Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal eProceedings of Engineering
Kurniawan Ramadhani
Telkom University
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Pengumpulan Korpus Paralel Bahasa Indonesia-sunda Dari Wikipedia Menggunakan Metode Pointwise Mutual Information Arizal Firdaus; Arie Suryani; Kurniawan Ramadhani
eProceedings of Engineering Vol 4, No 3 (2017): Desember, 2017
Publisher : eProceedings of Engineering

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

Abstract

Pengumpulan korpus paralel sedang gencar dilakukan untuk keperluan studi dan pengembangan NLP. Namun, untuk pasangan kalimat beberapa bahasa, khususnya Bahasa Indonesia-Sunda, jumlah korpus paralel yang tersedia masih sangat sedikit. Sedangkan untuk mengumpulkan korpus paralel secara manual memerlukan waktu yang lama dan biaya yang mahal. Dengan alasan tersebut, pengumpulan korpus paralel akan lebih efektif dan efisien jika dikumpulkan secara otomatis. Dalam tugas akhir ini, akan dilakukan penelitian pengumpulan korpus paralel pada Wikipedia meggunakan metode Pointwise Mutual Information (PMI) untuk menentukan sentence similarity. Pengambilan data dari artikel Wikipedia bahasa Indonesia dan Sunda dengan memanfaatkan fasilitas interlanguage link dan MediaWIki API. Dengan metode ini, diharapkan didapat korpus paralel yang cukup baik dengan efisien. Kata kunci: korpus paralel, Wikipedia, pointwise mutual information, interlanguage link, MediaWiki API
Rekonstruksi Kertas Sobek Berbasis Corner Point (studi Kasus: Sobekan Digital) Bayu Permana; Tjokorda Budi; Kurniawan Ramadhani
eProceedings of Engineering Vol 4, No 3 (2017): Desember, 2017
Publisher : eProceedings of Engineering

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

Abstract

Kertas merupakan media yang digunakan sebagai wadah untuk menampung kreatifitas, gagasan, dan catatan penting yang bisa rusak entah karena sengaja ataupun tidak sengaja. Penyebab rusaknya dokumen ada bermacam-macam dan salah satu contohnya adalah sobek. Tugas akhir ini menggunakan corner point yang diperoleh dengan menggunakan Harris Corner Detection sebagai solusi untuk merekonstruksi kertas yang sobek. Besar sudut dan jarak antara titik pembentuk sudut dari corner point tersebut digunakan untuk mencari kandidat pasangan sobekan yang cocok. Selain itu decision threshold juga digunakan untuk memastikan apakah kandidat pasangan sobekan tersebut benar atau tidak. Pasangan yang dianggap benar kemudian direkonstruksi dengan bantuan transformasi Affine dan RANSAC. Berdasarkan penelitian yang dilakukan, corner point terbukti dapat digunakan sebagai dasar untuk merekonstruksi kertas dengan bantuan decision threshold untuk memilah mana sobekan yang memiliki pasangan dan mana sobekan yang tidak memiliki pasangan. Kata kunici: rekonstruksi kertas, sobek, Harris Corner Detection, decision threshold, transformasi Affine, RANSAC.
Face Detection System Menggunakan Metode Histogram Of Oriented Gradients (hog) Dan Support Vector Machine (svm) Miftahul Pranoto; Kurniawan Ramadhani; Anditya Anfianto
eProceedings of Engineering Vol 4, No 3 (2017): Desember, 2017
Publisher : eProceedings of Engineering

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

Abstract

Pengembangan face detection dalam ilmu teknologi semakin dibutuhkan sekarang ini. Selain untuk security system yang membuat proses autentifikasi dan keamanan sistem semakin baik, face detection juga diperlukan untuk kebutuhan entertainment dan social media yang menambah nilai jual, dimana umumnya menerapkan teknologi augmented reality. Pada penelitian ini akan dikembangkan metode yang digunakan untuk mendeteksi wajah menggunakan Histogram of Oriented Gradients (HOG) sebagai ekstraksi cirinya dan Support Vector Machine (SVM) sebagai klasifikatornya. Dataset yang digunakan sebanyak 644 citra positif dan 2.572 citra negatif untuk proses training, 110 citra positif untuk proses testing, dan 10 citra untuk proses deteksi. Sistem dibangun menggunakan HOG dengan block yang terdiri dari 2x2 cell dimana satu cell terdiri dari 8x8 pixel dan menggunakan kernel linear dalam Support Vector Machine. Sistem ini menghasilkan nilai f-1 score sebesar 71,42%. Kata Kunci : face detection, Histogram of Oriented Gradients, Support Vector Machine.
Co-Authors Anditya Anfianto Arie Suryani Arizal Firdaus Bayu Permana Miftahul Pranoto Tjokorda Budi