Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal Jurnal Fisika FLUX KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal)
Arfan Eko Fahrudin
Program Studi Fisika FMIPA Universitas Lambung Mangkurat
Computer Science & IT Earth & Planetary Sciences Education Materials Science & Nanotechnology Physics

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
Pengenalan Suara Vokal Bahasa Indonesia dengan Jaringan Saraf Tiruan Menggunakan Ciri Transformasi Wavelet Diskrit Nadya Amalia; Arfan Eko Fahrudin; Amar Vijai Nasrullah
Jurnal Fisika FLUX Vol 9, No 2 (2012): Jurnal Fisika FLUX Edisi Agustus 2012
Publisher : Lambung Mangkurat University Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1306.373 KB) | DOI: 10.20527/flux.v9i2.6099

Abstract

Vowel recognition is the main topic in speech recognition. There are sixIndonesian vowels, i.e. /a/, /i/, /u/, /e/, /ə/ and /o/. Feature extraction is an importantstep in recognition system because the recognition rate depends on featureextraction results. Vowel feature extraction via discrete wavelet transform (DWT) ispresented here. Mother wavelet db4 and sym4 are used. Minimum, maximum, meanand standard deviation value of wavelet coefficients are extracted as vowel features.DWT with level 2 decomposition obtains 12 features, level 4 decomposition obtains20 features and level 6 decomposition obtains 28 features. Then, those vowelfeatures are used as an input of artificial neural network (ANN) with 2 hidden layers.First hidden layer has 10 neurons and second hidden layer has variety 5 and 7neurons. Backpropagation method is used to train the ANN. The vowel signals arerecorded from 10 female respondens and 10 male respondens. Each respondenpronounces six Indonesian vowels and syllable /ka/, /ki/, /ku/, /ke/, /kə/ and /ko/.Experimental results show that the best recognition rate for the vowel is 85%, whichis obtained by using mother wavelet sym4, level 6 decomposition and 7 neurons forsecond hidden layer, and the best recognition rate for the syllable is 80%, which isobtained by using mother wavelet db4, level 6 decomposition and 5 neurons forsecond hidden layer.
PENGARUH KENAIKAN FREKUENSI GETARAN AKUSTIK TERHADAP JUMLAH PERGESERAN FRINJI PADA INTERFEROMETER MICHELSON Nurilda Hayani; Nurma Sari; Arfan Eko Fahrudin
Jurnal Fisika FLUX Vol 10, No 2 (2013): Jurnal Fisika FLUX Edisi Agustus 2013
Publisher : Lambung Mangkurat University Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (285.687 KB) | DOI: 10.20527/flux.v10i2.2644

Abstract

Abstrak: Telah dilakukan penelitian tentang pengaruh kenaikan frekuensi getaranakustik terhadap jumlah pergeseran frinji pada interferometer Michelson. Dalampenelitian ini digunakan program MATLAB 7.0 untuk membangkitkan getaran akustikdengan frekuensi (fMATLAB) 8 s.d 40 Hz. Cermin getar digetarkan dengan bantuanspeaker yang sudah terhubung ke program MATLAB 7.0 pada PC, sedangkan cermingeser digeser dengan bantuan mikrometer sekrup sejauh 10-6 m. Berdasarkan datapengamatan, semakin besar nilai fMATLAB maka semakin banyak jumlah pergeseran frinji(ΔN) yang terjadi. Hasil plot grafik hubungan fMATLAB dan ΔN memberikan persamaankarakteristik grafik ΔN = 1,054 fMATLAB + 14,57. Nilai error akurasi data terbesar adalah18,900 sedangkan nilai error akurasi data terkecil adalah 0,633. Nilai error akurasi datarata-rata adalah 5,351 sehingga diperoleh ketelitian sebesar 94,649%. Nilai f’ dihitungberdasarkan nilai pergeseran cermin (Δd) dan jumlah pergeseran frinji (ΔN). Nilai f’ yangdiperoleh saat cermin getar tidak digetarkan (fMATLAB = 0) adalah nilai frekuensi laserhelium neon (fHeNe), sedangkan nilai f’ yang diperoleh saat cermin getar digetarkan(fMATLAB ≠ 0) adalah frekuensi gabungan dari nilai frekuensi laser helium neon (fHeNe) dannilai frekuensi getaran akustik (fMATLAB).Kata kunci: getaran akustik, frinji, Interferometer Michelson.
Aplikasi Jaringan Syaraf Tiruan (JST) Backpropagation untuk Prediksi Cuaca Harian di Wilayah Banjarbaru Sugiyanti Sugiyanti; Simon Sadok Siregar; Arfan Eko Fahrudin
Jurnal Fisika FLUX Vol 9, No 2 (2012): Jurnal Fisika FLUX Edisi Agustus 2012
Publisher : Lambung Mangkurat University Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (685.597 KB) | DOI: 10.20527/flux.v9i2.6102

Abstract

SISTEM MONITORING DAYA LISTRIK BERBASIS MIKROKONTROLER AVR ATMEGA16 Abdullah Hamdi; Arfan Eko Fahrudin; Iwan Sugriwan
Jurnal Fisika FLUX Vol 10, No 2 (2013): Jurnal Fisika FLUX Edisi Agustus 2013
Publisher : Lambung Mangkurat University Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (114.896 KB) | DOI: 10.20527/flux.v10i2.2641

