Article Per Year (5 Year)
p-Index From 2021 - 2026
2.374
P-Index
This Author published in this journals
All Journal Proceeding of the Electrical Engineering Computer Science and Informatics Jurnal Dinamika Pengabdian (JDP) TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika Economics and Digital Business Review Jurnal Akuntansi dan Keuangan Kontemporer (JAKK) INVOICE : JURNAL ILMU AKUNTANSI Journal of Natural Science and Technology Adpertisi: Bidang Sains dan Teknologi Journal of Training and Community Service Adpertisi Journal of Artificial Intelligence and Digital Business eProceedings of Engineering International Journal of Economic Research and Financial Accounting IECON: International Economics and Business Conference Atestasi : Jurnal Ilmiah Akuntansi
Muhammad Nasrun
Telkom University
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Social Sciences Other

Published : 32 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 16 Documents
Search
Journal : eProceedings of Engineering

 1   2 
Deteksi Kebohongan Dengan Analisis Pembesaran Diameter Pupil Dan Pergerakan Mata Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation Oktami Alyacarwayu; Muhammad Nasrun; Roswan Latuconsina
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 Manusia merupakan mahkluk sosial, oleh karena itu setiap manusia selalu saling berinteraksi setiap saat. Ketika manusia saling berinteraksi dengan lawan bicaranya akan selalu melibatkan perasaan dan juga emosi. Tetapi, tidak semua emosi dan perasaan yang dirasakan oleh manusia dapat diungkapkan semua, karena itu mereka melakukan sebuah kebohongan untuk menyembunyikan fakta yang ada. Pada penelitian ini menggunakan sejumlah 20 responden dan masing – masing responden akan berikan 5 pertanyaan. 1 responden terdpat 5 video, jadi total keseluruhan video sebesar 100 video responden. Video mata yang diambil adalah mata sebelah kanan. Penelitian ini menggunakan 20 data video responden yang akan digunakan sebagai 15 data latih (75 video) dan 5 data uji (25 video). Untuk mendekteksi pembesaran diameter pupil dan pergerakan mata menggunakan Hough Transform Circular. Setelah tahap proses Hough Transform Circular selanjutnya masuk ke tahap klasifikasi menggunakan Jaringan Syaraf Tiruan Backpropagation. Hasil Pengujian dan Analisis Sistem dari 20 Responden (100 video) diperoleh akurasi rata – rata sistem mendekteksi gerakan secara tepat sebesar 55,18% sedangkan untuk akurasi rata – rata sistem mendekteksi perubahan diameter pupil secara tepat sebesar 52.83%. Hasil Pengujian total data testing menggunakan Klasifikasi Backpropagation dari 5 responden (25 video) tingkat akurasinya diperoleh sebesar 72%. Kata kunci : Lie Detector, Pelebaran Pupil, Pergerakan Bola Mata, Jaringan Syaraf Tiruan, Backpropagation Abstract Humans are social beings, therefore every human always interacts all the time. When human interact with their interlocutors will always involve feelings and emotions. But, not all feelings and emotions felt by human can be disclosed all, so they are make a lie to hide the facts. In this study using a number of 20 respondents and each - each respondent will give 5 questions. 1 respondent in 5 videos, so total video total is 100 respondent's video. The eye video taken is the right eye. This study used 20 video data of respondents to be used as 15 training data (75 video) and 5 test data (25 videos). To detect enlargement of pupil diameter and eye movement using Hough Transform Circular. After the stage of the Hough Transform Circular proc ess then goes to the classification stage using Backpropagation Neural Network. Testing Results and Analysis System of 20 respondents (100 videos) obtained accuracy of the average - average mendekteksi system appropriately movement by 55.18% while the average accuracy - mendekteksi system average pupil diameter changes appropriately by 52.83%. Testing results total data testing using Backpropagation Classification of 5 respondents (25 video) accuracy rate obtained by 72%. Keywords : Lie Detector, Pupil Dilation, Eye Movement, Artificial Neural Network, Backpropagation
