Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal Jurnal Infra
Alvin Nathaniel Tjondrowiguno
Program Studi Teknik Informatika
Computer Science & IT

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Penggunaan Convolutional Recurrent Neural Network dan RLSA untuk Mengambil Data pada Akta Kelahiran Stephanie Liem; Kartika Gunadi; Alvin Nathaniel Tjondrowiguno
Jurnal Infra Vol 7, No 1 (2019)
Publisher : Jurnal Infra

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (717.503 KB)

Abstract

Birth certificate is one of the documents that is mandatory for every citizen to have. This document records the information upon someone’s birth and an official acknowledgement of a country on that person’s existence. Birth certificate is a legal document and is an acceptable form of identification for other documents such as a diploma. As one of Indonesia’s learning institute, Petra Christian University needs its students birth certificate as a solid proof upon their identification and as a base to publish a diploma. The extraction of information is being done manually but with the rapid development of technology, it is now possible to obtain the information within a birth certificate automatically. Research about information extraction on Birth Certificate hasn’t been done yet before, but similar research with the object of Identity Card has been done using Template Matching with the accuracy of 17-39%. This research uses Run Length Smoothing Algorithm and Convolutional Recurrent Neural Network as its primary methods. Run Length Smoothing Algorithm is used to segment words in a birth certificate image. The word in an image will then be translated into a text in string form by Convolutional Recurrent Neural Network. To know which words that contain the wanted information, the sequence of the words and specific keywords are being used. The result of this research will be information upon the full name, birth date, place of birth and the gender of the birth certificate holder. The result from tests that were done is an accuracy of 12.936% upon finding the wanted information and 60.086% for words translation from image to string by CRNN.
Pengenalan Aksara Jawa dengan Menggunakan Metode Area Based Feature Extraction dan Support Vector Machine Alfred Louis Wangsaputra; Rudy Adipranata; Alvin Nathaniel Tjondrowiguno
Jurnal Infra Vol 7, No 1 (2019)
Publisher : Jurnal Infra

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (653.089 KB)

Abstract

Huruf Jawa merupakan salah satu dari budaya Indonesia yang beragam di pulau Jawa. Namun seiring dengan perkembangan teknologi, budaya huruf Jawa ini mulai ditinggalkan. Banyak generasi muda sekarang yang lebih tertarik untuk belajar bahasa asing daripada Bahasa Jawa. Walaupun orang Jawa tinggal di pulau Jawa tetapi masih banyak yang tidak mengerti huruf Jawa. Sangat disayangkan apabila suatu budaya yaitu huruf Jawa harus hilang karena tidak ada generasi muda yang mengerti huruf Jawa. Huruf Jawa memiliki tingkat kesulitan tersendiri untuk dipelajari karena bentuknya yang mirip antara satu huruf dengan huruf lainnya. Kesulitan dalam mempelajari huruf Jawa ini juga berpengaruh pada minat generasi muda untuk mempelajari huruf Jawa Selain itu, saat ini aplikasi mengenai huruf Jawa juga masih cenderung tidak terlalu banyak.Berdasarkan permasalahan tersebut, maka aplikasi pengenalan huruf Jawa ini dibuat dengan harapan dapat melestarikan budaya Indonesia sekaligus mempermudah pembelajaran huruf Jawa. Adapun penelitian sebelumnya yang juga merupakan pengenalan huruf Jawa tetapi dengan metode lain seperti Shape Based Feature Extraction sebagai metode ekstraksi fitur dan Probabilistic Neural Network, Elman Type, Feedforward Backpropagation sebagai metode pengenalan namun akurasinya masih relatif rendah. Proses dari pengenalan huruf Jawa ada 3 tahap, yaitu segmentasi, ekstraksi fitur, dan pengenalan. Input berupa gambar dokumen huruf Jawa yang akan di segmentasi. Proses segmentasi telah dibuat oleh penelitian sebelumnya dan hasilnya adalah gambar satu huruf Jawa. Proses fitur ekstraksi dilakukan dengan menggunakan metode Area Based Feature Extraction sehingga menghasilkan data fitur ekstraksi dari gambar satu huruf Jawa untuk digunakan dalam proses pengenalan. Proses pengenalan dilakukan dengan menggunakan metode Support Vector Machine. Output nya adalah teks digital dari huruf Jawa yang diklasifikasi.Hasil pengujian menunjukkan bahwa akurasi pengenalan huruf Jawa menggunakan metode Support Vector Machine mencapai 90.84%.
Sistem Rekomendasi Item Pada Game Dota 2 dengan Multilayer Perceptron Neural Network Vincentius Leonardo; Leo Willyanto Santoso; Alvin Nathaniel Tjondrowiguno
Jurnal Infra Vol 7, No 1 (2019)
Publisher : Jurnal Infra

