Article Per Year (5 Year)
p-Index From 2020 - 2025
0.778
P-Index
This Author published in this journals
All Journal TELKOMNIKA (Telecommunication Computing Electronics and Control) WARTA Emitor: Jurnal Teknik Elektro Muslim Education Review Journal of Community Services and Engagement: Voice of Community (VOC)
Gunawan Ariyanto
Universitas Muhammadiyah Surakarta
Religion Humanities Computer Science & IT Education Electrical & Electronics Engineering Public Health Social Sciences Other

Published : 20 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 20 Documents
Search

 1   2 
Sismtem Informasi Warung Kuliner Ariawan, Muhammad Rizky; Ariyanto, Gunawan
Emitor: Jurnal Teknik Elektro Vol 18, No 1: Maret 2018
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/emitor.v18i01.6238

Abstract

Warung Kuliner di Kota besar Indonesia saat ini masih banyak yang belum menggunakan Sistem Informasi untuk bertransaksi. Sehingga sering dijumpai masalah ketika melakukan transaksi, misalnya ketika pelanggan melakukan pembayaran dan kasir melakukan proses transaksi secara manual atau dengan menggunakan media konvensional. Tersedianya Aplikasi ini untuk mempermudah dan lebih efektif apabila digunakan, karena tidak perlu mencatat secara manual ketika bertransaksi dengan pelanggan serta memberikan informasi secara cepat, tepat, dan akurat. Manfaat lainnya yaitu pelanggan mengetahui secara langsung dari keseluruhan detail transaksi yang dilakukan. Artikel ini membahas perancangan Aplikasi berbasis web dengan Metode Waterfall yang dibangun menggunakan program Python Django. Hasil dari aplikasi ini mencakup pengolahan data produk, pengolahan data pesanan dan transaksi, grafik hasil transaksi, serta cetak nota hasil transaksi dengan format PDF.
Implementasi Filter Digital Finite Impulse Response Metode Penjendelaan Blackman pada DSP TMS320C6711 Ariyanto, Gunawan; Nurgiyatna, N; Sudarmilah, Endah
Emitor: Jurnal Teknik Elektro Vol 2, No 2: September 2002
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/emitor.v2i2.5994

Abstract

lmplementasi   tapis  digital  secara waktu nyata (real-time)   tidaklah mudah karena dibatasi oleh beberapa kendala semisal kebutuhan akan komputasi yang cepat, kesalahan quantisasi pada  ADC-DAC,  kesalahan kuantisasai koefisien filter  dan kesalahan pada  pembulatan  ari/matika.   Tulisan ini  menyajikan  hasil penelitian tentang  implementasi   sebuah filter  digital  bandpass  dengan metode  penjendelaan Blackman ke dalam perangkat keras berupa Digital Signal Processor (DSP) TMS320C671 I.   Hasil pengujian   menunjukan bahwa filter  tersebut dapat bekerja secara real-time dan memenuhi spesijikasi yang telah ditentukan.  Filter digital metode penjendelaan Blackman  tersebut memilikiperformaberupafsl=258  Hz.fp/=328 Hz, fp2=3370Hz,fs2=3440  Hz dan bandstop attenuation sebesar -31 dB.
Implementasi Deep Learning berbasis Keras untuk Pengenalan Wajah Santoso, Aditya; Ariyanto, Gunawan
Emitor: Jurnal Teknik Elektro Vol 18, No 1: Maret 2018
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/emitor.v18i01.6235

