Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

4.897

P-Index

This Author published in this journals

All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik Annual Research Seminar Proceeding of the Electrical Engineering Computer Science and Informatics JOIN (Jurnal Online Informatika) Jurnal Teknik Komputer AMIK BSI Jurnal Teknoinfo JITTER (Jurnal Ilmiah Teknologi Informasi Terapan) Jiko (Jurnal Informatika dan komputer) JUMANJI (Jurnal Masyarakat Informatika Unjani) MIND (Multimedia Artificial Intelligent Networking Database) Journal Jurnal ICT : Information Communication & Technology METIK JURNAL JATI (Jurnal Mahasiswa Teknik Informatika) JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Tematik : Jurnal Teknologi Informasi Komunikasi Jurnal Teknik Informatika (JUTIF) Informatics and Digital Expert (INDEX) AJAD : Jurnal Pengabdian kepada Masyarakat Jurnal Locus Penelitian dan Pengabdian Jurnal Algoritma Industrial Research Workshop and National Seminar Jurnal Sosial dan Sains SisInfo : Jurnal Sistem Informasi dan Informatika J-Icon : Jurnal Komputer dan Informatika Jurnal Global Ilmiah Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) Khazanah Informatika : Jurnal Ilmu Komputer dan Informatika

Ridwan Ilyas

Program Studi Teknik Informatika, Universitas Jenderal Achmad Yani

Author-ID : 2480928

Aerospace Engineering Humanities Astronomy Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Medicine & Pharmacology Physics Social Sciences Other

Published : 48 Documents Claim Missing Document

Claim Missing Document

Articles

1 2 3 4 5

Spoken Word Recognition Using MFCC and Learning Vector Quantization Esmeralda C. Djamal; Neneng Nurhamidah; Ridwan Ilyas
Proceeding of the Electrical Engineering Computer Science and Informatics Vol 4: EECSI 2017
Publisher : IAES Indonesia Section

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%.

Paraphrase Detection Using Manhattan's Recurrent Neural Networks and Long Short-Term Memory Achmad Aziz; Esmeralda Contessa Djamal; Ridwan Ilyas
Proceeding of the Electrical Engineering Computer Science and Informatics Vol 6: EECSI 2019
Publisher : IAES Indonesia Section

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/eecsi.v6.1973

Natural Language Processing (NLP) is a part of artificial intelligence that can extract sentence structures from natural language. Some discussions about NLP are widely used, such as Recurrent Neural Networks (RNN) and Long Short-Term Memory (LSTM) to summarize papers with many sentences in them. Siamese Similarity is a term that applies repetitive twin network architecture to machine learning for sentence similarity. This architecture is also called Manhattan LSTM, which can be applied to the case of detecting paraphrase sentences. The paraphrase sentence must be recognized by machine learning first. Word2vec is used to convert sentences to vectors so they can be recognized in machine learning. This research has developed paraphrase sentence detection using Siamese Similarity with word2vec embedding. The experimental results showed that the amount of training data is dominant to the new data compared to the number of times and the variation in training data. Obtained data accuracy, 800,000 pairs provide accuracy reaching 99% of training data and 82.4% of new data. These results are better than the accuracy of the new data, with half of the training data only yielding 64%. While the amount of training data did not effect on training data.

Semantic Classification of Scientific Sentence Pair Using Recurrent Neural Network Agung Besti; Ridwan Ilyas; Fatan Kasyidi; Esmeralda Contessa Djamal
Proceeding of the Electrical Engineering Computer Science and Informatics Vol 7, No 1: EECSI 2020
Publisher : IAES Indonesia Section

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/eecsi.v7.2051

One development of Natural Language Processing is the semantic classification of sentences and documents. The challenge is finding relationships between words and between documents through a computational model. The development of machine learning makes it possible to try out various possibilities that provide classification capabilities. This paper proposes the semantic classification of sentence pairs using Recurrent Neural Networks (RNN) and Long Short-Term Memory (LSTM). Each couple of sentences is turned into vectors using Word2Vec. Experiments carried out using CBOW and Skip-Gram to get the best combination. The results are obtained that word embedding using CBOW produces better than Skip-Gram, although it is still around 5%. However, CBOW slows slightly at the beginning of iteration but is stable towards convergence. Classification of all six classes, namely Equivalent, Similar, Specific, No Alignment, Related, and Opposite. As a result of the unbalanced data set, the retraining was conducted by eliminating a few classes member from the data set, thus providing an accuracy of 73% for non-training data. The results showed that the Adam model gave a faster convergence at the start of training compared to the SGD model, and AdaDelta, which was built, gave 75% better accuracy with an F1-Score of 67%.

