Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal JUTEI (Jurnal Terapan Teknologi Informasi) JuTISI (Jurnal Teknik Informatika dan Sistem Informasi)
Kristian Adi Nugraha
Fakultas Teknologi Informasi, Universitas Kristen Duta Wacana
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
IMPLEMENTASI MOMENT INVARIANT UNTUK PENGENALAN LABEL BUKU PERPUSTAKAAN BERBASIS ANDROID Hendy Yudhitya Susetya; Antonius Rachmat; Kristian Adi Nugraha
Jurnal Terapan Teknologi Informasi Vol 1 No 1 (2017): Jurnal Terapan Teknologi Informasi
Publisher : Fakultas Teknologi Informasi

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (410.175 KB) | DOI: 10.21460/jutei.2017.11.13

Abstract

Perpustakaan Universitas Kristen Duta Wacana(UKDW) memiliki koleksi buku yang cukup banyak dan beragam. Buku-buku tersebut sudah disusun rapi pada rak-rak buku yang ada dan diberi label. Akan tetapi masih banyak peminjam yang meletakkan buku pada rak yang salah. Penelitian ini bertujuan untuk membuat aplikasi yang dapat mengetahui apakah sebuah buku salah letak atau tidak dengan menggunakan metode Moment Invariant dan K-Nearest Neighbor. Moment invariant merupakan sebuah metode ekstraksi fitur yang menghasilkan 7 fitur yang digunakan untuk mengenali sebuah obyek. Sedangkan K-Nearest Neighbor merupakan metode klasifikasi yang digunakan untuk mengklasifikasikan obyek berdasarkan data latih yang ada. Citra input berupa citra yang berisi deret buku. Citra ini akan melalui beberapa proses yaitu proses Region of Interest untuk mendapatkan label buku, proses segmentasi Histogram Approach untuk mendapatkan citra karakter tiap labelnya, proses thinning yang digunakan untuk mendapatkan kerangka tiap karakter, kemudian proses ekstraksi fitur Moment Invariant yang akan menghasilkan fitur dari citra karakter dan fitur-fitur tersebut akan diklasifikasikan menggunakan K-Nearest Neighbor sesuai dengan template yang ada seghingga citra karakter dapat dikenali. Dari penelitian yang telah dilakukan dapat disimpulkan bahwa sistem berhasil mengimplementasikan metode Moment Invariant dan K-Nearest Neighbor sehingga berhasil dalam mengenali karakakter pada label buku perpustakaan UKDW dengan menggunakan K=1 dan ukuran citra karakter sebesar 100x100. Terdapat 2 hasil persentase keakuratan yaitu sebesar 85.39% dengan menggunakan 30 citra uji yang didalamnya terdapat beberapa citra karakter yang digunakan sebagai template dan sebesar 81.54% dengan menggunakan 20 citra uji di mana tidak ada template yang berasal dari citra uji.
Pembentukan Dataset Topik Kata Bahasa Indonesia pada Twitter Menggunakan TF-IDF & Cosine Similarity Kristian Adi Nugraha; Danny Sebastian
Jurnal Teknik Informatika dan Sistem Informasi Vol 4 No 3 (2018): JuTISI
Publisher : Maranatha University Press

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

Abstract

Social media is evidently the most popular platform compared to other web applications. Indonesians spend an average of 3 hours and 15 minutes every day to access social media, resulting in a substantial amount of information flow. Even though research on information retrieval with social media data is common, only an inconsiderable amount concentrate using social media content in the Indonesian language. Our research aims to form an Indonesian language topic dataset using social media data from Twitter. The methods used in this research include TF-IDF for data formation and cosine similarity to group the Twitter data. Based on the test we conducted, our system is able to produce a fairly accurate result with 64% as its most optimal percentage for the process of every 200 Tweets.
Co-Authors Antonius Rachmat Chrismanto Danny Sebastian Hendy Yudhitya Susetya