cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota bandung,
Jawa barat
INDONESIA
Indonesia Symposium on Computing
Published by Universitas Telkom
ISSN : -     EISSN : -     DOI : -
Core Subject : Science,
Computer Science & IT
Arjuna Subject : -
Articles 97 Documents
 6   7   8   9   10 
Algoritma Pengenalan Ucapan Huruf Hijaiyah Bertanda Baca Menggunakan Mel Frequency Cepstral Coefficients dan Hidden Markov Model Andrian Fakhri; Adiwijaya .; Untari Novia Wisesty
Indonesia Symposium on Computing Indonesia Symposium on Computing (IndoSC) 2016
Publisher : Indonesia Symposium on Computing

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

Abstract

Speech recognition merupakan sebuah metode yang dapat mengubah sinyal-sinyal suara ke dalam bentuk data digital agar dapat dipahami computer. Sistem pengenalan suara terdiri dua bagian utama yaitu proses ekstraksi ciri dan klasifikasi. Pada penelitian ini penulis menggunakan metode MelFrequency Ceptral Coefficient (MFCC) pada proses ekstraksi ciri bertujuan untuk mendapatkan informasi penting yang terkandung dalam sinyal suara, informasi tersebut akan merepresentasikan karakteristik khusus dari suatu huruf atau kata yang diucapkan. Untuk proses klasifikasi dan pembentukan model penulis menggunakan metode Hidden Markov Model (HMM), setiap data yang dimodelkan menggunakan metode ini akan menghasilkan model HMM, maka jumlah model akan sama dengan jumlah data yang di training. Sistem speech recognition juga dapat diterapkan pada sistem pengenalan ucapan huruf hijaiyah. Setelah penulis melakukan pengujian terhadap sistem dengan menggunakan 128 codebook dan 7 states untuk mengenali 168 huruf yang berbeda didapat tingkat akurasi tertinggi 41%. Dan saat pengujian untuk mengenali 28 huruf akurasi tertinggi yang mencapai 57%.
Klasifikasi Topik pada Lirik Lagu dengan Metode Multinomial Naive Bayes Rifqi Abdul Aziz; Mohamad Syahrul Mubarok; Adiwijaya Adiwijaya
Indonesia Symposium on Computing Indonesia Symposium on Computing (IndoSC) 2016
Publisher : Indonesia Symposium on Computing

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

Abstract

Saat ini sistem pengkategorian lagu pada aplikasi pemutar musik seperti iTunes pada iPhone sudah mampu mengkategorikan lagu berdasarkan genre, artist, dan album. Namun belum terdapat pengkategorian lagu berdasarkan topik lagu, sehingga untuk mengkategorikan lagu berdasar topik ini masih dilakukan secara manual. Penelitian ini bertujuan untuk membuat sistem yang mampu mengkategorikan lagu berdasarkan topik lagu dengan menggunakan lirik lagu sebagai objek penelitian. Penelitian ini diawali dengan mengumpulkan lirik lagu dari berbagai website penyedia lirik lagu sebagai dataset penelitian, kemudian dilakukan preprocessing data yang terdiri dari case folding, tokenization, stopword removal dan stemming. Tahap selanjutnya yaitu melakukan feature selection dengan menggunakan metode chi-square. Selanjutnya hasil feature selection tersebut dilakukan feature extraction dengan menggunakan metode bag of words. Selanjutnya dilakukan pembangunan classifier yang nantinya digunakan pada saat proses klasifikasi. Tahap selanjutnya yaitu melakukan klasifikasi lirik lagu pada data testing kedalam sebuah kelas topik tertentu dengan menggunakan metode multinomial naïve bayes. Tahap terakhir pada penelitian ini yaitu mengevaluasi sistem dengan menghitung accuracy, precission, recall, dan f1-measure. Kelas topik lagu yang dihasilkan pada sistem ini yaitu cinta, persahabatan, nasionalisme, keluarga, religi dan konten negatif. Performansi sistem yang dihasilkan pada penelitian ini didapatkan nilai f1-measure sebesar 88.91% dan nilai akurasi 96.00%.
SPEECH RECOGNITION ALGORITHM OF HIJAIYAH LETTER WITH PUNCTUATION USING LINEAR PREDICTIVE CODING (LPC) AND HIDDEN MARKOV MODEL (HMM) Haby Bagus Prasetyo
Indonesia Symposium on Computing Indonesia Symposium on Computing (IndoSC) 2016
Publisher : Indonesia Symposium on Computing

