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 19 Documents
Search
Journal : eProceedings of Engineering

 1   2 
Pengenalan Identitas Manusia Melalui Iris Mata Menggunakan Gray Level Co-occurence Matrix Muh Aswan Abidin1; Kurniawan Nur Ramadhani; Anditya Arifianto
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 Pada tugas akhir ini penulis menerapkan metode Gray Level Co-occurence Matrix sebagai ekstraksi ciri pada iris mata dan untuk mengklasifikasikan data menggunakan K-Nearest Neighbors serta Support Ve- ctor Machine. Dalam sistem ini menggunakan dataset UBIRIS Version 1 yang berjumlah 2000 gambar iris dari 100 individu. Hasil yang didapatkan dari pengujian ini menggunakan ekstraksi ciri Gray Level Co- occurence Matrix mampu menghasilkan F1 Score sebesar 71.10% Kata Kunci : Biometrics, Gray Level Co-occurence Matrix, K-Nearest Neighbors, Support Vector Machine Abstract In this final project the writer applies Gray Level Co-occurence Matrix method as feature extraction on iris and to classify data using K-Nearest Neighbors and Support Vector Machine. In this system using UBIRIS Version 1 dataset which amounts to 2000 iris images of 100 individuals. The results obtained from this test using feature extraction Gray Level Co-occurence Matrix capable of producing F1 Score of 71.10% Keywords: Biometrics, Gray Co-occurrence Matrix, K-Nearest Neighbor, Support Vector Machine
Pengenalan Wajah Menggunakan Metode Elastic Bunch Graph Matching Rachmi Azanisa Putri; Anditya Arifianto; Febryanti Sthevanie
eProceedings of Engineering Vol 5, No 1 (2018): April 2018
Publisher : eProceedings of Engineering

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

Abstract

Pada saat ini, sistem pengenalan wajah sudah banyak digunakan di berbagai aplikasi dan juga metode yang digunakan. Namun terdapat beberapa permasalahan eksternal yang biasa terjadi dalam proses pengenalan wajah yaitu Pose, Illumination, and Expression(PIE). Permasalahan tersebut menyebabkan citra wajah orang yang sama akan dikenali berbeda oleh sistem. Metode Elastic Bunch Graph Matching dapat mengatasi permasalahan tersebut karena proses pengenalan wajah menggunakan titik yang diambil secara manual. Oleh sebab itu pada Tugas Akhir ini membahas pengenalan wajah menggunakan metode Elastic Bunch Graph Matching. Pada metode ini wajah direpresentasikan sebagai graph yang dibentuk dari titik titik fitur yang dibuat secara manual. Setelah mengetahui titik-titik fitur pada wajah, dilakukan perhitungan untuk mendapatkan nilai Jet yang dilanjutkan dengan pembentukan Face Bunch Graph untuk proses pencocokan pada Elastic Bunch Graph Matching. Hasil penelitian menunjukkan bahwa metode ini dapat diterapkan pada pengenalan wajah dengan akurasi 91.67%. Dan dapat mengatasi permalsahan Pose, Illumination, and Expression (PIE) dengan akurasi 70%.
Pengukuran Detak Jantung Menggunakan Metode Fotopletismograf Friendly Halomoan Sipayung; Kurniawan Nur Ramadhani; Anditya Arifianto
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 Jantung merupakan organ yang paling penting dan berfungsi memompa darah keseluruh tubuh supaya ok-sigen dapat tersalur dari paru-paru dan membawa kembali karbondioksida hasil respirasi. Secara medis, alat untuk mengukur jantung yang umum digunakan yaitu EKG yang menerapkan metode pletismogra-ph. Dengan proses yang hampir sama, penggunaan data citra dapat digunakan dalam pengukuran detak jantung yang dikenal dengan photopletysmograph (PPG). Untuk dapat melakukan pengukuran, sistem me-miliki kemampuan untuk mendeteksi fluktuasi perbedaan warna setiap frame video. Citra yang telah diuji diperoleh dengan dataset video ujung jari dengan posisi duduk, berdiri, dan berbaring serta label nilai de-tak jantung responden. Akurasi ratarata dari sistem yang dibangun dengan dataset 63 video dari 21 orang responden yaitu 94,27 % dengan metode full-extraction dan 93,55 % dengan menerapkan ROI (Region of Interest). Kata kunci : detak jantung, fotopletismograf Abstract Heart is the most important of body parts and it works to pump blood throughout the body so the oxygen can be distributed from lungs and bring back the carbon-dioxide as the result of respiration. Medically, the usual device for heart measurement is ECG (Electrocardiogram) that applied in plethysmograph. With the process that almost similar, the use of image data can be used in heart rate measurement that known as photoplethysmograph (PPG). To be able to do the measurement, the system should have the ability to detect differences fluctuation of color in every video frame. The result of image that have been tested was from the dataset of fingertip’s video while they’re in sitting, standing, lying position and the label of respondent’s heartrate. The accuracy of the system that built with 63 video dataset from 21 respondent is 94,27 % with full-extraction method and 93,55 % with implpementation of ROI (Region of Interest). Keywords: heart rate, photopletysmograph
Simulasi Kerumunan dengan Integrasi Belief-Desire-Intention (BDI) Reasoning dalam Agent-Based Model System Untuk Pengujian Kelayakan Jalur Evakuasi Pada Gedung Dea Taradipa Ardiagarianti; 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

