Sri Suwarno
Universitas Kristen Duta Wacana

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

Found 5 Documents
Search

IMPLEMENTASI DAN ANALISIS PERBANDINGAN ANTARA PENGKODEAN LZ78 DAN SHANNON FANO PADA KOMPRESI DATA TEKS Nita Christina Saputro; Sri Suwarno; Raden Gunawan Santosa
Jurnal Informatika Vol 5, No 2 (2009): Jurnal Informatika
Publisher : Universitas Kristen Duta Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (118.713 KB) | DOI: 10.21460/inf.2009.52.78

Abstract

Algoritma Shannon Fano merupakan algoritma kompresi data yang mengkodekan tiap karakter dengan menggunakan beberapa rangkaian bit. Pembentukan bit yang mewakili masing-masing karakter dibuat berdasarkan frekuensi kemunculan tiap karakter. Sedangkan algoritma LZ78 merupakan algoritma kompresi data yang menggunakan kamus yang dibentuk setiap ada 1 input karakter baru. Output dari algoritma LZ78 adalah berupa serangkaian token. Melalui analisis yang dilakukan pada penelitian ini diketahui bahwa algoritma Shannon Fano menghasilkan rasio  dan waktu kompresi yang lebih baik daripada algoritma LZ78 pada data teks yang memiliki frekuensi kemunculan karakter yang merata. Sedangkan algoritma LZ78 menghasilkan rasio kompresi yang lebih baik pada data teks di mana frekuensi kemunculan tiap-tiap karakter besar.
KLASIFIKASI SUARA MANUSIA KE DALAM SOPRAN, MEZZO SOPRAN, ALTO, TENOR, BARITON, BASS DENGAN SELF ORGANIZING MAP Andreas Saputra; Sri Suwarno; Lukas Chrisantyo
Jurnal Informatika Vol 11, No 1 (2015): Jurnal Teknologi Komputer dan Informatika
Publisher : Universitas Kristen Duta Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (3112.48 KB) | DOI: 10.21460/inf.2015.111.418

Abstract

Self Organizing Map adalah metode jaringan syaraf tiruan (Artificial Neural Network) yang biasa digunakan untuk melakukan proses klasifikasi dengan sifat unsupervised learning atau pelatihan tak terbimbing. Cluster yang akan digunakan akan ditentukan secara manual hanya saja dalam prosesnya data yang masuk akan dikelompokan secara otomatis tanpa adanya intevensi dari sistem. Penelitian ini menerapkan Self Organizing Map untuk melakukan klasifikasi data berupa rekaman suara dengan format file WAV karena merupakan format audio yang belum terkompresi ke dalam sopran, mezzo sopran, alto, tenor, baritone, dan bass. Dalam pengambilan data untuk input melalui proses preemphasis, frame, blocking, dan windowing sebelum dirubah menjadi sinyal diskrit dengan Fast Fourier Transform. Data berupa rata-rata magnitude menjadi input dalam sistem klasifikasi Self Organizing Map. Dalam penelitian ini hasil yang didapat belum sesuai dengan harapan karena data tidak mengelompok dengan baik.Self Organizing Map adalah metode jaringan syaraf tiruan (Artificial Neural Network) yang biasa digunakan untuk melakukan proses klasifikasi dengan sifat unsupervised learning atau pelatihan tak terbimbing. Cluster yang akan digunakan akan ditentukan secara manual hanya saja dalam prosesnya data yang masuk akan dikelompokan secara otomatis tanpa adanya intevensi dari sistem. Penelitian ini menerapkan Self Organizing Map untuk melakukan klasifikasi data berupa rekaman suara dengan format file WAV karena merupakan format audio yang belum terkompresi ke dalam sopran, mezzo sopran, alto, tenor, baritone, dan bass. Dalam pengambilan data untuk input melalui proses preemphasis, frame, blocking, dan windowing sebelum dirubah menjadi sinyal diskrit dengan Fast Fourier Transform. Data berupa rata-rata magnitude menjadi input dalam sistem klasifikasi Self Organizing Map. Dalam penelitian ini hasil yang didapat belum sesuai dengan harapan karena data tidak mengelompok dengan baik.
Implementasi Jaringan Neuron McCulloc-Pitt pada Henry Classification System untuk Klasifikasi Pola Sidik Jari Sri Suwarno
Jurnal Informatika Vol 4, No 1 (2008): Jurnal Informatika
Publisher : Universitas Kristen Duta Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (3752.449 KB) | DOI: 10.21460/inf.2008.41.37