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

Abstract

Hijaiyah letter is the letter of constituent words in the Quran. Hijaiyah letter consists of 28 letters, with the letters symbolize consonant to vowel sounds while denoted by harokat / punctuation. Hijaiyah letter is part of the Arabic language that has characteristics both in writing and speech. Speech recognition system or voice recognition system is a system used to process voice signals into data that can be recognized by the computer [1]. To be able to do the voice recognition feature extraction methods are needed (feature extraction) and classifier. Sound signal that has been extracted character then generate information that can be analyzed for each variation existing voice signal. Of the characteristics that exist in each phoneme try to recognize it and convert it into text [2]. Methods of extraction of the characteristics used in this final project is Linear Predicitive Coding (LPC), then the feature generated from LPC quantized of each vector using the K-Means Clustering and for the classifier used when training and testing is the method of Hidden Markov Model (HMM). After several test scenarios obtained the best accuracy for testing is 58.93% and training is 99.60% with data 28 class.
Analisis Algoritma Backpropagation Termofikasi Dengan Conjugate Gradient Polak Ribiere Untuk Deteksi Anomali Pada Intrusion Detection System (IDS) Alvina Noor Kharima
Indonesia Symposium on Computing Indonesia Symposium on Computing (IndoSC) 2016
Publisher : Indonesia Symposium on Computing

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

Abstract

Berkembangnya teknologi yang sangat pesat menimbulkan masalah yang cukup serius terhadap kemanan suatu sistem jaringan komputer. Intrusion Detection System (IDS) merupakan suatu sistem untuk mendeteksi serangan dalam sistem jaringan komputer. Serangan yang merusak sistem jaringan komputer tersebut dikenal sebagai anomali. Pada penelitian ini akan dibahas deteksi anomali pada IDS menggunakan metode jaringan saraf tiruan denga Backpropagation termodifikasi menggunakan algoritma Conjugate Gradient Polak Ribiere. Dataset KDD CUP 1999 mengenai IDS digunakan untuk menguji performansi dari Backpropagation termodifikasi. Hasil pengujian yang diperoleh dari backpropagation termodifikasi adalah performansi berupa recall, presisi, dan f-measure untuk setiap kelas. Dari hasil pengujian tersebut diperoleh performansi pada kelas intrusi Dos adalah recall 71.00%, presisi 35.36%, dan f-measure 47.21%. Pada kelas intrusi Probe adalah recall 47.89%, presisi 79.66%, dan f-measure 59.28%. Pada kelas intrusi R2l adalah recall 33.74%, presisi 8.25%, dan f-measure 13.25%. Sedangkan performansi untuk kelas Normal adalah recall 90.79%, presisi 97.18%, dan f-measure 93.88%.
Analisis Algoritma Backpropagation Termodifikasi dengan Conjugate Gradient Powell Beale Untuk Deteksi Anomali Pada Intrusion Detection System (IDS) ida parwati
Indonesia Symposium on Computing Indonesia Symposium on Computing (IndoSC) 2016
Publisher : Indonesia Symposium on Computing

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

Abstract

Di era globalisasi ini teknologi beserta infrastrukturnya berkembang semakin pesat. Adanya fasilitas teknologi yang semakin terbuka ternyata menimbulkan masalah-masalah baru. Untuk menjaga sistem keamanan tersebut perlu adanya batasan-batasan akses informasi bagi para pengguna untuk menjaga integritas data. Oleh sebab itu diperlukannya sistem keamanan dalam jaringan komputer yang dapat mendeteksi acaman secara cepat serta akurat. Salah satu sistem yang dapat menjaga keamanan jaringan komputer adalah Intrusion Detection System (IDS). Dalam penelitian ini untuk mendeteksi anomali pada IDS akan digunakan Backpropagation Termodifikasi dengan Conjugate Gradien (CG) Powell Beale. Conjugate Gradient merupakan salah satu metode optimasi yang arah pencariannya didasarkan pada arah konjugasi yang nilainya orthogonal. Penggunan CG dalam memodifikasi Backpropagation diharapkan dapat membantu mendeteksi anomali pada IDS menjadi lebih cepat karen epoch yang digunakan jauh lebih sedikit dan hasil performasi sistem yang lebih baik. Hal tersebut terlihat dari hasil performansi sistem berdasarkan parameter F-Measure yaitu 92.33% untuk kelas normal, 62.38% untuk kelas Probe, 42.06% untuk kelas Dos dan 9.14% untuk kelas R2L. Terbukti bahwa sistem mampu mengklasifikasikan lebih baik dengan jumlah epoch yang sedikit dibandingkan dengan backpropagation standar.
Klasifikasi Multi-Genre Film berdasarkan Sinopsis menggunakan Naive Bayesian Multi-label (NBML) Classifier Muhammad Fahry
Indonesia Symposium on Computing Indonesia Symposium on Computing (IndoSC) 2016
Publisher : Indonesia Symposium on Computing

