Article Per Year (5 Year)
p-Index From 2021 - 2026
6.55
P-Index
This Author published in this journals
All Journal Jurnal Edukasi dan Penelitian Informatika (JEPIN) ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Jurnal Ilmiah FIFO JMM (Jurnal Masyarakat Mandiri) JURNAL EDUCAZIONE : Jurnal Pendidikan, Pembelajaran dan Bimbingan dan konseling JMECS (Journal of Measurements, Electronics, Communications, and Systems) bit-Tech Jurnal Teknologi Dan Sistem Informasi Bisnis MUKADIMAH: Jurnal Pendidikan, Sejarah, dan Ilmu-ilmu Sosial Jurnal Manajemen Bisnis dan Kewirausahaan Jurnal Abdi Insani Almufi Jurnal Pengabdian kepada Masyarakat Academic Journal of Computer Science Research (AJCSR) SinarFe7 eProceedings of Engineering Enrichment: Journal of Multidisciplinary Research and Development Jurnal Inovasi Pendidikan Jurnal Humaniora, Ekonomi Syariah dan Muamalah Jurnal Wacana Kinerja: Kajian Praktis-Akademis Kinerja dan Administrasi Pelayanan Publik JEES: Journal of Education and Educational Sciences
Rita Purnamasari
Universitas Telkom
Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Social Sciences Other

Published : 85 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 85 Documents
Search

 1   2   3   4   5 
Klasifikasi Efek Familiarity Pada Sinyal Eeg Manusia Menggunakan Metode Hjorth Descriptor : Classification Of Familiarity Effects In Human Eeg Signal Using Hjorth Descriptor Method Hannissa Sanggarini; Rita Purnamasari; Sugondo Hadiyoso
eProceedings of Engineering Vol 6, No 1 (2019): April 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Dalam Human-Computer Interaction, audiovisual sangat berpengaruh bagi kondisi fisiologis yang mempengaruhi perasaan manusia. Hal ini dapat dilihat dari kemampuan manusia yang mampu merasakan perasaan yang berbeda-beda saat melihat tayangan video musik. Perasaan ini muncul akibat stimulus yang dihasilkan dari tayangan video musik tersebut sehingga terjadi fluktuasi aktifitas otak dan menghasilkan karakteristik sinyal otak tertentu. Dengan menggunakan Electroencephalogram (EEG), dilakukan klasifikasi karakteristik sinyal otak pada kategori familiarity. Familiarity adalah keadaan saat manusia mengenali sesuatu. Penelitian ini menggunakan data sekunder yang diambil dari DEAP: A Database for Emotion Analysis using Physiological Signals. Data yang diambil dari DEAP berjumlah 32 data yang telah melalui beberapa tahap pre-processing, maka data dapat langsung diproses dengan menggunakan metode Hjorth Descriptor untuk ekstraksi ciri dan metode Multilayer Perceptron (MLP) untuk klasifikasi. Pengujian dilakukan dengan skenario dimana data dari 29 data yang digunakan, 15 data digunakan sebagai data latih dan 14 data digunakan sebagai data uji. Dari hasil pengujian yang dilakukan, didapatkan akurasi terbaik pada kondisi balance class sebesar 78.57% pada percobaan 1, 2 dan 27 dengan kombinasi ciri Hjorth Descriptor activity, mobility dan complexity. Digunakan juga dua hidden layer dengan 12 neurons pada tiap hidden layer serta epoch berjumlah 1.000 epochs pada MLP. Kata Kunci: EEG, familiar, Hjorth Descriptor, Multilayer Perceptron. Abstract In Human-Computer Interaction, audiovisual is very influential for physiological condition that affects human’s feelings. This can be seen from human ability to feel different feelings while watching music video. This feeling occured because of the stimulus elicited from the music video, so that brain activity fluctuation happened and obtained certain brain signals characteristics. By using Electroencephalogram (EEG), we did a classification of brain signal characteristics in familiarity category. Familiarity is a state when human recognize something. This research is using secondary data taken from DEAP: A Database for Emotion Analysis using Physiological Signals. Data taken from deap is the amount of 32 and has been through