Peringkasan Otomatis Makalah Menggunakan Maximum Marginal Relevance Wildan Pratama; Ridwan Ilyas; Fatan Kasyidi
Informatics and Digital Expert (INDEX) Vol. 3 No. 1 (2021): INDEX, MEI 2021
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v3i1.677

Makalah merupakan karya tulis yang memuat pemikiran tentang suatu masalah atau topik tertentu yang ditulis secara sistematis disertai dengan analisis yang logis objektif. Membaca merupakan proses melihat serta memahami isi dari apa yang tertulis. Proses membaca dipengaruhi beberapa factor yang diantaranya jumlah dari bacaan, sehingga penyederhaan atau perinkasan suatu bacaan contoh seperti makalah maka akan menambah kecepatan membaca. Ringkasan merupakan suatu cara yang efektif untuk menyajikan suatu karangan yang panjang dalam bentuk yang singkat. Peringkasan makalah dilakukan untuk menyajikan jumlah bacaan lebih sedikit tanpa mengurangi informasi yang disampaikan dan mempertahankan dalam bentuknya yang singkat. Dalam membuat ringkasan kita diharuskan untuk membaca keseluruhan isi makalah tersebut terlebih dahulu, untuk kemudian meringkasnya. Hal ini tentu menjadi masalah dimana ringkasan dibuat dengan tujuan untuk meminimalkan waktu membaca tetapi tetap dapat memberikan teks yang isinya langsung mengarah pada tujuan utama atau ide pokoknya. Untuk memecahkan masalah tersebut diperlukan suatu perangkat atau aplikasi yang dapat meringkas teks secara otomatis. Beberapa penelitian terdahulu menggunakan graph-based summarization untuk meringkas dokumen tunggal bahasa Indonesia. Penelitian ini membangun sistem yang dapat meringkaskan makalah menjadi ringkasan menggunakan maximum marginal relevance. maximum marginal relevance dipilih karena mampu menilai kalimat dan merankingnya sebagai acuan untuk pembentukan ringkasan. Penelitian ini mendapatkan hasil ringkasan terbaik dengan pengujian Rouge-1 dengan rata-rata yang diraih 0.68.

IMPLEMENTASI RANKER PRINCIPAL COMPONENT DAN METODE ASSOCIATION RULE DALAM MENENTUKAN FAKTOR EKONOMI DI ASEAN Fajri Rakhmat Umbara; Ridwan Ilyas
Jurnal Ilmiah Teknologi Infomasi Terapan Vol. 4 No. 2 (2018)
Publisher : Universitas Widyatama

[Id]Kondisi perekonomian suatu negara sangat berpengaruh bagi kelangsungan hidup Negara tersebut. Seperti contoh yang terjadi pada Negara Yunani beberapa tahun yang lalu dimana mengalami krisis ekonomi yang tidak terelakkan. Kondisi perekonomian tersebut tidak terlepas dari faktor ? faktor ekonomi yang saling terkait didalamnya dan yang memang mempengaruhi Negara yang berkaitan, misalnya Produk Domestik Bruto (PDB), Nilai Tukar Mata Uang, Penghasilan Energi Baru Terbarukan dan lain sebagainya. Faktor ? faktor itu yang menjadi tolak ukur apakah perekonomian suatu Negara dapat dikategorikan berhasil atau malah dapat menyebabkan krisis ekonomi. Fokus penelitian ini adalah untuk melihat dan mengevaluasi faktor ekonomi apa sajakah yang dapat mempengaruhi kondisi suatu bangsa, khususnya untuk Negara ? Negara di ASEAN, termasuk diantaranya adalah Indonesia menggunakan seleksi atribut Ranker Principal Component dan metode Association Rule. Data ekonomi didapat dari data yang disediakan oleh World Bank selama 50 tahun lamanya, atau antara tahun 1967 hingga tahun 2016 yang terdiri dari sekitar 1400 atribut / faktor ekonomi untuk 10 negara ASEAN yang terdiri dari Indonesia, Thailand, Malaysia, Singapura, Filipina, Brunei Darussalam, Vietnam, laos, Myanmar, dan Kamboja.Kata kunci : Faktor ekonomi asean, ranker principle component, association rule[En]Economic condition may cause a balance for every country in the world. For example, Grecee has been collapse after economic crisis in 2008. This phenomenon caused by economic factors that influence and depends on each other such as GDP, exchange rate, energy production, and so on. These factors become a benchmark for countrys that is can cause crisis or not. This research try to searching and evaluating these factors which influence head to the crisis in ASEAN, include Indonesia using atribut selection methods : ranker principle component and association rules methods. The economic data are downloaded from World Bank site and has been collected for 50 years between 1967 and 2016 which has 1400 attributes or economic factors for 10 ASEAN countrys such as Indonesia, Thailand, Malaysia, Singapore, Brunei Darussalam, Vietnam, Laos, Myanmar and Cambodia.

