Article Per Year (5 Year)
p-Index From 2021 - 2026
1.94
P-Index
This Author published in this journals
All Journal Bulletin of Electrical Engineering and Informatics Jurnal Edukasi dan Penelitian Informatika (JEPIN) EMITTER International Journal of Engineering Technology Indonesian Journal on Computing (Indo-JC) IJoICT (International Journal on Information and Communication Technology) Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JURNAL MEDIA INFORMATIKA BUDIDARMA JITTER (Jurnal Ilmiah Teknologi Informasi Terapan) eProceedings of Engineering LOGIC: Jurnal Penelitian Informatika
Kurniawan Nur Ramadhani
Universitas Telkom
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering

Published : 39 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search
Journal : Indonesian Journal on Computing (Indo-JC)

 1   2 
Deteksi dan Tracking Pemain Sepakbola menggunakan Histogram of Oriented Gradients (HOG) dan Kalman Filter Kurniawan Nur Ramadhani; Ade Saepul Mugni; Mohamad Syahrul Mubarok
Indonesia Journal on Computing (Indo-JC) Vol. 3 No. 1 (2018): Maret, 2018
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/INDOJC.2018.3.1.211

Abstract

Dalam penelitian ini, dibangun sebuah sistem untuk melakukan tracking pemain sepakbola pada data video. Penelitian ini menggunakan ekstraksi ciri Histogram of Oriented Gradient (HOG) yang cocok untuk digunakan pada kondisi intensitas pencahayaan tidak stabil. Selain melakukan deteksi pemain bola, dalam penelitian ini dilakukan pengklasifikasian tim menggunakan clustering pada vektor ciri color moment. Untuk menjaga performansi deteksi, dilakukan evaluasi tracking menggunakan Kalman Filter. Berdasarkan hasil penelitian, sistem tracking yang dibangun memberikan performansi F1-score tertinggi mencapai 0.87 (skala 0-1) dengan berbagai kondisi pencahayaan video.
Klasifikasi Ras Mongoloid Berbasis Citra Wajah menggunakan Algoritma k-Nearest Neighbors Febryanti Sthevanie; Kurniawan Nur Ramadhani; Hafidh Fikri Rasyid
Indonesia Journal on Computing (Indo-JC) Vol. 3 No. 1 (2018): Maret, 2018
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/INDOJC.2018.3.1.212

Abstract

Pada penelitian ini dibangun sistem untuk mengklasifikasi ras Mongoloid dan non-Mongoloid berdasarkan daerah periorbital wajah. Penelitian ini menggunakan metode ekstraksi ciri Local Binary Pattern (LBP) dan algoritma klasifikasi k-Nearest Neighbors (k-NN). Penelitian ini menggunakan citra wajah dari 996 individu berbeda. Dari penelitian ini, didapatkan konfigurasi parameter terbaik untuk algoritma LBP yaitu nilai P=8, R=4 dan ukuran grid 5x5. Sedangkan untuk k-NN didapatkan nilai optimal untuk parameter k=5. Nilai akurasi terbaik yang didapatkan pada sistem klasifikasi ras ini  menggunakan metode LBP dan k-NN adalah sebesar 91,88%.
Deteksi Serangan Spoofing Pada Citra Wajah menggunakan Ekstraksi Ciri Local Derivative Pattern Ni Gusti Ayu Mirah Eka Darmayanti; Kurniawan Nur Ramadhani; Anditya Arifianto
Indonesia Journal on Computing (Indo-JC) Vol. 3 No. 1 (2018): Maret, 2018
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/INDOJC.2018.3.1.213

Abstract

Pada penelitian ini, diusulkan sistem pendeteksi serangan spoofing pada citra wajah manusia menggunakan metode ekstraksi ciri Local Derivative Pattern (LDP). Metode klasifikasi yang digunakan adalah k-Nearest Neighbour (k-NN) dan Support Vector Machine (SVM). Penelitian ini menggunakan NUAA Imposter and Photograph Database sebagai datasetnya. Parameter optimal untuk ekstraksi ciri menggunakan LDP, adalah sebagai berikut: LDP orde ke-2 dengan radius bernilai 5 yang bersifat overlapping non-uniform menggunakan algoritma klasifikasi SVM dengan kernel Radial Basis Function. Performansi terbaik didapatkan menggunakan F1-Score sebesar 99.8%. Pola uniform pada LDP mempercepat waktu komputasi dengan rata-rata 2.09 detik, sedangkan waktu komputasi pola non-uniform yaitu 5.49 detik.
Pengenalan Angka Tulisan Tangan Menggunakan Diagonal Feature Extraction dan Artificial Neural Network Multilayer Perceptron M. Ardi Firmansyah; Kurniawan Nur Ramadhani; Anditya Arifianto
Indonesia Journal on Computing (Indo-JC) Vol. 3 No. 1 (2018): Maret, 2018
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/INDOJC.2018.3.1.214

