Article Per Year (5 Year)
p-Index From 2020 - 2025
0.817
P-Index
This Author published in this journals
All Journal Proceedings of KNASTIK Seminar Nasional Informatika (SEMNASIF) Sinkron : Jurnal dan Penelitian Teknik Informatika JUTEI (Jurnal Terapan Teknologi Informasi) Seminar Nasional Teknologi Informasi Komunikasi dan Administrasi [SEMINASTIKA] Journal of Software Engineering and Multimedia (JASMED)
Sri Suwarno
Universitas Kristen Duta Wacana
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mathematics

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
DETEKSI KEMIRINGAN ALUR POLA SIDIK JARI DENGAN HAMMING NET SEBAGAI DASAR KLASIFIKASI Suwarno, Sri; Hartati, Sri
Seminar Nasional Informatika (SEMNASIF) Vol 1, No 1 (2010): Computatinal
Publisher : Jurusan Teknik Informatika

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

Abstract

Sidik jari memiliki dua fitur penting yang disebut fitur lokal (minutiae) dan fitur global (singularities). Fitur lokal terdiri dari bagian-bagian detail dari sidik jari, sedangkan fitur global terdiri alur (ridge), titik pusat (core), dan titik persimpangan (delta). Fitur lokal biasanya digunakan sebagai dasar pencocokan sidik jari, sedangkan fitur global biasanya dipakai untuk dasar klasifikasi. Klasifikasi berdasarkan keberadaan dan posisi core dan delta memerlukan proses komputasi yang rumit dan panjang. Pada penelitian ini sudut kemiringan alur diteliti, dengan harapan dapat dipakai sebagai dasar klasifikasi yang lebih sederhana dan lebih cepat proses komputasinya. Pertama, citra grayscale sidik jari dikonversi menjadi citra biner, kemudian dilakukan proses thinning dan selanjutnya dikonversi menjadi citra bipolar. Kedua, dibuat 12 definisi sudut potongan alur yang melewati blok berukuran 3x3 piksel. Nilai dari piksel-piksel pada ke 12 blok tersebut digunakan sebagai target pelatihan bagi Hamming Network. Dengan memproses setiap blok berukuran 3x3 piksel dari citra sidik jari dengan Hammning Network maka sudut kemiringan potongan alur pada blok tertentu dapat ditentukan. Penelitian ini menghasilkan klasifikasi dengan ketepatan 63% dari 80 sampel pola sidik jari.
Deteksi Klas Pola Sidik Jari dengan Self-Organizing Map Suwarno, Sri; Hartati, Sri
Proceedings of KNASTIK 2010
Publisher : Duta Wacana Christian University

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

Abstract

Klasifikasi sidik jari merupakan proses yang sangat penting sebelum dilakukan proses identifikasi maupun proses verifikasi. Pencarian pola sidik jari pada suatu klas tertentu jauh lebih cepat dibandingkan dengan pencarian pada seluruh basis data. Sidik jari memiliki dua fitur penting yang disebut fitur lokal (minutiae) dan fitur global (singularities). Fitur lokal biasanya digunakan sebagai dasar pencocokan sidik jari, sedangkan fitur global biasanya dipakai sebagai dasar klasifikasi. Pada umumnya klasifikasi didasarkan pada keberadaan dan posisi core dan delta. Pada penelitian ini komposisi sudut kemiringan alur diteliti, dengan harapan dapat dipakai sebagai dasar klasifikasi yang lebih sederhana dan lebih cepat proses komputasinya. Pertama, citra grayscale sidik jari dikonversi menjadi citra biner, kemudian dilakukan proses thinning. Kedua, diambil blok-blok citra berukuran 3x3 piksel. Nilai dari piksel-piksel pada blok tersebut digunakan sebagai input pelatihan bagi jaringan Self Organizing Map (SOM) dengan arsitektur 9 neuron input dan 10 neuron output. Dengan memproses setiap blok berukuran 3x3 piksel dari citra sidik jari dengan SOM  maka akan diperoleh komposisi cluster untuk sidik jari yang bersangkutan.  Sistem yang dibuat mampu mendeteksi klas LOOP dengan baik.
REKAYASA FITUR SIDIK JARI BERBASIS HISTOGRAM SEBAGAI DASAR KLASIFIKASI GENDER Suwarno, Sri
PROSIDING SEMINASTIKA Vol 5 No 1 (2024): 5th SEMINASTIKA 2024
Publisher : Universitas Mulia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47002/seminastika.v5i1.772

