Article Per Year (5 Year)
p-Index From 2021 - 2026
2.765
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Komputer dan Informasi Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Khazanah Informatika: Jurnal Ilmu Komputer dan Informatika Indonesian Journal on Computing (Indo-JC) Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Indonesian Journal of Artificial Intelligence and Data Mining Building of Informatics, Technology and Science eProceedings of Engineering Telkatika: Jurnal Telekomunikasi Elektro Komputasi & Informatika
Prasti Eko Yunanto
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Library & Information Science

Published : 18 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search
Journal : eProceedings of Engineering

 1 
Automatic Feature Reduction Framework For Identification Process In Palm Vein Recognition Prasti Eko Yunanto; Hertog Nugroho; Tjokorda Agung Budi Wirayuda
eProceedings of Engineering Vol 2, No 2 (2015): Agustus, 2015
Publisher : eProceedings of Engineering

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

Abstract

Abstract Feature or dimensionality reduction has become one of fundamental problem in the field of pattern recogni- tion such as biometrics. The choosing number of fea- ture or dimension has become one challenge. Instead choosing number of feature manually, in this paper, we proposed an automatic feature reduction by using a cas- caded feature reduction schemes based on variance or- der of the DCT feature space and eigenvalue of k-PCA in the palm vein recognition. Based on experiment re- sults, our proposed scheme can achieve recognition rate above 0.92 accuracy which uses fewer features and can reduce time process significantly until 99.5% comparing with traditional manual feature reduction method.
Pengenalan Bentuk Tangan Dengan Ekstraksi Ciri Pyramid Histogram Of Oriented Gradient (phog) Dan Klasifikasi Support Vector Machine (Svm) Riski Novanda; Kurniawan Nur Ramadhani; Prasti Eko Yunanto
eProceedings of Engineering Vol 7, No 2 (2020): Agustus 2020
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Terdapat banyak kegunaan yang dapat dilakukan oleh Gesture atau bentuk tangan, salah satunya ialah sebagaialatkomunikasiyangkemudiankitakenaldenganBahasaIsyarat. DalamBahasaIsyaratterdapat banyak bentuk tangan yang mewakili suatu arti seperti angka, huruf, kata, dan lain sebagainya. Dengan tujuanmempermudahpengenalanbentuktangan, dilakukanpengembangansistemyangdapatmengenali artidaribentuktangansebagaibahasaisyarat. Sistemyangdikembangkanmenggunakanmetodeekstraksi ciri Pyramid Histogram of Oriented Gradient (PHOG) dan Klasifikasi Support Vector Machine (SVM). Datasetyangdigunakanpadasistemberupa3800gambardanterdiridari6label/class,kemudiandataset akandigunakansebagaibahanTrainingdanTestingpadasistemsehinggasistemdapatmengenaliartidari tiap gambar yang menjadi masukan. Pengukuran kinerja sistem menggunakan F1 Score dengan akurasi sebesar86%Katakunci: bentuktangan,HandFormRecognition,ComputerVision,PHOG,SVM,bahasaisyarat.
Deteksi Varian Penggunaan Helm dari Kamera Surveilans Menggunakan Metode Berbasis Deep Learning Faturahman, Farhan; Yunanto, Prasti Eko; Sulistiyo, Mahmud Dwi
eProceedings of Engineering Vol. 12 No. 3 (2025): Juni 2025
Publisher : eProceedings of Engineering

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

Abstract

Sepeda motor merupakan moda transportasi utama diIndonesia, tetapi tingkat kepatuhan terhadap penggunaanhelm masih rendah. Rekaman kamera surveilans yang seringkali memiliki resolusi rendah menyulitkan deteksi otomatis.Selain itu, variasi helm yang digunakan, seperti full-face,half-face, non-standar, serta pengendara tanpa helm,menjadi tantangan dalam proses pendeteksian. Penelitian inibertujuan untuk mengembangkan model deep learningberbasis YOLOv8n yang mampu mendeteksi penggunaanhelm pada citra beresolusi rendah. Dataset dikumpulkansecara mandiri dengan sudut pandang serta pencahayaanyang serupa. Pengujian dilakukan dengan berbagaikonfigurasi batch size dan jumlah epoch untuk menemukanparameter optimal. Hasil evaluasi menunjukkan bahwamodel dengan 100 epoch dan batch size 32 memberikanperforma terbaik dengan mAP@50 sebesar 0.984, mAP@50-95 sebesar 0.819, precision 0.953, recall 0.952, dan F1-score0.953. Model ini mampu mendeteksi empat kategori helmdengan akurasi tinggi meskipun pada citra beresolusi rendah.Penelitian ini membuktikan bahwa YOLOv8n dapatdigunakan untuk deteksi otomatis penggunaan helm denganakurasi tinggi, yang dapat membantu sistem pemantauan lalulintas dan meningkatkan keselamatan berkendara. Kata kunci: deteksi helm, kamera surveilans, resolusi rendah,deep learning, YOLOv8
Identifikasi Pengguna Berbasiskan Biometrik Keystroke Menggunakan MVMCNN Azzam, Muhammad Abdullah; Yunanto, Prasti Eko; Sulistiyo, Mahmud Dwi
eProceedings of Engineering Vol. 12 No. 3 (2025): Juni 2025
Publisher : eProceedings of Engineering

