Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Journal of Information Systems Engineering and Business Intelligence Indonesian Journal on Computing (Indo-JC) eProceedings of Engineering
Anditya Arifianto
Universitas Telkom
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

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

Found 26 Documents
Search

 1   2   3 
Deteksi Serangan Spoofing Pada Citra Wajah menggunakan Ekstraksi Ciri Local Derivative Pattern Ni Gusti Ayu Mirah Eka Darmayanti; Kurniawan Nur Ramadhani; Anditya Arifianto
Indonesia Journal on Computing (Indo-JC) Vol. 3 No. 1 (2018): Maret, 2018
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/INDOJC.2018.3.1.213

Abstract

Pada penelitian ini, diusulkan sistem pendeteksi serangan spoofing pada citra wajah manusia menggunakan metode ekstraksi ciri Local Derivative Pattern (LDP). Metode klasifikasi yang digunakan adalah k-Nearest Neighbour (k-NN) dan Support Vector Machine (SVM). Penelitian ini menggunakan NUAA Imposter and Photograph Database sebagai datasetnya. Parameter optimal untuk ekstraksi ciri menggunakan LDP, adalah sebagai berikut: LDP orde ke-2 dengan radius bernilai 5 yang bersifat overlapping non-uniform menggunakan algoritma klasifikasi SVM dengan kernel Radial Basis Function. Performansi terbaik didapatkan menggunakan F1-Score sebesar 99.8%. Pola uniform pada LDP mempercepat waktu komputasi dengan rata-rata 2.09 detik, sedangkan waktu komputasi pola non-uniform yaitu 5.49 detik.
Pengenalan Angka Tulisan Tangan Menggunakan Diagonal Feature Extraction dan Artificial Neural Network Multilayer Perceptron M. Ardi Firmansyah; Kurniawan Nur Ramadhani; Anditya Arifianto
Indonesia Journal on Computing (Indo-JC) Vol. 3 No. 1 (2018): Maret, 2018
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/INDOJC.2018.3.1.214

Abstract

Pada  penelitian  ini  dibangun  sistem pengenalan angka tulisan tangan menggunakan metode ekstraksi ciri diagonal  dan  Artificial Neural Network Multilayer Perceptron. Pada ekstraksi ciri diagonal, citra dibagi menjadi beberapa area yang sama besar. Pada tiap area dihitung rata-rata nilai piksel pada setiap diagonalnya kemudian dirata-ratakan untuk mendapatkan nilai ciri pada area tersebut.  Ciri diagonal dikombinasikan dengan nilai rata-rata horizontal dan  vertikal  pada  matriks  area  tersebut  untuk  memperkuat  informasi  pada citra. Metode  ini  mencapai  akurasi  sebesar  92.80%  pada  tahap  pengujian menggunakan  1000  dataset  C1  dan  92.60%  pada  tahap  pengujian  menggunakan 1000 dataset MNIST. Kombinasi fitur diagonal dan rata-rata horizontal menghasilkan akurasi tertinggi dalam mengenali angka tulisan tangan.
Pengenalan Huruf Isyarat Tangan Menggunakan Ekstraksi Ciri Local Binary Pattern M. Adhi Satria; Kurniawan Nur Ramadhani; Anditya Arifianto
Indonesia Journal on Computing (Indo-JC) Vol. 3 No. 1 (2018): Maret, 2018
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/INDOJC.2018.3.1.215

Abstract

Pada penelitian ini dibangun sistem pengenalan huruf isyarat tangan menggunakan metode ekstraksi ciri Local Binary Patterns (LBP). Metode LBP memiliki kehandalan dalam melakukan analisis tekstur, mengatasi penskalaan dan citra yang kabur. Untuk algoritma klasifikasi, digunakan metode k-Nearest Neighbour (KNN) dan Support Vector Machine (SVM). Parameter LBP terbaik didapatkan untuk nilai R=10 dan P=16 menggunakan SVM dengan kernel Gaussian. Performansi terbaik dalam penelitian ini didapatkan untuk nilai F1-Score 99,84%.
Pneumonia Classification from X-ray Images Using Residual Neural Network Abdan Hafidh Ahnafi; Anditya Arifianto; Kurniawan Nur Ramadhani
Indonesia Journal on Computing (Indo-JC) Vol. 5 No. 2 (2020): September, 2020
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34818/INDOJC.2020.5.2.454