Simulasi untuk pengujian jalur evakuasi pada gedung merupakan hal yang penting, perancangan denah gedung harus diperhatikan dengan baik untuk menekan angka korban cedera maupun korban  jiwa  jika  terjadi  situasi  darurat,  baik  yang  disebabkan  oleh  natural  cause  maupun unnatural cause. Simulasi evakuasi ini dapat dilakukan dengan banyak metode, salah satu metodeyang sering digunakan adalah Agent-Based Model System (ABMS). Namun, performansi dari metode ini masih dinilai kurang karena ABMS merupakan suatu sistem tertutup yang belum mampu beradaptasi dengan keadaan lingkungannya, hanya berfokus pada eksekusi aksi dan low level processing. Pengintegrasian BDI merupakan salah satu cara untuk meningkatkan performansi serta akurasi dari crowd simulation. BDI menambahkan tiga aspek berupa belief (kepercayaan/keyakinan), desire (keinginan), dan intention (tujuan) sehingga diharapkan setiap agen dalam simulasi tidak hanya mampu mengeksekusi aksi saja, namun juga melakukan high- level processing dalam pengambilan keputusan sehingga perilaku agen dapat mendekati perilaku manusia di dunia nyata. Kata kunci: evakuasi, crowd simulation, Agent-Based Modeling System (ABMS), BDI reasoning
Optimasi LBP Menggunakan BPSO untuk Klasifikasi Jenis Kelamin Adam Geraldy Katab; Anditya Arifianto; Febryanti Sthevanie
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Feature selection (seleksi fitur) adalah metode yang sangat penting dalam pemecahan permasalahan klasifikasi, karena metode ini mengambil bagian-bagian dari sebuah gambar yang dianggap penting atau relevan, untuk kemudian diklasifikasikan ke dalam kelasnya. Di tulisan ini, penulis mengajukan metode seleksi fitur menggunakan grid-based Local Binary Patterns (LBP), dimana sebuah gambar dipisah ke dalam beberapa blok grid untuk kemudian diekstrak histogram fiturnya, yang kemudian digabungkan menjadi satu histogram fitur. Penulis juga mengajukan metode optimasi seleksi fitur dengan menggunakan Particle Swarm Optimization (PSO). PSO mengurangi dimensi fitur yang sebelumnya sudah dipilih oleh LBP, untuk mengurangi waktu yang digunakan dalam proses klasifikasi. Dataset yang digunakan adalah Color FERET Database. Untuk proses klasifikasi, penulis menggunakan algoritma k-Nearest Neighbor (K-NN). Melalui penelitian ini, dapat disimpulkan bahwa PSO dapat mengurangi waktu runtime sampai dengan 50,1%. Kata kunci: local binary patterns, klasifikasi jenis kelamin, seleksi fitur, particle swarm optimization, knearest neighbor, color feret database Abstract Feature selection is a very important method in solving classification problems, because it will take a subset of relevant features from an image to be sent to the classifier algorithm. In this paper, we propose a