Article Per Year (5 Year)
p-Index From 2021 - 2026
4.337
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer EMITTER International Journal of Engineering Technology Indonesia Symposium on Computing Indonesian Journal on Computing (Indo-JC) IJoICT (International Journal on Information and Communication Technology) JOIN (Jurnal Online Informatika) Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) International Journal of Artificial Intelligence Research JURNAL MEDIA INFORMATIKA BUDIDARMA JITTER (Jurnal Ilmiah Teknologi Informasi Terapan) Indonesian Journal of Applied Informatics Charity : Jurnal Pengabdian Masyarakat Jurnal Abdimas Kartika Wijayakusuma Indonesian Community Journal Jurnal Pengabdian Masyarakat Bhinneka eProceedings of Engineering Community Service Seminar and Community Engagement (COSECANT) Telkatika: Jurnal Telekomunikasi Elektro Komputasi & Informatika LOGIC: Jurnal Penelitian Informatika
Febryanti Sthevanie
Telkom University
Agriculture, Biological Sciences & Forestry Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Mechanical Engineering Public Health Social Sciences Other

Published : 66 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 32 Documents
Search
Journal : eProceedings of Engineering

 1   2   3   4 
Deteksi Kanker Kulit Melanoma Menggunakan Aturan Abcd Fikri Firdaus; Febryanti Sthevanie; 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

Abstrak Dalam beberapa waktu terakhir, kanker kulit dipandang sebagi salah satu bentuk berbahaya dari kanker, kanker kulit ditemukan dalam berbagai jenis seperti melanoma. Deteksi melanoma dalam tahap awal dapat membantu dalam proses penyembuhan. Computer Vision dapat membantu dokter dalam mendiagnosa dan telah terbukti oleh banyak sistem yang telah ada. Dalam tugas akhir ini penulis menggunakan aturan ABCD. Sistem akan mengekstraksi fitur asimetri, border, warna, dan different structure sesuai aturan ABCD dari inputan yang diterima sistem. Hasil dari ekstraksi fitur tersebut akan digunakan untuk mengklasifikasikan inputan sebagai kulit normal atau termasuk melanoma. Sistem yang dibangun dapat mengklasifikasikan melanoma dan non-melanoma dengan tingkat akurasi 66,8%. Kata kunci : Melanoma, ABCD Rule, Ekstraksi, asimetri, border, warna, different structure. Abstract In recent times, skin cancer is seen as one of the dangerous forms of cancer, skin cancer is found in various types such as melanoma. Detection of melanoma in the early stages can help in the healing process. Computer Vision can assist doctors in diagnosing and has been proven by many existing systems. In this final project the author uses ABCD rule. The system will extract the asymmetry, border, color, and different structure features according to the ABCD rules of the input the system receives. The results of feature extraction will be used to classify the input as normal skin or include melanoma. The system built can classify melanoma and non-melanoma with an accuracy rate of 66.8%. Keywords: Melanoma, ABCD Rule, Extraction, asymmetry, border, color, different structure.
