Garuda - Garba Rujukan Digital

Analisis Fast Fourier Tansform untuk Pengenalan Voice Register Wanita dalam Teknik Bernyanyi Muhathir, Muhathir; Susilawati, Susilawati; Muliono, Rizki
JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING Vol 2, No 2 (2019): EDISI JANUARI
Publisher : Universitas Medan Area

Automatic speech recognition merupakan kemampuan untuk menerima dan mengidentifikasi kata-kata yang diucapkan dengan mengubah sinyal analog ke digital, dan mengekstraksi karakteristik vokal unik seperti pitch, frekuensi, nada dan irama untuk membentuk model speaker atau sampel suara. Sampel suara yang digunakan yaitu voice register, voice register adalah pembagian wilayah suara manusia berdasarkan sumber suara, sensasi ruang resonansi, bentuk, warna, timbre suara, dan tinggi rendahnya nada yang dihasilkan. Fast Fourier Transform digunakan sebagai transformasi untuk mengolah sample suara yang akan diklasifikasi. FFT dalam mentransormasikan sinyal voice register hanya mampu mengklasifikasikan dengan rata-rata true positive rate 65.4%.

Implementasi Algoritma Apriori Pada Data Benchmark Kosarak Dan Mushrooms muliono, Rizki
JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING Vol 1, No 1 (2017): Edisi Juli
Publisher : Universitas Medan Area

Algoritma apriori saat ini lebih banyak digunakan untuk mencari frequent itemsets dan mencari aturan asosiasi untuk menemukan knowledge. Proses mencari frequent itemsets pada data secara berulang-ulang yang ada didalam database dan diakhiri ketika kandidat itemsets sampai K+1 tidak ada lagi. Algorima Apriori menggunakan secara umum menggunakan banyak jumlah memori dan waktu eksekusi dalam menemukan kombinasi dan perbandingan frequent itemsets. Hasil yang di dapatkan dengan menggunakan algoritma apriori bisa di katakan akurat saat menseleksi kombinasi itemset yang ada pada dataset sesuai dengan nilai support dan confidens nya. Untuk mengetahui seberapa akurat dan berapa jumlah sumberdaya yang di gunakan serta bagaimana perilaku algoritma apriori terhadap dataset dengan jumlah kolom data yang berbeda, maka implementasi agoritma apriori di ujikan dengan data benchmark kosarak.dat dan mushrooms.dat dengan nilai minimum support yang sama. Kedua data sets tersebut memiliki format yang berbeda pada jumlah kolom datanya yaitu data pada semua baris memiliki jumlah kolom karakter data, pada datasets kosarak.datmemiliki kolom karakter dengan panjang berbeda-beda pada setiap barisnya sedangkan pada datasets mushrooms.dat memiliki kolom karakter sebanyak 23 karakter data, artinya datasets tersebut memiliki model blok data linear atau sama. Hasil dari implementasi algoritma apriori terhadap kedua datasets tersebut didapatkan perilaku proses pada apriori yang ditampilkan dari hasil waktu eksekusi dan memori yang dipakai bahwa datasets kosarak lebih sedikit menggunakan waktu dibandingkan dengan datasets mushrooms namun penggunaan memori lebih boros, semakin kecil nilai minimum support semakin banyak komparasi kandidat yang dicari. Kata Kunci : apriori; datamining; implementasi; kosarak; mushrooms

Analysis K-Nearest Neighbor Algorithm for Improving Prediction Student Graduation Time Muliono, Rizki; Lubis, Juanda Hakim; Khairina, Nurul
Sinkron : Jurnal dan Penelitian Teknik Informatika Vol 4 No 2 (2020): SinkrOn Volume 4 Number 2, April 2020
Publisher : Politeknik Ganesha Medan

Higher education plays a major role in improving the quality of education in Indonesia. The BAN-PT institution established by the government has a standard of higher education accreditation and study program accreditation. With the 4.0-based accreditation instrument, it encourages university leaders to improve the quality and quality of their education. One indicator that determines the accreditation of study programs is the timely graduation of students. This study uses the K-Nearest Neighbor algorithm to predict student graduation times. Students' GPA at the time of the seventh semester will be used as training data, and data of students who graduate are used as sample data. K-Nearest Neighbor works in accordance with the given sample data. The results of prediction testing on 60 data for students of 2015-2016, obtained the highest level of accuracy of 98.5% can be achieved when k = 3. Prediction results depend on the pattern of data entered, the more samples and training data used, the calculation of the K-Nearest Neighbor algorithm is also more accurate.