Detektor Kebohongan Dengan Analisa Gerakan Mata Dan Jumlah Kedipan Mata Menggunakan Metode Viola-jones Dan Jaringan Saraf Tiruan Backpropagation Hanif Afianto Dwi Nugroho; 2Muhammad Nasrun; Ratna Astuti Nugrahaeni
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 Setiap Manusia memiliki kelebihan dan kekurangan dalam kehidupannya. Terkadang untuk dapat diterima oleh masyarakat, sesorang akan berusaha menutupi kekurangannya atau bahkan kelebihannya dengan cara melakukan kebohongan. Pada tugas akhir ini telah membuat sistem untuk mendeteksi kebohongan dengan analisis gerakan bola mata dan jumlah kedipan mata menggunakan metode Viola-Jones. Menurut teori psikologi, jika mata seseorang cenderung menghadap kesebelah kiri maka hal ini dikarenakan mereka sedang memikirkan hal-hal yang sudah terjadi sebelumnya, sesuai juga dengan fungsi otak kiri sebagai memori yang telah lalu. Sedangkan tatapan seseorang yang cenderung menghadap kesebelah kanan berhubingan dengan otak kanan atau daya imajinasi. Sementara rata-rata orang dewasa berkedip adalah 10-15 kali dalam satu menit dan terdapan jeda antara 2-10 detik antara sebuah kedipan dengan kedipan berikutnya.Kedua paramenter dalam sistem yang dibuat akan digabungkan dengan metode Backpropagation untuk dapat melakukan prediksi kebohongan, dimana akurasi yang didapat adalah sebesar 85.33%. Kata Kunci Detektor Kebohongan, Gerakan Bola Mata, Kedipan Mata, Viola-Jones, Facial Landmark, Jaringan Saraf Tiruan Backpropagation Abstract Every human being has abundance and weakness in his life. Sometimes to be accepted by the community, someone will try to cover up the shortcomings or even the excess by lying. In fact, lies will cause profit on one side and loss on the other. In this final project has made a system to detect lies with eyeball movement analysis and the number of blinks using the Viola-Jones method. According to psychological theory, if someone's eyes tend to face the left, this is because they are thinking about things that have happened before, according to the function of the left brain as a past memory. While the gaze of someone who tends to face the right side is related to the right brain or imagination. While the average adult blinks is 10-15 times in one minute and takes a pause between 2-10 seconds between a blink and the next blink. The two parameters in the system that are made will be combined with the Backpropagation method to predict the lies, where the accuracy is 85.33% . Keywords: Lie Detector, Eyeball Movement, Blinking, Viola-Jones, Facial Landmark, Backpropagation Neural Network
Pengumpulan Data Dan Prediksi Masuk Di Semua Smp Negeri Kota Cimahi Menggunakan Metode Random Forest Gerry Pratama; Muhammad Nasrun; Anton Siswo Raharjo Ansori
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Tahun ajaran baru menjadi momen yang paling ramai dalam dunia pendidikan khususnya di Indonesia.Di setiap sekolah pasti memiliki beberapa persyaratan untuk masuk sekolah yang mereka inginkan, sebagai contohnya seperti dilihat dari nilai akhir ujian nasional dan juga dilihat dari jarak alamat rumah calon peserta didik dengan sekolah yg dituju atau biasa disebut juga zonasi, dan jalur prestasi tersebut menjadi persyaratan masuk sekolah di setiap SMP dikota Cimahi. Pada Tugas Akhir ini, Penulis mengusulkan mengumpulkan data dan memprediksinya menggunakan Metode Random Forest dan menerapkan metode tersebut kedalam sistem android Smartphone menggunakan android studio guna mempermudah agar para orang tua maupun siswa mampu mengakses dan mendapat persentase prediksi masuk sekolah yang dituju, dengan cara langsung memasang perangkat lunak tersebut di Smartphone, siswa maupun orang tua siswa lebih cepat menentukan pilihannya dan lebih praktis untuk kedepannya untuk memilih sekolah yang tepat. Kata Kunci: Prediksi, Penerimaan Siswa, Random Forest
