Article Per Year (5 Year)
p-Index From 2021 - 2026
0.947
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Komputer dan Informasi Journal of Information Systems Engineering and Business Intelligence Indonesia Symposium on Computing Indonesian Journal on Computing (Indo-JC) IJoICT (International Journal on Information and Communication Technology) JOIN (Jurnal Online Informatika) International Journal of Artificial Intelligence Research JURNAL MEDIA INFORMATIKA BUDIDARMA Indonesian Journal of Artificial Intelligence and Data Mining Jurnal Teknologi dan Informasi TEKNOLOGIA Building of Informatics, Technology and Science Journal of Data Science and Its Applications eProceedings of Engineering
Untari Novia Wisesty
Telkom University
Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Library & Information Science Mathematics

Published : 35 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 35 Documents
Search

 1   2   3   4 
Studi Dan Implementasi Metode Grammatical Evolution Untuk Pembangunan Aplikasi Sistem Prediksi Saham Aditya Kusuma Setyanegara; Jondri Jondri; Untari Novia Wisesty
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

Saham merupakan suatu model investasi yang populer saat ini. Dalam berinvestasi, saham memiliki resiko yang dapat membuat investor mengalami kerugian ketika saham yang dibeli sangat tinggi namun terjual dengan harga yang terlalu rendah. Analisis teknikal digunakan untuk mempelajari perilaku harga saham di masa lalu untuk memprediksi harga saham di masa depan. Metode Grammatical Evolution dipilih untuk menyelesaikan kasus ini dengan data input berupa harga saham di masa lalu. Dari hasil penelitian ini, menunjukkan MAPE terkecil adalah 1,17639%, dengan skenario 1000 periode data training dan 250 periode data testing yang merupakan skenario data terbaik yang dapat menghasilkan nilai akurasi tertinggi. Kata kunci : Analisis Teknikal, Grammatical Evolution, MAPE
Rancangan Kalender Tanam Berdasarkan Prediksi Curah Hujan Menggunakan Jaringan Saraf Tiruan Dan Algoritma Genetika Adiwijaya Adiwijaya; Untari Novia Wisesty
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