gridbased Local Binary Patterns (LBP) where images are separated into multiple grids, from which histograms are extracted and concatenated. We also propose using Particle Swarms Optimization (PSO) to optimize the selected features to reduce its dimension and therefore reducing the time needed to solve the classification problem. The dataset used in this paper is the Color FERET Database. K-Nearest Neighbor (K-NN) is used as the classification algorithm. Through this paper, PSO is proven to have the ability to reduce the runtime by 50,1%. Keywords: local binary patterns, gender classification, feature selection, particle swarm optimization, knearest neighbor, color feret database
Pengenalan Ekspresi Wajah Menggunakan LGBP dan SVM Erwin Yulizar Fardani; Anditya Arifianto; Kurniawan Nur Ramadhan
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Ekspresi wajah merupakan komunikasi non-verbal. Ekspresi wajah memuat informasi tentang emosi dan kondisi kejiwaan seseorang. Karena memuat informasi tentang emosi pada seseorang, maka dapat digunakan pada bidang periklanan, apakah dengan iklan suatu produk orang menjadi tertarik atau tidak. Untuk hal itu penulis melakukan analisis mengenai pengenalan ekspresi wajah menggunakan metode penggabungan Local Gabor Binary Pattern (LGBP) dan Support Vector Machine (SVM). Analisis menggunakan wajah dari database Japanese Female Facial Expression (JAFFE). Hasil utama dari program yang dibuat menampilkan label dari ekspresi dari wajah yang dimasukan ke program dengan akurasi sistem sebesar 69%. Kata Kunci: Pengenalan ekspresi, Local Gabor Binary Pattern (LGBP), Support Vector Machine (SVM), Japanese Female Facial Expression (JAFFE). Abstract Facial expressions are non-verbal communication. Facial expressions contain information about one's emotions and mental state. Because it contains information about an emotion on a person, it can be used in the advertising field, whether by advertising a product people become interested or not. To that end, the authors conducted an analysis of facial expression recognition using the method of merging Local Gabor Binary Pattern (LGBP) and Support Vector Machine (SVM). The analysis uses faces from the Japanese Female Facial Expression (JAFFE) database. The main results of the program created display the label of the expression of the faces entered into the program with 69% accuracy. Keywords: Expression Recognition, Local Gabor Binary Pattern (LGBP), Support Vector Machine (SVM), Japanese Female Facial Expression (JAFFE).
Pengenalan Wajah Menggunakan Convolutional Neural Network Halprin Abhirawa; Jondri Jondri; Anditya Arifianto
eProceedings of Engineering Vol 4, No 3 (2017): Desember, 2017
Publisher : eProceedings of Engineering

