Article Per Year (5 Year)
p-Index From 2021 - 2026
1.152
P-Index
This Author published in this journals
All Journal E-Dimas: Jurnal Pengabdian kepada Masyarakat JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) eProceedings of Engineering Nobel Community Services Journal
Jaspar Hasudungan
Telkom University
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Social Sciences

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : eProceedings of Engineering

 1 
Penghapusan Derau Pada Sinyal Wicara Menggunakan Sistem Dua Mikrofon Dengan Algoritma Transformasi Kosinus Diskrit Least Mean Square Hasbiya Ghifari Alfarizi; Jangkung Raharjo; Jaspar Hasudungan Manurung
eProceedings of Engineering Vol 5, No 2 (2018): Agustus 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Proses penapisan pada derau sinyal merupakan hal yang penting dalam sistem komunikasi. Kualitas sinyal akan menurun ketika sinyal terganggu oleh derau. Ketika seseorang berkomunikasi menggunakan perangkat komunikasi dan pada saat bersamaaan terdapat derau yang mengganggu maka kualitas sinyal wicara yang diterima tidak jelas. Oleh karena itu, dibutuhkan sebuah sistem yang dapat mengurangi derau pada sinyal wicara yaitu menggunakan dual microphone system (DMS). DMS menggunakan skema filter adaptif yaitu sebuah filter yang karakteristiknya dapat mengadaptasi secara otomatis menurut algoritma tertentu. Penelitian pada Tugas Akhir ini menggunakan algoritma adaptif Discrete Cosine Transform Least Mean Square (DCTLMS). Algoritma DCTLMS merupakan salah satu pengembangan dari algoritma Least Mean Square (LMS) untuk meningkatkan konvergensi dan signal to noise ratio (SNR) dari algoritma LMS. Sistem penghapusan derau pada Tugas Akhir ini menghasilkan stepsize optimal di 0.2 . Selain itu, diperoleh MSE minimum sebesar 0.001383 serta SNR optimal sebesar 16.1906 dB. Kata kunci : DCTLMS, DMS, Adaptive Filter Abstract The filtering process of noise signal is important in communication system. Speech signal quality will decrease when speech signal is corrupted by noise signal. When someone communicates using communication device and the same time there is noise that disturb then received speech signal is not clear. Therefore, a required system that can eliminate noise from speech signal is noise cancellation using dual microphone system (DMS). DMS using adaptive filter scheme whose characteristics can adapt or adjust automatically according to definite algoritm. The research on this final assignment using Discrete Cosine Transform Least Mean Square (DCTLMS) adaptive algorithm. DCTLMS algorithm is one of development of Least Mean Square Algoritm (LMS) to improve convergence time and signal to noise ratio (SNR) from LMS algorithm. This noise cancellation system obtains optimum stepsize value in 0.02. In addition , minimum MSE is 0.001383 and optimal SNR is 16.1906 dB. Keywords: DCTLMS, DMS, Adaptive Filter
Penginderaan Kompresif Berbasis Sparsity Averaging Reweighted Analysis Untuk Kompresi Sinyal Audio Dan Speech Rahmawan Ilham Al Fatha; Jangkung Raharjo; Jaspar Hasudungan
eProceedings of Engineering Vol 8, No 4 (2021): Agustus 2021
Publisher : eProceedings of Engineering

