Article Per Year (5 Year)
p-Index From 2020 - 2025
1.048
P-Index
This Author published in this journals
All Journal Journal of Informatics and Communication Technology (JICT) eProceedings of Engineering Journal of Informatics and Communication Technology (JICT)
Nurul Ilmi
Telkom University
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mathematics

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
Pengenalan Angka Bahasa Isyarat dengan Menggunakan Local Directional Pattern dan Klasifikasi K-Nearest Neighbour Nurul Ilmi; Hertanto Suryoprayogo
Journal of Informatics and Communication Technology (JICT) Vol 4 No 1 (2022)
Publisher : PPM Institut Teknologi Telkom Telkom Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52661/j_ict.v4i1.103

Abstract

Dengan semakin berkembangnya teknologi, diharapkan System Pengenalan Bahasa Isyarat juga semakin berkembang. Sistem Pengenalan Angka Bahasa Isyarat ini dapat dilakukan dengan pembelajaran mesin. Pada penelitian ini dijelaskan tentang sistem pengenalan citra angka Bahasa isyarat dengan menggunakan metode ekstraksi ciri Local Directional Pattern dan Klasifikasi K-Nearest Neighbour. Sistem ini terdiri dari beberapa tahap, yaitu pengumpulan data, pre-processing, ekstraksi ciri dan klasifikasi. Pengujian system ini menggunakan data Turkey Ankara Ayrancı Anadolu High School's Sign Language Digits Dataset sebanyak 2.062 data. Pengujian pada sistem pengenalan angka tulisan tangan ini menunjukkan bahwa metode Local Directional Pattern dapat mengenali angka Bahasa Isyarat hingga mencapai akurasi 88.45% dengan pembagian region pada citra hingga 81 region, dan mengambil 3 tetangga terdekat pada tahap klasifikasi K-Nearest Neighbour. Penelitian ini dilakukan untuk mengetahui parameter terbaik yang digunakan dalam metode Local Directional Pattern dan klasifikasi k-Nearest Neighbor.
Seleksi Anggota Paduan Suara Menggunakan Fuzzy Inference System Tsukamoto Hertanto Suryoprayogo; Nurul Ilmi
Journal of Informatics and Communication Technology (JICT) Vol 4 No 1 (2022)
Publisher : PPM Institut Teknologi Telkom Telkom Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52661/j_ict.v4i1.105

Abstract

Paduan suara merupakan grup dalam merepresentasikan sebuah lagu dan terdiri atas berbagai macam warna suara yang dipadukan sehingga menghasilkan harmonisasi dalam membawakan sebuah lagu yang berkualitas. Pengambilan keputusan dalam penentuan calon anggota paduan suara agar dapat melakukan seleksi calon anggota yang memenuhi kualitas persyaratan yang dibutuhkan. Penelitian ini mengimplementasikan metode Fuzzy Inference System Tsukamoto dalam menentukan kelayakan calon anggota paduan suara, menggunakan 5 input variabel kriteria penilaian kelayakan calon anggota. Hasil penelitian kemudian dibandingkan dengan keputusan pakar dan dilakukan uji korelasi menggunakan sistem perankingan Spearman, dan menghasilkan akurasi yang tinggi dengan nilai 0.769.
Pengenalan Angka Tulisan Tangan Dengan Menggunakan Local Binary Pattern Variance Dan Klasifikasi K-nearest Neighbour Nurul Ilmi; Tjokorda Agung Budi Wiharja; Kurniawan Nur Ramadani
eProceedings of Engineering Vol 2, No 3 (2015): Desember, 2015
Publisher : eProceedings of Engineering

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

Abstract

akan metode ekstraksi ciri Local Binary Pattern Variance dan Klasifikasi K-Nearest Neighbour. Sistem ini diterapkan pada citra angka tulisan tangan pada formulir C1 Komisi Pemilihan Umum (KPU) untuk mempermudah petugas KPU dalam proses penginputan data hasil Pemilu ke sebuah database computer. Sistem ini terdiri dari beberapa tahap, yaitu pengumpulan data, pre-processing, ekstraksi ciri dan klasifikasi. Pengujian pada sistem pengenalan angka tulisan tangan ini menunjukkan bahwa metode Local Binary Pattern Variance dapat mengenali karakter tulisan tangan pada MNIST dengan akurasi 89,81% dengan menggunakan parameter terbaik radius 4, 256 dan 64 bin histogram, pembagian 9 region pada citra dan mengambil 10 tetangga terdekat pada tahap klasifikasi K-NN. Namun, pada saat melakukan pengenalan pada data uji dari formulir C1 akurasi yang dihasilkan menurun, yaitu sebesar 70,9091% dengan menggunakan data latih C1 Kata kunci : Pengenalan angka tulisan tangan, Local Binary Pattern Variance (LBPV), K-Nearest Neighbour, formulir C1 KPU.
SYSTEM LITERATURE REVIEW: IDENTIFIKASI PENYAKIT BERDASARKAN IRIDOLOGI Nurul Ilmi; Alva Nurvina Sularso
Journal of Informatics and Communication Technology (JICT) Vol 5 No 1
Publisher : PPM Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52661/j_ict.v5i1.192

