Article Per Year (5 Year)
p-Index From 2020 - 2025
1.431
P-Index
This Author published in this journals
All Journal ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING SOSIOHUMANIKA ATIKAN JMECS (Journal of Measurements, Electronics, Communications, and Systems) Jurnal Mnemonic Jurnal Ilmu Komputer dan Informatika eProceedings of Engineering
Bambang Hidayat
Program Studi Teknik Telekomunikasi Fakultas Teknik Elektro – Universitas Telkom Jln. Telekomunikasi Dayeuhkolot Bandung, Indonesia
Arts Humanities Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Materials Science & Nanotechnology Social Sciences

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Ilmu Komputer dan Informatika

 1 
Deteksi Emosi Berdasarkan Sinyal Suara Manusia Menggunakan Discrete Wavelet Transform (DWT) Dengan Klasifikasi Support Vector Machine (SVM) Putri, Tasya Busrizal; Saidah, Sofia; Hidayat, Bambang; Qothrunnada, Fadia; Darwindra, Darwindra
Jurnal Ilmu Komputer dan Informatika Vol 3 No 1 (2023): JIKI - Juni 2023
Publisher : CV Firmos

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54082/jiki.45

Abstract

Manusia saling berkomunikasi melalui dialog. Suasana hati seseorang merupakan salah satu faktor yang dapat mempengaruhi kualitas komunikasi. Salah satu bentuk yang merepresentasikan suasana hati adalah emosi. Emosi adalah suatu kondisi yang mendorong seseorang untuk melakukan suatu tindakan akibat dari adanya rangsangan. Penelitian mengenai deteksi dan klasifikasi emosi berdasarkan sinyal wicara. Speech recognition merupakan bidang yang berpengaruh pada penelitian ini untuk mengukur tingkat emosi pada manusia. Penelitian ini merancang sistem yang dapat mendeteksi emosi seseorang berdasarkan ciri sinyal wicara. Pada penelitian ini menggunakan metode Discrete Wavelet Transform (DWT) untuk ekstraksi ciri. DWT adalah teknik analisa sinyal yang dikembangkan dari Short Time Fourier Transform (STFT) melalui domain waktu dan frekuensi yang didekomposisi kedalam komponen frekuensi rendah dan frekuensi tinggi. Untuk mendeteksi dan mengklasifikasi emosi berdasarkan suara manusia menggunakan Support Vector Machine (SVM). SVM adalah sistem machine learning yang menggunakan ruang hipotesis dan terdiri dari fungsi-fungsi linear yang dilatih dengan algoritma pembelajaran berdasarkan teori optimasi dengan dimensi tinggi Berdasarkan penelitian ini, didapatkan akurasi tertinggi sebesar 100% dengan parameter terbaiknya menggunakan level dekomposisi 4, jenis wavelet haar dan jenis kernel quadratic. Jenis kernel quadratic memiliki delay consequences yang lebih baik daripada jenis kernel SVM yang lain dan hasil klasifikasinya dapat diverifikasi menggunakan kurva ROC.
Klasifikasi Kualitas Beras Delanggu Berdasarkan Ciri Tekstur Menggunakan Gray Level Co-Occurrence Matrix dan Naïve Bayes Herliana, Tiara Virlianda; Sai’dah, Sofia; Hidayat, Bambang; Tasya, Weni
Jurnal Ilmu Komputer dan Informatika Vol 3 No 1 (2023): JIKI - Juni 2023
Publisher : CV Firmos

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54082/jiki.47

Abstract

Beras merupakan salah satu makanan wajib bagi masyarakat Indonesia. Salah satu daerah penghasil beras terbesar di Indonesia adalah daerah Delanggu, tepatnya Kabupaten Klaten, Jawa Tengah. Banyak jenis beras yang beredar di pasaran memiliki kualitas dari segi warna, tekstur, dan aroma berbeda-beda. Begitu pun, peran beras sebagai bahan pangan pokok masyarakat Indonesia  menjadikan permintaan masyarakat terhadap konsumsi beras juga tinggi. Namun, fluktuasi yang terjadi setiap tahunnya terhadap harga bahan pangan pokok, membuat tingkat daya beli masyarakat mengalami penurunan yang mendorong tindak kecurangan berupa manipulasi kualitas beras oleh beberapa oknum dengan mengoplos beras dengan kualitas berbeda. Maka diperlukan teknologi yang dapat membantu masyarakat maupun pemerintah dalam mengidentifikasi kualitas beras yang beredar di pasaran untuk menentukan tingkat kelayakan beras tersebut. Dalam penelitian ini telah dirancang sistem berbasis machine learning untuk mengidentifikasi kualitas beras menggunakan citra. Dalam pengklasifikasian, penulis menggunakan metode Naïve Bayes. Sedangkan, pada ekstraksi ciri digunakan metode Gray Level Co-Occurrence Matrix (GLCM) yang nantinya akan digunakan untuk menentukan tekstur beras. Berdasarkan pengujian yang telah di lakukan, dapat diketahui bahwa sistem yang dirancang dapat mengidentifikasi beras delanggu berdasarkan dua kualitas yaitu beras kelas super dan biasa. Pengujian dilakukan menggunakan 40 citra beras di mana masing-masing kelas memiliki dua kualitas citra beras. Sehingga didapatkan dari beberapa skenario pengujian parameter orde dua terbaik pada kombinasi dua ciri orde dua metode GLCM dengan hasil akurasi terbaik yaitu contrast-correlation dengan akurasi 100,00 % dan waktu komputasi 82,59 detik dengan sudut 135° dan jarak piksel d=1.
Co-Authors BACHERAMSYAH, TASYA FIKRIYAH Darwindra, Darwindra Faradilla Zenda, Siti Fauzi, Muhammad Ilham Gelar Budiman Herliana, Tiara Virlianda Hermina, Nanda Putri Imanadi, Muhammad Tsabit Imanadi Koredianto Usman Nur Ibrahim Putri, Tasya Busrizal Qothrunnada, Fadia Ramadhani, Shinta Rita Magdalena Sa’idah, Sofia Sai’dah, Sofia Sangkala, Muh Aslam Mahdi Sa’idah, Sofia Setiaji, Hartoko Carolus Ferdy Sjafril Darana SOFIA SAIDAH Suhardjo Suhardjo Suhartono Tjondronegoro Tasya, Weni