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

Abstract

Data audio di era digital ini sangat umum digunakan baik untuk kebutuhan personal maupun industri. Namun, ukuran data dalam proses transmisi dan penyimpanan adalah bagian yang penting karena masalah ukuran datanya yang sering kali memiliki ukuran yang besar. Kompresi data audio yang efisien menyelesaikan masalah ukuran data untuk kebutuhan penyimpanan dan transmisi ini. Compressed sensing (CS) memperkenalkan teknik akuisisi sinyal yang melampaui efisiensi teori Nyquist pada umumnya dalam pengambilan sampel. Salah satu metode CS adalah sparsity averaging reweighted analysis (SARA) yang diusulkan untuk meningkatkan kinerja dari metode basis pursuit denoise (BPDN). Kemudian, terdapat metode source separation via reweighted analysis (SSRA) diusulkan untuk data sinyal satu dimensi. Metode SSRA tidak melakukan rata-rata basis sparsity seperti yang dilakukan pada metode SARA, sehingga jurnal ini melakukan analisis untuk kinerja SARA yang dimodifikasi mengikuti prinsip SSRA pada sinyal satu dimensi. Jurnal ini menganalisis kinerja SARA pada data sinyal senandung suara dan sinyal musik hasil segmentasi yang terdiri dari reff/chorus dan verse dari musik bergenre jazz dan reggae dengan jenis file wav. Dimana nantinya akan dilakukan pengujian terhadap 4 file audi yaitu jazz.wav dan reggae.wav yang mewakili data music, kemudian ep2.wav dan ep3.wav untuk jenis file senandung suara. SARA terdiri dari 2 tahap, yaitu tahap awal untuk penentuan basis sparsity dengan mengusulkan basis baru dari hasil rata-rata dari beberapa basis dan proses reweighted dari metode rekonstruksi BPDN. Hasil data audio yang paling bagus diperoleh file audio Jazz dengan nilai Signal to Noise Ratio (SNR) sebesar 56.75 dB, nilai Object Different Grade ODG yang dihasilkan sebesar -1.643 dan nilai Structural Similary Index Measure (SSIM) sebesar 0.9997. Sedangkan, performansi data speech terbaik diperoleh file Ep2 dengan nilai SNR sebesar 45.10 dB, nilai ODG sebesar -3.948 dan SSIM sebesar 0.9981. Keywords: Compressed sensing , sparsity averaging, reweighted analysis, basis pursuit denoise , spread spectrum, wavelet
Klasifikasi Penyakit Folikulitis Berdasarkan Citra Digital Dengan Metode Fraktal dan K-Nearest Neighbor Kiflan Mohammad Hazmi; Efri Suhartono; Jaspar Hasudungan
eProceedings of Engineering Vol 10, No 3 (2023): Juni 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak—Folikulitis merupakan peradangan pada folikel rambut. Hal tersebut disebabkan oleh infeksi terutama Staphylococcus aureus. Secara umum, hampir 20% populasi manusia membawa bakteri Staphylococcus aureus di permukaan tubuh, terutama hidung, aksila, dan perineum. Staphylococcus aureus memproduksi beberapa toksin yang dapat meningkatkan kemungkinan invasi dan membantu mempertahankan kehidupan Staphylococcus di jaringan. Hingga saat ini masih belum ada cara untuk mengetahui jenis penyakit ini selain dilakukannya penelitian pada sel penderita. Semakin berkembangnya teknologi maka dapat dibuatlah sistem untuk mendeteksi penyakit tersebut dengan melakukan segmentasi citra menggunakan metode Fraktal dan K- Nearest Neighbor. Fraktal merupakan obyek yang memiliki kemiripan dirinya-sendiri namun dalam skala yang berbeda. Ini artinya, bagian-bagian dari obyek akan tampak sama dengan obyek itu sendiri bila dilihat secara keseluruhan. K-Nearest Neighbor digunakan untuk mencari jarak terdekat antara data latih yang dimasukkan ke dalam database dengan data uji dan mengklasifikasikannya. Penelitian tugas akhir ini bertujuan untuk membuat simulasi pada Matlab yang dapat mendeteksi dan mengklasifikasikan jenis Folikulitis dengan pengambilan sumber dataset dari https://dermnetnz.org. Klasifikasi tersebut dibagi menjadi tiga kelas, yaitu: Superficial Folikulitis , Deep Folikulitis, dan Malassezia Folikulitis. Performansi terbaik dari penelitian ini yaitu akurasi 83.33% presisi 100% dan recall 100% dengan parameter K-Nearest Neighbor merupakan nilai K=3 dan jarak Euclidean. Kata Kunci— folikuitis, klasifikasi, fraktal, K-nearest neighbor
Klasifikasi Penyakit Folikulitis Berdasarkan Citra Digital Dengan Metode Fraktal dan K-Nearest Neighbor Hazmi, Kiflan Mohammad; Suhartono, Efri; Hasudungan, Jaspar
eProceedings of Engineering Vol. 10 No. 3 (2023): Juni 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak-Folikulitis merupakan peradangan pada folikel rambut. Hal tersebut disebabkan oleh infeksi terutama Staphylococcus aureus. Secara umum, hampir 20% populasi manusia membawa bakteri Staphylococcus aureus di permukaan tubuh, terutama hidung, aksila, dan perineum. Staphylococcus aureus memproduksi beberapa toksin yang dapat meningkatkan kemungkinan invasi dan membantu mempertahankan kehidupan Staphylococcus di jaringan. Hingga saat ini masih belum ada cara untuk mengetahui jenis penyakit ini selain dilakukannya penelitian pada sel penderita. Semakin berkembangnya teknologi maka dapat dibuatlah sistem untuk mendeteksi penyakit tersebut dengan melakukan segmentasi citra menggunakan metode Fraktal dan K- Nearest Neighbor. Fraktal merupakan obyek yang memiliki kemiripan dirinya-sendiri namun dalam skala yang berbeda. Ini artinya, bagian-bagian dari obyek akan tampak sama dengan obyek itu sendiri bila dilihat secara keseluruhan. K-Nearest Neighbor digunakan untuk mencari jarak terdekat antara data latih yang dimasukkan ke dalam database dengan data uji dan mengklasifikasikannya. Penelitian tugas akhir ini bertujuan untuk membuat simulasi pada Matlab yang dapat mendeteksi dan mengklasifikasikan jenis Folikulitis dengan pengambilan sumber dataset dari https://dermnetnz.org. Klasifikasi tersebut dibagi menjadi tiga kelas, yaitu: Superficial Folikulitis , Deep Folikulitis, dan Malassezia Folikulitis. Performansi terbaik dari penelitian ini yaitu akurasi 83.33% presisi 100% dan recall 100% dengan parameter K-Nearest Neighbor merupakan nilai K=3 dan jarak Euclidean. Kata Kunci- folikuitis, klasifikasi, fraktal, K-nearest neighbor
Co-Authors Ahmad Zaky Rafif Muthafa AMINAH INDAHSARI MARSUKI Annisa Puji Lestari Ardio Pratama Putra Avrilya, Nadya Ainun Dega Pradipta Ramadhan Desri Kristina Silalahi Efri Suhartono Eka Sugiarto Firman Ag. Roni Hasbiya Ghifari Alfarizi Hazmi, Kiflan Mohammad Jangkung Raharjo Kiflan Mohammad Hazmi Kristi, Meilinda Santa Maharani, Nabila Sri Muh Zidni Makarim Padillah, Syipa Nuraeni Putri, Nabila Hatami Rahmawan Ilham Al Fatha Rifki Rahman Nur Ikhsan Sudiana Sudiana, Sudiana