Abstrak Pada sektor pertanian, kalender tanam merupakan salah satu cara atau strategi yang digunakan untuk mengantisipasi anomali iklim yang terjadi. Pada kalender tanam terdapat pola tanam suatu atau berbagai tanaman yang disusun dalam jangka tahunan (biasanya 1 tahun) dan dikategorikan per bulan atau 10 hari. Data curah hujan adalah salah satu faktor yang dapat digunakan menjadi data untuk memperoleh prediksi kalender tanam. Metode yang diimplementasikan dalam Tugas Akhir ini adalah dengan Jaringan Syaraf Tiruan yang baik struktur dan bobotnya di optimisasi oleh Algoritma Genetika Bersarang. Arsitektur Jaringan Syaraf Tiruan yang sudah dioptimasi digunakan untuk mendapatkan data prediksi curah hujan. Data prediksi tersebutlah yang nantinya akan menjadi dasar dalam pembuatan kalender tanam. Jaringan Syaraf Tiruan yang diimprove dengan Algoritma Genetika Bersarang dapat menemukan arsitektur Jaringan Syaraf Tiruan dengan akurasi testing 88.38%. Namun dari hasil pengujian yang didapatkan, mengindikasikan bahwa masih sering terjadi adanya overfit, sehingga arsitektur Jaringan Syaraf Tiruan hanya mengenali data set training saja. Kata Kunci : kalender tanam, curah hujan, jaringan syaraf tiruan, algoritma genetika
Implementasi Sistem Pengenalan Ucapan Bahasa Indonesia Menggunakan Kombinasi Mfcc Dan Pca Berbasis Hmm Fathurrohman Elkusnandi; Adiwijaya Adiwijaya; Untari Novia Wisesty
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 Karya tulis ini membahas implementasi sistem pengenalan ucapan dalam bahasa Indonesia dimana suatu perangkat membaca file suara lalu ditranslasikan menjadi teks sesuai dengan kata yang diucapkan pada file suara tersebut didasarkan pada kata yang sudah dilatih ke dalam sistem. Metode MFCC digunakan untuk proses ekstraksi ciri dimana akustik vektor atau vektor ciri direduksi jumlah dimensinya menggunakan PCA, lalu hasil ektraksi ciri tersebut diklasterkan dengan algoritma Y. Linde, A. Buzo, dan R. Gray (LBG) dan diklasifikasikan menggunakan HMM. Pengurangan dimensi pada vektor akustik atau vektor ciri dilakukan karena jumlah dimensi data yang diekstrak dari sinyal suara menggunakan MFCC yang tinggi. Metode PCA dipilih karena PCA mampu memproyeksikan data ke space yang bervariansi tinggi sehingga data yang redundant atau kurang signifikan bisa direduksi. Selain itu pengurangan dimensi pada vektor ciri dapat meningkatkan performansi sistem dikarenakan jumlah dimensi yang berkurang akan mengurangi data yang harus dikalkulasi oleh sistem. Hasilnya sistem mampu mengenali kata dengan rata – rata akurasi sebesar 80,19%, namun performansi sistem tidak naik secara signifikan yaitu paling tinggi hanya sebesar 3,29% untuk proses pelatihan, dikarenakan hanya proses kuantisasi vektor yang jumlah data untuk dikalkukasinya berkurang, selain itu proses PCA menambah beban sistem yang sebelumnya tidak ada. Kata kunci : pengenalan ucapan, MFCC, LBG, PCA, HMM Abstract This paper talks about the implementation of speech recognition in Bahasa Indonesia. The system will translate audio file into text according to the spoken word that has been trained into the system. MFCC method is used for feature extraction where feature vector dimension is reduced with PCA method, then it quantized using Y. Linde, A. Buzo, and R. Gray (LBG) and classified with HMM method. The reduction of the feature vector dimension is applied because the number of dimension in MFCC feature from MFCC method is very high. PCA is chosen because the PCA can project the data into a space where the variance is high with the order of the dimension, so the redundant and less important data can be reduced. Also, the dimension reduction can affect the system performance, because lesser dimension means lesser data to be calculated. The results show that the system can recognizes word with 80.19% accuracy, but there is no significant improvement in system performance, the highest improvement is at around 3.29% for training process, because only at vector quantization process where the number of data has decreased, also the PCA process add process time that wasn’t there before. Keywords : speech recognition, MFCC, LBG, PCA, HMM
Prediksi Perkembangan Kondisi Pasien Terapi HIV dengan Menggunakan Representasi ALE-index sebagai Invariant Nucleotida sequence dan Support Vector Machine Al Azhar Al Azhar; Jondri Jondri; Untari Novia Wisesty
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