several pre-processing methods, so data can go straight to be processed using Hjorth Descriptor as the feature extraction method and Multilayer Perceptron (MLP) as the classifier method. The test is done with scenario where from 29 data used, 15 data is used as training data and 14 data is used as testing data. From the test result, the best accuracy is gained in balance class is 78.57% in trial 1, 2 and 27 with Hjorth Descriptor feature combinations of activity, mobility and complexity. Two hidden layers with 12 neurons in each hidden layer and epoch with the amount of 1000 is also used in MLP. Keywords: EEG, familiar, Hjorth Descriptor, Multilayer Perceptron
Identifikasi Individu Berdasarkan Pola Sidik Bibir Dengan Metode Multi-level Gradient Vector Dan Klasifikasi K-nearest Neighbor (k-nn) Untuk Aplikasi Bidang Forensik Biometrik Savitri Amalia; Rita Purnamasari; Murnisari Dardjan
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Kasus pembunuhan maupun perampokan masih sering terjadi di Indonesia, dan dalam kasus kasus tersebut dapat memakan korban jiwa sehingga diperlukan adanya penyelidikan untuk mengidentifikasi pelaku maupun korban, tetapi dengan kondisi tertentu mendapatkan identitas seseorang tidak dapat dilakukan. Kondisi-kondisi tersebut contohnya tidak dapat menemukan sidik jari maupun DNA dari pelaku. Pada kasus kasus seperti ini sidik bibir dapat dijadikan alat untuk mengidentifikasi pelaku maupun korban. Tugas Akhir ini memiliki tujuan yaitu mengetahui parameter serta metode yang yang lebih baik dari metode pada penelitian sebelumnya. Sistem yang akan dirancang menggunakan Multi-level Gradient Vector sebagai metode ekstraksi ciri dan K-Nearest Neighbor (K-NN) sebagai klasifier. Citra sidik bibir yang digunakan merupakan hasil akuisisi dengan menggunakan kamera mirrorless sony a5100, dengan tata cara pengambilan foto formal. Jumlah data yang digunakan ialah 400 foto dari 40 individu dimana masing-masing individu menghasilkan 10 foto, dengan pembagian 320 foto sebagai data latih dan 80 foto sebagai data uji. Hasil dari penelitian ini adalah sistem deteksi individu yang mampu menampilkan nama dari individu tersebut. Performansi yang dihasilkan dari sistem ialah akurasi tertinggi 91.25%, waktu komputasi 3.25 detik dengan parameter cell 4 x 4, block 2 x 2, bin 9 dan menggunakan pengukuran jarak Euclidean dengan nilai k=1. Kata kunci : Odontologi Forensik, Sidik bibir, Multi-level Gradient Vector, K-Nearest Neighbor, Identifikasi Abstract The case of murder or robbery is still common in Indonesia, and in some case we need for investigation to identify the perpetrators or victims, but under certain conditions cannot get Identity. Like these conditions may not find the fingerprint or the DNA of the perpetrator. In this case the lip print can be used as a tool to identify the perpetrator or victim. This final task has a goal of knowing the parameters and methods that are better than the previous research method. The system will be designed using Multi-level Gradient Vector as the featureextraction method and K-Nearest Neighbor (K-NN) as a clasifier. The lip print image used was the result of the acquisition using a Sony a5100 mirrorless camera, with a formal photo-taking procedure. The amount of data used is 400 photos from 40 individuals where each individual produces 10 photos, with a division of 320 photos as a training data and 80 photos as test data. The result of this research is Individual detection system which is able to display the name of the individual. The resulting from the system is the highest accuracy of 91.25%, computational time of 3.25 seconds with the cell parameters 4 x 4, block 2 x 2, bin 9 and using Euclidean distance measurement with a value of k = 1. Keywords: forensic odontology, lip print, Multi-level Gradient Vector, K-Nearest Neighbor, identification.