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

Abstract

Keamanan akses pengguna daring menjadi isukrusial di era digital. Identifikasi berbasis biometrik, sepertikeystroke dynamics, dianggap lebih aman dibandingkanmetode konvensional. Penelitian ini mengimplementasikanMulti-Voter Multi-Commission Nearest Neighbor Classifier(MVMCNN) untuk identifikasi pengguna melalui keystrokedynamics. MVMCNN dipilih karena kemampuannya mengatasikelemahan KNN dengan skema multi-voter dan pendekatanLocal Mean Probabilistic Neural Network (LMPNN). Datasetkeystroke dari Universitas Telkom digunakan dengan fitur UD,DD, DU, UU, dan Duration. Eksperimen meliputi tiga skenario:(1) menentukan panjang vektor optimal (N=4, 8, 12, 16, 20, 24),(2) penyederhanaan fitur menjadi rata-rata dan median, serta(3) seleksi fitur menggunakan Variance Threshold (0.1).Evaluasi menggunakan F1-Score. Hasil menunjukkan skenariopertama dengan N=20 menghasilkan F1-Score tertinggi(0.6911). Penyederhanaan fitur menurunkan performa, denganF1-Score terbaik 0.3031 (mean, k=9) dan 0.3257 (median, k=3),menandakan pentingnya kekayaan informasi dalam fitur.Seleksi fitur menggunakan Variance Threshold tidak banyakmengubah performa, menunjukkan distribusi data sudahoptimal. Temuan ini menegaskan bahwa granularitas databerperan penting dalam akurasi sistem identifikasi berbasiskeystroke dynamics. Kata kunci— biometrik, keystroke, identifikasi, mvmcnn, f1-score.
Sistem Question Answering pada Data Kesehatan Menggunakan Model pre-trained BERT Alhafidz, Bagas Millen; Rachmawati, Ema; Yunanto, Prasti Eko
eProceedings of Engineering Vol. 12 No. 3 (2025): Juni 2025
Publisher : eProceedings of Engineering

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

Abstract

Setelah pandemi covid-19, kesehatan menjadi halyang harus diperhatikan. Sebagian besar masyarakatmenggunakan search engine sebagai alat untuk mencariinformasi tentang kesehatan. Namun informasi yangdidapatkan berupa query hasil search engine yang masihumum. Sistem Question Answering adalah sistem yangmemberikan informasi sesuai informasi yang dibutuhkan olehpengguna secara spesifik. Pada penelitian ini dibangun sistemQuestion Answering menggunakan metode BidirectionalEncoder Representations from Transformer (BERT). BERTmerupakan sebuah pre-trained model yang menggunakanarsitektur transformer. BERT dapat menyelesaikan tugassistem Question Answering. Dengan pre-trained model, sistemtidak perlu melakukan training model dari awal. Sistem hanyaperlu menggunakan train model yang telah dibuat oleh oranglain sesuai tugas yang dibutuhkan untuk menghemat waktu dansumber daya. Untuk mengukur performansi, digunakan metodeExact Match (EM) dan F1-score. Hasil dari penelitian ini skorterbaik yang didapat yaitu Exact Match 75% dan F1-score76%.Kata kunci— question answering, BERT, pre-trained model,kesehatan
Co-Authors Alhafidz, Bagas Millen Ari Moesriami Barmawi Ariva Syam Mursalat Azzam, Muhammad Abdullah Ema Rachmawati Fadhlurrahman Akbar Nasution Faturahman, Farhan Febryanti Sthevanie Hertog Nugroho Hutomo, Ardityo Cahyo Putro Hutomo I NYM Yoga Saputra I Wayan Krisna Gita Santika Kurniawan Nur Ramadhani Larasati Larasati Mahmud Dwi Sulistiyo Maulana, Didit Johar Muhamad Fariz Maulana Muhammad Rahman Ali Redy Indrawan Ridlo Yanuar Rifki Wijaya Riski Novanda Siti Sa'adah Siti Saadah Siti Saadah Siti Sa’adah Siti Sa’adah Tjokorda Agung Budi Wirayuda