Human Immunodeficiency Virus atau disingkat HIV merupakan salah satu jenis virus yang sangat berbahaya.  HIV  menyerang  system immune  yang  menyebabkan pasien  HIV  mengalami kegagalan sistem kekebalan tubuh. Dalam beberapa tahun terakhir, inveksi HIV sudah ditangani dengan berbagai terapi. Salah satu terapi paling efektif adalah dengan mengkonsumsi obat antiretroviral yang akan menekan virus HIV agar tidak menduplikasikan diri, ataupun menginfeksi sel darah putih. Namun, virus biasanya akan bermutasi terhadap obat obatan yang diberikan dalam penanganan, sehingga virus kebal terhadap obat yang biasa diberikan di terapi. Untuk itu  dibutuhkan suatu  sistem  prediksi  untuk  memprediksi kondisi  pasien  terapi  yang  akan  membaik,  agar mempermudah dalam pengambilan keputusan penangan dini pada pasien. Dengan menggunakan 4 parameter yaitu jumlah CD4, Viral Load, PR sequence dan RT sequence, penulis berusaha membangun sistem prediksi perkembangan kondisi pasien terapi HIV. Sistem prediksi ini dibangun dengan salah satu metode klasifikasi machine learning yaitu metode Support Vector Machine (SVM) dan representasi numerik dari urutan nukleotida yaitu ALE-index. Metode ALE-index pada sistem berfungsi untuk mentranslasi parameter RT sequence dan PR sequence yang masih dalam bentuk urutan nukleotida menjadi data numerik agar bisa diinputkan kedalam SVM. Pada metode ALE-index ini juga terdapat beberapa penangan karakter yang bukan merupakan empat unsur utama penyusun urutan nukleotida. Hasil pengujian menunjukkan kombinasi penanganan Random-Delete row dengan menggunakan kernel RBF pada SVM memperoleh akurasi yang lebih tinggi dibandingkan kombinasi penanganan dan parameter lainnya yaitu 77.46%. Dan dengan menggunakan keempat parameter, akurasi yang diperoleh lebih tinggi dibandingkan dengan mengilangkan salah satu fitur. Kata kunci : : HIV, Support Vector Machine, Nukleotida, ALE-index
Klasifikasi Sinyal Ekg Menggunakan Deep Belief Network Dengan Restricted Boltzmann Machine Ali Zainal Abidin Assajjad; Jondri Jondri; Untari Novia Wisesty
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 adalah salah satu organ terpenting bagi manusia. Kerusakan atau bahkan berhentinya kerja jantung dapat berakibat sangat fatal. Ketidaknormalan detak jantung manusia disebut dengan aritmia. Salah satu cara untuk melakukan diagnosis terhadap aritmia adalah dengan Elektrokardiogram (EKG). EKG merupakan salah satu metode diagnosis detak jantung dengan merekam aktivitas fisiologis jantung melalui elektroda-elektroda yang dipasang di kulit dalam periode waktu tertentu. Beberapa metode ekstraksi fitur dan klasifikasi dilakukan untuk mengetahui jenis-jenis detak jantung mana saja yang tergolong ke dalam aritmia. Di dalam Tugas Akhir ini digunakan Deep Belief Network (DBN) yang dibangun dari Stacked Restricted Boltzmann Machine (RBM). Sistem yang dibangun mampu melakukan ekstraksi fitur dan mengklasifikasi data EKG dengan akurasi terbaik 91,939%. Kata kunci: Klasifikasi, Elektrokardiogram, Aritmia, Deep Belief Network Abstract Heart is one of the most important organ in human. Heart damage or failure has a very fatal impact. Abnormality of human heartbeat is called arrhythmia. One way to diagnose arrhythmia is electrocardiogram (ECG). ECG is a heartbeat diagnosis method which records the physiological activity of heart using electrodes on the skin in certain unit of time. Several feature extraction and classification method are used to determine the types of heartbeat which belong to the arrhythmia. In this final task, Deep Belief Network (DBN) is constructed using Stacked Restricted Boltzmann Machine (RBM). The constructed system is able to extract features and classify ECG data with best accuracy 91.939% Keywords: Classification, ECG, Arrhythmia, Deep Belief Network
Analisis Deep Learning Untuk Mengenali Qrs Kompleks Pada Sinyal Ecg Dengan Metode Cnn Huda Sepriandi Ibrahim; Jondri Jondri; Untari Novia Wisesty
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 QRS kompleks adalah bentuk umum dari sinyal EKG yang normal dan berhubungan dengan deplarisasi ventrikel. QRS kompleks dapat mendeteksi kelainan frekuensi, keteraturan, tempat asal atau kondisi impuls listrik pada jantung. Namun, pendeteksian QRS kompleks saat ini masih dilakukan manual oleh dokter. Pada Tugas Akhir ini, Dataset yang digunakan diambil dari Fantasia Database MIT Arrythmia. Puncak gelombang R di deteksi menggunakan algoritma Pan and Tompskins lalu dari hasil deteksi data ECG di ekstrak menjadi dataset QRS dan nonQRS yang ditandai dengan kelas 1 dan kelas 0. Dataset ini kemudian diolah dengan metode Deep Learning menggunakan algoritma Convolutional Neural Network. Hasilnya, dengan 2410 dataset dengan komposisi 50% QRS dan 50% non QRS serta membagi data training sebanyak 70% dan data test sebanyak 30%, hasil akurasi yang diperoleh mencapai 99.58%. Kata kunci : Sinyal ECG, QRS Kompleks algoritma Pan and Tomskins, Convolutional Neural Network Abstract QRS complexes are a common form of normal ECG signals and are associated with ventricular deplaration. Complex QRS can detect abnormalities of frequency, regularity, place of origin or electrical impulse conditions in the heart. However, the current complex QRS detection is still performed manually by doctors. In this Final Project, the dataset used is taken from Fantasia MIT Arrythmia Database. R peaks is detected using the Pan and Tompskins algorithm and then the extracted results into QRS and nonQRS datasets characterized by classes 1 and 0. This dataset is processed by Deep Learning method using the Convolutional Neural Network. The result, with 2410 datasets with 50% QRS and 50% non QRS composition and 70% training data sharing and 30% test data, 99.58% accuracy. Keywords : ECG Signal, QRS Complex, Pan and Tomskins Algorithm, Convolutional Neural Network.
Prediksi Harga Saham Menggunakan Hidden Markov Model (hmm) Dan Fuzzy Model Devy Yendriani; Jondri Jondri; Untari Novia Wisesty
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

