Claim Missing Document
Check
Articles

Found 12 Documents
Search

VERIFIKASI DOKUMEN CETAK MENGGUNAKAN METODE EDGE DETECTION-GLCM DAN K-MEAN CLUSTERING Florentina Tatrin Kurniati; Roy Rudolf Huizen
Dinamik Vol 25 No 2 (2020)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35315/dinamik.v25i2.8188

Abstract

Dokumen cetak merupakan data digital yang tervisualisasi di kertas. Dokumen cetak mudah dibuat sekaligus dipalsukan. Cara mengetahui keasliannya dengan verifikasi ciri. Setiap dokumen cetak terdapat ciri unik berasal dari printer yang digunakan. Mengembangkan metode untuk menentukan keaslian dokumen cetak dari printer jenis dan tipe sama menjadi tantangan untuk diselesaikan pada penelitian ini. Proses verifikasi menggunakan tahapan akuisisi, ekstraksi, pengenalan pola dan hasil verifikasi. Data uji menggunakan 6 printer jenis dan tipe sama, masing-masing menggunakan 3 lembar sampel, untuk karakter dipilih 8. Hasilnya pengujian menunjukkan nilai EER (equal error rate) sebesar 0,18 dari nilai tersebut digunakan menentukan nilai ambang verifikasi yaitu 80% dari nilai kedekatan. Verifikasi dengan kedekatan diatas 80% berarti dokumen cetak dinyatakan asli (accepted) sedangkan kedekatan dibawah 80% berarti dokumen cetak dinyatakan palsu (rejected). Pengujian menggunakan 20 varian dokumen cetak diperoleh nilai kedekatan tertinggi 97,7% dan terendah 84,1%. Berdasarkan pengujian diperoleh suatu kesimpulan bahwa meskipun pemalsuan menggunakan printer dengan jenis dan tipe yang sama, model mampu memilah dan menentukan suatu dokumen cetak asli ataupun palsu.
Sosialisasi Strategi Business Continuity Plan Memasuki Era Baru (New Normal) Florentina Tatrin Kurniati; Roy Rudolf Huizen
WARTA LPM WARTA LPM, Vol. 24, No. 4, Oktober 2021
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/warta.v24i4.15491

Abstract

Pandemi COVID_19 yang terjadi lebih dari satu tahun mempengaruhi aktivitas dan bisnis proses, jika terhenti ataupun tidak normal menyebabkan kerugian. Perlu strategi yang komprehensif, agar aktivitas dan bisnis proses yang dijalankan tidak menimbulkan dampak kerugian yang besar terhadap kesehatan karena terpapar COVID_19. Menjalankan kembali aktivitas dan bisnis proses secara normal pasca atau saat pandemi COVID_19 memerlukan perencanaan dan pengetahuan tentang mengelola resiko. Hal ini penting dilakukan agar resiko yang dihadapi dapat dikelola, sehingga aktivitas dan proses bisnis dapat berkelanjutan. Pengetahuan mengelola resiko juga selaras seperti yang dibutuhkan mitra yang tergabung di kanal youtube RTIK Bali. Untuk itu mitra dipandang perlu untuk mengetahui dan memahami konsep business continuity plan (BCP) dan disaster recovery plan (DRP) sebagai dasar menjalankan aktivitas dan bisnis proses yang aman dan berkelanjutan. Mitra perlu diberikan sharing pengetahuan dalam bentuk sosialisasi tentang BCP dan DRP. Pemahaman yang komprehensif tentang BCP dan DRP merupakan kunci memasuki era baru. Kolaborasi BCP dan DRP yang diperkuat adanya evaluasi adaptif merupakan hal utama berada di era baru yang berkesinambungan. Keberlangsungan aktivitas dan bisnis proses di era baru tidak terpisahkan adanya pemahaman mengalihdayakan sumber daya. Sosialisasi dilaksanakan secara langsung (live streaming), menggunakan kanal YouTube RTIK Bali. Kegiatan tersebut sebagai bentuk peran aktif Institut Teknologi dan Bisnis STIKOM Bali saat pandemi COVID_19. Sosialisasi dilaksanakan tanggal 23 Juni 2020, diikuti 619 peserta. Kegiatan sosialisasi terlaksana dengan baik dan interaktif, serta setelah mengikuti sosialisasi lebih memahami pentingnya DRP dan BCP serta perencanaan mengalidayakan sumber daya sebagai dasar untuk dapat beradaptasi di era baru.
Pemodelan Filter Adaptif Untuk Perbaikan Kualitas Sinyal Audio Multi Wicara Florentina Tatrin Kurniati; Valentinus Ronny A Febriyanto
Jurnal Sistem dan Informatika (JSI) Vol 9 No 1 (2014)
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (327.248 KB)

