Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah FIFO Jurnal Informatika JOINCS (Journal of Informatics, Network, and Computer Science)
Sri Suwarno
Universitas Kristen Duta Wacana
Computer Science & IT

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

Found 3 Documents
Search
Journal : Jurnal Informatika

 1 
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.
Co-Authors Andreas Saputra Gregorius Sakti Ginantaka Laurentius Kuncoro Probo Saputra Lukas Chrisantyo Nita Christina Saputro Philip Andrew Sumolang Raden Gunawan Santosa Rosa Delima