Claim Missing Document
Check
Articles

Found 20 Documents
Search

Pengaruh Ukuran Jendela Observasi terhadap Kinerja Conditional Random Fields pada Pengenalan Fase Gerak Yulita, Intan Nurma; Suryani, Mira; Paulus, Erick
Jurnal Informatika Vol 1, No 1 (2016): Jurnal Informatika
Publisher : Universitas Padjadjaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (10.074 KB)

Abstract

Pengenalan gerak merupakan penelitian yang banyak dikaji. Tantangan di dalam melakukan penelitian iniadalah representasi data disajikan dalam bentuk sekuensial. Untuk dapat mengenali gerak tersebut makametode yang digunakan harus mampu merepresentasikan pola sekuensial  di dalam pemodelan.  Olehkarena itu, pada penelitian ini diajukan Conditional Random Fields.
Klasifikasi Newsgroup Menggunakan Vector Space Model dan Novel K Nearest Neighbors Suryani, Mira; Nasuha, Ayi Muhammad Iqbal; Yulita, Intan Nurma; paulus, erick
Jurnal Informatika Vol 1, No 1 (2016): Jurnal Informatika
Publisher : Universitas Padjadjaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (14.476 KB)

Abstract

Salah satu penelitian dalam bidang perolehan informasi yang hingga saat ini masih menjadi kajian adalah kategorisasi teks. Klasifikasi teks dapat membantu manusia untuk menemukan sekumpulan informasi yang relevan sesuai dengan kebutuhan secara cepat. Studi ini mengemukakan tentang proses mengkategorisasikan newsgroup. Data newsgroup dipilih sebagai dataset penelitian dikarenakan newsgroup sendiri merupakan aplikasi yang telah lama dan banyak digunakan oleh orang untuk berdiskusi di dunia maya, sehingga data newsgroup berada dalam jumlah besar dan perlu pengelolaan. Vector space model sebagai representasi fitur dari sebuah dokumen yang dihasilkan setelah melalui proses indexing dan pembobotan menggunakan term frequency. Representasi fitur kemudian diklasifikasikan ke dalam 3 kategori sesuai dengan kelas kategorinya. Dari hasil penelitian diperoleh nilai rata-rata precision sebesar 71% dengan jumlah data yang diklasifikasikan secara benar sebanyak 89 data. Hasil ini diperoleh dari penentuan jumlah k paling optimal yang berada pada nilai 30.
Feature Extraction Analysis for Hidden Markov Models in Sundanese Speech Recognition Intan Nurma Yulita; Akik Hidayat; Atje Setiawan Abdullah; Rolly Maulana Awangga
TELKOMNIKA (Telecommunication Computing Electronics and Control) Vol 16, No 5: October 2018
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/telkomnika.v16i5.7927

Abstract

Sundanese language is one of the popular languages in Indonesia. Thus, research in Sundanese language becomes essential to be made. It is the reason this study was being made. The vital parts to get the high accuracy of recognition are feature extraction and classifier. The important goal of this study was to analyze the first one. Three types of feature extraction tested were Linear Predictive Coding (LPC), Mel Frequency Cepstral Coefficients (MFCC), and Human Factor Cepstral Coefficients (HFCC). The results of the three feature extraction became the input of the classifier. The study applied Hidden Markov Models as its classifier. However, before the classification was done, we need to do the quantization. In this study, it was based on clustering. Each result was compared against the number of clusters and hidden states used. The dataset came from four people who spoke digits from zero to nine as much as 60 times to do this experiments. Finally, it showed that all feature extraction produced the same performance for the corpus used.
PEMBERDAYAAN GURU MELALUI PELATIHAN MEDIA PEMBELAJARAN JARAK JAUH DI MASA PANDEMI Intan Nurma Yulita; Yeni Rizka
Kumawula: Jurnal Pengabdian Kepada Masyarakat Vol 4, No 3 (2021): Kumawula: Jurnal Pengabdian Kepada Masyarakat
Publisher : Universitas Padjadjaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24198/kumawula.v4i3.34451