Pengenalan Wajah Menggunakan Metode Local Binary Pattern Dan Principal Component Analysis Hizas Sabilal Rasyad; Febryanti Sthevanie; Anditya Arifanto
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

Abstrak Pengenalan Wajah merupakan sistem teknologi berbasis biometrik yang digunakan untuk mengidentifikasi seseorang dari suatu gambar digital ataupun video dengan cara menganalisa wajah mereka menggunakan algoritma tertentu. Meningkatkan akurasi pada pengenalan wajah menjadi sebuah tantangan bagi peneliti. Pada penelitian sebelumnya[1], pengenalan wajah menggunakan ekstraksi fitur Local Binary Pattern pada resolusi rendah 35 piksel telah mencapai akurasi 90%. Pada penelitian ini, penulis membuat system pengenalan wajah menggunakan metode Local Binary Pattern dan dikombinasikan dengan Principal Component Analysis untuk meningkatkan penelitian sebelumnya, dan berhasil mencapai akurasi 94% pada resolusi rendah. Kata kunci : Pengenalan Wajah, Local Binary Pattern, Principal Component Analysis, Ekstraksi Fitur Abstract Face Recognition is a biometric-based technology system that is used to identify someone from a digital image or video by analyzing their faces using certain algorithms. Increasing accuracy in facial recognition is a challenge for researchers. In previous studies [1], face recognition using features extraction of Local Binary Pattern features at a low resolution of 35 pixel has reached 90% accuracy. In this study, the author made a face recognition system using the Local Binary Pattern method and combined it with the Principal Component Analysis to improve previous research, and achieved 94% accuracy at low resolution. Keywords: Face Recognition, Local Binary Pattern, Principal Component Analysis, Feature Extraction
Automatic Image Annotation Menggunakan Metode Speeded Up Robust Feature Dan Support Vector Machine Nurul Halimatul Azizah; Febryanti Sthevanie; Anditya Arifianto
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Tersedianya citra dalam jumlah yang cukup banyak menyebabkan dibutuhkannya sistem untuk mengorganisasikan citra sesuai dengan kategori tertentu untuk memudahkan user untuk mencari citra yang dibutuhkan. Pencarian citra menggunakan teks saat ini masih kurang efektif karena pemberian teks terhadap citra oleh masing-masing orang masih terlalu subyektif dan memakan waktu yang cukup lama. Pencarian dengan menggunakan citra sebagai query menggunakan fitur yang terdapat pada citra juga masih kurang efektif karena membutuhkan citra sebagai query dan hasilnya masing kurang sesuai. Sistem Automatic Image Annotation merupakan sistem yang dapat mengatasi kekurangan yang tedapat pada pencarian citra menggunakan teks dan pencarian citra menggunakan citra query, dengan cara memberikan anotasi secara otomatis terhadap citra menggunakan fitur yang terdapat pada citra. Dalam penelitian tugas akhir ini, akan dibangun sebuah sistem Automatic Image Annotation menggunakan metode ekstraksi ciri Speeded Up Robust Features (SURF) dan metode klasifikasi Support Vector Machine (SVM) menggunakan Bag-of-Visual-Words. Dari hasil pengujian, akurasi tertinggi didapat menggunakan nilai threhsold 0, jumlah klaster 500, dan menggunakan jenis SVM one-against-all dengan hasil F1 Score rata-rata sebesar 0,9001. Kata kunci : Automatic Image Annotation, SURF, SVM, visual words.
Sistem Rekognisi Iris menggunakan Algoritma Klasifikasi Learning Vector Quantization Nur Indah Puspa Idham; Kurniawan Nur Ramdhani; Febryanti Sthevanie
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