Abstrak Saham merupakan salah satu pilihan investasi yang menarik karena dapat diperoleh untung yang besar. Agar investor mendapatkan untung dan menghindari rugi, diperlukan perhatian yg jeli terhadap pergerakan saham. Salah satu caranya adalah dengan memprediksi saham. Pada tugas akhir ini, teknik yang diusulkan adalah dengan menggunakan Hidden Markov Model (HMM) dan Fuzzy Logic (FL). HMM sudah sering digunakan untuk menganalisa dan memprediksi fenomena time series. HMM digunakan untuk mengelompokkan data yang mempunyai kemiripan data pattern. FL digunakan untuk memprediksi harga saham dengan Gradient Descent untuk mengoptimasi aturan fuzzy yg dibentuk. Sistem prediksi ini menggunakan data saham harian PT Telekomunikasi Indonesia, Tbk dari tanggal 3 Januari 2011 hingga 20 Desember 2014. Sistem ini memiliki error MAPE sebesar 1.21. Kata Kunci: time series, harga saham, Hidden Markov Model, Fuzzy Logic, Gradient Descent..
Implementasi & Analisis Algoritma Grammatical Evolution Untuk Memecahkan Kasus Santa Fe Trail Ergandara Purba Setra; Agung Toto Wibowo; Untari Novia Wisesty
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

Pada pengujian ini Santa fe Trail akan diselesaikan dengan algoritma Grammatical Evolution (GE). Grammar yang digunakan pada GE ini adalah grammar yang didefinisikan Koza serta grammar yang memodifikasi grammar Koza. Metode seleksi yang digunakan adalah roulette wheel dan Tournament selection. Seleksi menggunakan dua metode untuk dibandingkan perfomasinya. Hasil pengujian didapatkan langkah terbaik pada grammar1 adalah 462 sedangkan pada grammar2 langkah terbaiknya adalah 405. Dengan menggunakan peta2, peta3 dan peta4 solusi tidak dapat ditemukan. Metode seleksi dengan menggunakan roulette wheel menghasilkan solusi yang lebih banyak dibandingkan dengan grammar2. Kata kunci: Algoritma evolusi, grammatical evolution, Santa fe Trail
Klasifikasi Sinyal Eeg Menggunakan Deep Neural Network Renette Ersti; Untari Novia Wisesty; Jondri Nasri
eProceedings of Engineering Vol 3, No 3 (2016): Desember, 2016
Publisher : eProceedings of Engineering