Abstract

Sistem pengenalan wajah merupakan aspek penting dalam bidang computer vision yang mendukung terhadap perkembangan teknologi yang serba canggih seperti era sekarang ini. Penggunaan wajah sendiri digunakan karena wajah memiiki keunikan dan merupakan identitas bagi setiap manusia. Dalam pengembangannya, sistem pengenalan wajah masih memiliki permasalahan dalam faktor pencahayaan, ekpresi wajah dan perubahan atribut pada wajah. Sehingga, dalam penelitian ini penulis menggunakan Convoutional Neural Network(CNN) untuk mencoba mengatasi hal tersebut. CNN merupakan bagian dari deep learning yang digunakanuntuk melakukan proses pembelajaran pada komputer untuk mencari reprentasi terbaik. CNN terdiri 3 tahapan, yaitu Input data , Feature Learning, dan Classification. Setiap data masukan akan melaui ketiga tahapan tersebut dengan proses filtering. Pengimplementasian CNN pada penelitian ini menggunakan library keras yang menggunakan bahasa pemrograman python . Keras merupakan framework yang dibuat untuk mempermudah pembelajaran terhadap komputer.Dataset yang digunakan pada penelitian ini adalah face94 dengan mengambil 10 subject face pria. Proses pelatihan CNN dengan menggunakan data ukuran 28x28 px dengan 7 lapisan menghasilkan akurasi yang lebih baik dibandingkan dengan menggunakan 5 lapisan dengan selisih hasil 8,0 % pada saat pengujian. penggunaan 7 lapisan pada saat pengujian terhadap data testing memperoleh hasil yang baik dengan tingkat akurasi mencapai 98.57%.
Implementasi Deep Learning berbasis Tensorflow untuk Pengenalan Sidik Jari Nurfita, Royani Darma; Ariyanto, Gunawan
Emitor: Jurnal Teknik Elektro Vol 18, No 1: Maret 2018
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/emitor.v18i01.6236

Abstract

Sistem pengenalan sidik jari banyak digunakan dala bidang biometrik untuk berbagai keperluan pada beberapa tahun terakhir ini. Pengenalan sidik jari digunakan karena memiliki pola yang rumit yang dapat mengenali seseorang dan merupakan identitas setiap manusia. Sidik jari juga banyak digunakan sebagai verifikasi maupun identifikasi. Permasalahan yang dihadapi dalam penelitian ini adalah komputer sulit melakukan klasifikasi objek salah satunya pada sidik jari. Dalam penelitian ini penulismenggunakan deep learning yang menggunakan metode Convolutional Neural Network (CNN) untuk mengatasi masalah tersebut. CNN digunakan untuk melakukan proses pembelajaran mesin pada komputer. Tahapan pada CNN adalah input data, preprocessing, proses training. Implementasi CNN yang digunakan library tensorflow dengan menggunakan bahasa pemrograman python. Dataset yang digunakan bersumber dari sebuah website kompetisi verifikasi sidik jari pada tahun 2004 yang menggunakan sensor bertipe optical sensor “V300” by crossMatch dan didalamnya terdapat 80 gambar sidik jari. Proses pelatihan menggunakan data yang berukuran 24x24 pixel dan melakukan pengujian dengan membandingkan jumlah epoch dan learning rate sehingga diketahui bahwa jika semakin besar jumlah epoch dan semakin kecil learning rate maka semakin baik tingkat akurasi pelatihan yang didapatkan. Pada penelitian ini tingkat akurasi pelatihan yang dicapai sebesar 100%.
Pengenalan Wajah Manusia berbasis Algoritma Local Binary Pattern Purwati, Ratih; Ariyanto, Gunawan
Emitor: Jurnal Teknik Elektro Vol 17, No 2: September 2017
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/emitor.v17i2.6232