Abstrak Sistem pengenalan iris mata dianggap sebagai salah satu metode biometrik yang umum digunakan untuk identifikasi dan verifikasi manusia, ini karena iris mata memiliki pola unik yang berbeda-beda pada setiap manusia. Pada paper ini penulis mengusulkan pengenalan iris dengan menggunakan suatu algoritma klasifikasi, yaitu Learning Vector Quantization. Proses identifikasi iris mata pada penelitian ini berupa proses awal, ektraksi ciri, dan klasifikasi. Pertama, citra iris yang sudah disegmentasi, dihilangkan noise-nya dan dinormalisasi. Lalu dilakukan ekstraksi ciri, algoritma yang digunakan adalah transformasi wavelet, yang merupakan metode analisis tekstur. Lalu hasil ekstraksi diklasifikasi dengan metode klasifikasi Learning Vector Quantization. Hasil simulasi menunjukkan hasil akurasi tertinggi 88.89%. Kata kunci : iris mata, biometrik, wavelet, LVQ Abstract Iris recognition system is considered to be one of the best biometric methods used for human identification and verification, because human iris has distinct unique patterns in every human being. In this paper the author proposes the identification of iris by using a classification algorithm, namely Learning Vector Qu-antization. The process of identification of the iris in this study is the initial process, feature extraction, and classification. First, segmented the iris image, removed the noise and normalized. Then extraction fe-ature process, the algorithm used is wavelet transformation, which is method of texture analysis. Then the extraction results are classified by the Learning Vector Quantization classification method. The simulation results show the highest accuration is 88.89%. Keywords: human iris, biometric, wavelet, LVQ
Pengenalan Ras Kucing Scottish Fold Menggunakan Metode Histogram Of Oriented Gradients Dan Jaringan Saraf Tiruan Sakinah Indriyani; Febryanti Sthevanie; Kurniawan Nur Ramadhani
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

AbstrakKucing merupakan salah satu hewan peliharaan yang cukup populer dikalangan manusia. Menurut TheCat Fanciers Association (CFA), terdapat 42 ras kucing di dunia. Dari 42 ras kucing tersebut, hanya terdapat1% ras asli kucing dari jumlah keseluruhan populasi kucing di dunia, dikarenakan banyaknya perkawinansilang antar ras kucing. Setiap ras memiliki penanganan yang berbeda, salah satunya yaitu kucing ScottishFold merupakan ras kucing yang dikenal rentan. Dengan metode pengolahan citra dan machine learning,dibangun sistem untuk mengenali ras kucing Scottish Fold dengan ekstraksi fitur HOG dan proses klasifi-kasi Jaringan Saraf Tiruan. Pengenalan ras kucing dibedakan menjadi pengenalan ras kucing Scottish Folddan Non-Scottish Fold. Evaluasi dari model yang telah dibangun menghasilkan nilai akurasi sebesar 97,5%untuk telinga kucing, 96% untuk wajah kucing tanpa background dan 90,5% untuk wajah kucing denganbackground menggunakan parameter HOG 8x8 pixel per cells, 1x1 block per cells, bins 9, dan parameterJST dengan jumlah neuron 50 pada 1 hidden layer. Kata kunci : Kucing, Pengenalan Ras, Pengenalan Wajah, Histogram of Orieneted Gradients, Jaringan SarafTiruan AbstractCat is one of the pets that quite popular around humans. According to The Cat Fanciers Association (CFA),there are 42 cat breed in this world. From 42 cat breeds, there are only 1% pure-bred cat in this world,because of cross-breed between cats. Every cat-breed has different way to take care of. Scottish Fold is oneof cat-breed that pretty vulnerable. With image processing and machine learning, a system to recognizeScottish Fold cat-breed using HOG for extraction feature and Artificial Neural Network for classification isbuilt. Cat-breed recognition divided by two as Scottish Fold and Non-Scottish Fold. The accuracy of thissystem is 97,5% for cat’s ears image, 96% for cat’s face image without background, and 90,5% for cat’sface image with background using HOG parameter 8x8 pixel per cells, 1x1 cells per block, 9 bins, and ANNparameter 50 neuron in 1 hidden layer. Keywords: Cats, Race Recognition, Face Recognition, Histogram of Oriented Gradients, Artificial NeuralNetwork