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

Abstract

Emosi adalah luapan perasaan seseorang yang dipengaruhi oleh suasana hati dan keadaan sekitarnya. Tidak semua orang dapat dengan mudah menyampaikan emosinya. Bagi orang yang kesusahan dalam menyampaikan emosi, orang tersebut tentu membutuhkan perantara. Salah satu caranya yaitu dengan membaca aktivitas sinyal otak atau biasa disebut dengan electroencephalograph (EEG). Pada Tugas Akhir ini, proses klasifikasi emosi terdiri dari tahap preprocessing, training, dan testing. Preprocessing dilakukan dengan menggunakan metode Discrete Wavelet Transform. Digunakan metode Deep Neural Network untuk mengolah sinyal EEG untuk diklasifikasi.. Metode Deep Neural Network menghasilkan performansi yang rendah. Data yang bagus dapat mengoptimalkan performansi sistem. Performansi terbaik diperoleh pada percobaan dengan learning rate sebesar 0.01 dan dengan parameter konstan epoch sebesar 100, epoch2 sebesar 10, dan menggunakan fungsi aktivasi sigmoid bipolar yaitu fscore sebesar 0.2051. Kata kunci : emosi, electroencephalograph, Deep Neural Networks, Discrete Wavelet Transform.
Implementasi Support Vector Machine Untuk Klasifikasi Ucapan Huruf Hijaiyah Bertanda Baca Berbasis Ekstraksi Ciri Mfcc Wisnu Adhi Pradana; Adiwijaya Adiwijaya; Untari Novia Wisesty
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

Support vector machine atau yang biasa disebut SVM adalah salah satu metode yang dapat digunakan untuk proses klasifikasi suatu data. Pada penelitian kali ini, sistem dibangun dengan menggunakan pendekatan tersebut dalam pengembangan arabic speech recognition. Dalam pembangunan sistem, ada 2 macam tipe speaker yang telah diuji yaitu dependat speaker dan independent speaker. Hasil yang diperoleh dari sistem ini adalah nilai akurasi sebesar 85,32% untuk dependat speaker dan 61,16% untuk independent speaker. Kata Kunci: Arabic Speech Recognition, Support Vector Machine, MFCC
Co-Authors Ade Romadhony Adi Pancoro Aditya Kusuma Setyanegara Adiwijaya Agung Toto Wibowo Agus Nursikuwagus Al Azhar Al Azhar Al Faraby, Said Ali Zainal Abidin Assajjad Anditya Arifianto Andrian Fakhri Annisa Aditsania Ariyanto, Puguh Aiman Ayu Purwarianti Brama Hendra Mahendra Devy Yendriani Dieka Nugraha Karyana Dimitri Mahayana Echa Pangersa Sugianto Oeoen Eko Darwiyanto Ergandara Purba Setra Ersa Christian Prakoso Fathurrohman Elkusnandi Febryanthi Sthevanie Febryanti Sthevanie Hadli Fadli Santoso Henri Tantyoko Hifzi Priabdi Hikmawati, Erna Huda Sepriandi Ibrahim Intan Raharni Wijaya Iqbal Hapid Sukana Putra Jondri Jondri Lalu Gias Irham Mahmud Dwi Sulistiyo Mengko, Tati Rajab Munggana, Wira Putri Tsatsabila Ramadhani Renette Ersti Riko Bintang Purnomoputra Rita Rismala Stefanus Christian Adi Pradhana Sugondo Hadiyoso Tiara Laksmi Basuki Tjokorda Agung Budi Wirayuda Wahyu Hauzan Rafi Wisnu Adhi Pradana Yosua Nababan