Abstract

Pada  penelitian  ini  dibangun  sistem pengenalan angka tulisan tangan menggunakan metode ekstraksi ciri diagonal  dan  Artificial Neural Network Multilayer Perceptron. Pada ekstraksi ciri diagonal, citra dibagi menjadi beberapa area yang sama besar. Pada tiap area dihitung rata-rata nilai piksel pada setiap diagonalnya kemudian dirata-ratakan untuk mendapatkan nilai ciri pada area tersebut.  Ciri diagonal dikombinasikan dengan nilai rata-rata horizontal dan  vertikal  pada  matriks  area  tersebut  untuk  memperkuat  informasi  pada citra. Metode  ini  mencapai  akurasi  sebesar  92.80%  pada  tahap  pengujian menggunakan  1000  dataset  C1  dan  92.60%  pada  tahap  pengujian  menggunakan 1000 dataset MNIST. Kombinasi fitur diagonal dan rata-rata horizontal menghasilkan akurasi tertinggi dalam mengenali angka tulisan tangan.
Pengenalan Huruf Isyarat Tangan Menggunakan Ekstraksi Ciri Local Binary Pattern M. Adhi Satria; Kurniawan Nur Ramadhani; Anditya Arifianto
Indonesia Journal on Computing (Indo-JC) Vol. 3 No. 1 (2018): Maret, 2018
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/INDOJC.2018.3.1.215

Abstract

Pada penelitian ini dibangun sistem pengenalan huruf isyarat tangan menggunakan metode ekstraksi ciri Local Binary Patterns (LBP). Metode LBP memiliki kehandalan dalam melakukan analisis tekstur, mengatasi penskalaan dan citra yang kabur. Untuk algoritma klasifikasi, digunakan metode k-Nearest Neighbour (KNN) dan Support Vector Machine (SVM). Parameter LBP terbaik didapatkan untuk nilai R=10 dan P=16 menggunakan SVM dengan kernel Gaussian. Performansi terbaik dalam penelitian ini didapatkan untuk nilai F1-Score 99,84%.
Aerial Image Segmentation with Clustering Using Fireworks Algorithm Muhammad Hariz Arasy; Suyanto Suyanto; Kurniawan Nur Ramadhani
Indonesia Journal on Computing (Indo-JC) Vol. 4 No. 1 (2019): Maret, 2019
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/INDOJC.2019.4.1.245

Abstract

Aerial images has 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, AFWA produces an overall better segmentation quality.
Deteksi Spoofing Wajah Manusia Berbasis Video menggunakan Metode Local Derivative Pattern-Three Orthogonal Planes Febryanti Sthevanie; Diah Ajeng Dwi Yuniasih; Kurniawan Nur Ramadhani
Indonesia Journal on Computing (Indo-JC) Vol. 5 No. 1 (2020): Maret, 2020
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34818/INDOJC.2020.5.1.376

Abstract

Saat ini banyak sistem yang menggunakan pengenalan wajah sebagai keamanan. Namun, penggunaan wajah tersebut masih memiliki kerentanan terhadap serangan spoofing, yaitu serangan dengan cara memalsukan foto atau video dari pengguna asli sistem tersebut. Untuk menghindari adanya tindakan kriminal tersebut, diusulkan sebuah sistem yang dapat mendeteksi serangan spoofing menggunakan metode Local Derivative Pattern dari Three Orthogonal Planes. Dataset yang digunakan adalah bersumber dari empat dataset publik yang berbeda yaitu Idiap Replay-Attack Database, MSU MFSD Database, Casia FASD Database dan NUAA Imposter Database yang berformat video. Dari hasil pengujian, pada skenario intra-dataset didapatkan performansi terbaik dengan rata-rata F1-Score 97.77% dan rata-rata HTER 8.47%, sedangkan pada skenario cross-dataset rata-rata F1-Score 74.77% dan rata-rata HTER 29.05%.
Deteksi Helm pada Video Pengendara Sepeda Motor menggunakan Ekstraksi Ciri Histogram of Oriented Gradients Febryanti Sthevanie; Anang Kurniawan; Kurniawan Nur Ramadhani
Indonesia Journal on Computing (Indo-JC) Vol. 5 No. 1 (2020): Maret, 2020
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34818/INDOJC.2020.5.1.377

