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 
Multilabel Image Annotation Menggunakan Metode Convolutional Neural Network Naufal Dzaky Anwari; Anditya Arifianto; Jondri Jondri
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

Dengan berkembangnya sosial media terutama yang memiliki fitur untuk mengunggah foto dan gambar menyebabkan banyaknya gambar yang diunggah pada sosial media. Gambar tersebut dapat digunakan untuk membangun sistem pencarian gambar berbasis isi atau content-base image retrieval. Namun, banyak gambar yang diunggah tidak diberikan label atau tag sesuai dengan isi dari citra yang diunggah, sehingga sangat sulit untuk dikelola. Untuk dapat mewujudkan sistem pencarian gambar berbasis isi maka setiap obyek pada gambar harus dikenali terlebih dahulu. Jika pengenalan obyek tersebut dilakukan secara manual maka akan sangat sulit karena akan memakan waktu yang lama dan makna dari setiap orang terhadap suatu gambar berbeda, yang menimbulkan pengenalan obyek yang subyektif. Oleh karena itu dibangunlah sistem penganotasian gambar secara otomatis. Dalam penelitian ini diajukan sebuah metode Convolutional Neural Network untuk menangani sistem penganotasian gambar multilabel. metode Convolutional Neural Network telah terbukti memiliki performansi yang baik pada kasus klasifikasi gambar, ditunjukkan dengan performansi pada kasus klasifikasi gambar pada ILSVRC yang semakin membaik setiap tahunnya. Performansi tertinggi terhadap data uji pada penelitian ini adalah 81.24%.
Implementasi Agent-Based Modeling And Simulation Dalam Evakuasi Keadaan Darurat Varian Vianandha; 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

Teknik penyelamatan diri s etiap orang dalam keadaan darurat s eperti kebakaran di dalam s ebuah gedung s eringkali jus tru menjadi berbahaya ketika hal ters ebut merugikan orang lain, s eperti s aling berdes akan yang dapat membahayakan nyawa diri s endiri maupun orang lain. Simulas i evakuas i s ekarang menjadi perhatian khus us pada ilmuwan untuk mengurangi res iko kecelakaan yang dapat merugikan korban. Simulas i menggunakan metode agent-based dilakukan untuk mengetahui efek dari s etiap atribut yang dimiliki oleh s etiap orang. Has ilnya merupakan repres entas i dari keadaan nyata yang dis imulas ikan s es uai dengan perilaku manus ia. Pada akhirnya, s imulas i ini menghas ilkan s uatu kondis i di mana mirip dengan kondis i as linya. Kata kunci : evakuas i, agent-based modeling and simulation, darurat, bencana
Pengenalan Dan Representasi Simbol Akor Musik Menggunakan Hidden Markov Model Dengan Pendekatan Doubly Nested Circle Of Fifth Muhammad Miftah Muslim Zulfikar; 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

Tugas akhir ini menjelaskan sistem pengenalan akor berbasis Hidden Markov Model (HMM) dengan pendekatan Doubly Nested Circle of Fifth (DNCOF). Terdapat dua versi HMM dalam sistem ini, trained-HMM dan untrainedHMM. Pada trained-HMM sistem dilatih menggunakan 180 lagu dari 13 album The Beatles untuk membentuk model akor. Sedangkan untrained-HMM menggunakan Chord Template untuk membentuk model akor. Model akor yang digunakan dalam sistem berjumlah 24 akor yang terdiri dari 12 nada dengan kombinasi mayor dan minor. DNCOF digunakan sebagai probabilitas transisi pada sistem HMM. Dalam pengenalan ini, lagu diekstrak ke dalam bentuk chromagram dan tugas dari sistem pengenalan ini adalah untuk mengisi label akor disetiap chromagram frame. Tugas akhir ini mengevaluasi bagaimana pengaruh DNCOF terhadap akurasi dua sistem pengenalan akor berbasis HMM dimana dalam sekenario terbaik DNCOF yang menggunakan untrain-HMM menghasilkan akurasi terbaik yaitu 96.94%. Dan juga mengevaluasi perbandingan antara trained-HMM dengan untrained-HMM dimana keduanya memiliki akurasi yang cukup dekat disetiap skenario. Kata Kunci: Akor, PCP, HMM, DNCOF, Chromagram.
Pengenalan Emosi Wajah Manusia Menggunakan Biorthogonal Wavelet Entropy Dan Support Vector Machine Enki Probo Sidhi; 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

Pengenalan emosi di dalam suatu interaksi merupakan kunci sukses dalam interaksi tersebut. Oleh karena itu, penelitian mengenai cara komputer mengenali emosi manusia perlu dilakukan. Data yang memiliki dimensi yang tinggi sulit untuk diklasifikasi. Oleh karena itu, reduksi dimensi perlu dilakukan. Penelitian ini bertujuan untuk meneliti sistem pengenalan emosi berdasarkan ekspresi wajah manusia dalam kasus pereduksian dimensi. Kategori emosi yang akan dikenali adalah marah, senang, sedih, takut, jijik, terkejut, dan netral. Untuk mengenali emosi tersebut, digunakan metode Biorthogonal Wavelet Entropy (BWE) sebagai metode ekstraksi fitur dan reduksi dimensi, dan Multi-class Support Vector Machine (MSVM) sebagai metode klasifikasi. Hasil implementasi sistem pada dataset JAFFE menunjukkan bahwa entropy pada BWE tidak berhasil mereduksi dimensi coefficient subband hasil dari dekomposisi Biorthogonal Wavelet Transform. Akurasi tertinggi yang didapatkan BWE adalah 44.45%. Saat entropy pada BWE tidak digunakan, akurasi tertinggi yang didapatkan adalah 82.73%.
Analisis Dan Implementasi Algoritma Winnowing Dengan Synonym Recognition Pada Deteksi Plagiarisme Untuk Dokumen Teks Berbahasa Indonesia Jody Jody; Agung Toto Wibowo; 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

Plagiarisme merupakan tindakan mengakui hasil karya orang lain sebagai hasil karya pribadi tanpa izin pemilik asli karya tersebut. Tindakan plagiarisme dalam bentuk dokumen sudah sangat banyak terjadi saat era digital seperti ini. Menyikapi hal tersebut, melalui Tugas Akhir ini penulis membangun sebuah sistem yang dapat digunakan untuk mendeteksi plagiarisme antar dokumen teks yaitu Algoritma Winnowing dengan Synonym Recognition. Algoritma Winnowing adalah salah satu metode document fingerprinting yang digunakan untuk mendeteksi kemiripan antar teks dokumen dengan menggunakan teknik hashing. Algoritma ini dipilih karena Winnowing merupakan salah satu algoritma terbaik untuk mendapatkan nilai similarity antar teks dokumen baik dalam segi akurasi ataupum performansi. Dalam tugas akhir ini, algoritma Winnowing akan dikombinasikan dengan algoritma Synonym Recognition untuk mengatasi adanya parafrase dokumen yang dilakukan para pelaku plagiarisme. Kata Kunci: Plagiarisme, algoritma Winnowing, document fingerprinting, Similarity, Synonym Recognition.
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
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