Abstract

Pneumonia is a virus, bacterium, and fungi infection disease which causes alveoli swelling and gets worse easily if it is not taken care of immediately. There are symptoms that can be recognized through x-ray images, for example the appearance of white mist in the lungs. A pneumonia classification system has already developed, but it still produced low accuracy. In this research we develop classification system by increasing the depth of CNN architecture using Residual Neural Network to improve accuracy from previous research. The dataset contains 2 classes which are pneumonia and normal, and trained to produce the best learning strategy with various scenarios. The model trained using data train that has been oversampling. The best scenario is achieved by ResNet152 architecture using dropout 0.5. This scenario achieved a result of 0.88 precision, 0.95 recall, 0.92 f1-score, and 0.89 of accuracy. The classification model on this research produces higher accuracy compared to the research of Enes Ayan, et.al. in 2019 which produced 0.87.
Classifying Skin Cancer in Digital Images Using Convolutional Neural Network with Augmentation Zeyhan Aliyah; Anditya Arifianto; Febryanti Sthevanie
Indonesia Journal on Computing (Indo-JC) Vol. 5 No. 2 (2020): September, 2020
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34818/INDOJC.2020.5.2.455

Abstract

Skin cancer is a hazardous disease that can induces death if it is not taken care of immediately. The disease is hard to identified since the symptoms have similarities with other disease. An automatically classification system of skin cancer has been developed, but it still produced low accuracy. We use Convolutional Neural Network  to enhance the accuracy of the classification. There are 2 main scenarios conducted in this research using HAM10000 dataset which has 7 classes. We compared ResNet and VGGNet architectures and obtained ResNet50 with augmentation as the best model with the accuracy of 99% and 99% macro avg.
Pengenalan Action Unit (au) Pada Alis Mata Manusia Menggunakan Local Phase Quantitation From Three Orthogonal Planes (lpq-top) Dan Adaboost-svm Bandy Cipta Nur Ramadhan; Tjokorda Agung Budi Wirayuda; Anditya Arifianto
eProceedings of Engineering Vol 2, No 3 (2015): Desember, 2015
Publisher : eProceedings of Engineering

