Article Per Year (5 Year)
p-Index From 2021 - 2026
1.908
P-Index
This Author published in this journals
All Journal Teknotan: Jurnal Industri Teknologi Pertanian Jurnal Ilmiah Informatika Komputer UG Journal Prosiding KOMMIT Jurnal Ilmiah KOMPUTASI Prosiding SeNTIK STI&K
Lulu Mawaddah Wisudawati
Universitas Gunadarma
Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Health Professions Languange, Linguistic, Communication & Media Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
Pembacaan Gerak Bibir Menggunakan Cnn, Bi-Lstm Dan Ctc Loss Function Pada Dataset Bahasa Inggris Wisudawati, Lulu Mawaddah; Mahesa Tirta Panjalu
Jurnal Ilmiah Komputasi Vol. 24 No. 1 (2025): Jurnal Ilmiah Komputasi : Vol. 24 No 1, Maret 2025
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.24.1.3658

Abstract

Tunarungu adalah orang yang mengalami gangguan pendengaran. Dampak utama dari kondisi ini adalah hambatan dalam komunikasi verbal atau lisan, sehingga menyulitkan komunikasi dengan orang yang mendengar. Bagian bibir adalah bagian yang biasa digunakan untuk berbicara atau berkomunikasi. Gerakan bibir saat berkomunikasi akan menghasilkan gerakan yang berbeda-beda setiap kata atau huruf yang diucapkan. Bibir dapat digunakan untuk memprediksi kata dari gerak bibir yang akan terdeteksi saat berbicara. Teknologi yang semakin berkembang dapat membantu permasalahan tersebut dalam membaca gerak bibir. Convolutional Neural Network atau CNN telah berkembang pesat dan menjadi salah satu metode yang paling populer dalam bidang pengenalan citra dan pemrosesan video karena kemampuannya untuk secara otomatis mempelajari fitur dari data masukan. Penelitian ini bertujuan melakukan pembacaan gerak bibir menggunakan metode CNN, Long Short-Term Memory (LSTM) dan Connectionist Temporal Classification (CTC) dalam bahasa inggris. Penelitian ini menggunakan dataset dari  The Grid audiovisual sentence corpus sebanyak 1000 video dan 1000 teks. Pada tahapan preprocessing terdiri dari dua bagian yaitu preprocessing video dan preprocessing teks. Tahapan preprocessing video meliputi konversi grayscale, cropping frame, augmentasi dan normalisasi. Tahapan preprocessing teks dilakukan proses encoding pada dataset alignments. Tahapan klasifikasi menggunakan metode Convolutional Neural Networks, Long Short-Term Memory dan Connectionist Temporal Classification Loss Function. Hasil evaluasi mendapatkan nilai akurasi terbaik sebesar 96,9%, Word Error Rate (WER) sebesar 0,66%, dan Character Error Rate (CER) sebesar 0,16% dengan menggunakan model yang dengan skenario data 80:20 dan batch size 2.
ANALISIS SENTIMEN PADA ULASAN APLIKASI TOKOCRYPTO DENGAN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) PADA GOOGLE PLAY Dini Sumartini; Lulu Mawaddah Wisudawati
Jurnal Ilmiah Informatika Komputer Vol 29, No 3 (2024)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2024.v29i3.12915

Abstract

Cryptocurrency is a virtual currency that is used as an alternative currency, where the currency is generated and traded through a cryptographic process. One of the Cryptocurrency digital currency applications is Tokocrypto, a legal means of payment using only rupiah. The sentimen classification method in this study uses Support Vector Machine (SVM) and the parameters are tested extensively by applying the K-fold cross validation technique to find the optimal configuration. The initial stages in this sentimen analysis are the data collection stage, pre-processing, which consists of case folding & cleaning, filtering (stopword removal), tokenizing, changing negated words, normalization and stemming. After that, data labeling and scoring are carried out using the Lexicon Based method. The dataset from pre-processing and Lexicon Based is used for the classification process using SVM. The best evaluation results were obtained with an AUC (Area Under the Curve) of 90.50% and an Accuracy of 85.80% with Linear kernel and parameter C = 1 and using K-fold cross validation value of 10. Visualization of the results of the sentimen analysis of the Tokocrypto Application is displayed in a bar chart and word cloud.
Pengembangan Aplikasi CAD “Second Opinion” untuk Klasifikasi Kanker Payudara Berbasis Mammogram dengan GUI MATLAB Subali, Muhammad; Wisudawati, Lulu Mawaddah; Atmaja, Pungky Hari Wira; Teresa, Teresa
Prosiding Seminar SeNTIK Vol. 9 No. 1 (2025): Prosiding SeNTIK 2025
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

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

Abstract

Aplikasi CAD berbasis GUI MATLAB dibuat dengan model EfficientNet-B0 dan ResNet-50 untuk klasifikasi mammogram. Evaluasi usability menghasilkan skor SUS 82,6 yang menunjukkan kualitas sangat baik.
Co-Authors Atmaja, Pungky Hari Wira Dini Sumartini Fadhilah Nur Amaliah Fhinka Hanifah Imam Purwanto Irfan Islamy Jessica Permatasari, Jessica Mahesa Tirta Panjalu Muhamad Trian Diwandanu Muhammad Rizky Danur Muhammad Subali Rehan Ridho Putra Teresa, Teresa