Abstract

World Health Organization mencatat sampai tahun 2015 kecelakaan di jalan telah merenggut 1.2 juta jiwa tiap tahunnya. Kecelakaan paling banyak dialami oleh pengendara sepeda motor karena minimnya keamanan yang melindungi pengendara sepeda motor, dan juga rendahnya kesadaran pengguna sepeda motor untuk menggunakan perangkat keselamatan yang sesuai dengan Undang-Undang. Riset-riset te- lah dilakukan diantaranya membuat sistem pendeteksi helm pada pengendara sepeda motor menggunakan metode ekstraksi fitur HOG, SIFT, LBP yang dapat menghasilkan performansi rata-rata masing masing, 93%, 64%, 64% dengan menggunakan metode klasifikasi SVM. Pada penelitian ini dibuat sebuah sistem yang dapat mendeteksi helm pada pengendara sepeda motor secara otomatis menggunak- an ekstraksi fitur Histogram of Oriented Gradient. Hasil tertinggi yang didapatkan dari hasil pengujian adalah fmeasure 90.67%, menggunakan metode ekstraksi fitur HOG dengan kondisi ukuran cell 8x8 pixels dan jumlah 9 bins dengan sudut 180o. Hasil tersebut dicapai menggunakan metode klasifikasi SVM dengan kernel polynomial derajat 3.
Pengenalan Aksara Bali Menggunakan Metode Pyramid Histogram of Oriented Gradients Febryanti Sthevanie; I Putu Indra Aristya; Kurniawan Nur Ramadhani
Indonesia Journal on Computing (Indo-JC) Vol. 5 No. 1 (2020): Maret, 2020
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34818/INDOJC.2020.5.1.378

Abstract

Aksara Bali terdiri dari 18 aksara dasar (biasa disebut aksara Wianjana) yang masing-masing terdiri atas 7 aksara vokal (pengangge suara). Penulisan aksara Bali dapat ditulis pada kertas ataupun daun tal yang sudah dikeringkan dan memiliki tekstur yang kasar serta mudah sobek sehingga membuat sulit dibaca. Maka dari itu, dibuat sistem yang dapat mengenali aksara Bali pada daun tal untuk membantu dapat membaca aksara Bali. Sistem ini dibangun menggunakan metode Pyramid Histogram of Oriented Gradient (PHOG) sebagai metode ekstraksi ciri. Dataset yang digunakan adalah dataset dari AMADI Lontar Set yang berupa gambar berjumlah 19.383 gambar dengan 133 kelas. Pada pengujian didapatkan nilai f1-score terbaik pada PHOG level 3 dengan 6 bin orientasi dan klasifikasi menggunakan SVM kernel linear yaitu sebesar 66.49% dan akurasi sebesar 81.35%.
Pneumonia Classification from X-ray Images Using Residual Neural Network Abdan Hafidh Ahnafi; Anditya Arifianto; Kurniawan Nur Ramadhani
Indonesia Journal on Computing (Indo-JC) Vol. 5 No. 2 (2020): September, 2020
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34818/INDOJC.2020.5.2.454

Abstract

Pneumonia is a virus, bacterium, and fungi infection disease which causes alveoli swelling and gets worse easily if it is not taken care of immediately. There are symptoms that can be recognized through x-ray images, for example the appearance of white mist in the lungs. A pneumonia classification system has already developed, but it still produced low accuracy. In this research we develop classification system by increasing the depth of CNN architecture using Residual Neural Network to improve accuracy from previous research. The dataset contains 2 classes which are pneumonia and normal, and trained to produce the best learning strategy with various scenarios. The model trained using data train that has been oversampling. The best scenario is achieved by ResNet152 architecture using dropout 0.5. This scenario achieved a result of 0.88 precision, 0.95 recall, 0.92 f1-score, and 0.89 of accuracy. The classification model on this research produces higher accuracy compared to the research of Enes Ayan, et.al. in 2019 which produced 0.87.
Co-Authors Abdan Hafidh Ahnafi Abdul Rahim Achmad Hussein Sundawa Kartamihardja Ade Saepul Mugni Agnes Dirgahayu Palit Agnes Dirgahayu Palit Alda Putri Utami Amalina, Neneng Nur Anang Kurniawan Anditya Arifianto Arida Kartika Arie Ardiyanti Suryani Arif M Barmawi Arifudin Achmad Cherry Nasa Putra Diah Ajeng Dwi Yuniasih Dimitri Mahayana Dwiki Lazzaro Ema Rachmawati Febriyanti Sthevanie Febryanti Sthevanie Fikri Firdaus Fitri Amalia Hadi Friendly Halomoan Sipayung Gamma Kosala Hafidh Fikri Rasyid I Putu Indra Aristya Ignasius Indra Kusuma Wijaya Indra Bayu Kusuma Jondri Jondri Ketut Sudyatmika Putra Ledya Novamizanti M. Adhi Satria M. Ardi Firmansyah M.Syahrul Mubarok Maruanaya, Farhan Bary Mochamad Rakha Luthfi Fahsya Mohamad Syahrul Mubarok Mohamad Syahrul Mubarok Muh Aswan Abidin1 Muhammad Afif Amanullah Fawwaz Muhammad Hariz Arasy Muhammad Salman Farhan Naufal Ihsan Kusumayadhi Neneng Nur Amalina Ni Gusti Ayu Mirah Eka Darmayanti Parjuangan, Sabam Pima Hani Safitri Prasti Eko Yunanto Rini Shintawati Riski Novanda Rita Rismala Sakinah Indriyani Saputra, Naufal Luthfi Sthevanie, Febryanty Suyanto Suyanto Tjokorda Agung Budi W Tjokorda Agung Budi Wirayuda YUYUN SITI ROHMAH