Deteksi Ujaran Ancaman Berbasis Website Pada Postingan Media Sosial Twitter Menggunakan Metode Convolutional Neural Network Azhar Eka Mulia Wiguna; Muhammad Nasrun; Ratna Astuti Nugrahaeni
eProceedings of Engineering Vol 8, No 1 (2021): Februari 2021
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Di era teknologi zaman sekarang media sosial sangat penting bagi kehidupan manusia. Twitter merupakan media sosial yang sering digunakan oleh masyarakat khususnya di Indonesia. Twitter memiliki fungsi untuk memposting kalimat yang diunggah oleh penggunanya. Ada banyak macam postingan yang disampaikan oleh komunitas maupun masyarakat, ada yang positif, dan ada juga yang negatif. Pihak berwenang kesulitan menangani ujaran ancaman yang ada karena banyak variasi dari ujaran ancaman tersebut. Oleh karena itu sistem yang dibuat yaitu mendeteksi ujaran ancaman pada postingan media sosial twitter dengan metode klasifikasi Convolutional Neural Network. Dengan adanya sistem ini, diharapkan dapat membantu pihak yang berwenang untuk menangani kasus ujaran ancaman khususnya pada postingan Twitter. Dari hasil penelitian tugas akhir ini dalam mengklasifikasikan ujaran ancaman pada postingan Twitter mendapatkan precision sebesar 81%, recall sebesar 78%, f-1 score sebesar 79%, dan accuracy sebesar 80.63% Kata kunci : Media Sosial, Convolutional Neural Network, Ujaran Ancaman, Twitter. Abstract In today's technological era, social media is very important for human life. Twitter is a social media that is often used by people, especially in Indonesia. Twitter has a function to post sentences uploaded by its users. There are many kinds of posts submitted by the community and society, some are positive, and some are negative. The authorities have difficulty dealing with existing threat utterances because of the wide variety of threat phrases. Therefore the system created is to detect threat utterances in Twitter social media posts using the Convolutional Neural Network classification method. With this system, it is hoped that it can help the authorities to handle cases of threatening speech, especially on Twitter posts. From the results of this research, in classifying threat utterances in Twitter posts, get 81% precision, 78% recall, 79% f-1 score, and 80.63% accuracy. Keywords: Social media, Convolutional Neural Network, Threat Speech, Twitter.
Implementasi Klasifikasi Gambar Untuk Industri Pakaian Menggunakan Image Search Engine Berbasis Website Hidayat, Rafi Fakhri; Irawan, Budhi; Nasrun, Muhammad
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak— Seiring dengan perkembangan teknologi saat ini, teknologi banyak digunakan sebagai sarana memperoleh informasi. Pencarian informasi sudah sering dilakukan di kehidupan sehari-hari yaitu dengan menggunakan search engine. Contohnya pada industri pakaian saat mencari produk pakaian yang diinginkan melalui search engine, dengan mengharapkan hasil yang didapat dari pencarian search engine sesuai dengan detail lengkap mengenai referensi brand produk pakaian tersebut namun metode pencarian berbasis teks memiliki keterbatasan dan hasil yang didapat dari pencarian search engine tidak selalu akurat. Untuk itu penggunaan Convolutional Neural Network (CNN) digunakan untuk menyusun dataset dari produk pakaian berdasarkan klasifikasi gambar yang di inputkan. Penelitian ini bertujuan untuk dapat membuat sebuah sistem image search engine berbasis website dengan menggunakan arsitektur dari CNN yaitu Deep Residual Network (ResNet) khusunya pada ResNet50 yang dapat mengklasifikasi gambar dari produk- produk pakaian, dengan menginputkan gambar dan menghasilkan output berupa kategori lengkap referensi brand produk pada pakaian tersebut menggunakan Long Short Term Memory (LSTM) dalam memprediksi hasilnya. Didapatkan hasil pengujian 99.47% pada akurasi train dan 99.61% pada akurasi validasi yang akan digunakan pada saat di implementasikan pada website. Kata kunci— Convolutional Neural Network, ResNet50, Long ShortTerm Memory.