Sistem Rekognisi Menggunakan Metode Local Binary Pattern Dan Support Vector Machine Untuk Mendeteksi Ruang Kosong Tempat Parkir Luar Ruangan Mochamad Rakha Luthfi Fahsya; Febryanti Sthevanie; Kurniawan Nur Ramadhani
eProceedings of Engineering Vol 7, No 2 (2020): Agustus 2020
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Pertambahan volume kendaraan menyebabkan kuota parkir disebuah tempat parkir berkurang dan terjadinya kepadatan pada slot tempat parkir yang menyebabkan kesulitan pengunjung dalam mencari slot tempat parkir kosong, yang akan membuat waktu dalam melakukan pencarian tempat parkir terbuang. Peneliti menggunakan metode Gamma Correction, Gaussian Blur, Local Binary Pattern Rotation Invariant Uniform dan Support Vector Machine dengan setelan parameter Gaussian Blur menggunakan tanpa kernel, Gamma Correction menggunakan nilai gamma = 15, Local Binary Pattern Rotation Invariant Uniform P=8 dan R=1 dan Support Vector Machine kernel RBF mendapatkan nilai akurasi sebesar 99.52% lebih baik dibandingkan jurnal [3] dengan metode 𝑳��𝒖 akursi 98.90% dan 𝑳𝑩���𝒊𝒖��dengan akurasi 82.78% . Kata Kunci: Local Binary Pattern Rotation Invariant Uniform, Support Vector Machine, Gaussian Blur Abstract The increase in vehicle volume causes the parking quota in a parking space to decrease and decreases in the parking space slot which causes difficulty for visitors to find a parking space slot, which will make time in searching for a parking space wasted. Researchers will use the Gamma Correction, Gaussian Blur, Uniform Rotation Local Binary Pattern and Support Vector Machine method using parameters Gaussian Blur using without kernel, Gamma Correction using gamma value = 15, Local Binary Pattern Rotation Invariant uniform parameters P = 8 and R = 1 and RBF kernel Vector Support Engine with accuracy 99.52%% better than journals [3] with the method 𝑳��𝒖 accuracy 98.90% and 𝑳𝑩���𝒊𝒖𝟐 with an accuracy of 82.78% . Keywords: Local Binary Pattern Rotation Invariant Uniform, Support Vector Machine, Gaussian Blur
Klasifikasi Ras Pada Kucing Menggunakan Algoritma Convolutional Neural Network(cnn) Muhammad Afif Amanullah Fawwaz; Kurniawan Nur Ramadhani; Febryanti Sthevanie
eProceedings of Engineering Vol 8, No 1 (2021): Februari 2021
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Kucing adalah hewan peliharaan yang bisa dimiliki oleh semua orang. Namun terkadang tidak semua pemilik kucing mengetahui ras kucingnya. Perawatan kucing seharusnya dilakukan dengan perawatan khusus untuk menjamin kesehatan kucing, disesuaikan dengan ras yang dimiliki kucing tersebut karna setiap ras kucing mempunyai karateristik yang berbeda sehingga diperlukan perawatan yang berbeda pula. Maka dari itu diperlukan sebuah program yang dapat mengenali ras dari seekor kucing. Pada penelitian tugas akhir ini yang berjudul “Klasifikasi Ras pada Kucing menggunakan Algoritma Convolutional Neural Network (CNN)” telah dilakukan training dan testing dengan menggunakan dataset yang berasal dari Oxford-IIIT yang berjumlah 2393 citra dengan jumlah kelas sebanyak 12 kelas. Model yang digunakan yaitu VGG16, InceptionV3, ResNet50 dan Xception. Hasil testing didapatkan berupa akurasi untuk tiap modelnya yaitu 60.85%, 