Abstract

Suara atau wicara adalah gelombang dihasilkan organ getar manusia, suara umumnya mempunyai arti dan makna serta merupakan bentuk komunikasi yang alami. Penyebab kualitas sinyal wicara mengalami gangguan atau distorsi adalah derau ataupun sinyal pengganggu lainnya (multiwicara). Untuk memperbaiki dan meningkatkan kualitas dari sinyal tersebut diperlukan suatu filter yang mampu mengidentifikasi antara sinyal yang dikehendaki dan sinyal yang harus direduksi. Filter adaptif merupakan filter yang mampu melakukan reduksi dengan menggunakan input lainnya sebagai referensi untuk penghapusan derau. Oleh karena itu agar tujuan untuk penghapusan derau dapat dipenuhi maka dirancang suatu model sistem adaptif untuk mereduksi gangguan pada sinyal wicara. Model penghapus derau yang dikembangkan menggunakan algoritma LMS dan sinyal uji menggunakan sinyal wicara yang digabungkan bersama dengan derau. Hasil pengujian didapatkan untuk proses penghapusan derau adaptif multiwicara telah berhasil dengan baik dengan nilai SNR keluaran 2.5694 dB dengan waktu komputasi tercepat 0.582059 detik
Analisis Running Time Algoritma MFCC-Multikanal dan MFCC-Dualkanal untuk Ekstraksi Roy Rudolf Huizen; Florentina Tatrin Kurniati
Jurnal Sistem dan Informatika (JSI) Vol 13 No 2 (2019): Jurnal Sistem dan Informatika (JSI)
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (769.199 KB)

Abstract

Identifikasi suara prosesnya diawali dengan mengekstraksi sampel kata. Ekstraksi ciri merupakan bagian penting pada pengenalan suara. Fungsinya untuk memperoleh karakteristik pola frekuensi pada setiap kata. Salah satu metode ekstraksi ciri yang andal adalah MFCC (Mel-Frequency Cepstral Coefficients). Metode ini telah banyak dikembangkan guna meningkatkan nilai akurasi. Pengembangan metode terkadang tidak memperhatikan kompleksitas algoritma, namun hanya sebatas nilai akurasi. Agar dapat mengetahui kompleksitas algoritma perlu dilakukan analisis dengan menggunakan uji Big O, yaitu dengan mengukur dalam dimensi waktu (running time). Pada penelitian ini varian MFCC yang akan di analisis adalah MFCC-multikanal dan MFCC dualkanal. Pengujian menggunakan beberapa varian data mulai dari berjumlah 1, 10, 20, 40, 200 dan 400. Hasil pengujian diperoleh untuk varian MFCC multikanal running time terendah adalah 0.0774 detik dan tertinggi 23.7211 detik, sedangkan pada MFCC dualkanal, running time terendah 0.00398 detik dan tertinggi 12.58 detik. Berdasarkan hasil tersebut MFCC multikanal mempunyai running time lebih tinggi dibandingkan MFCC dualkanal. Agar running time tidak terlalu tinggi pengembangan metode MFCC perlu memperhatikan kompleksitas algoritma sehingga nilai akurasi dan kompleksitas dapat selaras.
Pelatihan Penyusunan Dokumen Keamanan Data di Bisma Informatika Indonesia Roy Rudolf Huizen; Florentina Tatrin Kurniati
WIDYABHAKTI Jurnal Ilmiah Populer Vol. 1 No. 3 (2019): Juli
Publisher : STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (522.425 KB)

