Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal Indonesian Journal on Computing (Indo-JC) IJoICT (International Journal on Information and Communication Technology)
Muhammad Croassacipto
Institut Teknologi Nasional - ITENAS
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Klasifikasi Nada Sesuai Kodàly Handsign Dengan Metode K-Nearest Neighbor Pada Leap Motion Controller Muhammad Croassacipto; Muhammad Ichwan; Dina Budhi Utami
Indonesia Journal on Computing (Indo-JC) Vol. 4 No. 1 (2019): Maret, 2019
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/INDOJC.2019.4.1.269

Abstract

Tangan dapat menghasilkan berbagai pose di mana setiap pose dapat memiliki makna atau tujuan yang dapat digunakan sebagai bentuk komunikasi ditentukan sesuai kesepakatan umum atau siapa yang berkomunikasi. Pose tangan dapat digunakan sebagai interaksi manusia dengan komputer yang lebih cepat, intuitif dan sesuai dengan fungsi alami dari tubuh manusia yang disebut Handsign. Salah satunya adalah Kodály Handsign yang dibuat oleh seorang komposer Hungaria bernama Zoltán Kodály yang merupakan konsep dalam pendidikan musik di Hungaria. Pendekatan langsung ini digunakan dalam pertunjukan angklung interaktif dalam menentukan nada yang akan dimainkan dengan algoritma K-Nearest Neighbor (KNN) untuk proses klasifikasi berdasarkan pose tangan. Proses klasifikasi ini dilakukan pada data yang diekstrak dari Leap Motion Controller yang mengambil nilai Pitch, Roll dan Yaw berdasarkan prinsip dasar pesawat. Hasil penelitian dilakukan sebanyak 5 kali dengan nilai k secara periodik 1,3,5,7,9 dengan data uji beruapa pose yang terdiri dari 1004 Do, 891 Re, 526 Mi, 661 Fa, 612 Sol, 913 La, 702 Si dan 874 Do' terhadap 21099 data latih. Hasil tes dapat mengenali pose tangan dengan nilai k optimal  k=1 dengan tingkat akurasi 94,87%.
Tone Classification Matches Kodàly Handsign with the K-Nearest Neighbor Method at Leap Motion Controller Muhammad Croassacipto; Muhammad Ichwan; Dina Budhi Utami
International Journal on Information and Communication Technology (IJoICT) Vol. 5 No. 2 (2019): December 2019
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/IJOICT.2019.52.283

Abstract

Hands can produce a variety of poses in which each pose can have a meaning or purpose that can be used as a form of communication determined according to a general agreement or who communicate. Hand pose can be used as human interaction with the computer is faster, intuitive, and in line with the natural function of the human body called Handsign. One of them is Kodàly Handsign, made by a Hungarian composer named Zoltán Kodály, which is a concept in music education in Hungary. This hand sign is used in interactive angklung performances in determining the tone that will be played by the K-Nearest Neighbor (KNN) algorithm classification process based on hand poses. This classification process is performed on the extracted data from Leap Motion Controller, which takes Pitch, Roll, and Yaw values based on basic aircraft principle. The results of the research were conducted five times with the value of k periodically 1,3,5,7,9 with test data consisting pose of 874 Do', 702 Si, 913 La, 612 Sol, 661 Fa, 526 Mi, 891 Re, and 1004 Do punctuation on 21099 training data. The test results can recognize hand poses with the optimal k value k=1 with an accuracy level of 94.87%.
Co-Authors Dina Budhi Utami Muhammad Ichwan