Article Per Year (5 Year)
p-Index From 2021 - 2026
2.543
P-Index
This Author published in this journals
All Journal JSM (Jurnal SIFO Mikroskil) Seminar Nasional Informatika (SEMNASIF) Indonesian Journal of Artificial Intelligence and Data Mining JMM (Jurnal Masyarakat Mandiri) METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi Jurnal Nasional Komputasi dan Teknologi Informasi JURNAL MAHAJANA INFORMASI Jurnal Teknologi Dan Sistem Informasi Bisnis Abdi: Jurnal Pengabdian dan Pemberdayaan Masyarakat JTIK (Jurnal Teknik Informatika Kaputama) BERNAS: Jurnal Pengabdian Kepada Masyarakat Jurnal Pengabdian Masyarakat Bidang Sains dan Teknologi
Ng Poi Wong
Universitas Mikroskil
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Public Health Social Sciences Transportation Veterinary Other

Published : 26 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : JURNAL MAHAJANA INFORMASI

 1 
DETEKSI UJARAN KEBENCIAN BERBASIS VIDEO DENGAN METODE MEL FREQUENCY CEPSTRAL COEFFICIENTS (MFCC) - HIDDEN MARKOV MODEL (HMM) DAN CONVOLUTIONAL NEURAL NETWORK (CNN) Sunaryo Winardi; Ng Poi Wong; Tiartha Triagustinus Sitanggang; Juangsyah Putra Nasution
JURNAL MAHAJANA INFORMASI Vol 4 No 2 (2019): JURNAL MAHAJANA INFORMASI
Publisher : Universitas Sari Mutiara Indonesia Medan

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

Abstract

Peningkatan penyebaran konten kebencian di media sosial membutuhkan tindakan penanggulangan yang serius. Sejumlah metode telah dikembangkan untuk mendeteksi konten kebencian secara otomatis dengan tujuan mengklasifikasikan konten tekstual sebagai ujaran kebencian atau bukan. Dalam penelitian ini, pendeteksian ujaran kebencian akan dilakukan pada konten video dengan model isolated word recognition. Model ini hanya dapat mendeteksi kata, bukan kalimat sehingga harus dilakukan pemotongan kalimat menjadi kata menggunakan metode silence split. Metode Mel Frequency Cepstral Coefficients (MFCC) - Hidden Markov Model (HMM), dan Convolutional Neural Network (CNN) digunakan untuk mengklasifikasikan konten video sebagai ujaran kebencian. Pengujian pada penelitian ini terdiri dari 2 bagian, yakni pengujian speech to text menggunakan metode word error rate (WER) dan menghasilkan WER sebesar 9.433% untuk data testing perempuan dan WER sebesar 7.54% untuk data testing laki-laki, serta pengujian text classification menggunakan metode confusion matrix dan mendapatkan nilai akurasi sebesar 88%.
IMPLEMENTASI CNN UNTUK IDENTIFIKASI SPESIES REPTIL DAN AMFIBI BERBASIS CITRA DIGITAL Aldo Romulus Napitupulu; Herri Suba L. Tobing; Ng Poi Wong; Kelvin, Kelvin
Jurnal Mahajana Informasi Vol 10 No 2 (2025): JURNAL MAHAJANA INFORMASI
Publisher : Universitas Sari Mutiara Indonesia Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51544/jurnalmi.v10i2.6306

Abstract

Reptil dan amfibi merupakan dua kelompok hewan vertebrata yang memiliki peran penting dalam ekosistem, namun kerap sulit dibedakan hanya melalui pengamatan visual. Kemiripan warna kulit, bentuk tubuh, dan pola permukaan sering menimbulkan kesalahan identifikasi, terlebih ketika faktor pencahayaan, latar belakang, dan sudut pengambilan gambar bervariasi. Kondisi ini menimbulkan tantangan signifikan bagi proses identifikasi otomatis berbasis citra. Penelitian ini bertujuan mengembangkan model identifikasi berbasis citra dengan memanfaatkan algoritma Convolutional Neural Network (CNN), yang dikenal handal dalam mengekstraksi dan mempelajari fitur visual dari data citra kompleks. Dataset penelitian terdiri dari 6.045 gambar yang mencakup 10 spesies, dikategorikan menjadi dua kelas utama, yaitu reptil dan amfibi. Arsitektur CNN yang dirancang terdiri dari tiga lapisan konvolusi, pooling, dan fully connected, disertai mekanisme callback seperti EarlyStopping dan ModelCheckpoint untuk mencegah overfitting dan mempertahankan bobot terbaik. Hasil pengujian pada data uji menunjukkan akurasi 86,60%, dengan nilai F1-score 0,91 untuk kelas reptil dan 0,73 untuk kelas amfibi. Perbedaan kinerja ini menunjukkan model lebih optimal dalam mengenali reptil dibandingkan amfibi, yang kemungkinan disebabkan oleh distribusi data tidak seimbang dan kompleksitas visual pada amfibi. Secara keseluruhan, penelitian ini membuktikan bahwa CNN dapat digunakan sebagai alat bantu identifikasi otomatis yang efektif untuk membedakan spesies reptil dan amfibi berdasarkan citra visual.
Co-Authors Ade Wibowo Giri Adithya Maulana Aldo Romulus Napitupulu Ali Akbar Lubis Andri - Andri Andri Andri Chan Andri, Andri Ardiansah - Ardiansah Ardiansah Ardiansah, Ardiansah Arwin Halim Ayu Yolanda Nasution Christine - Cindy Sintiya Cynthia Cynthia Darwin Darwin Darwin Edward Surya Jaya Farrell Rio Fa Ferawaty, Ferawaty Ferry Andika Putra Filbert Florida N. S. Damanik Frans Glendly Manuel Sianipar Gilbert Wijaya Habibie, Ilham Maulana Hardy Hardy Hardy Hardy Hernawati Gohzali Herri Suba L. Tobing Ilham Maulana Habibie Irfan Arfiandi Irpan Pardosi Ivan Audris Jeffry Gunawan Jerry Johnson Jikky Jikky Johnny Fransiscus Juangsyah Putra Nasution Kelvin Kelvin Lim, Justine Natanael Halomoan Nainggolan Newton Ongko Nico Syahputra Santoso Panjaitan, Erwin Setiawan Paulus Paulus Poltak Sihombing Riche Riche Riche Suwandy Ritchie Kurniawan Roni Yunis Ryan Rajaya Sinaga, Frans Mikael Steven Steven Sunario Megawan Sunario Megawan Tiartha Triagustinus Sitanggang Toni Gunawan Tri Wulandari Ginting V. Immanuel Damanik Vanessa Leonora Vanessa Priscilla Wijaya Wenripin Chandra Wijaya, Grace Putri Willy Cahyadi Winardi, Sunaryo Yudhistira Adhitya Pratama