Perancangan Alat Pelacak Lokasi Dalam Mengantisipasi Penculikan Anak Zulfikar Sembiring; Rizki Muliono
Techno.Com Vol 18, No 1 (2019): Februari 2019
Publisher : LPPM Universitas Dian Nuswantoro

Kasus penculikan anak selalu meningkat dari tahun ke tahun berdasarkan sumber dari Komisi Perlindungan Anak Indonesia (KPAI). Kasus ini juga pernah menjadi isu nasional di beberapa media masa. Banyak sekali faktor penyebab kasus ini bisa terjadi. Selain itu beberapa cara pencegahan telah disarankan dan digunakan dalam mengantisipasi terjadinya tindakan penculikan anak. Namun dari beberapa cara pencegahan yang telah disarankan masih terkendala oleh jarak dan waktu. Salah satunya bagaimana orang tua dapat memantau posisi lokasi anak pada satu waktu tertentu. Hal ini pasti sangat sulit dilakukan kalau tanpa menggunakan teknologi. Oleh karena itu penulis tertarik melakukan penelitian untuk menghasilkan satu rancangan alat pelacak lokasi Â anakÂ yang dapat mengantisipasi penculikan anak. Alat pelacak lokasi ini dirancang dengan menggunakan beberapa komponen yaitu arduino, GPS dan GPRS modul, SIM card, smartphone android dan aplikasi google maps yang dirancang sedemikian rupa menjadi alat pelacak Â yang dapat memberikan informasi lokasi. Informasi lokasi ini dapat dilihat oleh orang tua Â melalui perangkat smartphone android dengan aplikasi google maps. Sehingga orang tua dapat memantau kapan saja lokasi anak mereka dengan mudah sehingga dapat menghemat waktu, jarak dan biaya. Ada beberapa tahapan yang digunakan untuk menghasilkan alat pelacak lokasi ini dapat bekerja dengan baik yaitu persiapan perangkat keras dan lunak yang dibutuhkan, perancangan rangkaian perangkat keras, pembuatan kode program sesuai rancangan rangkaian dan pengujian perangkat keras dan lunak. Hasil akhir dari penelitian alat pelacak lokasi ini yaitu menghasilkan informasi lokasi yang akurat, aplikasi yang sangat mudah digunakan serta komponen perangkat keras dan perangkat lunak dapat berjalan dengan baik.

PERANCANGAN DAN IMPLEMENTASI APLIKASI SISTEM INFORMASI DOKUMENTASI DAN PELAPORAN DOKUMEN BORANG AKREDITASI PROGRAM STUDI PADA UNIVERSITAS MEDAN AREA PROGRAM PKM DIYA 2019 Juanda Hakim Lubis; Rizki Muliono; Nurul Khairina
Jurnal Informatika Kaputama (JIK) Vol 4, No 1 (2020): VOLUME 4 NOMOR 1, EDISI JANUARI 2020
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.1234/jik.v4i1.230

Medan Area University (UMA) is one of the oldest private universities in northern Sumatra, which was founded by Haji Agus Salim Siregar in 1983. Especially at Medan Area University the document collection processing model for LKPS-APS is currently still not organized with neat and there is still a loss of LKPS-APS documents, especially when the deadline for LKPS-APS preparation is nearing the upload period. To improve performance in document processing, a system will be built to facilitate lecturers and staff in managing LKPS-APS documents properly and in detail, and reduce the reason lecturers or staff cannot attend meetings in the processing and collection of LKPS-APS document forms that can be submitted into the online system and online discussion per document in the LKPS-APS information system according to 9 standard criteria according to the Instrument Akreditasi Program Studi 4.0 (IAPS 4.0) for Study Program Accreditation.