Abstract

ABSTRACT: It has been made a monitoring power electricity based microcontrollerAVR ATMega16 for house’s tool using. The system consisted by ACS712 censor. Itable to followed the current up to 5 ampere. The voltage output from censor is followedby external filter, then went into 10 bit internal ADC by ATMega16. The value ADC iscompared with the current of censor to achieve a characteristic of sensor. The result isdisplay on LCD 16x2. It also able to do serial communication with PC that alreadyinstalled with interface program automatically, continously and directly. The resultshows the system have 94,65% accuracy.Keywords: Monitoring power electricity, censor ACS712, microcontroller ATMega16
PENGEMBANGAN SISTEM DETEKSI TANAH LONGSOR MENGGUNAKAN POTENSIOMETER GESER BERBASIS MIKROKONTROLER ATMEGA8535 Riky Riswan Pratama; Iwan Sugriwan; Arfan Eko Fahrudin
Jurnal Fisika FLUX Vol 11, No 2 (2014): Jurnal Fisika FLUX Edisi Agustus 2014
Publisher : Lambung Mangkurat University Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/flux.v11i2.2681

Abstract

Abstrak: Pembuatan alat ukur pergeseran tanah pada lahan miring telah dilakukan dengan menggunakan DFRobot Slide Position Sensor sebagai sensor pergeseran. Tegangan keluaran sensor dikondisikan dengan rangkaian pengikut tegangan (voltage follower) dengan menggunakan Op-Amp. Tegangan keluaran dari rangkaian pengkondisi sinyal dihubungkan dengan ADC internal mikrokontroler ATMega8535. Data hasil pengukuran ditampilkan pada LCD (Liquid Crystal Display) 16x2 karakter dan ditampilkan pada komputer melalui komunikasi serial dengan interface Delphi 7.0, yang mampu mencatat secara real time dan kontinu serta menyimpan data pengukuran dalam file format .xlsx. Alat ukur pergeseran ini memiliki sensitivitas 5 mV tiap perubahan 0,033 mm pada rentang pengukuran 2-29 mm dan 5 mV tiap perubahan 0,172 mm pada rentang pengukuran 30-58 mm. Sistem pengukuran ini diuji coba pada bok simulasi tanah longsor buatan berukuran 120 cm x 60 cm x 35 cm. Pengujian dilakukan sebanyak 3 kali pada masing-masing kemiringan 150, 300 dan 500. Hasil pengujian pada kemiringan 150 dengan waktu pengukuran rata-rata selama 216 menit 20 detik, terjadi pergeseran yang signifikan mulai menit ke-120. Pengujian pada kemiringan 300 dengan waktu pengukuran rata-rata selama 83 menit 55 detik, pergeseran berubah konstan mulai menit ke-20 dan terjadi pergeseran yang ekstrim pada 2 menit terakhir pengukuran. Pengujian pada kemiringan 500 dengan waktu pengukuran rata-rata selama 66 menit 36 detik, terjadi pergeseran yang ekstrim mulai menit ke-50. Berdasarkan hasil pengukuran, setiap kemiringan menunjukkan bahwa pergeseran tanah berubah secara eksponensial terhadap waktu pengukuran. Kata kunci: DFRobot Slide Position Sensor, pergeseran tanah, kemiringan
OPTIMASI LEARNING RADIAL BASIS FUNCTION NEURAL NETWORK DENGAN EXTENDED KALMAN FILTER Oni Soesanto; Arfan Eko Fahrudin; Dodon T. Nugrahadi
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 2, No 2 (2015)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v2i2.40

Abstract

Dalam paper ini dibahas mengenai optimasi Radial Basis Function Neural Network (RBFNN) dengan Extended Kalman Filter. Proses learning RBF dengan Extended Kalman Filter menggunakan parameter bobot pada hidden center RBF yaitu noise proses pada perhitungan bobot hidden center dan noise pengukuran pada data output. Extended Kalman Filter pada jaringan syaraf RBF berfungsi mengoptimalkan bobot pada hidden center dengan meminimalkan error pada output RBF dengan parameter proses pada unit center RBF dan parameter bobot output pada output layer. Bobot output optimal diperoleh pada saat error output pada training RBF telah konvergen, selanjutnya digunakan untuk proses testing. Algoritma Extended Kalman Filter dan Radial Basis Fuction (EKF-RBF) memungkinkan proses learning memungkinkan center dan variansi pada hidden layer tidak perlu dihitung sebelum bobot output optimum ditemukan. Hasil simulasi menunjukkan bahwa pada training, performansi klasifikasi algoritma EKF-RBF mampu mengenali rata-rata 92.42% dan untuk prediksi didapatkan MAE sebesar 5,3846 dan RMSE sebesar 16,2398 dengan CPU time 24,4146 detik dengan iterasi rata-rata 68,8 iterasi, testing in sample rata-rata MAE sebesar 4,3388, rata-rata RMSE sebesar 13,2230 dan rata-rata CPU time sebesar 0,1123 detik sedangkan pada testing out sample didapatkan rata-rata MAE sebesar 4,1065, RMSE sebesar 11,0126 dan CPU time sebesar 0,0265 detik. Kata kunci : Extended Kalman Filter, Extended Kalman Filter – Radial Basis Function (EKF-RBF), Optimasi Jaringan Syaraf RBF
Co-Authors Abdullah Hamdi Amar Vijai Nasrulloh Dodon Turianto Nugrahadi Iwan Sugriwan, Iwan Nadya Amalia Nurilda Hayani Nurma Sari Riky Riswan Pratama Simon Sadok Siregar, Simon Sadok Soesanto, Oni sugiyanti sugiyanti