Analisis Spasial Temporal Kerentanan Bencana Alam Dalam Mendukung Ketahanan Terhadap Bencana di Indonesia Asep Id Hadiana; Agus Komarudin; Eddie Khrisna Putra; Melina .; Rezky Yuniarti; Ridwan Ilyas; Fatan Kasyidi
Jurnal ICT : Information Communication & Technology Vol 20, No 2 (2021): JICT-IKMI, Desember 2021
Publisher : STMIK IKMI Cirebon

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36054/jict-ikmi.v20i2.379

Gempa Bumi Besar dan konsekuensi tragisnya belakangan ini di lokasi berbeda di seluruh dunia, termasuk dalam hal ini di Indonesia membenarkan kebutuhan darurat untuk memasukkan analisis risiko gempa dalam praktik manajemen penanggulangan bencana. Mengintegrasikan analisis dampak risiko gempa bumi dalam praktik manajemen penanggulangan bencana menjadi hal yang sangat penting. Studi ini menyajikan pendekatan yang sederhana dan ilmiah melalui analisis spasial temporal dari data gempa bumi yang ada di Indonesia selama kurun waktu 2020. Dengan mengambil dataset mengenai kejadian gempa bumi di Indonesia yang terjadi dalam kurun waktu 2020, dapat dilihat bahwa hampir seluruh wilayah di Indonesia rentan terhadap bencana gempa bumi, dimana kekuatan gempa bumi rata-rata ada di kisaran 4 sampai 4.5 skala richter.Temuan penelitian ini diharapkan dapat membantu otoritas manajemen bencana di Indonesia dalam mengidentifikasi zona risiko, memvisualisasikan risiko bahaya untuk interpretasi yang lebih mudah, optimalisasi sumber daya dengan menargetkan kerentanan, dan memutuskan intervensi perencanaan dan pengendalian atas dampak bencana yang mungkin terjadi.

MESIN PENTERJEMAH BAHASA INDONESIA-BAHASA SUNDA MENGGUNAKAN RECURRENT NEURAL NETWORKS Yustiana Fauziyah; Ridwan Ilyas; Fatan Kasyidi
Jurnal Teknoinfo Vol 16, No 2 (2022): Juli
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jti.v16i2.1930

Penterjemah merupakan suatu proses dimana suatu bahasa diubah ke dalam bahasa lain. Penterjemah pada Penelitian lalu dilakukan dengan menggunakan pendekatan Phrase-based Statistical Machine Translation (PSMT). Penelitian ini membangun sebuah penerjemah Bahasa Indonesia ke Bahasa Sunda. Adapun tahapan yang digunakan dimulai dari pra proses menggunakan text preprocessing dan word embedding Word2Vec dan pendekatan yang digunakan yaitu Neural Machine Translation (NMT) dengan arsitektur Encoder-Decoder yang didalamnya terdapat sebuah Recurrent Neural Network (RNN). Pengujian pada penelitian menghasilkan nilai optimal oleh GRU sebesar 99,17%. Model dengan menggunakan Attention mendapat 99.94%. Penggunaan model optimasi mendapat hasil optimal oleh Adam 99.35% dan hasil BLEU Score dengan optimal bleu 92.63% dan brievity penalty 0.929. Hasil dari mesin penterjemah menghasilkan prediksi pelatihan dari Bahasa Indonesia ke Bahasa Sunda apabila input kalimat sesuai dengan korpus dan hasil terjemahan kurang sesuai ketika input kalimat berbeda dari korpus.