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

Abstract

Film merupakan suatu media komunikasi massa yang digunakan sebagai sarana hiburan bagi masyarakat. Film cukup efektif dalam menyampaikan suatu informasi. Dewasa ini, banyak sekali website yang menyediakan informasi film-film terbaru. Informasi yang bisa didapatkan salah satunya adalah genre film. Satu film bisa memiliki satu atau lebih genre. Namun untuk menentukan genre sebuah film, orang harus membaca sinopsisnya terlebih dahulu atau menonton film tersebut sehingga membutuhkan waktu yang cukup lama. Penelitian ini memberikan solusi pada permasalahan tersebut dengan melakukan klasifikasi multi-genre film dari sinopsis film menggunakan naive bayesian multi-label classifier. Tahapan yang dilakukan pada penelitian ini yaitu pengambilan data menggunakan teknik undersampling, pre-processing, feature selection, classifier building, dan classifier evaluation. Pada tahap pre processing yang dilakukan adalah proses stop words removal, word segmentation dan stemming. Pada tahap feature selection dan classifier building yang dilakukan masing-masing adalah chi square test dan penerapan algoritma naive bayesian multi-label. Hasil pengujian menunjukkan bahwa untuk klasifikasi genre film berdasarkan synopsis yang paling efektif menggunakan Naive Bayesian Muti-Label (NBML) classifier dengan micro average f1- measure sebesar 87%, dibandingkan dengan beberapa classifier yang populer lainnya (SVM classifier sebesar 65,15%, Decision Tree sebesar 50,53%, dan K-NN sebesar 59,52%)
Analisis dan Klasifikasi Opini pada Porduct Review Menggunakan Metode Semi-Supervised annisa Imadi Puti; Warih Maharani; Mochammad Arif Bijaksana
Indonesia Symposium on Computing Indonesia Symposium on Computing (IndoSC) 2016
Publisher : Indonesia Symposium on Computing

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

Abstract

Review produk merupakan informasi penting bagi konsumen dan produsen. Bagi konsumen, review sering dijadikan sebagai referensi dan acuan untuk mengambil keputusan. Jumlah review produk yang banyak membuat isi review tidak dapat disimpulkan dengan cepat dan tepat. Untuk mengatasi masalah tersebut, diperlukan suatu sistem yang secara otomatis dapat mengidentifikasi fitur-fitur dan review dan mengklasifikasikannya ke dalam polaritas positif atau negatif. Penilitian tugas akhir ini dilakukan untuk menganalisis klasifikasi dari review produk. Sebelum memasuki analisis klasifikasi, penelitian dimulai dari proses ekstraksi fitur menggunakan metode type dependency parser, identifikasi noun phrase parser dan AER. Fitur hasil ekstraksi kemudian dilihat polaritas opininya menggunakan metode semi-supervised dengan melakukan pembangunan graph berbasis lexicon berisi kata-kata opini positif-negatif yang dikembangkan sinonimnya.
Identifikasi Parafrasa pada Dokumen Teks Bahasa Indonesia Menggunakan Bayesian Networks Ario Harry Prayogo
Indonesia Symposium on Computing Indonesia Symposium on Computing (IndoSC) 2016
Publisher : Indonesia Symposium on Computing

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

Abstract

Identifikasi parafrasa merupakan proses yang penting dalam Natural Language Processing. Tujuannya adalah untuk dapat secara otomatis mengenali pasangan frasa yang memiliki perbedaan bentuk namun arti yang sama. Contohnya kalimat “menyebabkan kebakaran hutan”, maka komputer harus dapat mengenali bahwa kalimat tersebut memiliki arti sepadan dengan “penyebab kebakaran hutan”. Jadi, parafrasa adalah mengungkapkan kembali sebuah tuturan menggunakan kata atau bentuk yang berbeda namun artinya sama. Pada penelitian ini kita akan berfokus pada pada klasifikasi pasangan kalimat Bahasa Indonesia apakah keduanya merupakan parafrasa atau bukan. Terdapat tiga tahap yang dilakukan yaitu: preprocessing, melatih classifier dan evaluasiperformansi. Preprocessing terdiri dari tokenization, non-alphanumerical removal dan stemming. Setelah dilakukan preprocess kita lakukan ekstraksi fitur untuk membangun fitur baru dari dataset yang ada. Fitur pertama adalah sintaktik yang merupakan hasil dari perhitungan jarak antara dua kalimatmenggunakan metode Normalized Levensthein Distance. Fitur kedua adalah semantik yang didapat dari menghitung kemiripan pasangan kalimat berdasarkan pohon semantik menggunakan metode Wu and Palmer. Setelah ekstraksi fitur kemudian dilakukan pembagian data kedalam training set dan test set. Kemudian kita diskritisasi fitur tersebut menggunakan algoritma K-means dan Bayesian Networks sebagai classifier. Rata-rata nilai F1-Score dari klasifikasi menggunakan Bayesian Networks adalah 71.5%.
Pengukuran Indeks Kebahagiaan Masyarakat Kota Bandung dari Jejaring Sosial Twitter Menggunakan Ontologi dengan Paradigma Bottom-up Dimas Ikhsanu Fitra
Indonesia Symposium on Computing Indonesia Symposium on Computing (IndoSC) 2016
Publisher : Indonesia Symposium on Computing