Analisis Fast Fourier Tansform untuk Pengenalan Voice Register Wanita dalam Teknik Bernyanyi Muhathir Muhathir; Susilawati Susilawati; Rizki Muliono
JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING Vol 2, No 2 (2019): EDISI JANUARI
Publisher : Universitas Medan Area

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31289/jite.v2i2.2166

Automatic speech recognition merupakan kemampuan untuk menerima dan mengidentifikasi kata-kata yang diucapkan dengan mengubah sinyal analog ke digital, dan mengekstraksi karakteristik vokal unik seperti pitch, frekuensi, nada dan irama untuk membentuk model speaker atau sampel suara. Sampel suara yang digunakan yaitu voice register, voice register adalah pembagian wilayah suara manusia berdasarkan sumber suara, sensasi ruang resonansi, bentuk, warna, timbre suara, dan tinggi rendahnya nada yang dihasilkan. Fast Fourier Transform digunakan sebagai transformasi untuk mengolah sample suara yang akan diklasifikasi. FFT dalam mentransormasikan sinyal voice register hanya mampu mengklasifikasikan dengan rata-rata true positive rate 65.4%.

Identification of Pneumonia using The K-Nearest Neighbors Method using HOG Fitur Feature Extraction Nurul Khairina; Theofil Tri Saputra Sibarani; Rizki Muliono; Zulfikar Sembiring; Muhathir Muhathir
JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING Vol 5, No 2 (2022): Issues January 2022
Publisher : Universitas Medan Area

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31289/jite.v5i2.6216

Pneumonia is a wet lung disease. Pneumonia is generally caused by viruses, bacteria or fungi. Not infrequently Pneumonia can cause death. The K-Nearest Neighbors method is a classification method that uses the majority value from the closest k value category. At this time people are not too worried about pneumonia because this pneumonia has symptoms like a normal cough. However, fast and accurate information from health experts is also very necessary so that pneumonia symptoms can be recognized early and how to deal with them can also be done faster. In this study, researchers will diagnose pneumonia to obtain information quickly about the symptoms of pneumonia. This information will adopt human knowledge into computers designed to solve the problem of identifying pneumonia. In this study, the K-Nearest Neighbors method will be combined with the HOG Extraction Feature to identify pneumonia more accurately. The KNN classification used is Fine KNN, Cosine KNN, and Cubic KNN. Where will be seen how the value of accuracy, precision, recall, and fi-score. The results showed that the classification could run well on the Fine KKN, Cosine KNN, and Cubic KNN methods. Fine KNN has an accuracy rate of 80.67, Cosine KNN has an accuracy rate of 84,93333, and Cubic KNN has an accuracy rate of 83,13333. Fine KNN has precision, recall and f1-score values of 0.794842, 0.923706, and 0.854442. Cosine KNN has precision, recall and f1-score values of 0.803048, 0.954039, and 0.872056. Cubic KNN has precision, recall and f1-score values of 0.73388, 0.964561, and 0.833555. From the test results, positive and negative identification of pneumonia was found to be more accurate with the Cosine KNN classification which reached 84,93333.

Image Classification of Autism Spectrum Disorder Children Using Naïve Bayes Method With Hog Feature Extraction Muhathir Muhathir; Rizki Muliono; Merri Hafni
JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING Vol 5, No 2 (2022): Issues January 2022
Publisher : Universitas Medan Area

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31289/jite.v5i2.6365

Autism Spectrum Disorder (ASD) is a developmental disorder that affects a person's ability to communicate and interact socially. Every year, the number of people diagnosed with Autism Spectrum Disorder rises, necessitating early detection in order to limit the number of people affected and provide proper treatment. As a result, a system was developed in this study to detect Autism Spectrum Disorder in facial photos utilizing versions of the Nave Bayes approach and HoG feature extraction. HoG feature extraction is a local intensity gradient distribution or edge direction perpendicular to the gradient direction without influencing the geometric and photometric transformations, and Nave Bayes is a method that classifies images based on probability. The experimental results of three types of naive Bayes, Bernoulli naive Bayes is the most reliable than Multinomial naive Bayes and Gaussian Naive Bayes. Accuracy, Precision, Recall, and the highest F1-Score using this method, with each value of 89.72%; 90.54%; 89.72%; and 89.9%. The next best performing Gaussian Naive Bayes, the most laborious results were obtained using Naive Bayes multinomials, which had Accuracy, Precision, Recall, and F1-Score of 65.91% each; 68.09%; 65.91%, and 64.19%.