Abstract

Face Recognition merupakan teknologi komputer untuk mengidentifikasi wajah manusia melalui gambar digital yang tersimpan di database. Wajah manusia dapat berubah bentuk sesuai dengan ekspresi yang dimilikinya. Wajah manusia dapat berubah bentuk sesuai dengan eskpresi yang dimilikinya. Ekspresi wajah manusia memiliki kemiripan satu sama lain sehingga untuk mengenali suatu ekspresi adalah kepunyaan siapa akan sedikit sulit. Pengenalan wajah terus menjadi topik aktif di zaman sekarang pada penelitian bidang computer vision. Penggunaan wajah manusia sering kita jumpai pada fitur-fitur aplikasi media sosial seperti Snapchat, Snapgram dari Instagram dan banyak aplikasi sosial media lainnya yang menggunakan teknologi tersebut. Pada penelitian ini dilakukan analisa pengenalan ekpresi wajah manusia dengan pendekatan fitur alogaritma Local Binary Pattern dan mencari pengembangan alogaritma dasar Local Binary Pattern yang paling optimal dengan cara menggabungkan metode Hisogram Equalization, Support Vector Machine, dan K-fold cross validation sehingga dapat meningkatkan pengenalan gambar wajah manusia pada hasil yang terbaik. Penelitian ini menginput beberapa database wajah manusia seperti JAFFE yang merupakan gambar wajah manusia wanita jepang yang berjumlah 10 orang dengan 7 ekspresi emosional seperti marah, sedih, bahagia, jijik, kaget, takut dan netral ke dalam sistem. YALE yaitu merupakan gambar wajah manusia orang Amerika. Serta menggunakan dataset CALTECH yang merupakan gambar manusia yang terdiri dari 450 gambar dengan ukuran 896 x 592 piksel dan disimpan dalam format JPEG. Kemudian data tersebut di sesuaikan dengan bentuk tekstur wajah masing-masing. Dari hasil penggabungan ketiga metode diatas dan percobaan-percobaan yang sudah dilakukan, didapatkan hasil yang paling optimal dalam pengenalan wajah manusia yaitu menggunakan dataset JAFFE dengan resolusi 92 x 112 piksel dan dengan tingkat penggunaan processor yang tinggi dapat mempengaruhi waktu kecepatan komputasi dalam proses menjalankan sistem sehingga menghasilkan prediksi yang lebih tepat.
PENGENALAN WAJAH MANUSIA BERBASIS ALGORITMA LOCAL BINARY PATTERN Purwati, Ratih; Ariyanto, Gunawan
Emitor: Jurnal Teknik Elektro Vol 17, No 2 (2017): Vol.17 No.02 September 2017
Publisher : Universitas Muhammadiyah Surakarta

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

Abstract

Face Recognition merupakan teknologi komputer untuk mengidentifikasi wajah manusia melalui gambar digital yang tersimpan di database. Wajah manusia dapat berubah bentuk sesuai dengan ekspresi yang dimilikinya. Pengenalan wajah terus menjadi topik aktif di zaman sekarang pada penelitian bidang computer vision. Penggunaan wajah manusia sering kita jumpai pada fitur-fitur aplikasi media sosial seperti Snapchat, Snapgram dari Instagram dan banyak aplikasi sosial media lainnya yang menggunakan teknologi tersebut. Pada penelitian ini dilakukan analisa pengenalan ekpresi wajah manusia dengan pendekatan fitur alogaritma Local Binary Pattern dan mencari pengembangan alogaritma dasar Local Binary Pattern yang paling optimal dengan cara menggabungkan metode Histogram Equalization, Support Vector Machine, dan K-fold cross validation sehingga dapat meningkatkan pengenalan gambar wajah manusia pada hasil yang terbaik. Penelitian ini menggunakan beberapa database wajah manusia yang memiliki bermacam-macam ekspresi seperti JAFFE yang merupakan gambar wajah manusia wanita jepang yang berjumlah 10 orang dengan 7 ekspresi emosional seperti marah, sedih, bahagia, jijik, kaget, takut dan netral ke dalam sistem. YALE yaitu merupakan gambar wajah manusia orang Amerika. Serta menggunakan dataset CALTECH yang merupakan gambar manusia yang terdiri dari 450 gambar dengan ukuran 896 x 592 piksel dan disimpan dalam format JPEG. Kemudian data tersebut di sesuaikan dengan bentuk tekstur wajah masing-masing. Dari hasil penggabungan ketiga metode diatas dan percobaan-percobaan yang sudah dilakukan, didapatkan hasil yang paling optimal dalam pengenalan wajah manusia yaitu menggunakan dataset JAFFE dengan resolusi 92 x 112 piksel dan dengan tingkat penggunaan processor yang tinggi dapat mempengaruhi waktu kecepatan komputasi dalam proses menjalankan sistem sehingga menghasilkan prediksi yang lebih tepat.
Pengenalan Deteksi Wajah Dengan Modifikasi Metode Viola Jones Syafira, Adinda Rizkita; Ariyanto, Gunawan
Emitor: Jurnal Teknik Elektro Vol 17, No 1 (2017): Vol 17 No.1 Maret 2017
Publisher : Universitas Muhammadiyah Surakarta