Abstract

Identifikasi penyakit berdasarkan iridologi dengan metode terbaik sangat dinantikan para ahli sehingga dapat menjadi kemajuan dalam diagnosis medis. Untuk itu penting menghasilkan sistem yang akurat untuk identifikasi penyakit berdasarkan iridologi. Sistem yang akurat diperlukan metode terbaik yang menghasilkan akurasi yang tinggi. Maka dalam tulisan ini dilakukan tinjauan pustaka sistematis/ systematic literature review (slr) untuk menganalisis metode yang digunakan dalam setiap tahap identifikasi penyakit melalui citra iris mata. Hasilnya didapatkan metode Gray Level Co-Occurence Matrix (GLCM) untuk ekstraksi ciri dan metode untuk Convolutional Neural Network (CNN) dan SVM untuk klasifikasi/matching.
Pengenalan Angka Bahasa Isyarat dengan Menggunakan Local Directional Pattern dan Klasifikasi K-Nearest Neighbour Nurul Ilmi; Hertanto Suryoprayogo
Journal of Informatics and Communication Technology (JICT) Vol. 4 No. 1 (2022)
Publisher : PPM Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52661/j_ict.v4i1.103

Abstract

Dengan semakin berkembangnya teknologi, diharapkan System Pengenalan Bahasa Isyarat juga semakin berkembang. Sistem Pengenalan Angka Bahasa Isyarat ini dapat dilakukan dengan pembelajaran mesin. Pada penelitian ini dijelaskan tentang sistem pengenalan citra angka Bahasa isyarat dengan menggunakan metode ekstraksi ciri Local Directional Pattern dan Klasifikasi K-Nearest Neighbour. Sistem ini terdiri dari beberapa tahap, yaitu pengumpulan data, pre-processing, ekstraksi ciri dan klasifikasi. Pengujian system ini menggunakan data Turkey Ankara Ayrancı Anadolu High School's Sign Language Digits Dataset sebanyak 2.062 data. Pengujian pada sistem pengenalan angka tulisan tangan ini menunjukkan bahwa metode Local Directional Pattern dapat mengenali angka Bahasa Isyarat hingga mencapai akurasi 88.45% dengan pembagian region pada citra hingga 81 region, dan mengambil 3 tetangga terdekat pada tahap klasifikasi K-Nearest Neighbour. Penelitian ini dilakukan untuk mengetahui parameter terbaik yang digunakan dalam metode Local Directional Pattern dan klasifikasi k-Nearest Neighbor.
Seleksi Anggota Paduan Suara Menggunakan Fuzzy Inference System Tsukamoto Hertanto Suryoprayogo; Nurul Ilmi
Journal of Informatics and Communication Technology (JICT) Vol. 4 No. 1 (2022)
Publisher : PPM Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52661/j_ict.v4i1.105

Abstract

Paduan suara merupakan grup dalam merepresentasikan sebuah lagu dan terdiri atas berbagai macam warna suara yang dipadukan sehingga menghasilkan harmonisasi dalam membawakan sebuah lagu yang berkualitas. Pengambilan keputusan dalam penentuan calon anggota paduan suara agar dapat melakukan seleksi calon anggota yang memenuhi kualitas persyaratan yang dibutuhkan. Penelitian ini mengimplementasikan metode Fuzzy Inference System Tsukamoto dalam menentukan kelayakan calon anggota paduan suara, menggunakan 5 input variabel kriteria penilaian kelayakan calon anggota. Hasil penelitian kemudian dibandingkan dengan keputusan pakar dan dilakukan uji korelasi menggunakan sistem perankingan Spearman, dan menghasilkan akurasi yang tinggi dengan nilai 0.769.
SYSTEM LITERATURE REVIEW: IDENTIFIKASI PENYAKIT BERDASARKAN IRIDOLOGI Nurul Ilmi; Alva Nurvina Sularso
Journal of Informatics and Communication Technology (JICT) Vol. 5 No. 1
Publisher : PPM Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52661/j_ict.v5i1.192

Abstract

Identifikasi penyakit berdasarkan iridologi dengan metode terbaik sangat dinantikan para ahli sehingga dapat menjadi kemajuan dalam diagnosis medis. Untuk itu penting menghasilkan sistem yang akurat untuk identifikasi penyakit berdasarkan iridologi. Sistem yang akurat diperlukan metode terbaik yang menghasilkan akurasi yang tinggi. Maka dalam tulisan ini dilakukan tinjauan pustaka sistematis/ systematic literature review (slr) untuk menganalisis metode yang digunakan dalam setiap tahap identifikasi penyakit melalui citra iris mata. Hasilnya didapatkan metode Gray Level Co-Occurence Matrix (GLCM) untuk ekstraksi ciri dan metode untuk Convolutional Neural Network (CNN) dan SVM untuk klasifikasi/matching.
Co-Authors Alva Nurvina Sularso Hertanto Suryoprayogo Kurniawan Nur Ramadani Tjokorda Agung Budi Wiharja