Abstract

Bisma Informatika Indonesia merupakan salah satu perusahaan yang bergerak dibidang pendidikan, khususnya pelatihan. Persaingan antar lembaga sejenis yang semakin ketat, mendorong Bisma Informatika Indonesia semakin meningkatkan profesionalisme salah satunya dengan memperbaiki tatakelola. Pengelolaan data menjadi salah satu perhatian saat ini. Data bagi Bisma Informatika Indonesia merupakan salah satu aset yang penting. Guna meningkatkan tatakelola, Bisma Informatika Indonesia melakukan kerjasama dengan STIKOM Bali dalam bentuk pengabdian masyarakat. Pelaksanaan program ini diawali dengan analisa situasi berupa wawancara dan observasi. Tujuannya untuk mengetahui kondisi saat ini, yang mencakup sumber daya manusia (SDM), teknologi yang digunakan dan proses bisnis. Hasil analisa situasi terdapat Gap, salah satunya adalah, belum dipahami dengan baik pentingnya keamanan data. Untuk meningkatkan pemahaman pentingnya keamanan data diadakan pelatihan. Pelatihan ini menggunakan kerangka ISO 27001 dengan lingkup Plan, Do, Check, Act (PDCA) dan penggunaan Indek keamanan informasi (KAMI) untuk proses evaluasi. Setelah pelaksanan pengabdian masyarakat di Bisma Informatika Indonesia, terdapat peningkatan pemahaman tentang keamanan data. Bisma Informatika Indonesia memiliki pedoman untuk pengelolaan data dan pengukuran potensi resiko. Manfaat lainnya diharapkan proses PDCA dapat berjalan berkelanjutan terkait keamanan data. Kata kunci : Keamanan data, Bisma Informatika Indonesia, ISO 27001
Feature extraction with mel scale separation method on noise audio recordings Roy Rudolf Huizen; Florentina Tatrin Kurniati
Indonesian Journal of Electrical Engineering and Computer Science Vol 24, No 2: November 2021
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijeecs.v24.i2.pp815-824

Abstract

This paper focuses on improving the accuracy of noise audio recordings. High-quality audio recording, extraction using the mel frequency cepstral coefficients (MFCC) method produces high accuracy. While the low-quality is because of noise, the accuracy is low. Improved accuracy by investigating the effect of bandwidth on the mel scale. The proposed improvement uses the mel scale separation methods into two frequency channels (MFCC dual-channel). For the comparison method using the mel scale bandwidth without separation (MFCC single-channel). Feature analysis using k-mean clustering. The data uses a noise variance of up to -16 dB. Testing on the MFCC single-channel method for -16 dB noise has an accuracy of 47.5%, while the MFCC dual-channel method has an accuracy better of 76.25%. The next test used adaptive noise-canceling (ANC) to reduce noise before extraction. The result is that the MFCC single-channel method has an accuracy of 82.5% and the MFCC dual-channel method has an accuracy better of 83.75%. High-quality audio recording testing for the MFCC single-channel method has an accuracy of 92.5% and the MFCC dual-channel method has an accuracy better of 97.5%. The test results show the effect of mel scale bandwidth to increase accuracy. The MFCC dual-channel method has higher accuracy.
Object Classification Model Using Ensemble Learning with Gray-Level Co-Occurrence Matrix and Histogram Extraction Florentina Tatrin Kurniati; Daniel HF Manongga; Eko Sediyono; Sri Yulianto Joko Prasetyo; Roy Rudolf Huizen
Jurnal Ilmiah Teknik Elektro Komputer dan Informatika Vol 9, No 3 (2023): September
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jiteki.v9i3.26683

Abstract

In the field of object classification, identification based on object variations is a challenge in itself. Variations include shape, size, color, and texture, these can cause problems in recognizing and distinguishing objects accurately. The purpose of this research is to develop a classification method so that objects can be accurately identified. The proposed classification model uses Voting and Combined Classifier, with Random Forest, K-NN, Decision Tree, SVM, and Naive Bayes classification methods. The test results show that the voting method and Combined Classifier obtain quite good results with each of them, ensemble voting with an accuracy value of 92.4%, 78.6% precision, 95.2% recall, and 86.1% F1-score. While the combined classifier with an accuracy value of 99.3%, a precision of 97.6%, a recall of 100%, and a 98.8% F1-score. Based on the test results, it can be concluded that the use of the Combined Classifier and voting methods is proven to increase the accuracy value. The contribution of this research increases the effectiveness of the Ensemble Learning method, especially the voting ensemble method and the Combined Classifier in increasing the accuracy of object classification in image processing.
Pelatihan Pengambilan dan Teknik Editing Foto Produk Kerajinan Tangan pada UMKM Bali Artshop Atmojo, Yohanes Priyo; Kurniati, Florentina Tatrin; Susila, I Made Darma; Hostiadi, Dandy Pramana; Huizen, Roy Rudolf; Rini, Erma Sulistyo
WIDYABHAKTI Jurnal Ilmiah Populer Vol. 6 No. 1 (2023): Nopember
Publisher : Direktorat Penelitian, Pengabdian Masyarakat, dan HKI Institut Teknologi dan Bisnis STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/widyabhakti.v6i1.384