84.94%, 71.39%, dan 93.75%. Kata Kunci: CNN, klasifikasi, visi komputer Abstract Cats are pets that everyone can have. But sometimes not all cat owners know their cat breeds. Caring for a cat can not be arbitrary, but it requires special care. The treatment of cat must be specific based on each breed in cats for ensure the cat’s healt adjusted to the cat breeds has different characteristics so that different care is needed. So we need a program that can recognize the breed of a cat. In this research, entitled "Breed Classification in Cats using Convolutional Neural Network (CNN) Algorithm" training and testing has been carried out using a dataset originating from Oxford-IIIT totaling 2393 images with 12 classes. The models used are VGG16, InceptionV3, ResNet50 and Xception. The test accuracy results are 60.85%, 84.94%, 71.39%, dan 93.75%. Keywords: CNN, classification, computer visionAbstrak Kucing adalah hewan peliharaan yang bisa dimiliki oleh semua orang. Namun terkadang tidak semua pemilik kucing mengetahui ras kucingnya. Perawatan kucing seharusnya dilakukan dengan perawatan khusus untuk menjamin kesehatan kucing, disesuaikan dengan ras yang dimiliki kucing tersebut karna setiap ras kucing mempunyai karateristik yang berbeda sehingga diperlukan perawatan yang berbeda pula. Maka dari itu diperlukan sebuah program yang dapat mengenali ras dari seekor kucing. Pada penelitian tugas akhir ini yang berjudul “Klasifikasi Ras pada Kucing menggunakan Algoritma Convolutional Neural Network (CNN)” telah dilakukan training dan testing dengan menggunakan dataset yang berasal dari Oxford-IIIT yang berjumlah 2393 citra dengan jumlah kelas sebanyak 12 kelas. Model yang digunakan yaitu VGG16, InceptionV3, ResNet50 dan Xception. Hasil testing didapatkan berupa akurasi untuk tiap modelnya yaitu 60.85%, 84.94%, 71.39%, dan 93.75%. Kata Kunci: CNN, klasifikasi, visi komputer Abstract Cats are pets that everyone can have. But sometimes not all cat owners know their cat breeds. Caring for a cat can not be arbitrary, but it requires special care. The treatment of cat must be specific based on each breed in cats for ensure the cat’s healt adjusted to the cat breeds has different characteristics so that different care is needed. So we need a program that can recognize the breed of a cat. In this research, entitled "Breed Classification in Cats using Convolutional Neural Network (CNN) Algorithm" training and testing has been carried out using a dataset originating from Oxford-IIIT totaling 2393 images with 12 classes. The models used are VGG16, InceptionV3, ResNet50 and Xception. The test accuracy results are 60.85%, 84.94%, 71.39%, dan 93.75%. Keywords: CNN, classification, computer vision
Klasifikasi Aksara Lontara Dari Sulawesi Selatan Menggunakan CNN Rahim, Abdul; Sthevanie, Febryanti; Ramadhani, Kurniawan Nur
eProceedings of Engineering Vol. 11 No. 4 (2024): Agustus 2024
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Sebagai negara kepulauan dengan keberagaman budaya dan bahasa, Indonesia memegang peran penting dalam menyimpan dan merawat warisan budaya. Salah satu warisan tersebut adalah aksara Lontara, sebuah sistem tulisan tradisional yang telah digunakan secara luas di Sulawesi Selatan. Penelitian ini melakukan perbandingan beberapa arsitektur CNN untuk klasifikasi aksara Lontara dalam konteks OCR. Hasil eksperimen menunjukkan bahwa arsitektur CNN yaitu VGG16 mencapai performa terbaik dengan akurasi training validation sebesar 97% dan testing sebesar 90% dibandingkan dengan arsitektur VGG19, ResNet, dan ResNetV2. Kata kunci— aksara Lontara, citra digital, ocr, klasifikasi, cnn.
