre song appropriate with the identified word. Identification was divided into three classes contain words such as "Klasik", "Dangdut" and "Pop", which are used to playing three types of accordingly songs. The voice signal is extracted by using MFCC and then identified using LVQ. The training and test set were obtained from six subjects and 10 times trial of the words "Klasik", "Dangdut" and "Pop" separately. Then the recorded sound signal is pre-processed using Histogram Equalization, DC Removal and Pre-emphasize to reduce noise from the sound signal, and then extracted using MFCC. The frequency spectrum generated from MFCC was identified using LVQ after passing through the training process first. Accuracy of the testing results is 92% for identification of training sets while testing new data recorded using different SNR obtained an accuracy of 46%. However, the test results of new data recorded using the same SNR with training data has an accuracy of 75.5%.]]>