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

Abstract

Alis mata pada wajah manusia memiliki peran penting dalam menciptakan sebuah ekspresi / emosi pada wajah manusia, hal ini membuat penelitian pada tugas akhir ini fokus kepada alis mata wajah manusia. Dalam sebuah eskpresi wajah manusia, gerakan alis mata mata merupakan salah satu aksi unit terkecil pada wajah manusia dimana nantinya akan diproses dengan metode Facial Action Coding System (FACS). Aksi unit pada gerakan alis mata terdiri dari tiga, yaitu Action Unit 1 (AU1), Action Unit 2 (AU2), dan Action Unit 4 (AU4). AU menjadi sangat penting dalam menentukan hasil ekspresi wajah manusia oleh FACS, sehingga dalam tugas akhir ini akan diteliti mengenai AU pada alis mata manusia dengan menggunakan LPQ-TOP dan Adaboost-SVM. Hasil akurasi penelitian terbaik diperoleh sebesar 83.81% dimana yang dideteksi oleh sistem adalah AU pada alis mata dan AU dalam kondisi normal. Parameter terbaik dalam mendeteksi AU diperoleh dari hasil mencari LPQ-TOP dengan parameter yang optimal, kemudian seleksi ciri antara 400 sampai 768 ciri dimana sebelumnya hasil ekstraksi ciri pada LPQTOP adalah 768 ciri, kemudian mencari iterasi adaboost yang optimal, dan klasifikasi SVM dengan parameter yang optimal. Kata kunci : FACS, AU, LPQ-TOP, Adaboost-SVM
Verifikasi Tanda Tangan Online Menggunakan Algoritma Genetika Dan Support Vector Machine Pima Hani Safitri; Anditya Arifianto; Kurniawan Nur RAMADHANI
eProceedings of Engineering Vol 5, No 2 (2018): Agustus 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Tanda tangan merupakan salah satu alat autentifikasi yang sering digunakan. Banyak hal didunia ini yang diresmikan menggunakan tanda tangan. Setiap orang memiliki karakteristik tanda tangan yang cukup beragam. Pengenalan tanda tangan secara offline masih mungkin memiliki banyak kesalahan karena itu dikembangkan pengenalan tanda tangan secara online dengan menggunakan fitur-fitur dinamis dari tanda tangan. Pada penelitian ini, dibangun dua skema yaitu tanpa pemilihan fitur menggunakan Algoritma Genetika dan tanpa pemilihan fitur. Sistem verifikasi ini menggunakan algoritma Support Vector Machine(SVM) untuk memverifikasi tanda tangan karena SVM sudah terbukti di penelitian sebelumnya dapat menghasilkan akurasi yang baik. Penelitian ini juga ditujukan untuk menemukan fitur-fitur yang penting dalam sebuah tanda tangan dari enam kelompok fitur yang diuji. Dataset yang digunakan adalah dataset SVC2004 yang berisi tanda tangan 5 orang yang masing masing memiliki 20 tanda tangan asli dan 20 tanda tangan palsu yang ditiru oleh professional. Hasil penelitian menunjukkan Algoritma Genetika dapat menghasilkan akurasi 94.40% dan lebih baik 4.21% dibandingkan tanpa melalui pemilihan fitur. Kelompok fitur yang berpengaruh adalah kelompok fitur Geometry dan Miscellaneous karena menghasilkan akurasi yang lebih baik daripada kelompok fitur lainnya. Kata kunci : verifikasi tanda tangan, algoritma genetika, Support Vector Machine(SVM), kelompok fitur Abstract Signatures are one of the most commonly used authentication tools. Many things in this world are inaugurated using signatures. Everyone has signature characteristics that are quite diverse. The verification of offline signatures may still have many errors because it developed the verification of signatures online by using the dynamic features of the signature. In this research, two schemes are built without the feature selection using Genetic Algorithm and without feature selection. This verification system uses the Support Vector Machine (SVM) algorithm to verify the signature because SVM has been proven in previous research to produce good accuracy. The study is also intended to find important features in a signature of the six groups of features tested. The dataset used is a SVC2004 dataset containing 20 authentic signatures and 20 fake signatures imitated by professionals of 5 users. The results showed Genetic Algorithm can produce 94.40% and 4.21% better than without the selection of features. Influential feature groups are Geometry and Miscellaneous feature groups because they produce better accuracy than other feature groups. Keywords: signature verification, Genetic Algorithm, Support Vector Machine(SVM), feature group
Pemilihan Jalur Evakuasi Dalam Keadaan Darurat Menggunakan Algoritma Quantum Ant-Colony Fransisca Arvevia Intan Angelia; Jondri Jondri; Anditya Arifianto