Deteksi Pola Gigitan Untuk Mengidentifikasi Jenis Kelamin Menggunakan Metode Active Contour Dan Klasifikasi Decision Tree Untuk Aplikasi Bidang Forensik Biometrik. Annaria Anggi Putri Siagian; Rita Purnamasari; Fahmi Oscandar
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Tindak kriminal kerap kali terjadi dan dapat menimbulkan jatuhnya korban jiwa. Banyak sekali pelaku dari tindak kriminal yang sulit untuk diidentifikasi atau dalam keadaan anonymous sehingga memerlukan proses identifikasi. Identifikasi akan menjadi sulit apabila pelaku tidak meninggalkan sebuah sidik khas yang, sidik tersebut dapat berupa sidik jari, sehelai rambut, ataupun bite marks. Maka dari itu, identifikasi biometrik menjadi peran penting dalam proses pencarian identitas pelaku. Bite mark merupakan suatu gambaran dari anatomi gigi yang sangat khas, yang bila ditemukan di tubuh jenazah, kita dapat mengidentifikasi identitas pemilik dari bite mark tersebut. Hambatan untuk proses identifikasi bite mark yaitu prosesnya yang membutuhkan waktu yang lama jika dilakukan dengan menggunakan kasat mata. Pengolahan citra pola bite mark sangat dibutuhkan untuk mendapatkan ketepatan identifikasi jenis kelamin pelaku atau korban kriminalitas dengan waktu yang lebih efisien. Pada Tugas Akhir ini, digunakan metode ekstraksi ciri Geometric Active Contour (GAC) dan metode klasifikasi Decision Tree. Jumlah sample yang digunakan pada penelitian kali ini adalah 240 citra, yang kemudian dibagi menjadi 140 sample ciri latih dan 100 sample ciri uji. Hasil yang didapat dari penelitian ini adalah parameter Intercanine, Intermolar, Canine Depth, dan Molar Depth baru serta nilai akurasi sebesar 97% dan waktu komputasi 95 detik/citra. Kata kunci : Bite Mark, Geometric Active Contour, Decision Tree. Abstract Acts of crime keep on happening which could cause casualties. Lots of these criminal perpetrators are hard to identify, therefore it needs an identification process to find the real culprit. The identification process would be difficult if the perpetrators didn’t leave anything at the crime scene, it could be either their fingerprints, a stray of their hair, or even their bite marks on the victim’s body or on the things at the crime scenes. Therefore, biometrical identification is an important role in finding the perpetrators’ identities. Bite marks is actually a representation of teeth’s anatomy that has very special characteristic, that if found on or from a dead body can be used to help us identify the victim or the suspect of the crime. The problem in bite marks identification nowadays, is that it takes extra time to process with the traditional way. Image segmenting of the bite marks is very ISSN : 2355-9365 e-Proceeding of Engineering : Vol.6, No.2 Agustus 2019 | Page 3863 much needed to get a more accurate result of the victim’s gender, which will of course shorten the time of the process. In this final project, the method used for characteristic extraction is Geometric Active Contour (GAC) and Decision Tree as its Classification Method. The number of Samples used are 240 images, which are separated into 140 images for training database and 100 images for testing database. The result of this project are new bite marks Intercanine, Intermolar, Canine Depth, and Molar Depth new parameters. Also resulted in 97% system accuracy and 95 seconds/image in computing time. Keywords: Bite Marks, Geometric Active Contour, Decision Tree.
Klasifikasi Emosi Berdasarkan Sinyal Eeg Dengan Menggunakan Metode Algoritma Genetika Dan Independent Component Analysis Bimo Rian Tri Nugroho; Rita Purnamasari; Sugondo Hadiyoso
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Dalam mengambil keputusan, emosi mempengaruhi hasil keputusan tersebut. Contoh saat senang, penilaian suatu hal akan cenderung baik karena menyukai hal tersebut, sebaliknya jika sedih, penilaian suatu hal akan cenderung kurang baik. Pada penelitian sebelumnya emosi dinilai dari sumber fisiologis yaitu sinyal Electroencephalographic (EEG) dari otak. EEG memperoleh sinyal yang berasal dari neuron-neuron yang bekerja pada otak. Rekaman EEG timbul saat terjadi aktivitas listrik pada otak. Data diperoleh melalui media video yang diberikan kepada peserta untuk mengetahui emosi yang terjadi pada peserta. Dalam penelitian ini sinyal EEG diambil dari penelitian DEAP : A database for Emotion Analysis using physiological Signals dan diproses oleh Independent Component Analysis (ICA). Data yang digunakan sudah melalui tahap pre-processing yang berasal dari database. Data dari database mempunyai beberapa tingkatan yaitu arousal, valence, liking, dominance, dan familiarity. Tingkat yang diambil hanya dari valence. Dengan menggunakan ICA untuk mendapatkan matriks setiap percobaan, kemudian dari matriks tersebut diambil ekstraksi fitur yang kemudian digunakan sebagai data latih dan data uji. Hasil fitur yang didapat diklasifikasikan oleh Support Vector Machine (SVM) dan Genetic Algorithm (GA) agar memperoleh akurasi serta kondisi emosi yang dialami saat senang atau sedih. Dalam penelitian yang dilakukan, hasil klasifikasi hanya menggunakan SVM memperoleh akurasi sebesar 56.25% dan klasifikasi menggunakan SVM yang dioptimalisasi oleh GA memperoleh akurasi sebesar 77.2727%. Hal ini menunjukan bahwa klasifikasi SVM yang dioptimalisasi oleh GA memberikan hasil akurasi yang lebih baik dibandingkan klasifikasi