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

Abstract

Kebahagiaan masyarakat dapat dijadikan parameter untuk menentukan pencapaian dari suatu Negara. Dalam cakupan yang lebih kecil, hal ini dapat diaplikasikan juga ke sebuah kota. Pemerintah kota Bandung mengembangkan sistem yang dapat menghitung indeks kebahagiaan masyarakatnya. Pemerintah kota Bandung telah melakukan perhitungan indeks kebahagiaan dengan survei sampling secara acak kepada kepala keluarga atau pasangannya. Dalampengambilan data dengan survei memerlukan usaha serta buaya yang besar. Dapat dilakukan upaya lain selain dari menggunakan survei dalam pengambilan data, yaitu dengan mengambil data berupa opini dari masyarakat dari media sosial Twitter yang sangat banyak digunakan masyarakat kota Bandung. Data tweet pada Twitter diklasifikasikan sesuai dengan kebutuhan perhitunganindeks kebahagiaan masyarakat kota Bandung. Klasifikasi dibantu ontologi yang dapat memetakan pengetahuan yang diketahui manusia untuk diketahui sistem. Ontologi dibangun dengan paradigma bottom-up yang pembangunannya bermula dari term-term pada tweet. Untuk mendapatkan sentimen dari data tweet digunakan klasifikasi sentiment menggunakan classifier pada Weka. Hasil klasifikasi ontologi dan sentiment digunakan untuk mengukur indeks kebahagiaan. Dilakukan pengujian terhadap sistem dengan mencari nilai F1 measure dan akurasi. Dari hasil pengujian ditemukan bahwa kelengkapan ontologi berpengaruh kepada performansi hasil klasifikasi yang dianalisis dari nilai akurasi dan F1 measure pada dua versi ontologi. Dengan data yang ada, jumlah data latih berpengaruh terhadap performansi classifier Weka dalam melakukan klasifikasi sentimen. Semakin besar jumlah data maka semakin besar nilai akurasi dan nilai F1 measure. Semakin besar akurasi maka semakin valid hasil perhitungan indeks kebahagiaan yang didapat.
Penjadwalan Sidang Tugas Akhir Prodi Ilmu Komputasi Universitas Telkom Menggunakan Metode Algoritma Genetika Adaptif dan Fuzzy Relation Oki Virgiawan Pramudita
Indonesia Symposium on Computing Indonesia Symposium on Computing (IndoSC) 2016
Publisher : Indonesia Symposium on Computing

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

Abstract

Menentukan sebuah jadwal yang terdiri atas banyak unsur sangatlah rumit. Salah satu contoh permasalahan dari penjadwalan yaitu penjadwalan sidang. Banyak kombinasi yang bisa dibentuk dari unsur-unsur penjadwalan sidang. Namun, tidak seluruh kombinasi tersebut dapat menjadi solusi dari penjadwalan. Penjadwalan sidang tugas akhir ini memiliki beberapa syarat diantaranya jadwal mengajar dosen dan jadwal kuliah mahasiswa tidak boleh bentrok dengan jadwal sidang, dosen penguji direkomendasikan sesuai dengan topik tugas akhir yang diujikan, dan dosen pembimbing tidak bisa menjadi dosen penguji. Karena banyaknya pertimbangan dalam penjadwalan sidang tugas akhir, maka dibutuhkan metode yang optimal dan efisien sehingga dapat mengatasi rumitnya penjadwalan ini. Metode fuzzy relation dan algoritma genetika termasuk metode yang bisa digunakan dalam mengatasi masalah ini. Jadwal yang dihasilkan oleh metode fuzzy relation dan algoritma genetika adaptif pada kasus ini memiliki rata-rata fitness sebesar 0.9687, dan untuk metode algoritma genetika saja ini memiliki rata-rata fitness sebesar0.8243.

Page 9 of 10 | Total Record : 97

 6   7   8   9   10 

Filter by Year

2014 2016


Reset
Filter By Issues
All Issue Indonesia Symposium on Computing (IndoSC) 2016 Indonesia Symposium on Computing 2015 Indonesian Symposium on Computing 2014/Seminar Nasional Ilmu Komputasi Teknik Informatika (SNIKTI)