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

Abstract

Deteksi wajah merupakan salah satu topik yang paling banyak dipelajari dalam literatur computer vision. Tujuan deteksi wajah adalah untuk mengetahui ada atau tidaknya wajah pada suatu gambar. Meskipun tampaknya hal ini merupakan tugas yang mudah dilakukan oleh manusia, tapi ternyata sangat rumit untuk dilakukan oleh komputer dikarenakan terdapat beberapa kesulitan yang terkait dengan lokasi, sudut pandang, cahaya, oklusi, dan lain-lain. Berdasarkan latar belakang tersebut, penelitian ini akan menerapkan metode Viola Jones yang dianggap sebagai salah satu metode dengan tingkat akurasi yang tinggi dalam melakukan pendeteksian wajah ke dalam sistem pengenalan deteksi wajah yang menggunakan bahasa pemrograman Python. Metode Viola Jones menggunakan fitur Haar sebagai deskriptor lalu menggabungkan Integral Image dan AdaBoost untuk mencari dan melakukan seleksi nilai fitur yang kemudian akan terbentuk menjadi Cascade Classifier untuk mendeteksi adanya kemungkinan wajah pada gambar. Pada penelitian ini juga akan dilakukan modifikasi nilai variabel pada metode Viola Jones untuk menambah tingkat akurasi. Penelitian ini bertujuan untuk mempelajari dan memahami algoritma metode Viola Jones serta melakukan modifikasi yang diharapkan dapat meningkatkan performa sistem. Dari hasil pengujian sistem menggunakan K-fold cross validation didapat hasil tertinggi sebesar 90,84536082% untuk gambar wajah dan 75,46391753% untuk gambar bukan wajah serta tingkat akurasi meningkat sampai dengan ±20% untuk pendeteksian gambar wajah dan bukan wajah.
Sistem Deteksi Wajah Dengan Modifikasi Metode Viola Jones Syafira, Adinda Rizkita; Ariyanto, Gunawan
Emitor: Jurnal Teknik Elektro Vol 17, No 1 (2017): Vol 17 No.1 Maret 2017
Publisher : Universitas Muhammadiyah Surakarta

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

Abstract

Deteksi wajah manusia merupakan salah satu topik yang paling banyak dipelajari di bidang computer vision. Tujuan deteksi wajah adalah untuk mengetahui ada atau tidaknya wajah pada suatu gambar. Meskipun tampak mudah dilakukan oleh manusia, ternyata pendeteksian wajah sangat rumit dilakukan oleh komputer karena terdapat beberapa kesulitan yang terkait dengan lokasi, sudut pandang, cahaya, dan oklusi. Penelitian ini menerapkan metode Viola Jones untuk membangun sistem deteksi wajah dengan bahasa pemrograman Python. Metode Viola Jones merupakan salah satu metode deteksi wajah dengan tingkat akurasi yang tinggi dan komputasi yang cepat. Metode Viola Jones menggunakan fitur Haar sebagai deskriptor kemudian menggabungkan Integral Image dan AdaBoost untuk mencari dan melakukan seleksi nilai fitur dan membentuk Cascade Classifier. Classifier tersebut yang akan digunakan untuk mendeteksi wajah pada gambar. Penelitian ini juga mengevaluasi tingkat akurasi sistem dengan cara memodifikasi nilai-nilai parameter yang ada di metode Viola Jones. Dari hasil pengujian menggunakan K-fold cross validation didapat hasil akurasi tertinggi sebesar 90,9% untuk gambar wajah dan 75,5% untuk gambar bukan wajah.
PENINGKATAN KINERJA KADER POSYANDU DAN KUALITAS PELAYANAN DI POSYANDU LESTARI Fadlilah, Umi; Ariyanto, Gunawan; Hartono, Sholeh Rudi; Kurniawan, Erwan Tri; Husein, Sadam
WARTA LPM WARTA LPM, Vol. 23, No. 1, Maret 2020
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/warta.v23i1.8773