jika hanya menggunakan SVM. Hasil akurasi yang dapatkan menunjukan hasil klasifikasi emosi antara senang dan sedih. Kata Kunci : EEG, DEAP, ICA, GA, SVM Abstract In making decisions, emotions influence the outcome of the decision. For example, when feels happy, evaluating something can be tend to be good, on the contrary when feels sad, the assessment of something can be tend to be bad. In previous studies, emotions were assessed from physiological sources is Electroencephalographic (EEG) signals from the brain. EEGs get signals that come from neurons that work in the brain. EEG footage appears when electrical activity occurs in the brain. Data is obtained through video media given to participants to find out the emotions that occur in participants. In this study EEG signals were taken from the DEAP study: Database for Emotion Analysis using physiological signals and processed by Independent Component Analysis (ICA). The data used has been preprocessing originating from the database. Data from the database has several levels of arousal, valence, likes, domination, and familiarity. The level taken is only from valence. By using ICA to get the matrix of each experiment, then the feature extraction is taken from the matrix which is then used as training data and test data. The results of the features obtained are classified by Support Vector Machine (SVM) and Genetic Algorithm (GA) in order to obtain the accuracy and emotional conditions experienced when happy or sad. In the research conducted, the classification results using only SVM obtained an accuracy of 56.25% and the classification using SVM optimized by GA obtained an accuracy of 77.2727%. This shows that SVM classification optimized by GA provides better accuracy results than classification only using SVM. The accuracy results obtained show the classification of emotions between happy and sad. Keyword : EEG, DEAP, ICA, GA, SVM
Identifikasi Jenis Kelamin Berdasarkan Teraan Gigitan Berbasis Pemugaran Citra Dengan Metode Gray Level Co-occurence Matrix (glcm) Dan Klasifikasi Support Vector Machine (svm) Yonita Ersalina Leksono; Rita Purnamasari; Yuti Malinda
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Odontologi forensik merupakan cabang dari ilmu kedokteran gigi dalam kepentingan peradilan sebagai bukti penyidikan untuk memecahkan masalah hukum dan kejahatan. Salah satu contoh identifikasi yang dilakukan oleh kedokteran gigi forensik yaitu melalui identifikasi bite mark. Tanda bite mark yang ditemukan dalam tubuh biasanya ada pada kasus pencurian, pemerkosaan, pembunuhan dan kejahatan yang lainnya. Bentuk bite mark yang dimiliki oleh setiap individu berbeda-beda oleh sebab itu melalui identifikasi bite mark bisa mendapatkan informasi jenis kelamin pelaku atau korban kejahatan. Pada Tugas Akhir ini akan dibuat perancangan dan penelitian sebuah simulasi yang akan mengeidentifikasi jenis kelamin dengan menggunakan citra digital berdasarkan citra bite mark. Dengan menggunakan metode ekstrasi ciri Gray Level Co-Occurence Matrix ( GLCM ), Image Registration untuk memperbaiki kualitas citra, dan klasifikasi menggunakan Support Vector Machine ( SVM ). Dan di tugas akhir ini diharapkan dapat membuat sebuah sistem citra digital untuk identifikasi jenis kelamin berdasarkan pola bite mark. Parameter yang diuji dan dianalisis adalah parameter orde dua, jarak dan arah kuantisasi GLCM, pengujian kernel SVM dan pengujian jarak antar kaninus. Berdasarkan pengujian ini nilai akurasi dan waktu komputasi sebesar 77% dan 0,01870 sekon. Kata kunci : Odontologi Forensik, Bite mark, Gray Level Co-Occurence Matrix (GLCM), Image Registration, Support Vector Machine (SVM) Abstract Forensic odontology is a branch of dentistry in the interests of the judiciary as evidence of investigation to solve legal and crime problems. One example of identification carried out by forensic dentistry is through identification of bite mark. Bite mark marks found in the body usually occur in cases of theft, rape, murder and other crimes. The shape of a bite mark that is owned by each individual is different, therefore identification of a bite mark can obtain information on the sex of the perpetrator or victim of the crime. In this Final Project design and research will be made a simulation that will identify gender by using a digital image based on the image of a bite mark. By using the method of extracting the Gray Level Co-Occurence Matrix (GLCM) feature, Image Registration to improve image quality, and classification using Support Vector Machine (SVM). And in this final project, it is expected to create a digital image system for gender identification based on a bite mark pattern. The parameters tested and analyzed were second order parameters, distance and quantification of GLCM, SVM kernel testing and inter canine distance testing. Based on the result of testing the best accuracy obtained is 77% and computation time of 0,01870 seconds. Keywords: Odontologi Forensik, Bite mark, Gray Level Co-Occurence Matrix (GLCM), Image Registration, Support Vector Machine (SVM)
Identifikasi Pola Sidik Bibir Pada Identitas Manusia Menggunakan Metode Singular Value Decomposition (svd) Dan Klasifikasi Learning Vector Quantization (lvq) Untuk Aplikasi Bidang Biometrik Forensik Citra Fairuz Ghina; Rita Purnamasari; Dewi Zakiawati