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Evakuasi dalam keadaan darurat pada sebuah gedung sangatlah penting untuk menyelamatkan nyawa manusia. Pemilihan jalur evakuasi ketika terjadi suatu bencana sangatlah penting, pemilihan jalur evakuasi yang tepat dapat menekan jumlah korban jiwa yang berjatuhan. Berbagai metode dan algoritma simulasi penyeleksian jalur evakuasi telah banyak dikembangkan. Di antaranya algoritma ant-colony optimization ( ACO) dan artifisial bee- colony (ABC). Kedua algoritma tersebut mengadopsi perilaku individu terhadap lingkungan disekitarnya, sehingga cocok digunakan untuk seleksi jalur evakuasi. Pada penelitian ini digunakan algoritma quantum ant-colony (QACA) yang merupakan pengembangan dari algoritma ACO yang dikombinasikan dengan algoritma quantum-inspired evolutionary (QEA). Pada algoritma ini, algoritma QEA digunakan untuk memperbaharui feromon pada algoritma ACO untuk menghasilkan simulasi dengan solusi yang lebih optimal karena memiliki laju konvergensi yang cepat. Kata kunci: Jalur evakuasi, algoritma ant-colony optimization (ACO), algoritma quantum- inspired evolution (QEA), algoritma quantum ant-colony (QACA), feromon, simulasi.
Pengenalan Ekspresi Wajah Manusia dengan Metode Local Directional Pattern dan Artificial Immune Recognition System Riyad Rivandi; Tjokorda Agung Budi Wiharja; Anditya Arifianto
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Ekspresi wajah manusia merupakan aspek yang memiliki peran besar dalam mempengaruhi konteks dalam komunikasi verbal, sehingga automasi bidang ini menjadi salah satu sasaran dalam pengembangan disiplin ilmu komputer. Tugas akhir ini bertujuan mengimplementasikan serta menganalisis performansi dari rekognisi ekspresi wajah manusia dengan metode ekstraksi Local Directional Pattern (LDP) serta klasifikasi Artificial Immune Recognition System (AIRS). Kombinasi kedua metode ini digunakan untuk mengklasifikasi objek berupa citra wajah tampak depan. Pemelitian menunjukkan bahwa sistem yang dibangun memiliki akurasi tertinggi yaitu 71.14% pada pada sistem yang menggunakan LDP dengan k=3 dan input dipecah menjadi 7x7 bagian serta parameter dari AIRS berupa clone rate=5, mutation rate=1, stimulation threshold=0.9 dan resource=200. Kata Kunci: Local Directional Pattern (LDP), Artificial Immune Recognition System (AIRS), facial expression recognition, feature extractio
Expression Recognition based on Local Directional Pattern in the Eye Region and Artificial Neural Network Rama Patria Himawan; Tjokorda Agung Budi Wiharja; Anditya Arifianto
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Artificial face expression recognition is a research topic that was started ever since 90s. On this paper, writer will elaborate all the supporting algorithm used on the experiment, starting from eye-region detection using Haar cascade classifier (Haar) and Harris corres corner detection (Harris), up to expression recognition based on Local Directional Pattern (LDP) and Artificial Neural Network.(ANN) Haar is a segmentation method based on Integral Image and classifying method named Adaptive Boosting. Haar is pretty accurate algorithm to segment an Image of face, from its background. However its performance to segment an eye-region could still be increased, hence the additional usage of Harris. LDP Feature Extraction is an 8-directional-edge- response based feature extraction on each pixel. The final output of this process is a histogram of LDP-code on each area of the Input Image. Artificial Neural Network is a supervised learning derived from standard linear perceptron. Especially on the usage of hidden layer, which allows the system to classify a dataset that wasn’t linearly separable. On this experiment, the training phase will utilize back- propagation algorithm. Keywords: Face recognition, local transititional pattern, contrast feature extraction, multi-layer perceptron, supervised learning, backpropagation, Haar, Harris, corner detection, eye region detection.
Co-Authors Abdan Hafidh Ahnafi Adam Geraldy Katab Ade Romadhony Agung Toto Wibowo Al Faraby, Said Bandy Cipta Nur Ramadhan Dea Taradipa Ardiagarianti Ema Rachmawati Enki Probo Sidhi Erwin Yulizar Fardani Febryanti Sthevanie Fransisca Arvevia Intan Angelia Friendly Halomoan Sipayung Halprin Abhirawa Jody Jody Jondri Jondri Kurniawan Nur Ramadhan Kurniawan Nur Ramadhani Kurniawan Nur Ramdhani M. Adhi Satria M. Ardi Firmansyah Muh Aswan Abidin1 Muhammad Miftah Muslim Zulfikar Naufal Dzaky Anwari Ni Gusti Ayu Mirah Eka Darmayanti Nurul Halimatul Azizah Pima Hani Safitri Rachmi Azanisa Putri Rama Patria Himawan Rita Rismala Riyad Rivandi Rizza Aulia Rahman Supriadi, Muhammad Fadhlan Tjokorda Agung Budi Wiharja Tjokorda Agung Budi Wirayuda Untari Novia Wisesty Varian Vianandha Zeyhan Aliyah