Abstract

Handicraft merupakan kerajinan yang dikerjakan dengan tangan menggunakan teknik-teknik tertentu dan menghasilkan karya yang tidak biasa dan bernilai ekonomis. Produk handicraft sering ditemui di daerah objek wisata, dengan tujuan untuk menarik perhatian wisatawan dan menunjukkan ciri khas suatu daerah. Bali sebagai destinasi wisata yang terkenal di mancanegara, memiliki keragaman jenis produksi handicraft, salah satunya adalah Bali Artshop. Hasil observasi yang dilakukan, ditemukan permasasalahan pada UKM yaitu adanya keterbatasan pengetahuan dalam pengenalan produk dalam bentuk dokumentasi foto. selama ini pengenalan produk kerajinan tangan berbentuk patung menggunakan kamera handphone dan tidak memiliki hasil yang berkualitas. Selain keterbatasan perangkat, teknik editing juga tidak dikuasai oleh UKM. Sehingga dalam usulan kegiatan pengabdian dilaksanakan pelatihan pengambilan foto produk kerjaninan tangan bentuk patung pada UKM Bali Artshop. Kegiatan diawali dengan persiapan pemilihan patung unggulan, pengambilan foto produk kerajinan tangan dan teknik editing. Kegiatan pelatihan dilaksanakan selama 5 jam. Hasil kegiatan didapatkan 50 - 70 foto dan berhasil digunakan sebagai media promosi yang diunggah dalam bentuk website profil UKM.
Identifikasi Objek Menggunakan Random Forest dan Multi-Fitur Florentina Tatrin Kurniati; Dian Pramana
Jurnal Sistem dan Informatika (JSI) Vol 17 No 2 (2023): Jurnal Sistem dan Informatika (JSI)
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/jsi.v17i2.590

Abstract

Penelitian ini berfokus untuk identifikasi objek dengan latar belakang yang komplek, pendekatan kombinasi multi fitur menggunakan algoritma deteksi tepi (Sobel, Canny, dan Robert) dan Local Binary Pattern (LBP) serta klasifikasi menggunakan Random Forest. Tahapan penelitian ini meliputi pengumpulan data, pra-pemrosesan, ekstraksi ciri, dan evaluasi kinerja. Metrik untuk evaluasi kinerja menghitung akurasi, presisi, recall, dan F1-Score. Berdasarkan pengujian hasil yang diperoleh menunjukkan peningkatan yang signifikan dalam kinerja identifikasi objek. Hasilnya untuk akurasi mencapai 93%, presisi 96%, recall 91%, dan F1-Score 94%. Pengujian metode tersebut menunjukkan bahwa integrasi multi fitur mempengaruhi signifikan peningkatan keakuratan dan keandalan identifikasi objek, terutama dalam menghadapi tantangan latar belakang yang beragam dan kondisi pencahayaan yang tidak stabil.
Model Ekstraksi Fitur Berbasis Tekstur untuk Identifikasi Keaslian Objek Florentina Tatrin Kurniati
Jurnal Sistem dan Informatika (JSI) Vol 18 No 2 (2024): Jurnal Sistem dan Informatika (JSI)
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/jsi.v18i2.613

Abstract

Identifikasi keaslian objek merupakan aspek penting dalam berbagai sektor, termasuk keamanan dan perdagangan, guna mencegah kerugian finansial dan reputasi akibat pemalsuan. Penelitian ini mengembangkan model klasifikasi berbasis tekstur dengan menggunakan metode Decision Tree dan Logistic Regression untuk membedakan antara objek asli dan palsu. Model ini memanfaatkan Gray Level Co-occurrence Matrix (GLCM) untuk ekstraksi fitur tekstur, yang kemudian diklasifikasi menggunakan kedua metode tersebut. Hasil evaluasi menunjukkan bahwa Decision Tree memiliki kinerja yang lebih unggul dibandingkan Logistic Regression, dengan akurasi sebesar 96.37%, recall 97.67%, dan F1 score 94.92%, menjadikannya lebih efektif dalam mendeteksi keaslian objek. Sementara itu, Logistic Regression mencapai presisi lebih tinggi, yaitu 98.15%, namun mengalami penurunan performa dalam recall dan F1 score. Berdasarkan hal tersebut Decision Tree menunjukkan keseimbangan yang lebih baik antara berbagai metrik evaluasi dan lebih cocok untuk identifikasi keaslian objek.