Article Per Year (5 Year)
p-Index From 2021 - 2026
2.233
P-Index
This Author published in this journals
All Journal Jurnal Teknik Elektro Seminar Nasional Aplikasi Teknologi Informasi (SNATI) TEKNIK Jurnal technoscientia Techne : Jurnal Ilmiah Elektroteknika Jurnal Telematika Jurnal Sistem Komputer & Kecerdasan Buatan JURNAL TEKNOLOGI TECHNOSCIENTIA AKM: Aksi Kepada Masyarakat Green Intelligent Systems and Applications Jurnal Atma Inovasia
Riko Arlando Saragih
Universitas Kristen Maranatha
Religion Humanities Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mechanical Engineering Social Sciences Other

Published : 21 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Jurnal Telematika

 1 
PEREDUKSIAN ADDITIVE WHITE GAUSSIAN NOISE (AWGN) PADA SINYAL DATA MENGGUNAKAN DENOISING KOEFISIEN DARI TRANSFORMASI WAVELET Saragih, Riko Arlando; Oktafiandi, Aulia
Jurnal Telematika Vol. 5 No. 1 (2009)
Publisher : Yayasan Petra Harapan Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61769/telematika.v5i1.34

Abstract

Noise presence in real world data signal is inevitable.Under ideal conditions, this noise may decrease to such negligiblelevels so data obtained might be considered not corrupted by noise.In denoising, wavelet attempts to remove the noise present in thesignal while preserving the signal characteristics. It involves threesteps, namely forward wavelet transform, thresholding step, andinverse wavelet transform.Based on simulations by using Hard Thresholding and SureShrinkwith Empirical Wiener Filter, it was shown that Empirical WienerFilter using Hard Thresholded outperforms the other simulatedmethods.
Perbaikan Kualitas Citra Menggunakan Metode Fuzzy Type-2 Sunoto, Tio Dewantho; Saragih, Riko Arlando; Jarden, Judea Janoto; Wijaya, Kioe (Oeij) O. K. Ricky
Jurnal Telematika Vol. 16 No. 2 (2021)
Publisher : Yayasan Petra Harapan Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61769/telematika.v16i2.420

Abstract

Image enhancement is applied to an image that has low contrast. Histogram Equalization (HE) is a general method used to improve the quality of an image.  However, its drawback is for a low contrast image, which is solved by using the type-1 fuzzy method. Nonetheless, due to its crisp membership function, then type-1 fuzzy will result in uncertainty when implemented on an image with a non-homogenous contrast. In this research, type-2 fuzzy will be applied because its membership function can model and minimize the uncertainty to increase the image quality. Image enhancement is evaluated quantitatively and qualitatively. Mean Square Error (MSE) and Peak Signal-to-Noise Ratio (PSNR) are used as quantitative measures for the three image enhancement techniques used, i.e., HE, type-1 fuzzy, and type-2 fuzzy. In general, based on the simulation results, type-2 fuzzy gives the best performance. Meanwhile, the qualitative measure is done through a survey of several respondents. The respondents agree that type-2 fuzzy shows the best performance for image enhancement qualitatively. Quantitatively, there is not the best among the three type-2 fuzzy methods for image enhancement because their MSE and PSNR were varied. Moreover, neither qualitatively, due to subjective issue among the respondents when looking at the resulting image, the respondents agree there is none the best one among them so that it needs the same perception about the quality of a good image.  Perbaikan kualitas citra biasanya diterapkan untuk citra yang memiliki kontras yang rendah. Metode Histogram Equalization (HE) adalah metode yang umum digunakan untuk memperbaiki kualitas citra. Namun, metode ini mempunyai kekurangan untuk citra yang memiliki level kekontrasan yang rendah. Kekurangan ini dapat diatasi dengan menggunakan metode fuzzy tipe-1. Karena sifat keanggotaan metode fuzzy type-1 bersifat crisp (tajam), maka akan berakibat ketidakpastian saat diterapkan untuk citra yang mempunyai distribusi kontras yang tidak homogen. Oleh karena itu, dalam penelitian ini akan diimplementasikan metode fuzzy type-2. Himpunan fungsi keanggotaan fuzzy type-2 mampu memodelkan dan meminimalisasi ketidakpastian sehingga kualitas citra dapat ditingkatkan. Penilaian terhadap perbaikan kualitas citra dilakukan secara kuantitatif dan kualitatif. Pengujian kuantitatif dilakukan dengan menggunakan metrik Mean Square Error (MSE) dan Peak Signal-to-Noise Ratio (PSNR) terhadap perbaikan kualitas citra yang menggunakan metode HE, metode fuzzy type-1, dan metode fuzzy type-2. Berdasarkan pengujian, secara umum metode fuzzy type-2 menghasilkan perbaikan kualitas citra yang paling baik. Evaluasi pengujian kualitatif dilakukan melalui survei responden. Secara umum responden menilai perbaikan kualitas citra dengan metode fuzzy type-2 akan menghasilkan visual citra yang lebih baik. Di antara ketiga kategori metode fuzzy type-2, secara kuantitatif hasilnya tidak menunjuk kepada satu kategori yang terbaik karena nilai MSE dan PSNR yang masih bervariasi. Demikian pula secara kualitatif, responden tidak memilih satu kategori terbaik akibat adanya faktor subyektivitas responden saat melihat sebuah citra. Untuk itu, dibutuhkan kesamaan persepsi tentang arti kualitas sebuah citra yang baik.
Model Deep Learning untuk Face Anti-Spoofing dalam Mengatasi Domain Generalization dengan Depth Estimation dan Generative Adversarial Network Sunoto, Tio Dewantho; Setiadikarunia, Daniel; Saragih, Riko Arlando; Moses, Elia
Jurnal Telematika Vol. 20 No. 1 (2025)
Publisher : Yayasan Petra Harapan Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61769/telematika.v20i1.730