Abstract

Adanya pandemi COVID-19 membuat berbagai sektor kehidupan manusia bertransformasi ke bentuk baru. Salah satu sektor yang bertransformasi ialah bidang pendidikan. Para pengajar dan murid mesti beradaptasi terhadap pemakaian teknologi daring untuk menunjang proses belajar mengajar. Guna mengenalkan dan membiasakan penggunaan teknologi, tim PPM UNPAD mengadakan pelatihan yang membahas penggunaan aplikasi-aplikasi daring yang dapat menunjang proses belajar dan mengajar yaitu aplikasi Zoom Meeting, Google Meet, Skype, Moodle, dan Google Classroom. Pelatihan ini diselenggarakan pada bulan  Januari 2021 melalui platform Zoom Meeting yang dihadiri 8 mitra dan kurang lebih 267 peserta. Setelah pelatihan ini, persentase peningkatan pemahaman peserta terhadap platform Zoom Meeting sebesar 6,64%, Google Meet sebesar 11,14%, Skype sebesar 25%, Moodle 31,08% dan Google Classroom 9,83%. Berdasarkan evaluasi, kegiatan yang diberikan mampu meningkatkan kemampuan para pengajar. Jika kegiatan ini semakin diperbanyak maka kesiapan para pengajar dalam masa pandemi menjadi semakin matang.
A COMBINATION DEEP BELIEF NETWORKS AND SHALLOW CLASSIFIER FOR SLEEP STAGE CLASSIFICATION Intan Nurma Yulita; Rudi Rosadi; Sri Purwani; Rolly Maulana Awangga
Jurnal Ilmiah Kursor Vol 8 No 4 (2016)
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28961/kursor.v8i4.97

Abstract

In this research, it is proposed to use Deep Belief Networks (DBN) in shallow classifier for the automatic sleep stage classification. The automatic classification is required to minimize Polysomnography examination time because it needs more than two days for analysis manually. Thus the automatic mechanism is required. The Shallow classifier used in this research includes Naïve Bayes (NB), Bayesian Networks (BN), Decision Tree (DT), Support Vector Machines (SVM), and K-Nearest Neighbor (KNN). The results obtained that many methods of the shallow classifier are increasing precision, recall, and F-Measure if they use DBN output as input for classification. Experiments that have been done indicate a significant increase of Naive Bayes after being combined with DBN. The high-level features generated by DBN are proven to be useful in helping Naive Bayes' performance. On the other hand, the combination of KNN with DBN shows a decrease because high-level features of DBN make it harder to find neighbors that optimize the performance of KNN.
Fuzzy Latent-Dynamic Conditional Neural Fields for Gesture Recognition in Video Intan Nurma Yulita; Mohamad Ivan Fanany; Aniati Murni Arymurthy
International Journal on Information and Communication Technology (IJoICT) Vol. 2 No. 2 (2016): December 2016
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/IJOICT.2016.22.124

Abstract

With the explosion of data on the internet led to the presence of the big data era, so it requires data processing in order to get the useful information. One of the challenges is the gesture recognition the video processing. Therefore, this study proposes Latent-Dynamic Conditional Neural Fields and compares with the other family members of Conditional Random Fields. To improve the accuracy, these methods are combined by using Fuzzy Clustering. From the result, it can be concluded that the performance of Latent-Dynamic Conditional Neural Fields are  lower than Conditional Neural Fields but higher than the Conditional Random Fields and Latent-Dynamic Conditional Random Fields. Also, the combination of Latent-Dynamic Conditional Neural Fields and Fuzzy C-Means Clustering has the highest. This evaluation is tested in a temporal dataset of gesture phase segmentation.
Klasifikasi Newsgroup Menggunakan Vector Space Model dan Novel K Nearest Neighbors Mira Suryani; Ayi Muhammad Iqbal Nasuha; Intan Nurma Yulita; erick paulus
Informatics Journal Vol 1, No 1 (2016): Jurnal Informatika
Publisher : Universitas Padjadjaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (14.476 KB) | DOI: 10.24198/jin.v1i1.10994

Abstract

Salah satu penelitian dalam bidang perolehan informasi yang hingga saat ini masih menjadi kajian adalah kategorisasi teks. Klasifikasi teks dapat membantu manusia untuk menemukan sekumpulan informasi yang relevan sesuai dengan kebutuhan secara cepat. Studi ini mengemukakan tentang proses mengkategorisasikan newsgroup. Data newsgroup dipilih sebagai dataset penelitian dikarenakan newsgroup sendiri merupakan aplikasi yang telah lama dan banyak digunakan oleh orang untuk berdiskusi di dunia maya, sehingga data newsgroup berada dalam jumlah besar dan perlu pengelolaan. Vector space model sebagai representasi fitur dari sebuah dokumen yang dihasilkan setelah melalui proses indexing dan pembobotan menggunakan term frequency. Representasi fitur kemudian diklasifikasikan ke dalam 3 kategori sesuai dengan kelas kategorinya. Dari hasil penelitian diperoleh nilai rata-rata precision sebesar 71% dengan jumlah data yang diklasifikasikan secara benar sebanyak 89 data. Hasil ini diperoleh dari penentuan jumlah k paling optimal yang berada pada nilai 30.
Pengaruh Ukuran Jendela Observasi terhadap Kinerja Conditional Random Fields pada Pengenalan Fase Gerak Intan Nurma Yulita; Mira Suryani; Erick Paulus
Informatics Journal Vol 1, No 1 (2016): Jurnal Informatika
Publisher : Universitas Padjadjaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (10.074 KB) | DOI: 10.24198/jin.v1i1.10979