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Kasus tindakan kriminal dan kasus musibah bencana alam sangat sering terjadi di Indonesia. Seringkali korban atau pelaku tidak diketahui identitasnya. Untuk mengetahui identitas manusia bisa menggunakan sistem forensik biometrik. Sistem ini akan secara otomatis menetapkan identitas seseorang melalui perangkat lunak. Data masukan pada sistem ini menggunakan berbagai ciri khusus, salah satunya sidik bibir karena pola sidik bibir mempunyai sifat individu. Sama seperti sidik jari, setiap orang juga memiliki sidik bibir berbeda. Pada bibir terdapat pola unik yang berbeda pada setiap orang, yaitu gambaran sulci pada mukosa bibir atas dan bibir bawah. Sidik bibir juga memiliki sifat permanen, dari umur 6 bulan sampai dengan meninggal nanti, sidik bibir seseorang tidak akan berubah. Pada penelitian ini, penulis membuat sebuah sistem aplikasi pengolahan citra digital untuk mengidentifikasi pola sidik bibir dengan menggunakan metode Singular Value Decomposition(SVD) dan klasifikasi Learning Vector Quantization (LVQ). Hasil yang didapat dari penelitian ini menghasilkan akurasi 87,103%. Maka disimpulkan bahwa sistem pada penelitian ini sudah dapat mengidentifikasi pola sidik bibir dengan baik. Kata kunci : sidik bibir, singular value decomposition, learning vector quantization. Abstract Cases of crime and natural disasters are very common in Indonesia. Often the victim or perpetrator is not identified. To find out the identity can use biometric forensic system. This system will automatically establish a person's identity through software. Input data on this system uses various special features, such as lip prints because lip print patterns have individual nature. Just like fingerprints, everyone also has different lip prints. On the lips there is a unique pattern that is different in each person, namely the picture of sulci in the mucosa of the upper lip and lower lip. Lip prints also have a permanent nature, from the age of 6 months to death, a person's lip prints will not change. In this study, the author created a digital image processing application system to identify lip print patterns using the Singular Value Decomposition (SVD) method and the Learning Vector Quantization (LVQ) classification. The results obtained from this study produced accuracy rate of 87,103%. So it was concluded that the system in this study had been able to identify lip print patterns properly Keywords: lip prints, singular value decomposition, learning vector quantization.
Identifikasi Pola Sidik Bibir Pada Identitas Manusia Menggunakan Metode Histogram Of Oriented Gradients (hog) Dengan Klasifikasi Decision Tree Untuk Aplikasi Bidang Forensik Biometrik Janah Eka Widiarni; Rita Purnamasari; Yuti Malinda
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Kasus kriminalitas di Indonesia meningkat setiap tahunnya. Odontologi forensik adalah cabang ilmu kedokteran gigi dimana identifikasi dilakukan di area gigi dan sekitarnya sebagai keperluan penegakan hukum, untuk mempermudah penyelidikan korban maupun pelaku kejahatan. Proses identifikasi individu dapat dilakukan dengan berbagai cara salah satunya dengan menggunakan pola sidik bibir. Karena pola sidik bibir bersifat permanen serta memiliki pola yang unik berbeda antara orang yang satu dengan yang lainnya. Pada penelitian Tugas Akhir kali ini, penulis melakukan perancangan serta analisis sistem aplikasi pengolahan citra digital pada pola sidik bibir dengan menggunakan metode ekstraksi ciri Histogram of Oriented Gradients (HOG) dan klasifikasi Decision Tree yang dituangkan kedalam software MATLAB. Hasil penelitian Tugas Akhir ini adalah suatu sistem yang mampu identifikasi pola sidik bibir pada identitas manusia. Sistem tersebut menghasilkan performansi terbaik dengan tingkat akurasi sebesar 82.14% dengan waktu komputasi selama 1.15 detik dengan menggunakan 336 data latih dan 84 data uji. Hasil sistem tersebut didapatkan dari kolaborasi parameter HOG yaitu Cell Size 4x4, Block Size 2x2, dan Bin Numbers 9. Kata Kunci : Odontologi Forensik, Identifikasi, sidik bibir, Histogram of Oriented Gradients, Decision Tree Abstract Criminal cases in Indonesia are increasing every year. Forensic odontology is a branch of dentistry where identification is carried out in the area of the tooth and its surroundings as a law enforcement requirement, to facilitate the investigation of victims and perpetrators. The process of identifying individuals can be done in various ways, one of which is by using lip print patterns. Because the lip print pattern is permanent and has a unique pattern that is different from one person to another. In this final assignment research, the author designs and analyzes the system of digital image processing applications on lip print patterns using the feature extraction method Histogram of Oriented Gradients (HOG) and classification of Decision Tree which is poured into MATLAB software. The results of this research is a system that is able to identify lip print patterns in human identify. The system produces the best performance with an accuracy of 82,14% with coputation time of 1.5 seconds by using 336 training data and 84 testing data. The results of the system are obtained from the collaboration HOG parameters, Cell Size 4x4, Block Size 2x2 and Bin Numbers 9. Keywords: Forensic Odontology, Identification, lip prints, Histogram of Oriented Gradients, Decision Tree.