Abstract

Penggunaan biometrik wajah untuk memperoleh akses suatu sistem keamanan adalah hal yang lazim ditemukan dalam perangkat komunikasi/komputasi. Walaupun demikian, kemudahan ini berakibat kepada kerentanan terjadinya penerobosan ke dalam sistem keamanan, di mana citra wajah dapat dipalsukan dengan memanfaatkan foto atau video seseorang yang memiliki hak akses. Hal ini dapat diperburuk dengan tersedianya foto atau video seseorang di media sosial. Sistem face anti-spoofing (FAS) adalah suatu sistem yang penting untuk mendeteksi apakah citra masukan adalah citra riil atau citra palsu dalam suatu sistem biometrik yang menggunakan informasi citra wajah. Banyak metode yang sudah digunakan untuk merealisasikan sistem ini, baik dengan pendekatan berbasis metode hand-crafted maupun deep learning (DL). Walaupun demikian, penelitian mengenai perbedaan distribusi antara dataset uji dengan dataset latih masih jarang dilakukan. Artikel ini membahas penggunaan model berbasis deep learning (DL) untuk aplikasi face anti-spoofing (FAS). Penelitian ini mengimplementasikan model menggunakan estimasi peta kedalaman untuk menemukan fitur diskriminatif dan generative adversarial network (GAN) untuk mengatasi isu perbedaan distribusi yang menggunakan pendekatan berupa pembangkitan (pembentukan) data. Untuk model yang diimplementasikan dengan skenario simulasi intraset, hasil pengujian untuk dua dataset publik, yaitu NUAA dan CASIA, memberikan hasil terbaik dari segi metrik half total error rate (HTER), berturut-turut 2,97% dan 2,7%. Sementara simulasi untuk adanya perbedaan antara karakteristik dataset uji dengan dataset latih, hasil dengan menerapkan GAN untuk meningkatkan kemampuan generalisasi model, dapat menurunkan bonafide presentation classification error rate (BPCER) sebesar 9,75%.
Co-Authors Aan Darmawan Aan Darmawan Hangkawidjaja Aan Darmawan Hangkawidjaja Agus Prijono Anang Kristianto Daniel Setiadikarunia Elia Moses Erwani Merry Sartika Herawati Yusuf Herawati Yusuf Heri Andrianto Ikuthen Gabriel Barus Judea Janoto Jarden Mohamad Hafiz Gema Takbir Akbar Moses, Elia Novie Theresia Br. Pasaribu Novie Theresia Br. Pasaribu Oktafiandi, Aulia Rashif Ilmi Nurzaman Ratnadewi . Ratnadewi, Ratnadewi Roy Rikki Hutahean Ruben Stefanus Santoso, Wulan Sallyndri Sunoto, Tio Dewantho Tio Dewantho Sunoto Tio Dewantho Sunoto Wijaya, Kioe (Oeij) O. K. Ricky Yohana Susanthi Yosafat Aji Pranata