Pendeteksian Api pada Video Menggunakan Wavelet Dan LBP Saputra, Naufal Luthfi; Sthevanie, Febryanti; Ramadhani, Kurniawan Nur
eProceedings of Engineering Vol. 10 No. 3 (2023): Juni 2023
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak-Keakuratan deteksi api selalu menjadi tujuan utama dalam penelitian deteksi api. Pemilihan metode yang digunakan dalam melakukan pendeteksian api merupakan hal yang paling mempengaruhi nilai akurasi dalam deteksi api. Penulis menggunakan metode rule based untuk memfilter nilai pixel api, lalu digunakan metode spatial analisis untuk mendapatkan nilai energi dari objek api dan menggunakan Local Binary Pattern sebagai texture analysis dan Support Vector Machine sebagai classifier dan didapatkan akurasi 89,35%.Kata kunci-deteksi api, rule based, spatial analisis , wavelet transform, Local Binary Pattern, Support Vector Machine
Deteksi Penggunaan Masker Pada Citra Menggunakan RetinaFace dengan MobileNetV2 Muhammad Zaki, Ghilman; Sthevanie, Febryanti; Nur Ramadhani, Kurniawan
eProceedings of Engineering Vol. 10 No. 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak — Pada penelitian ini dibentuk sistem pendeteksi masker menggunakan RetinaFace sebagai face detection dan MobileNetV2 sebagai sistem klasifikasi penggunaan masker pada wajah. Alur sistem diawali dengan sistem pendeteksi wajah menggunakan RetinaFace. RetinaFace mengambil bagian wajah pada citra dan diteruskan ke model sistem klasifikasi penggunaan masker menggunakan model MobileNetV2. Model MobileNetV2 dilakukan training dengan training set yang terdiri dari 23.115 citra wajah bermasker dan tidak bermasker dan dilakukan testing dengan testing set yang terdiri dari 6.998 citra wajah bermasker dan tidak bermasker. Hasil akurasi yang didapatkan oleh model MobileNetV2 sebesar 99,3%. Namun model MobileNetV2 masih dapat memberikan hasil prediksi yang salah untuk citra wajah dari citra orang yang diambil dari jarak yang jauh.Kata kunci— COVID-19, retinaface, mobilenetv2
Co-Authors 1Faizal Bima Prayudha Abdul Rahim Adam Geraldy Katab Adhika Widya Prastomo Agustina, Nur Azizah Al Faraby, Said Alda Putri Utami Amalina, Neneng Nur Anang Kurniawan Anditya Arifanto Anditya Arifianto Anditya Arifiyanto Andri Arindiah Arida Kartika Atria Salim, Muhammad Rizki Bedy Purnama Brilian Aringga Prabowo Danu Hary Prakoso Diah Ajeng Dwi Yuniasih Dian Masmawati Dindin Dhino Alamsyah Dwi Prasetya Sujoko Dwiki Lazzaro Ema Rachmawati Ema Rachmawati Enki Probo Sidhi Farid Hidayat Fazmah Arif Y, Fazmah Fernanda Januar Pratama Fikri Firdaus Gamma Kosala Ghali Marzan Gia Septiana Wulandari Grandhys Setyo Utomo Gugy Lucky Khamdani Hafidh Fikri Rasyid Hizas Sabilal Rasyad Hutomo, Ardityo Cahyo Putro Hutomo I Putu Indra Aristya Imamul Akhyar Indra Bayu Kusuma Jonas de Deus Guterres Ketut Sudyatmika Putra Kurniawan Nur R Kurniawan Nur Ramadhani Kurniawan Nur Ramdhani Laksitowening, Kusuma Ayu Lukmana Sardi, Indra Mahmud Dwi Sulistiyo Maula Ilma Ahgnia Dwi Anjani Mochamad Rakha Luthfi Fahsya Muhammad Afif Amanullah Fawwaz Muhammad Jendro Yuwono Muhammad Jendro Yuwono Muhammad Salman Farhan Muhammad Zaki, Ghilman Muhammad Zulfiqar Shafar Neneng Nur Amalina Nur Hidayah, Maulana Nur Indah Puspa Idham Nur Ramadhani, Kurniawan Nurul Halimatul Azizah Prasti Eko Yunanto Rachmi Azanisa Putri Rahman, Rahadian Yusuf Abdul Retno Novi Retno Novi Reza Dwi Ansari Rimba Whidiana Ciptasari Rita Rismala Rivan Ardyanto Sutoyo Sakinah Indriyani Saputra, Naufal Luthfi Shabran Fauzan Ahmad Sulistiyo, Mahmud Tito Prihambodo Tjokorda Agung Budi W Tjokorda Agung Budi Wiharja Tjokorda Agung Budi Wirayuda Untari Novia Wisesty Wikky Fawwaz Al Maki Zeyhan Aliyah