Analysis Naïve Bayes In Classifying Fruit by Utilizing Hog Feature Extraction Muhathir Muhathir; Muhammad Hamdani Santoso; Rizki Muliono
JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING Vol 4, No 1 (2020): ---> EDISI JULI
Publisher : Universitas Medan Area

Indonesia has abundant natural resources, especially the results of its plantations. Lots of local fruit that can be used starting from the root to the skin of the fruit. Local fruit can be consumed as fresh fruit and can also be processed into drinks and food. This is reflected in the diversity of tropical fruits found in Indonesia. Fruits that are rich in benefits and can be used as medicines such as Apples, Avocados, Apricots, and Bananas. These fruits are often found around us. In Indonesia these fruits are produced and also exported abroad. However, the limited methods and technology used to classify this fruit are interesting things to discuss and become the main focus in this research. This study analyzed using the Naïve Bayes algorithm and feature extraction of HOG (Oriented Gradient Histogram) to obtain more effective classification results. The results showed that the collection of fruit using the Naïve Bayes method and HOG feature extraction had not yet obtained maximum classification results, only with an accuracy of 56.52%.Keywords – Apple, Avocado, Apricot, Banana, Naïve Bayes, HOG.

Implementasi Algoritma Apriori Pada Data Benchmark Kosarak Dan Mushrooms Rizki muliono
JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING Vol 1, No 1 (2017): Edisi Juli
Publisher : Universitas Medan Area

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31289/jite.v1i1.572

Algoritma apriori saat ini lebih banyak digunakan untuk mencari frequent itemsets dan mencari aturan asosiasi untuk menemukan knowledge. Proses mencari frequent itemsets pada data secara berulang-ulang yang ada didalam database dan diakhiri ketika kandidat itemsets sampai K+1 tidak ada lagi. Algorima Apriori menggunakan secara umum menggunakan banyak jumlah memori dan waktu eksekusi dalam menemukan kombinasi dan perbandingan frequent itemsets. Hasil yang di dapatkan dengan menggunakan algoritma apriori bisa di katakan akurat saat menseleksi kombinasi itemset yang ada pada dataset sesuai dengan nilai support dan confidens nya. Untuk mengetahui seberapa akurat dan berapa jumlah sumberdaya yang di gunakan serta bagaimana perilaku algoritma apriori terhadap dataset dengan jumlah kolom data yang berbeda, maka implementasi agoritma apriori di ujikan dengan data benchmark kosarak.dat dan mushrooms.dat dengan nilai minimum support yang sama. Kedua data sets tersebut memiliki format yang berbeda pada jumlah kolom datanya yaitu data pada semua baris memiliki jumlah kolom karakter data, pada datasets kosarak.datmemiliki kolom karakter dengan panjang berbeda-beda pada setiap barisnya sedangkan pada datasets mushrooms.dat memiliki kolom karakter sebanyak 23 karakter data, artinya datasets tersebut memiliki model blok data linear atau sama. Hasil dari implementasi algoritma apriori terhadap kedua datasets tersebut didapatkan perilaku proses pada apriori yang ditampilkan dari hasil waktu eksekusi dan memori yang dipakai bahwa datasets kosarak lebih sedikit menggunakan waktu dibandingkan dengan datasets mushrooms namun penggunaan memori lebih boros, semakin kecil nilai minimum support semakin banyak komparasi kandidat yang dicari. Kata Kunci : apriori; datamining; implementasi; kosarak; mushrooms

Title

Found 43 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 43 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 43 Documents
Search