Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal TELKOMNIKA (Telecommunication Computing Electronics and Control) Journal of ICT Research and Applications Indonesian Journal on Computing (Indo-JC) Charity : Jurnal Pengabdian Masyarakat eProceedings of Engineering
Suyanto Suyanto
Telkom University
Arts Humanities Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Social Sciences

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
Segmentasi Citra Udara dengan Clustering Menggunakan Fireworks Algorithm Muhammad Hariz Arasy; Suyanto Suyanto; Kurniawan Nur Ramadhani
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

AbstrakCitra udara memiliki karakteristik data yang berbeda ketika dibandingkan dengan citra jenis lain. Ci- tra udara biasanya memiliki objek kecil tak berarti yang dapat menyebabkan kesalahan pada metode se- gmentasi unsupervised. K-means clustering, sebagai salah satu metode segmentasi citra unsupervised yang digunakan secara luas, sangat rentan terhadap optimum lokal. Pada penelitian ini, Adaptive Fireworks Algorithm (AFWA) diusulkan sebagai alternatif dari algoritma K-means dalam mengoptimasi proses clus- tering pada metode segmentasi berbasis clustering. AFWA kemudian diaplikasikan untuk permasalahan segmentasi citra udara dan hasilnya dibandingkan dengan K-means. Berdasarkan perbandingan metrik  evaluasi Probabilistic Rand Index (PRI) dan Variation of Information (VI), AFWA secara keseluruhan meng- hasilkan kualitas segmentasi yang lebih baik. Selain itu, AFWA juga menghasilkan clustering yang lebih baik berdasarkan hasil perhitungan Quantization Error.Kata Kunci: Segmentasi citra, citra udara, clustering, K-means, adaptive fireworks algorithm. AbstractAerial images have different data characteristics when compared to other types of images. An aerial  image usually contains small insignificant objects that can cause errors in the unsupervised segmentation method. K-means clustering, one of the widely used unsupervised image segmentation methods, is highly vulnerable to local optima. In this study, Adaptive Fireworks Algorithm (AFWA) is proposed as an alternative to the K-means algorithm in optimizing the clustering process in the cluster-based segmentation method. AFWA is then applied to perform aerial image segmentation and the results are compared with K-means. Based on the comparison using Probabilistic Rand Index (PRI) and Variation of Information (VI) evaluation metrics, in general AFWA produces better segmentation quality. In addition, AFWA also produces better clustering based on the results of Quantization Error calculations. Keywords: Image segmentation, aerial image, clustering, K-means, adaptive fireworks algorithm.  
Sistem Pembangunan Korpus Suara Spontan Bahasa Indonesia Muhammad Ramadhan; Suyanto Suyanto; Arif Bijaksana
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

Pengenalan Ucapan Kontinu Kamus Besar atau PUKKB merupakan sistem pengenalan suara yang paling mutakhir. Sistem ini mampu mengenali berbagai macam suara dan kata yang diucapkan orang. Kemampuan pengenalan tersebut didapat dengan melatih sistem menggunakan korpus suara membaca dan korpus suara spontan. Korpus suara merupakan elemen penting dalam melatih sistem tersebut, terutama korpus suara spontan. Korpus ini menjadi referensi cara pengucapan bagi sistem tersebut. Beberapa bahasa seperti bahasa Inggris, sistem seperti ini mudah dikembangkan karena terdapat banyak korpus suara yang beredar, tetapi untuk beberapa bahasa seperti bahasa Indonesia, korpus suara yang beredar masih sedikit. Dengan memadukan desain aplikasi pengumpul suara seperti Eyra, Woefzela dan Data Hound penulis mengembangkan aplikasi serupa untuk diaplikasikan dalam pembangunan korpus suara bahasa Indonesia, terutama dalam pengumpulan data suara. Kata kunci: Under-resourced, korpus suara spontan, cakupan triphone, pembangkitan pertanyaan, balanced sentence set.
Co-Authors Ade Naufal Ammar Agfianto Eko Putra Agna Silpi Alpiani Agus Alex Yanuar Agus Harjoko Arif Bijaksana Budi Santosa Hilman Fauzi Rijal Irfan Tri Handoko Kurniawan Nur Ramadhani Muhammad Hariz Arasy Muhammad Ramadhan Nyoman Rizkha Emillia Reynold Erwandi Rino Andias Anugraha Satria Mandala Warih Maharani Wiyono Sutari