Identifikasi Gender Berdasarkan Pola Gigitan Dengan Metode Adaptive Region Growing Dan Klasifikasi K-nearest Neighbor Rizki Amalia Ulfa; Rita Purnamasari; Nani Murniati
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Didalam pembuktian perkara tindak pidana yang berkaitan dengan kasus tindak asusila, dan pembunuhan, pada kasus ini aparat penegak hukum memiliki peran untuk mengungkap suatu tindak pidana yang terjadi. Bidang yang ahli dalam menangani proses identifikasi bite marks ini ialah forensik kedokteran gigi (odontology forensic). Penulis melakukan perancangan sistem untuk identifikasi jenis kelamin laki-laki dan perempuan menggunkan citra bekas gigitan dengan metode Adaptive Region Growing untuk ekstraksi ciri yang kemudian diklasifikasikan menggunakan K-Nearest Neighbor (K-NN) menggunakan aplikasi Matrix Laboratory (MATLAB). Dari hasil pengujian yang dilakukan, penelitian ini menghasilkan akurasi tertinggi sebesar 84% dan waktu komputasi 42,74 detik/citra. Maka dapat disimpulkan bahwa pengujian menggunakan sistem tersebut sudah dapat mengidentifikasi jenis kelamin pada bite mark dengan baik. Kata kunci : Adaptive Region Growing, K-Nearest Neighbor, Bite Marks, Odontology Forensic. Abstract In proving criminal cases of immoral acts, murder cases, law enforcer has the role to uncover the truth behind the crime acts. The field where the experts are handling the bite marks identifying processes is called the Odontology Forensic. Writer designed a system to identify genders based on human’s bite marks with Adaptive Region Growing models as feature extraction and K-Nearest Neighbor (K-NN) as its classifying method in Matrix Laboratory (MATLAB). Based on the tests that have been done, the designed system achieved the highest accuracy of 84% with computing time 42,74 seconds/image. Therefore, we can conclude that this system design, with bite marks as its input, can identify genders very well. Keywords: Adaptive Region Growing, K-Nearest Neighbor, Bite Marks, Odontology Forensic
Analisis Alokasi Sumber Daya Pada Cognitive Radio Network Menggunakan Algoritma Ant Colony System Dengan Modifikasi Pada Ant Matrix Reza Yudistira; Rita Purnamasari; Nur Ibrahim
eProceedings of Engineering Vol 7, No 3 (2020): Desember 2020
Publisher : eProceedings of Engineering

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

Abstract

Penyakit parkinson adalah penyakit yang menyerang sistem motorik manusia dan termasuk salah satu penyakit yang sulit untuk didiagnosa. Untuk diagnosa penyakit parkinson dibutuhkan metode khusus yang dapat mendiagnosa penyakit parkinson. Hingga saat ini, belum ada satu tes spesifik untuk mendiagnosa adanya penyakit parkinson pada tubuh secara akurat. Penyebab penyakit ini adalah rusaknya sel syaraf yang bernama substantia nigra yang berfungsi menghasilkan senyawa bernama dopamin. Penderita parkinson biasanya mengalami kaku pada otot dan mengalami kesulitan dalam berjalan. Penelitian ini dilakukan dengan cara mengklasifikasi rekaman sinyal yang dihasilkan oleh sensor yang bersumber dari database physiobank. Sensor VGRF yang berjumlah 16 sensor dipasang pada kaki saat berjalan, lalu hasil dari sensor inilah yang nantinya akan diproses dengan metode principal component analysis (PCA) untuk menentukan karakteristik data dan random forest untuk mengklasifikasi data. Banyaknya data dan atribut yang terdapat pada database akan diolah sehingga data lebih sederhana, namun variasi data tetap terjaga, karena variasi dan karakteristik data akan sangat berpengaruh dalam hasil akurasi sistem. Penelitian ini bertujuan untuk membantu mendiagnosa sejak dini pada pasien yang diduga mengidap penyakit parkinson. Sistem yang dihasilkan pada penilitian ini diharapkan dapat membantu proses diagnosa pasien berdasarkan jejak rekam medis pasien. Reduksi dimensi data dapat dicapai menggunakan metode PCA, yaitu dengan mengubah dimensi data sebanyak 0,142% dari data utama. Metode random forest dapat mengkliasifikasi data dengan baik, hal ini dicapai dengan kombinasi parameter n_estimator = 31 dan max depth = 9. Akurasi terbaik yaitu sebesar 95,13 % namun proses komputasi memerlukan waktu 85 detik, sedangkan waktu komputasi terbaik didapatkan dengan menggubah paramaeter max depth = 2 dengan waktu 68 detik namun dengan akurasi 71%. Kata kunci: Penyakit Parkinson, Principal Component Analysis, Random Forest.