Sistem Deteksi Gerakan Dasar Bela Diri Taekwondo Menggunakan Arsitektur Yowo Dengan Rgb Aryomukti, Muchlis; Nasrun, Muhammad; Kallista, Meta
eProceedings of Engineering Vol. 10 No. 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak— Taekwondo merupakan salah satu olahraga cabang seni bela diri yang populer di Indonesia. Bela diri Taekwondo ini terdapat berbagai teknik gerakan dan jurus yang bisa dipelajari dengan cara dilatih oleh sabeum di dojang terkait yang selanjutnya diteruskan latihan mandiri. Akan tetapi, terdapat kendala untuk orang awam yang mempelajari gerakan ini karena tidak tahu nama teknik gerakan dan jurus dalam bela diri Taekwondo ketika mereka melihat orang yang berlatih atau mengikuti lomba Taekwondo yang menyebabkan mengalami kesulitan berlatih dengan sabeum. Arsitektur YOWO merupakan salah satu metode dalam deep learning yang digunakan untuk lokalisasi jenis gerakan manusia. YOWO menggunakan penggabungan 3D-CNN dengan 2DCNN. RGB merupakan ekstraksi fitur yang bertujuan untuk membagi warna menjadi tiga (3) channel, yaitu Red, Green, dan Blue. Arsitektur YOWO cocok digunakan untuk mendeteksi gerakan berupa input video dan frame. Hasil yang didapat setelah melakukan pengujian average precision gerakan bela diri Taekwondo yaitu momtong jireugi sebesar 97.92% dengan nilai akurasi 99.70%, precision 99.18%, recall 93.90%, dan f1- score terbaik adalah 96.31%, dengan parameter batch size: 16, learning rate: 0.0001, num frames: 8, 3D-CNN dimension: 2, 2DCNN dimension: 1, epochs: 10, num workers: 5, dan rasio dataset 60%:40%.Kata kunci— bela diri taekwondo, sistem deteksi gerakan dasar bela diri, arsitektur YOWO, RGB
Co-Authors A. Muhammad Arif Bijaksana A. St. Fatmawaty Abdulloh Salahul Haq Ade Sugiarti Adziem, Faidul Alfira rezky Amalia Amelia Anton Siswo Raharjo Ansori Aryomukti, Muchlis Azhar Eka Mulia Wiguna Bagus Tryanto Bayu Rizki Rahmadi Benny Kurniawan Bijaksana, A.Muh.Arif Budhi Irawan Burhanuddin Dirgantaro Casi Setianingsih Derry Aditiya Dungga, Novaty Eny Dyah Pramesthi Larasati Fatmawaty, A.St. FERAWATI, ANDI Ganesha Dwi Adynugraha Gerry Pratama Hanif Afianto Dwi Nugroho Haq, Abdulloh Salahul Haring, Feranita Hidayat, Rafi Fakhri Ilham Gumantung Gusti Leli, Leli Luciana Buarlele Masrullah, Masrullah Merdekawati, Eka Meta Kallista Muhammad Adil, Muhammad Muhammad Ary Murti Muhammad Zain Imtiyaz Muttiarni, Muttiarni Nadia Nassar Mahendhy Nurhidayah Oktami Alyacarwayu Rafilus Sampe Rafiuddin, . Ramadhani Luthfina Ratna Astuti Nugrahaeni Reza Adriansyah Rusmanto Riadi, Muh. Rinaldi Sjahril, Rinaldi Roswan Latuconsina Rumani M Syaiful, Syatrianty A Syamsuddin Syamsuddin Umar Ali Ahmad Vita Kemala WAHYUNI Yanti, Reski Ziza Amira Syafini