Article Per Year (5 Year)
p-Index From 2020 - 2025
1.642
P-Index
This Author published in this journals
All Journal Dinamik Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Jurnal Sistem dan Informatika WARTA Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) WIDYABHAKTI Jurnal Ilmiah Populer Indonesian Journal of Electrical Engineering and Computer Science
Florentina Tatrin Kurniati
Institut Teknologi Dan Bisnis Stikom Bali
Computer Science & IT Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Social Sciences

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Jurnal Sistem dan Informatika

 1 
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.
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.
Co-Authors Ade Iriani Dandy Pramana Hostiadi Daniel HF Manongga Dian Pramana Eko Sediyono Erma Sulistyo Rini, Erma Sulistyo Hindriyanto Dwi Purnomo I Made Darma Susila, I Made Darma Irwan Sembiring Manongga, Daniel HF Roy Rudolf Huizen Sri Yulianto Joko Prasetyo Sutarto Wijono Valentinus Ronny A Febriyanto Valentinus Ronny A Febriyanto, Valentinus Ronny A Yohanes Priyo Atmojo, Yohanes Priyo