Analisis Pembangunan Korpus Berpasangan Untuk Pembangkitan Parafrasa Pada Makalah Ilmiah Ridwan Ilyas; Dwi Hendratmo Widyantoro; Masayu Leylia Khodra
JUMANJI (Jurnal Masyarakat Informatika Unjani) Vol 2 No 1 (2018): Jurnal Masyarakat Informatika Unjani
Publisher : Jurusan Informatika Universitas Jenderal Achmad Yani

Pembangunan mesin yang dapat membangkitkan kalimat baru dengan tingkat semantik yang tinggi namun secara penulisan berbeda (parafrasa) membutuhkan sumberdaya bahasa berupa korpus parallel. Proses pembangunan korpus memerlukan analisis awal sesuai dengan domain dari mesin yang akan dibuat. Pada penelitian ini dilakukan analis dalam pembangunan korpus berpasangan pada makalah ilmiah. Kalimat-kalimat pada makalah ilmiah memiliki karakteristik yang berbeda dengan domain lain seperti berita atau media sosial. Dari hasil proses ekstraksi awal didapatkan 590.402 kalimat isi dan 23.584 kalimat abstrak. Hasil dari penelitian ini dapat menjadi kandidat korpus yang dilakukan dengan proses terkomputerisasi.

Peningkatan Kemampuan Pengenalan Emosi Melalui Suara dalam Bahasa Indonesia FATAN KASYIDI; RIDWAN ILYAS; NIDA MUTHI ANNISA
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 6, No 2 (2021): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v6i2.194-204

AbstrakInteraksi manusia dengan komputer merupakan fenomena yang terus berkembang diikuti oleh meningkatnya penggunaan komputer yang sering digunakan dalam ranah sosial manusia. Manusia saling berinteraksi dengan melibatkan emosi untuk memahami seseorang. Emosi manusia seringkali terwakili melalui cara berbicara. Penelitian tentang pengenalan emosi melalui suara telah banyak dilakukan, namun terdapat upaya peningkatan pengenalan emosi melalui suara, terutama masalah korpus yang menjadi salah satu faktor yang menjadikan pengenalan emosi ini belum menghasilkan akurasi pengenalan yang optimal, khususnya berkaitan dengan imbalance data. Penelitian ini dilakukan untuk meningkatkan performa pengenalan emosi untuk mengenali lima kelas emosi yaitu senang, marah, sedih dan kepuasan serta netral menggunakan algoritma boosting. Selain itu, digunakan pula metode seperti CNN dan RNN untuk dapat dilakukan perbandingan serta penerapan SMOTE untuk korpusnya. Setelah eksperimen, dapat dihasilkan akurasi pengenalan mencapai 65% untuk akurasi untuk data tes berdasarkan konfigurasi 22050 Hz sebagai sampling rate, MFCCs dan oversampling SMOTE.Kata kunci: Imbalance data, Algoritma Boosting, CNN, RNN, SMOTEAbstractHuman interaction with computers are a growing phenomenon followed by the increasing use of computers which are often utilized in human social activities. Humans interact with one another by involving emotions. Plenty of research on speech emotion recognition has been established. Nevertheless, there are still efforts to enhance speech emotion recognition, especially the corpus problem which is one of the factors that the model does not in an optimal performance, especially about imbalance data. This study was conducted to enhance the performance of emotion recognition to recognize five class emotions: happiness, angry, sadness, contentment, and neutral. Furthermore, we employed CNN, RNN, and Boosting Algorithms. Lastly, we applied SMOTE to the corpus. After the experiment, the accuracy reached 65% with 22050 Hz configuration as rate, MFCCs, and SMOTE oversampling.Keywords: Data Imbalance, Boosting Algorithms, CNN, RNN, SMOTE

Klasifikasi Kalimat Ilmiah Menggunakan Recurrent Neural Network Muhamad Rizal Firmansyah; Ridwan Ilyas; Fatan Kasyidi
Prosiding Industrial Research Workshop and National Seminar Vol 11 No 1 (2020): Prosiding 11th Industrial Research Workshop and National Seminar (IRWNS)
Publisher : Politeknik Negeri Bandung

