Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Journal on Education JUMANJI (Jurnal Masyarakat Informatika Unjani) MIND (Multimedia Artificial Intelligent Networking Database) Journal Systemic: Information System and Informatics Journal
Asep Nana Hermana
Institut Teknologi Nasional Bandung
Computer Science & IT Education

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Pengenalan Karakter Huruf Braille dengan Metode Convolutional Neural Network Muhammad Fahmi Herlambang; Asep Nana Hermana; Kurnia Ramadhan Putra
Systemic: Information System and Informatics Journal Vol. 6 No. 2 (2020): Desember
Publisher : Program Studi Sistem Informasi Fakultas Sains dan Teknologi, UIN Sunan Ampel Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29080/systemic.v6i2.969

Abstract

Braille characters consists of 6 dots that are designed in such way to be a writing system to help blind people. However, learning or reading Braille characters isn’t an easy thing to do, because fingers sensitivity and understanding the writing system are needed to be able to read Braille. Therefore, there are some researches on Braille characters recognition with different methods and technologies, such as deep learning. The Convolutional Neural Network (CNN) is used. CNN method has been used in various recognition researches, such as face recognition, document analysis, image classification, etc. In this research, the CNN method is used to perform Braille characters recognition. The system performs the Braille character recognition process per character based on a model that has been trained using a dataset with the 26 Braille characters. The result of 81.54% accuracy is achieved for Braille character image acquisition with a smartphone with 0 to 4 degrees tilting and 30cm distance with training model using learning rate of 0.0001 and Adam optimizer.
Implementasi Circular Hough Transform untuk Pendeteksian Kebohongan pada Anak melalui Pergerakan Kornea Mata Asep Nana Hermana; Irma Amelia Dewi; Rhyaldi Yunus
JUMANJI (Jurnal Masyarakat Informatika Unjani) Vol 3 No 01 (2019): Jurnal Masyarakat Informatika Unjani
Publisher : Jurusan Informatika Universitas Jenderal Achmad Yani

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (341.75 KB) | DOI: 10.26874/jumanji.v3i01.51

Abstract

Pergerakan kornea mata kearah kanan merupakan ekspresi respon yang tidak disadari oleh anak saat mereka sedang berbohong. Pergerakan tersebut dapat dijadikan salah satu acuan untuk pendeteksian kebohongan. kornea mata dapat dideteksi menggunakan metode Circular Hough Transform.
Identifikasi Ciri Garis Telapak Tangan Berbasis Template Matching dan Metode K-Nearest Neighbor Asep Nana Hermana; Irma Amelia Dewi; Irwan Susanto
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 3, No 2 (2018): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v3i2.25-35

Abstract

Telapak tangan merupakan ciri unik yang dimiliki oleh manusia yang dapat digunakan pada sistem identifikasi. Proses template matching membutuhkan perhitungan pencocokan untuk menentukan bagian kecil gambar yang memiliki nilai terbesar dikarenakan semakin besar nilai maka tingkat kecocokan semakin tinggi. Sehingga untuk pencocokan dibutuhkan perhitungan normalized cross correlation dengan perhitungan konvolusi yang setiap bagian pixel akan dilakukan pencocokan, diawali dari pixel bagian pojok kiri atas hingga pojok kanan bawah dan akan mendapatkan nilai pencocokan terbesar.Setelah mendapat nilai terbesar dilakukan k-nearest neighbor yang merupakan pengelompokan berdasarkan jarak dan untuk menentukan jarak k digunakan perhitungan euclidien distance. Selanjutnya pengelompokan berdasarkan voting terbanyak yang dimulai dari nilai jarak ketetanggaan terkecil hingga terbesar. Tingkat akurasi pengujian dari 30 sampel telapak tangan didapatkan presentase sebesar 86,67% teridentifikasi benar dan 13,33% salah.
Implementasi Pembentukan Rectangle dan Similarity Triangle pada Pengukuran Dimensi Objek Asep Nana Hermana; Milda Gustiana; Randy Adityawarman Tohir
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 2, No 1 (2017): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v2i1.15-25

Abstract

Pembentukan rectangle berfungsi untuk mendapatkan nilai area piksel yang menjadi batas objek sebagai penentuan koordinat maksimum posisi x untuk lebar dan posisi y untuk tinggi. Area citra objek ditandai dengan rectangle. Kemudian masuk pada tahap similarity triangle yaitu mencari nilai fokus webcam dengan menghitung perkalian antara nilai area piksel dan nilai jarak webcam terhadap objek dan dibagi ukuran objek real sebagai acuan, selanjutnya nilai fokus dimasukkan kedalam similarity triangle sehingga didapatkan nilai tinggi dan lebar objek dalam centimeter.Pada preprocessing terdapat proses subtraksi citra yaitu mencari selisih dari frame background dan frame yang dideteksi. Selisih tersebut merupakan objek citra yang masih memiliki noise. Dikarenakan selalu ada noise, maka morfologi berfungsi menghilangkan nilai piksel yang bukan bagian dari objek. Penelitian pengukuran ini bermanfaat untuk mengetahui fungsi maksimal dan sejauh apa webcam dapat mendeteksi objek. Metode rectangle dan similarity triangle diperlukan sebagai proses mendapatkan tinggi dan lebar objek secara real time. Presentase keberhasilan pengukuran yaitu 98,55% .
Classification of Fruit Ripeness with Model Descriptor Using Vgg 16 Architecture Asep Nana Hermana; Dewi Rosmala; Milda Gustiana Husada
Journal on Education Vol 5 No 3 (2023): Journal on Education: Volume 5 Nomor 3 Tahun 2023
Publisher : Departement of Mathematics Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/joe.v5i3.1315

Abstract

The quality of the fruit is largely determined by the level of ripeness contained by the fruit itself. Until now, determining the level of fruit maturity is still done manually, as a result there are differences in perceptions in determining the level of fruit maturity. Therefore we need a system that is able to classify fruit maturity automatically. This research was conducted on 4 objects, namely apples, oranges, mangoes, and tomatoes. The training was conducted with split data with a presentation 70:20:10 based on 4 test scenarios, the data was converted to RGB to L * a * b first and some were not converted and were immediately trained using CNN VGG16 with the transfer learning method where fine tuning would be done on the layer block 5 and modification of the classification layer using the Multi-SVM classifier. The highest accurasi reach 92% at scenario 4 with 90 data per class.
Co-Authors Dewi Rosmala IRMA AMELIA DEWI Irwan Susanto Kurnia Ramadhan Putra Milda Gustiana Husada Muhammad Fahmi Herlambang Randy Adityawarman Tohir Rhyaldi Yunus