Sistem Klasifikasi Sel Darah Putih Berbasis Pengolahan Citra Digital Dan K-nearest Neighbour (k-nn) Muhamad Reinaldi Kurniawan; Rita Purnamasari; R Yunendah Nur Fu’adah
eProceedings of Engineering Vol 8, No 1 (2021): Februari 2021
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Sel darah putih atau leukosit adalah salah satu sel pembentuk komponen darah yang berfungsi untuk membantu tubuh dalam melawan berbagai penyakit dan sebagai bagian dari sistem kekebalan tubuh. Saat ini sistem klasifikasi sel darah putih yang dilakukan oleh tenaga medis masih menggunakan penglihatan manual dengan bantuan microscope sehingga membutuhkan waktu yang lama. Oleh karena itu dibutuhkan suatu sistem yang dapat mengklasifikasikan sel darah putih secara otomatis untuk membantu tenaga medis. Pada penelitian ini merancang sistem klasifikasi sel darah putih dengan pengolahan citra digital dan K-NN. Proses pengolahan citra digital dimulai preprocessing dengan menggunakan metode ekstraksi ciri orde dua dan GLCM dengan menggunakan 4 fitur statistik (contrast, correlation, energy, homogeneity), jarak yang digunakan (d) = 1 dan 2 dan sudut orientasi (𝜽) = 0°,45°,90°,135°. Hasil dari ekstrasi ciri diklasifikasikan menggunakan metode K-NN dengan menggunakan nilai k = 1,3,5,7 dan 4 persamaan jarak (Euclidean, Minkowski, Cityblock, Chebychev). Dari hasil pengujian sistem diperoleh hasil klasifikasi sel darah putih melalui pengolahan citra digital dan metode K-NN dengan tingkat akurasi yang terbaik 76% pada parameter ekstraksi ciri (GLCM) jarak 1 dan sudut 0°, dan klasifikasi jarak Euclidean dan Minkowski pada nilai k dari K-NN sama dengan 1 dan 3. Kata kunci : Sel Darah Putih, GLCM, K-Nearest Neighbour. Abstract White blood cells or leukocytes are one of the cells that make up blood components that function to help the body fight various diseases and as part of the immune system. Currently, the white blood cell classification system carried out by medical personnel still uses manual vision with the help of a microscope, so it takes a long time. Therefore we need a system that can classify white blood cells automatically to help medical personnel. In this study, designed a white blood cell classification system with digital image processing and K-NN. The digital image processing process begins with preprocessing using the second order feature extraction method and GLCM using 4 statistical features (contrast, correlation, energy, homogeneity), the distance used (d) = 1 and 2 and the orientation angle (θ) = 0 °, 45 °, 90 °, 135 °. The results of feature extraction were classified using the K-NN method using k values = 1,3,5,7 and 4 distance equations (Euclidean, Minkowski, Cityblock, Chebychev). From the results of system testing, it was obtained the results of the classification of white blood cells through digital image processing and the K-NN method with the best accuracy rate of 76% on the feature extraction parameter (GLCM) at a distance of 1 and an angle of 0 °, and the classification of Euclidean and Minkowski distances at the k value K-NN is equal to 1 and 3. Keywords: White Blood Cells, GLCM, K-Nearest Neighbour.