Abstract

Pengenalan gerak merupakan penelitian yang banyak dikaji. Tantangan di dalam melakukan penelitian iniadalah representasi data disajikan dalam bentuk sekuensial. Untuk dapat mengenali gerak tersebut makametode yang digunakan harus mampu merepresentasikan pola sekuensial  di dalam pemodelan.  Olehkarena itu, pada penelitian ini diajukan Conditional Random Fields.
Combining Deep Belief Networks and Bidirectional Long Short-Term Memory Intan Nurma Yulita; Mohamad Ivan Fanany; Aniati Murni Arymurthy
Proceeding of the Electrical Engineering Computer Science and Informatics Vol 4: EECSI 2017
Publisher : IAES Indonesia Section

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (307.775 KB) | DOI: 10.11591/eecsi.v4.1051

Abstract

This paper proposes a new combination of Deep Belief Networks (DBN) and Bidirectional Long Short-Term Memory (Bi-LSTM) for Sleep Stage Classification. Tests were performed using sleep stages of 25 patients with sleep disorders. The recording comes from electroencephalography (EEG), electromyography (EMG), and electrooculography (EOG) represented in signal form. All three of these signals processed and extracted to produce 28 features. The next stage, DBN Bi-LSTM is applied. The analysis of this combination compared with the DBN, DBN HMM (Hidden Markov Models), and Bi-LSTM. The results obtained that DBN Bi-LSTM is the best based on precision, recall, and F1 score.
EVALUASI APLIKASI SEMI-IMMERSIVE VIRTUAL REALITY PADA BIDANG PENDIDIKAN MENURUT ASPEK HEURISTIK DAN PEMBELAJARAN Erick Paulus; Mira Suryani; Riva Farabi; Intan Nurma Yulita; Aditya Pradana
JURNAL INFORMATIKA DAN KOMPUTER Vol 1, No 2 (2017): SEPTEMBER - JANUARI 2017
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (794.382 KB) | DOI: 10.26798/jiko.v1i2.32

Abstract

Makalah ini memaparkan percobaan evaluasi komprehensif terhadap aplikasi virtual reality (VR) bertipe semi-immersive dari sisi heuristik disain antarmuka aplikasi, peningkatan kemampuan kognitif, dan peningkatan motivasi belajar ketika aplikasi digunakan dalam proses pembelajaran. Evaluasi terhadap disain antarmuka VR ini menggunakan metode heuristik yang diusulkan oleh Sutcliffe, yaitu sebanyak dua belas prinsip. Selain faktor usabilitas, evaluasi heuristik ini mampu memberikan panduan evaluasi dengan memperhitungkan faktor keberadaan pengguna ketika berada dalam lingkungan maya. Hasil proses inspeksi evaluasi heuristik ini adalah penggabungan nilai evaluasi dari tiga orang penilai. Hasil evaluasi menunjukan bahwa secara heuristik aplikasi BIOTALAUT VR sudah merepresentasikan kondisi lingkungan bawah laut dengan baik. Namun ada beberapa fitur disain yang perlu diperbaiki, yaitu interaksi antar objek, grafik objek 3D biota dan fungsi kontrol. Sedangkan, proses evaluasi dari segi peningkatan kemampuan kognitif diimplementasikan pada 30 siswa tingkat sekolah menengah pertama melalui kegiatan pretes dan postes kemudian dianalisa secara statistik. Selain pretes dan postes, siswa juga mengisi kuisioner untuk mengetahui tingkat motivasi belajar setelah menggunakan aplikasi. Kemudian, setelah aplikasi digunakan pada proses pembelajaran, terdapat perbedaan kemampuan kognitif yang signifikan ke arah positif dengan nilai sig-value sebesar 0.448 dan peningkatan motivasi dilihat dari nilai rata-rata central tendency sebesar 4.49. Adapun hasil evaluasi ini dapat digunakan sebagai bahan pertimbangan dalam pengembangan aplikasi selanjutnya khususnya dari sudut pandang disain antarmuka aplikasi maupun dari konteks pembelajarannya. Selain itu, kejadian munculnya gejala cybersickness pada pengguna juga ditelaah dan dilaporkan dalam penelitian ini. Adapun posisi gerakan pengguna saat menjalankan aplikasi VR dan perangkat keras yang dipakai menjadi aspek utama yang menyebabkan cybersickness tersebut.Kata Kunci: cybersickness, evaluasi usabilitas heuristik, , kemampuan kognitif, motivasi belajar, virtual reality