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (554.444 KB)

Abstract

Dota 2 adalah salah satu online game bergenre MultiplayerOnline Battle Arena yang paling populer di dunia. Dota 2dimainkan antara dua tim berisi 5 orang, di mana masing -masing tim harus saling menghancurkan markas satu sama lainuntuk menang. Pada awal permainan, tiap pemain memilih satukarakter yang disebut “hero” yang masing - masing memilikikemampuan unik. Dalam permainan ini, para pemain bertujuanuntuk mengumpulkan resource berupa experience dan gold yangakan digunakan untuk membantu menghancurkan markas daritim lawan. Gold digunakan untuk membeli item yang berfungsiuntuk memperkuat hero pemain masing – masing. Pada Dota 2versi 7.16, terdapat lebih dari 150 jenis item unik dengan efekyang beragam, sementara setiap pemain hanya bisamenggunakan 6 item secara aktif.Kombinasi item yang optimal tentunya sangat berpengaruhdalam mencapai kemenangan dalam permainan Dota 2.Menentukan kombinasi item yang paling optimal seringkalitidak mudah, baik bagi pemula maupun pemain berpengalaman.Oleh karena itu dibuatlah sistem rekomendasi untuk membantupemain menentukan pilihan item. Ada beberapa penelitiansebelumnya terkait Dota 2 seperti sistem rekomendasi hero danjuga sistem prediksi hero pada saat picking phase. Sistemrekomendasi hero tersebut memiliki kekurangan di mana sistemtersebut kurang diuji, sementara sistem prediksi hero tersebutmemiliki kekurangan yaitu akurasi yang rendah.Pada skripsi ini dibuat sebuah sistem rekomendasi pemilihanitem dalam permainan Dota 2. Rekomendasi dihasilkanberdasarkan association rule yang dicari menggunakanalgoritma Apriori menggunakan ribuan match data Dota 2.Untuk mengevaluasi kualitas rekomendasi yang dihasilkan, telahdilatih sebuah neural network jenis multilayer perceptron yangmampu menentukan persentase kemenangan berdasarkan pilihanitem dengan akurasi sebesar 73,04%. Hasil dari pengujianterhadap sistem rekomendasi adalah rata – rata win rate sebesar82,97%.
Pengenalan Aksara Jawa dengan Menggunakan Metode Convolutional Neural Network Christopher Albert Lorentius; Kartika Gunadi; Alvin Nathaniel Tjondrowiguno
Jurnal Infra Vol 7, No 1 (2019)
Publisher : Jurnal Infra

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (845.566 KB)

Abstract

Penelitian ini bertujuan untuk melatih komputer untuk dapatmengenali Aksara Jawa. Sebelum penelitian ini, telah adabeberapa penelitian yang bertujuan serupa dengan metodepengenalan lain. Pada penelitian ini dicoba denganmenggunakan metode Convolutional Neural Network (CNN).Proses untuk mengenali Aksara Jawa memiliki tingkat kesulitansendiri dalam hal mengumpulkan data – data yang akandigunakan untuk proses pelatihan pengenalan Aksara Jawa.Secara garis besar, proses pengenalan huruf Jawa dapat dibagimenjadi 3 bagian, yaitu : segmentasi gambar dari dokumenberaksara Jawa, ekstraksi fitur – fitur dari setiap aksara Jawa,dan pengenalan aksara Jawa dari fitur – fitur yang telah diekstraksi. Gambar yang telah disegmentasi akan menjadi inputuntuk di fitur ekstraksi dan diklasifikasi. Setelah gambar telahdisegmentasi, gambar tersebut akan di-training-kanmenggunakan CNN model tertentu yang telah dibuat. Prosesfitur ekstraksi pada deep learning (CNN) tergabung di dalamproses convolution yang dilakukan. Aplikasi pengenalan aksaraJawa ini dibuat menggunakan bahasa pemrograman Python.Hasil pengujian dengan menggunakan metode ConvolutionalNeural Network (CNN) terhadap data testing Aksara Jawa yangtelah disiapkan mencapai hasil akurasi 95,04%.
Co-Authors Alfred Louis Wangsaputra Christopher Albert Lorentius Kartika Gunadi Leo Willyanto Santoso Rudy Adipranata Stephanie Liem Vincentius Leonardo