Abstract

Fitur sidik jari merupakan ciri atau pola unik pada sidik jari yang dapat digunakan sebagai acuan untuk mengidentifikasi atau memverifikasi pemiliknya. Pengambilan atau pemisahan fitur dari sidik jari disebut ekstraksi fitur. Secara teknis proses esktraksi fitur ada dua model pendekatan, yaitu berdasarkan posisi relatif setiap piksel dan berdasarkan frekwensi kemunculan setiap nilai intensitas piksel pada sidik jari. Penelitian ini membangun fitur sidik jari berdasarkan frekwensi kemunculan nilai-nilai intensitas piksel yang disusun dalam bentuk histogram. Mula-mula dipilih posisi ROI (Region of Interest) yang berada tepat ditengah-tengah citra sidik jari. Ukuran ROI ditentukan 1616 dan 3232 piksel. Selanjutnya nilai-nilai intensitas piksel dalam ROI tersebut disusun dalam bentuk histogram dengan ukuran bin bervariasi dari 2 sampai 16. Banyaknya piksel pada setiap bin disusun dalam bentuk vektor dan digunakan sebagai fitur. Penelitian ini menggunakan dataset sidik jari dari NIST (National Institute of Standart and Technology), terdiri dari 500 sidik jari pria dan 500 sidik jari wanita. Sebagai tolok ukur kwalitas fitur yang dihasilkan, fitur diuji untuk klasifikasi gender dengan algoritma SVM (Support Vector Machine). Dari penelitian yang dilakukan, fitur yang dibangun dapat menghasilkan akurasi klasifikasi maksimal 60.9%. Penelitian ini masih dapat dikembangkan dengan memilih lokasi dan ukuran ROI yang berbeda-beda.
Gender Classification Based on Fingerprint Using Wavelet and Multilayer Perceptron Suwarno, Sri
Sinkron : jurnal dan penelitian teknik informatika Vol. 7 No. 1 (2023): Articles Research Volume 7 Issue 1, 2023
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/sinkron.v8i1.11925

Abstract

Fingerprint-based gender classification is beneficial for speeding up the fingerprint identification of criminals, accident victims, and natural disaster victims that are difficult to be recognized based on their physical characteristics. The biggest obstacle to digitally classifying fingerprints is the image's poor quality. Some methods have been developed to improve image quality through various preprocessing, such as noise removal, background segmentation, thinning, and binarization. However, as these processes increase the classification time, some methods have been developed to classify fingerprints without preprocessing. One of them that has shown excellent success is CNN (Convolutional Neural Network). The method does not require preprocessing, but the computation time is very long and requires large amounts of training data. This study proposed a new method that did not need any preprocessing by using wavelet decomposition combined with the max-pooling process to generate features. Firstly, the fingerprint image was decomposed with a Haar wavelet of 4 levels, and each level was followed by a max-pooling process with a 2´2 filter. After that, the resulting feature was used as training data for the Multilayer Perceptron (MLP) network. In this study, the training data was a dataset from NIST (National Institute of Standart and Technology), with 750 fingerprints consisting of male and female fingerprints, each as many as 375. The method could produce a total accuracy of 80.1%.
Evaluasi Usabilitas Dan Rekomendasi Desain Antarmuka Website Kesehatan (Studi Kasus: Hellosehat.Com) Pasaribu, Paul Ronaldo Yonathan; Suwarno, Sri; Setiadi, Hendro
Journal of Software Engineering and Multimedia (JASMED) Vol 1 No 1 (2023): Journal of Software Engineering and Multimedia (JASMED)
Publisher : Institut Teknologi Telkom Purwokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20895/jasmed.v1i1.1080

Abstract

The Covid-19 pandemic is an encouragement for all people to be able to transform from previously having to meet face-to-face, forced by circumstances to turn into online meetings. All aspects of human life are forced to change, including in terms of health. In the current pandemic era, people are afraid to travel for treatment or even consult a doctor in person. With health websites such as hellosehat.com or other health websites, people can be helped to access health information. This health website can be an alternative for patients who have minor illnesses that do not need medical treatment or medical equipment assistance from the hospital. Therefore, a website interface that is easy to understand by users is needed so as not to be confused when accessing and using the website. This study aims to evaluate the interfaces of existing health sites. In this case study, researchers used hellosehat.com site to evaluate. The method used in this study is the goal directed design method, where in this method there are six steps, namely research, modelling, requirements, framework, refinement, and support. The development of hellosehat.com site using the goal directed design method resulted in an increase in usability, namely effectiveness which increased from 62.22% to 97.78%, which was an increase of 35%. In the efficiency factor, there was an increase of 44%, where in the initial test it scored 49.88% increasing to 94.77%. In the satisfaction factor, there was an increase of 26%, from 65% to 91.25%.
Implementasi Transfer Learning Pada AlexNet Untuk Klasifikasi Motif Batik Yogyakarta Cahyaningtyas, Angela Gracia; Suwarno, Sri; Susanto, Budi
Jurnal Terapan Teknologi Informasi Vol 9 No 2 (2025): Jurnal Terapan Teknologi Informasi
Publisher : Fakultas Teknologi Informasi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21460/jutei.2025.92.432

Abstract

This study discusses the implementation of Transfer Learning using the AlexNet architecture for classifying Yogyakarta Batik motifs, specifically Kawung, Parang, and Truntum. The dataset consists of 1,110 batik images that underwent preprocessing, augmentation, and data splitting. The research was conducted in two main experimental scenarios: applying Average Pooling and Max Pooling with a more complex classifier, and training the model without additional pooling layers using a simpler classifier. Furthermore, the experiments compared the model’s performance across different frozen layers and two optimizers (Adam and SGD). The results show that the best configuration was obtained using the SGD optimizer with Average Pooling and three frozen layers, achieving a test accuracy of 99.10%. In contrast, the Adam optimizer tended to produce lower and less stable performance. Experiments without pooling also reached high accuracy, but were less optimal than those with pooling. Therefore, this study demonstrates that the choice of pooling technique, classifier complexity, frozen layers, and optimizer plays a crucial role in achieving optimal performance of AlexNet for Batik classification.
Co-Authors Budi Susanto Cahyaningtyas, Angela Gracia Hendro Setiadi Pasaribu, Paul Ronaldo Yonathan Sri Hartati