Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI)
Esmeralda C. Djamal
Jurusan Informatika, Fakultas MIPA Universitas Jenderal Achmad Yani
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Lime Identifikasi Tingkat Perhatian Produk Berdasarkan Sinyal EEG Sebagai Neuro Marketing Juliyanto Pratama; Esmeralda C. Djamal; Faiza Renaldi
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2016
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

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

Abstract

Keterlibatan konsumen terhadap suatu produk dapat diartikan sebagai tingkat hubungan personal yang dirasakan sebagai pemahaman akan produk tersebut. Salah satu cara untuk mengetahui ketertarikan suatu produk yaitu dengan neuro marketing yang menggunakan perangkat Elektroensephalogram (EEG). Sinyal EEG menginformasikan kondisi pikiran dan pengaruhnya terhadap rangsangan dari luar. Penelitian ini menggunakan ekstraksi Autoregressive orde 10, 20 dan 30 yang kemudian dilakukan identifikasi menggunakan metode Jaringan Saraf Tiruan (JST) Learning Vector Quantization (LVQ). Untuk melakukan identifikasi telah ditentukan parameter optimal LVQ yaitu, banyaknya iterasi 1000, minimum error sebesar 0.0001, dan learning rate sebesar 0.05. Hasil dari ekstraksi orde 10 menghasilkan akurasi sebesar 55%, orde 20 menghasilkan akurasi sebesar 80%, dan orde 30 menghasilkan akurasi sebesar 75%.
Klasifikasi Identitas Wajah Untuk Otorisasi Menggunakan Deteksi Tepi dan LVQ Gilang Ramadhan; Esmeralda C. Djamal; Tedjo Darmanto
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2016
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

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

Abstract

Pengenalan pola wajah dapat dipandang mengenali emosi, ras, ataupun pemiliknya berdasarkan fitur-fitur yang dimiliki. Beberapa penelitian terdahulu  mengenali emosi berdasarkan segmen dari wajah menggunakan Regions Of Interest (ROI) dan Jaringan Syaraf Tiruan (JST), sedangkan penelitian lain mengenali jender dari pemilik wajah menggunakan Principal Component Analysis (PCA) dan Linear Discriminant Analysis (LDA) sebagai pengenalan biometrik menggunakan JST ataupun Eigen Face. Biometrik dapat dijadikan sebagai identitas yang diperlukan seperti untuk kehadiran, akses suatu sistem, dan pencaharian seseorang. Pengenalan citra wajah, retina, sidik jari dapat menunjukkan identitas dari pemiliknya. Penelitian ini telah membangun sistem pengenalan identitas berdasarkan citra wajah untuk otorisasi akses pintu hunian menggunakan JST. Citra wajah disegmentasi atas mata, dan mulut, sebagai masukan dari JST menggunakan metode Learning Vector Quantization (LVQ) dengan panjang vektor 10.600. 1-2.800 merupakan vektor mata kanan, 2.801-5.600 mata kiri, dan 5.601-10.600 merupakan vector mulut. LVQ mempunyai kesederhanaan dalam generalisasi pelatihan sehingga mempunyai komputasi lebih baik. Akurasi pengenalan ditingkatkan dengan memasukkan segmen-segmen wajah sebagai ciri. Sistem klasifikasi identitas wajah yang dibangun diimplementasi dalam bentuk perangkat lunak. Hasil klasifikasi dari 25 data uji yang tidak dilatih memperoleh akurasi sebesar 88% dengan hasil pengenalan tiga data uji tidak dikenali dan 22 data uji dikenali. Sedangkan hasil klasifikasi dari 25 data uji yang telah dilatih memperoleh akurasi sebesar 92% dengan hasil pengenalan dua data uji tidak dikenali dan 23 data uji dikenali.
Co-Authors Faiza Renaldi Gilang Ramadhan Juliyanto Pratama Tedjo Darmanto Tedjo Darmanto