Co-Authors Abdurrahman Rahim Thaha Aditia Tarigan Aditia, Tarigan Agung Adinegoro Aji Fajar Suryo Antoro Alfin, Khoerunnisa Alfin, Muhammad Aliefiya Rachman Anam, Nasehun Anatasya Bella Anatasya Bella Andriansyah, Teddy Andriyan Bayu Suksmono, Andriyan Bayu Angga Rus Dinar Annaria Anggi Putri Siagian Antanita, Yulintyandra Puja Anton Wachidin Widjaja Ardana, Arfio Ariando Ariando Ashiddiqi , Muhamad Hazbi Awlia, Winda Bainuri, Aulia Novria Basudewa, Muhammad Imansyah Bawazir , Ranya Fauzi Bimo Rian Tri Nugroho Citra Fairuz Ghina Dadan Nur Ramadan Darmawan, Galang Aditya Dewi Zakiawati Dimarta, Rafli Caesario Dimata, Rafli Caesario Edwin Rizki Handiarno Efri Suhartono Estananto Fahmi Oscandar Faisal Nur Achsani FARDAN FARDAN, FARDAN Fatur Rizki, Dwiki Feliana Putri Anindyta Efendi Felix Pidha Hilman Fenty Alia Firos Fathul Alam Fitriah Halimah Fityanul Akhyar Gading Aurelia Nabila Lubis Gaol, Satya Wira Fernanda Lumban Gelar Budiman H Simarangkir, Manase Sahat Hannissa Sanggarini Hashfi Fadhillah Hasril Hasril Hendratno, Farhan Ramadhan Putra INDRA PRATAMA PUTRA SALMON Indrarini Dyah Irawati Inung Wijayanto Irawan, Meisi Iwan Iwut Tritoasmoro Janah Eka Widiarni Jony Oktavian Haryanto Kamil, Muhammad Zulvikar Fadlillah KHAERUDIN SALEH Khaerudin Saleh Khairul Anas Kris Sujatmoko Ledya Novamizanti Lubis, Gading Aurelia Nabila M.Fauzi Ishak M.Fauzi Ishak Mahanani, Edo Lutfi Majid, Muhammad Adam Mangesti, Dewi Sri Mas Sarwoko Suraatmadja Mohamad Ramdhani Mua, Edward Christhoper Muhamad Reinaldi Kurniawan Muhammad Fikri Aufa Muhammad Hablul Barri Muhammad Obi Nugraha Munthe , Jhon Alvrian Murnisari Dardjan Murnisari Dardjan Murnisari Dardjan Mustikasari, Ira Nani Murniati Nugraha Nugraha Nugraha Nugraha Nugroho , Haris Tri Nur Arviah Sofyan Nur Ibrahim Nurwan Reza Fachrurrozi Parameswara, Prastama Agung Yusuf Pramuji, Mochammad Chandra Prasojo, M Heru Pratama , M Hidayatullah Pratiwi, Yullia Sartika Putri Purwanto Purwanto Putu Harry Gunawan R. Yunendah Nur Fu’adah Raditiana Patmasari Rahman, Muhammad Harits Rahman, Nurfadilah Ramadhana, Rexy Yusuf Ratnasari, Pungky Eka Ratri Dwi Atmaja Resandy, Refsi Reza Yudistira Rizki Amalia Ulfa Rizki, Chaerul Royan, Neil Rustam Rustam Rustam Sandi, Irfan Maulana Kurnia SAPUTRA, EFA MAYDHONA Saputra, Efa Maydhona Sari, Nita Winda Sasmi Hidayatul Yulianing Tyas Satria Mandala Savitri Amalia Simamora , Haichel Anggy Paro Simanullang, Charlos Alvaredo Siti Lainatul Afifah Siti Zahrotul Fajriyah Soetedjo, Erlangga Rahmat SOFIA SAIDAH Suci Aulia Sugondo Hadiyoso Suryo Adhi Wibowo Syauqi, Nabil Ali Syifa Nurgaida Yutia Tarigan Aditia Tarigan, Jepanta Taufik Yumna Tilawatila, Wawa Tora Fahrudin Trisucipto, Muhammad Wahid, Gloria Shekinah Florensia Wahidin Wahidin Wibawa, Made Hady Sadya Wibisono Sabdo Utomo Yonita Ersalina Leksono Yoren, Muhammad Ikhlashul Yudhi Afriyana Yudiansyah Yudiansyah Yugo Pratama Yulinda Eliskar Yunita Sri Wulandari, Kristina Yurika Ambar Lita Yurika Ambar Lita Yuti Malinda Yuti Malinda Zakaria, Rizqi Imam Arfa Zariaqwila , DTM Faiq