Pengklasifikasian hanya berbentuk satu kalimat ilmiah tunggal dan tidak terpengaruh oleh kalimat sebelum dan sesudah tetapi hanya berfokus pada satu kalimat ilmiah saja. Recurrent Neural Network (RNN) adalah arsitektur jaringan saraf tiruan yang telah terbukti berkinerja baik karena pemrosesannya disebut berulang kali untuk memproses input data sekuensial. Penelitian ini telah berhasil membuat model komputasi klasifikasi kalimat menggunakan RNN, dengan fitur yang telah diekstraksi menggunakan fungsi Word2Vec untuk menghasilkan satu set vektor. Dalam melakukan proses klasifikasi penelitian ini menggunakan total 2019 data pelatihan kalimat ilmiah yang telah dilabeli menjadi empat kelas, yaitu Weak, Comparison, Point, dan Neutral. Penelitian ini telah dibandingkan dengan empat optimasi yaitu Adam, SGD Adadelta, dan Adamax untuk menemukan tingkat pembelajaran terbaik dan cocok untuk klasifikasi kalimat. Hasil tingkat pembelajaran terbaik diperoleh dengan pengoptimalan SGD dengan nilai akurasi 77,48% dan Loss 0,71%. SGD tidak menggunakan banyak memoriGradient Descent sehingga konvergen lebih cepat. Selain itu SGD bekerja dengan memilih data sampel acak dari satu atau beberapa bagian dari data pelatihan dalam satu iterasi dengan cara yang iteratif. Data sampel acak ini dikoreksi berdasarkan aturan yang melibatkan gradien pertama untuk mengukur perubahan fungsi bersama dengan perubahan nilai input. Juga, hasil akurasi percobaan ini menunjukkan bahwa skor F-Measure mencapai 39,5%.

Co-Authors Achmad Aziz Adriana, Reyhan Agung Besti Agus Komarudin Akbar, Tzazkia Febriyana Aminuddin Ihsan, Aminuddin Ari Sri Windyaswari Ari Sri Windyaswari, Ari Sri Ariq Irawan, Muhamad Asendra, Irfan Asep Saepul Ridwan Ashaury, Herdy Aziz, Achmad Azmira Mifti Harjana Besti, Agung Chandani Nurul Hafizah Destri Wulansari Dhimas Ariya Wibiksana Djamal, Esmeralda Contesa Dwi Hendratmo Widyantoro Dwifani, Bella Melati Wiranur Eddie Khrisna Putra Eriyadi, Maulidina Norick Esmeralda C Djamal Esmeralda C Djamal Esmeralda C. Djamal Esmeralda C. Djamal Esmeralda Contessa Djamal Fadhilahsyah Ramadhan, Muhammad Diky Fahrauk Faramayuda, Fahrauk Fajri Rakhmat Umbara Fajri Umbara Fatimah Indrianti, Nisa Fitri Nur Suciani Gunawan Abdillah Gunawan Abdillah, Gunawan Hadiana, Asep Id Hidayat, Ferdian Afza Iqbal Prayoga Willyana Ismail, Nursafira Khairunnisa Iyan Taufik Hidayat Janjan Nurjaman Kania Ningsih, Ade Kasyidi, Fatan Luthfi Ahmad Fadhil Masayu Leylia Khodra Maulidina Norick Eriyadi Melina Melina Muhamad Ramdan, Muhamad Muhamad Rizal Firmansyah Muhammad Ramdhani, Muhammad Muhammad, Azri Naufal Akhfasy, Muhammad Neneng Nurhamidah NIDA MUTHI ANNISA Nur Shabrina, Nariswari Nurhamidah, Neneng Nursafira Khairunnisa Ismail Nurul S, Puspita Nurul Sabrina, Puspita Paramita, Veronika Santi Purnama Ginandjar, Ichas Putra, Dion Revaldy Putri, Dhiffa Namira Alifia Ramdani, Maullidan Alfa Rizki Fikri Ramdhan, Edvin Resa Abdilah Reyhan Adriana Deris Reza Dwi Putra Reza Indrawan Rezki Yuniarti Rezky Yuniarti ridwan fauzi Rifaz Muhammad Sukma Rizka Khoirunnisa Guntina Rizki Kurniawan, Moch. Sopian, Annisa Mufidah Susilowati, Merliana Tri Syarafina, Fildzah Tzazkia Febriyana Akbar Umbara, Fajri Rakhmat Wildan Pratama Wina Witanti Yamina Azmi Yoga Esa Mahendra Yulison Herry Chrisnanto Yustiana Fauziyah

Title

Found 48 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 48 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 48 Documents
Search