Abstract

Klasifikasi sidik jari berdasarkan Henry Classification Sysfem merupakan sistemklasifikasi yang paling banyak digunakan di seluruh dunia. Setiap jari pada tangan kanandan tangan kiri diberi nomor urut dan bobot sesuai dengan posisinya. Kelas atau grup polasidik jari seseorang merupakan rasio bobot total jari-jari bernomor genap dengan bobot totaljari-jari bernomor ganjil. Karena bobot yang digunakan menggunakan nilai kelipatan 2, makaoperasi bilangan biner dapat dimanfaatkan untuk menentukan nilai kelas atau grup. Dalampaper ini jaringan neuron sederhana dari McCulloc-Pitt diimplementasikan untukmenentukan kelas atau grup dari suatu pola sidik jari berdasarkan Henry ClassificationSysfem. Meskipun jaringan ini cukup sederhana dan tidak memerlukan pelatihan, namunkarena sifat biner yang dimiliki oleh Henry Classification Sysfem, maka jaringan neuronMcCulloc-Pitt dapat dirancang untuk menghitung kelas atau grup suatu pola sidik jari secaracepat.
Testing The Accuracy of Fingerprint Recognition using Levenshtein Distance and Hamming Distance Methods Gregorius Sakti Ginantaka; Laurentius Kuncoro Probo Saputra; Sri Suwarno
JOINCS (Journal of Informatics, Network, and Computer Science) Vol 6 No 1 (2023): April
Publisher : Universitas Muhammadiyah Sidoarjo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21070/joincs.v6i1.1612

Abstract

The presence or evidence of attendance is crucial in monitoring the presence of every individual working in a particular field. Developing an employee attendance system using fingerprints can expedite the processing of data of employees who have or have not attended. One brand of machine used as a fingerprint attendance tool is Fingerspot Flexcode. The data obtained from the machine comes in the form of bitmap images that are converted into strings using encoding. Although the resulting string sequences are different, there is a possibility of similarity in fingerprint data among employees because the system cannot distinguish data precisely. Therefore, the comparison between the Levenshtein Distance and Hamming Distance methods is used to determine which method has the highest accuracy in processing the system's calculation. The method with the highest accuracy will determine the level of compatibility of the method with the tested tool. For example, 6 fingerprint data are taken from each of the 7 different employees, resulting in a total of 42 data as test data. The calculation results show that the accuracy of the Levenshtein Distance method is 80,76 % with a precision of 46,43 %, while the Hamming Distance method is 78,34 % with a precision of 30,50 % in processing string similarity in fingerprint data. Based on these results, it can be concluded that the Levenshtein Distance method is better in calculating similarity in fingerprint data compared to the Hamming Distance method because it has a higher level of accuracy and precision compared to the Hamming Distance method.
Analisis Dan Perancangan Antarmuka Situs Portal Belajar Bagi Penyandang Dyschromatopsia Philip Andrew Sumolang; Rosa Delima; Sri Suwarno
Jurnal Ilmiah FIFO Vol 15, No 2 (2023)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2023.v15i2.004

Abstract

Currently, many learning websites have been developed to assist people in self-learning from home. However, the developed learning websites are not yet user-friendly for individuals with dyschromatopsia. This is due to the design process not considering using colors that are easily distinguishable for users with dyschromatopsia. Based on the issues, a learning portal website interface that is friendly to individuals with dyschromatopsia is needed. In the design of this application, the method used is User-Centered Design (UCD). Through the UCD method, the needs of users with dyschromatopsia become the main focus of the research. Testing is conducted through usability testing using the Overall Relative Efficiency, Completion Rate, and the System Usability Scale (SUS) questionnaire to measure user satisfaction. The test results show an Overall Relative Efficiency value ranging from 72.675% to 92.130%, Completion Rate testing yields an effectiveness value range of 82% to 96%, and SUS testing yields a score of 81.25. In addition, the author also conducted testing for color-blind accessibility, which resulted in the finding that the contrast ratio of all the pages on the CourseHack website meets the minimum contrast ratio standards.