Abstract

Pengabdian masyarakat ini bertujuan untuk mengurangi tingkat kesalahan pengukuran pada posyandu balita pada pengukuran 4 parameter, yaitu berat badan, panjang badan, lingkar kepala, dan suhu badannya. Oleh karena itu, penggunaan alat ukur elektronik berbasis mikrokontroler Arduino Mega 2560 didukung dengan sensor load cell, sensor infrared TN901, dan sensor ultrasonik yang dapat secara otomatis menampilkan keempat parameter tersebut melalui layar LCD (Liquid Crystal Display) diharapkan bisa membantu kader-kader posyandu untuk segera melayani masyarakat. Alat ukur elektronik tersebut bisa menampilkan hasil pengukuran yang lebih akurat dibandingkan dengan alat ukur manual. Waktu pengukuran untuk masing-masing batita hanya membutuhkan kurang dari 5 menit sampai menghasilkan pembacaan dan pencatatan keempat parameter tadi. Melalui pengabdian masyarakat ini, kami membuat dan menyumbangkan alat ukur tersebut, sekaligus memberi pelatihan terhadap kader posyandu balita tentang cara menggunakannya. Bantuan lain yang kami sampaikan adalah sumbangan dana untuk Pemberian Makanan Tambahan (PMT) bagi peserta posyandu, terutama di Posyandu Lestari, Ngadijayan, Ngadirejo, Kartasura, Sukoharjo.  Bantuan-bantuan tersebut diharapkan bisa mendukung kinerja kader posyandu agar lebih cepat dan bermanfaat serta berdampak pada peningkatan kualitas pelayanan posyandu. Hasil ukur tentang 4 parameter menggunakan alat mukur elektronik berbasis mikrokontroler Arduino Mega 2560 tersebut cukup valid, praktis, dan menghemat waktu walaupun kadang nilai ukurnya belum stabil terutama dalam hal parameter suhu
Sistem Deteksi Wajah dengan Modifikasi Metode Viola Jones Syafira, Adinda Rizkita; Ariyanto, Gunawan
Emitor: Jurnal Teknik Elektro Vol 17, No 1: Maret 2017
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/emitor.v17i1.5964

Abstract

Deteksi wajah manusia merupakan salah satu topik yang paling banyak dipelajaridi bidang computer vision. Tujuan deteksi wajah adalah untuk mengetahui ada atau tidaknya wajah pada suatu gambar. Meskipun tampak mudah dilakukan oleh manusia, ternyata pendeteksian wajah sangat rumit dilakukan oleh komputer karena terdapat beberapa kesulitan yang terkait dengan lokasi, sudut pandang, cahaya, dan oklusi. Penelitian ini menerapkan metode Viola Jones untuk membangun sistem deteksi wajah dengan bahasa pemrograman Python. Metode Viola Jones merupakan salah satu metode deteksi wajah dengan tingkat akurasi yang tinggi dan komputasi yang cepat. Metode Viola Jones menggunakan fitur Haar sebagai deskriptor kemudian menggabungkan Integral Image dan AdaBoost untuk mencari dan melakukan seleksi nilai fitur dan membentuk Cascade Classifier. Classifier tersebut yang akan digunakan untuk mendeteksi wajah pada gambar. Penelitian ini juga mengevaluasi tingkat akurasi sistem dengan cara memodifikasi nilai-nilai parameter yang ada di metode Viola Jones. Dari hasil pengujian menggunakan K-fold cross validation didapat hasil akurasi tertinggi sebesar 90,9% untuk gambar wajah dan 75,5% untuk gambar bukan wajah.
Co-Authors Adinda Rizkita Syafira Aditya Santoso Aditya Santoso, Aditya Ariawan, Muhammad Rizky Bana Handaga Dai, Muhammad Endah Sudarmilah Erwan Tri Kurniawan Hartono, Sholeh Rudi Husni Thamrin Jumadi Kurniawan, Erwan Tri Muhammad Rizky Ariawan Munajat Tri Nugroho Naning Tri Wahyuni, Naning Tri Nurfita, Royani Darma Nurgiyatna Purwati, Ratih Ratih Purwati Royani Darma Nurfita Sadam Husein Sadam Husein Sholeh Rudi Hartono Syafira, Adinda Rizkita Umi Fadlilah Umi Fadlilah, Umi Wawan Joko Pranoto Yuliana, Irma