Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Charity : Jurnal Pengabdian Masyarakat eProceedings of Engineering
Kurniawan Nur Ramdhani
Telkom University
Arts Humanities Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Social Sciences

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
IMPLEMENTASI SISTEM INFORMASI, WEB CONFERENCE DAN VIDEO MULTIMEDIA UNTUK MENDUKUNG PELAKSANAAN KEGIATAN KKN TEMATIK CITARUM HARUM Rina Pudjiastuti; Agus Pratondo; Mochammad Fahru Rizal; Kurniawan Nur Ramdhani
Charity : Jurnal Pengabdian Masyarakat Vol 3 No 1 (2020): Charity - Jurnal Pengabdian Masyarakat
Publisher : PPM Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/charity.v3i1.1650

Abstract

Keadaan lingkungan sekitar Citarum telah banyak berubah sejak paruh kedua dasawarsa 1980-an. Industrialisasi yang pesat sejak akhir 1980-an di kawasan sekitar sungai ini telah menyebabkan menumpuknya limbah buangan pabrik-pabrik di Citarum. Secara umum persoalan Sungai Citarum terbagi menjadi tiga daerah yaitu hulu, tengah, dan hilir. Pada bagian hulu terjadi penggundulan hutan yang menyebabkan erosi dan pencemaran bahan kimia pertanian sebagai akibat dari penggunaan pestisida. Pada bagian tengah terjadi pencemaran limbah domestik dan limbah medis yang berpeluang merusak ekosistem air tawar. Pada bagian hilir terjadi sedimentasi dan pencemaran limbah industri. Universitas Telkom sebagai salah satu kampus yang terletak di DAS Cikapundung, yang merupakan anak Citarum, terpanggil untuk berperan serta dalam mensukseskan progam Citarum Harum melalui program pengabdian kepada masyarakat (PKM) dengan output teknologi tepat guna melalui beberapa program. Pertama, sistem informasi program KKN tematik Citarum Harum yang mampu mengkoordinasikan, memonitor pelaksanaan, dan mempublikasikan pelaksanaan KKN di seluruh kampus di Propinsi Jawa Barat, Jakarta dan Banten. Kedua, video mengenai kondisi sungai terkini, rencana program KKN tematik Citarum Harum, dan hasil yang diharapkan. Ketiga, sistem komunikasi web conference yang memungkinkan komunikasi video secara real time, dengan teknologi sederhana dengan kualitas baik (menggunakan web conference).
Sistem Rekognisi Iris menggunakan Algoritma Klasifikasi Learning Vector Quantization Nur Indah Puspa Idham; Kurniawan Nur Ramdhani; Febryanti Sthevanie
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 Sistem pengenalan iris mata dianggap sebagai salah satu metode biometrik yang umum digunakan untuk identifikasi dan verifikasi manusia, ini karena iris mata memiliki pola unik yang berbeda-beda pada setiap manusia. Pada paper ini penulis mengusulkan pengenalan iris dengan menggunakan suatu algoritma klasifikasi, yaitu Learning Vector Quantization. Proses identifikasi iris mata pada penelitian ini berupa proses awal, ektraksi ciri, dan klasifikasi. Pertama, citra iris yang sudah disegmentasi, dihilangkan noise-nya dan dinormalisasi. Lalu dilakukan ekstraksi ciri, algoritma yang digunakan adalah transformasi wavelet, yang merupakan metode analisis tekstur. Lalu hasil ekstraksi diklasifikasi dengan metode klasifikasi Learning Vector Quantization. Hasil simulasi menunjukkan hasil akurasi tertinggi 88.89%. Kata kunci : iris mata, biometrik, wavelet, LVQ Abstract Iris recognition system is considered to be one of the best biometric methods used for human identification and verification, because human iris has distinct unique patterns in every human being. In this paper the author proposes the identification of iris by using a classification algorithm, namely Learning Vector Qu-antization. The process of identification of the iris in this study is the initial process, feature extraction, and classification. First, segmented the iris image, removed the noise and normalized. Then extraction fe-ature process, the algorithm used is wavelet transformation, which is method of texture analysis. Then the extraction results are classified by the Learning Vector Quantization classification method. The simulation results show the highest accuration is 88.89%. Keywords: human iris, biometric, wavelet, LVQ
Klasifikasi Ras Berdasarkan Citra Wajah Menggunakan Convolutional Neural Network Rizza Aulia Rahman; Anditya Arifianto; Kurniawan Nur Ramdhani
eProceedings of Engineering Vol 7, No 1 (2020): April 2020
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Salah satu fungsi penting identifikasi ras dalam kehidupan sehari-hari adalah untuk keperluan kontrol kesehatan yang dilakukan oleh pemerintah. Namun, tidak mudah untuk menentukan ras dari masing-masing orang secara langsung, terlebih apabila jumlah masyarakat yang banyak sehingga juga akan memakan waktu lama. Salah satu cara yang dapat dilakukan untuk menyelesaikan masalah tersebut adalah dengan menggunakan sistem otomatis. Sistem otomatis disini adalah berupa perangkat lunak yang dapat digunakan untuk mengidentifikasi ras berdasarkan citra wajah seseorang. Dalam penelitian ini metode yang digunakan adalah Convolutional Neural Network (CNN). Melalui penelitian ini, didapatkan sebuah struktur CNN yang optimal untuk mengklasifikasikan ras. Struktur CNN tersebut memberikan akurasi training sebesar 91.63% setelah dilatih dengan sekitar 5400 citra wajah dan akurasi testing sebesar 89.739% untuk 600 citra wajah. Selain itu, ketika diuji dengan dataset citra baru, CNN tersebut menghasilkan akurasi klasifikasi sebesar 76.67% untuk 30 citra wajah. Kata kunci : ras, klasifikasi, citra wajah, convolutional neural network, CNN Abstract One of the main purpose of race identification in daily life is for the government health control program. But, it is not easy to determine the race of each person directly, it will take a long time, especially because high number of people in the society. One of the technique that could be implemented to solve this problem is by utilizing an automated software system that could identify the person’s race based on their face image. For this research, the Convolutional Neural Network (CNN) is used for the software. The result of this research is an optimal structure of CNN for race classification. The best CNN structure, give 91.63% as the training accuracy value after trained using around 5400 facial images and 89.739% as the testing accuracy value on 600 facial images. Also, when the CNN is tested to classify a new face dataset, it gives 76.67% classification accuracy on 30 facial images. Keywords: race, classification, face image, convolutional neural network, CNN
Co-Authors Agus Pratondo Anditya Arifianto Febryanti Sthevanie Nur Indah Puspa Idham Rina Pudji Astuti Rizal, Mochammad Fahru Rizza Aulia Rahman