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

Abstract

Wajah merupakan salah satu dari ciri atau identitas unik yang dimiliki oleh manusia. Dalam mengenali wajah terdapat banyak metode yang bisa diimplementasikan. Salah satu dari implementasinya adalah dengan menggunakan Convolutional Neural Network (CNN). Convolutional Neural Network atau yang biasa disebut CNN merupakan bagian dari Deep Learning yang melakukan proses pembelajaran untuk mencari representasi terbaik. Dataset yang digunakan adalah The Extended Yale Face Database B, yang berupa dataset foto wajah. Dengan menggunakan proses dropout diperoleh hasil terbaik dengan tingkat akurasi pengenalan setinggi 89.73%. Sedangkan apabila dilakukan pengujian terhadap data testing akan diperoleh hasil akurasi pengenalan setinggi 75.79%. Kata kunci : Face Recognition, Deep Learning, Convolutional Neural Network, dropout
Automatic Image Annotation Menggunakan Metode Speeded Up Robust Feature Dan Support Vector Machine Nurul Halimatul Azizah; Febryanti Sthevanie; Anditya Arifianto
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

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

Abstract

Tersedianya citra dalam jumlah yang cukup banyak menyebabkan dibutuhkannya sistem untuk mengorganisasikan citra sesuai dengan kategori tertentu untuk memudahkan user untuk mencari citra yang dibutuhkan. Pencarian citra menggunakan teks saat ini masih kurang efektif karena pemberian teks terhadap citra oleh masing-masing orang masih terlalu subyektif dan memakan waktu yang cukup lama. Pencarian dengan menggunakan citra sebagai query menggunakan fitur yang terdapat pada citra juga masih kurang efektif karena membutuhkan citra sebagai query dan hasilnya masing kurang sesuai. Sistem Automatic Image Annotation merupakan sistem yang dapat mengatasi kekurangan yang tedapat pada pencarian citra menggunakan teks dan pencarian citra menggunakan citra query, dengan cara memberikan anotasi secara otomatis terhadap citra menggunakan fitur yang terdapat pada citra. Dalam penelitian tugas akhir ini, akan dibangun sebuah sistem Automatic Image Annotation menggunakan metode ekstraksi ciri Speeded Up Robust Features (SURF) dan metode klasifikasi Support Vector Machine (SVM) menggunakan Bag-of-Visual-Words. Dari hasil pengujian, akurasi tertinggi didapat menggunakan nilai threhsold 0, jumlah klaster 500, dan menggunakan jenis SVM one-against-all dengan hasil F1 Score rata-rata sebesar 0,9001. Kata kunci : Automatic Image Annotation, SURF, SVM, visual words.
Klasifikasi Ras Berdasarkan Citra Wajah Menggunakan Convolutional Neural Network Rizza Aulia Rahman; Anditya Arifianto; Kurniawan Nur Ramdhani
eProceedings of Engineering Vol 7, No 1 (2020): April 2020
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Salah satu fungsi penting identifikasi ras dalam kehidupan sehari-hari adalah untuk keperluan kontrol kesehatan yang dilakukan oleh pemerintah. Namun, tidak mudah untuk menentukan ras dari masing-masing orang secara langsung, terlebih apabila jumlah masyarakat yang banyak sehingga juga akan memakan waktu lama. Salah satu cara yang dapat dilakukan untuk menyelesaikan masalah tersebut adalah dengan menggunakan sistem otomatis. Sistem otomatis disini adalah berupa perangkat lunak yang dapat digunakan untuk mengidentifikasi ras berdasarkan citra wajah seseorang. Dalam penelitian ini metode yang digunakan adalah Convolutional Neural Network (CNN). Melalui penelitian ini, didapatkan sebuah struktur CNN yang optimal untuk mengklasifikasikan ras. Struktur CNN tersebut memberikan akurasi training sebesar 91.63% setelah dilatih dengan sekitar 5400 citra wajah dan akurasi testing sebesar 89.739% untuk 600 citra wajah. Selain itu, ketika diuji dengan dataset citra baru, CNN tersebut menghasilkan akurasi klasifikasi sebesar 76.67% untuk 30 citra wajah. Kata kunci : ras, klasifikasi, citra wajah, convolutional neural network, CNN Abstract One of the main purpose of race identification in daily life is for the government health control program. But, it is not easy to determine the race of each person directly, it will take a long time, especially because high number of people in the society. One of the technique that could be implemented to solve this problem is by utilizing an automated software system that could identify the person’s race based on their face image. For this research, the Convolutional Neural Network (CNN) is used for the software. The result of this research is an optimal structure of CNN for race classification. The best CNN structure, give 91.63% as the training accuracy value after trained using around 5400 facial images and 89.739% as the testing accuracy value on 600 facial images. Also, when the CNN is tested to classify a new face dataset, it gives 76.67% classification accuracy on 30 facial images. Keywords: race, classification, face image, convolutional neural network, CNN
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