Garuda - Garba Rujukan Digital

Optimalisasi Material Pesawat Terbang Tanpa Awak Menggunakan Algoritma Genetika Dea Destiani; Esmeralda C Djamal; Agus Komarudin
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2018
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

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

Unmanned Aerial Vehicle (UAV) merupakan pesawat terbang tanpa awak. Teknologi UAV berfungsi untuk penampakan tampak atas yang dapat digunakan dibidang reportasi dan bidang militer. Salah satu bagian dari perancangan Pesawat UAV yaitu pemilihan material UAV. Material yang digunakan dalam perancangan UAV seperti baterai lipo, gps, esc, antena tracker, propeller, motor servo. Material tersebut memiliki beberapa jenis. Pemilihan jenis material dasar dilakukan bersifat tetap sesuai kebiasaan perancang, sehingga jika jenis material dasar yang biasa digunakan tidak ada, maka dapat digantikan oleh jenis material yang lain. Oleh karena itu dibutuhkan kombinasi dalam pemilihan material UAV. Algoritma genetika merupakan metode yang digunakan untuk optimalisasi berbagai kombinasi solusi tanpa harus melakukan percobaan satu persatu sesuai persyaratan. Maka pencarian kombinasi jenis material perancangan pesawat terbang dapat menggunakan Algoritma Genetika. Penelitian ini telah membuat sistem optimalisasi material pesawat terbang UAV. Pada sistem ini dilakukan pengujian menggunakan berat maksimal dan daya baterai. Berat yang digunakan yaitu 13 kg sesuai dengan berat maksimal UAV dan banyaknya iterasi yang digunakan sebanyak 100 generasi, menghasilkan berat yang optimum sebesar 12,6395 .Tujuan dari penelitian ini yaitu membangun suatu sistem yang dapat merekomendasikan jenis material dalam perancangan UAV berdasarkan berat dan daya.

Optimasi Penentuan Spesifikasi Bangunan dari Denah yang Tersedia Menggunakan Algoritma Genetika Neni Nuraeni; Esmeralda C Djamal; Agus Komarudin
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2018
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

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

Peningkatan jumlah penduduk dan urbanisasi memberikan dampak permintaan pembangunan rumah semakin meningkat. Penentuan spesifikasi bangunan rumah sangat penting karena harus mempertimbangkan mutu, daya tahan, dan keindahan bangunan tersebut, namun hal ini berbenturan pada keterbatasan dana yang menjadi beban tersendiri. Seringkali menentukan spesifikasi bangunan rumah hanya dilakukan secara praktis atau sesaat tanpa mempertimbangkan semua batasan yang ada. Pengalaman dalam membangun rumah sangat menentukan. Oleh karena itu, kadang penentuan spesifikasi bangunan menjadi kendala bagi sebagian orang yang belum berpengalaman. Algoritma Genetika merupakan metode yang digunakan untuk optimasi berbagai kombinasi yang sangat banyak tanpa harus mencoba setiap kemungkinan untuk menemukan solusi yang memenuhi persyaratan. Maka, pencarian kombinasi spesifikasi bangunan dapat menggunakan Algoritma Genetika. Penelitian ini telah membuat sistem untuk optimasi penentuan spesifikasi bangunan dari denah yang tersedia. Pada sistem ini dilakukan pengujian dengan memasukkan biaya simulasi sebesar 100 juta rupiah, 125 juta rupiah, dan 150 juta rupiah. Pada simulasi biaya sebesar 100 juta rupiah menghasilkan biaya optimal sebesar 99.987.755 rupiah dari 100 generasi. Sistem ini diimplementasikan dalam perangkat lunak untuk dapat dimanfaatkan dalam menentukan spesifikasi bangunan dari denah yang tersedia.

Optimalisasi Pemilihan Rute Ziarah Makam Para Wali di Pulau Jawa Menggunakan Algoritma Genetika Rizki Abdilah; Esmeralda C Djamal; Agus Komarudin
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2018
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

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

Penyebaran agama Islam di Indonesia tidak lepas dari perjuangan para Wali yang tersebar di wilayah Indonesia tidak terkecuali pulau Jawa, tersebarlah para Wali di setiap kota yang ada di Indonesia sampai dengan wafat dan dimakamkan di kota yang mereka tempati. Hingga saat ini banyak sekali para peziarah yang datang hanya untuk berziarah dan mengenang jasa para Wali. Namun karena wilayah yang luas dan jumlah tempat yang banyak maka kerap kali terjadi keterlambatan waktu karena pemilihan rute yang kurang tepat dan mengakibatkan bahan bakar yang melebihi dari perkiraan. Oleh karena itu diperlukan sistem yang dapat memilih rute yang sesuai dengan persyaratan dan dapat memperkirakan alokasi bahan bakar. Algoritma Genetika adalah salah satu metode optimalisasi dalam beberapa kasus diantaranya adalah pemilihan rute. Sistem yang dibangun dapat memberikan rute yang baik bedasarkan jarak terdekat dan waktu tempuh tercepat untuk melakukan ziarah pada 40 titik makam yang ada di pulau Jawa. Mengadopsi proses genetika pada manusia tahapan mulai dari pembentukan kromosom untuk selanjutnya memasuki proses seleksi, persilangan dan mutasi hingga menghasilkan banyak generasi dan mengambil kromosom yang paling mendekati persyaratan. Setelah dilakukan pengujian sebanyak 10 kali pengujian dengan penghentian generasi, menghasilkan nilai kecocokan 930.032 pada generasi ke 41 dengan waktu yang dihabiskan sebanyak 18 menit. Sehingga menghasilkan rute yang optimal dengan menampilkan jarak, waktu, dan alokasi bahan bakar yang diperlukan. Diharapkan sistem dapat membantu para peziarah baik individu maupun dari perusahaan travel untuk menentukan rute yang paling optimal.

Identifikasi EEG Epilepsi Menggunakan Wavelet dan Learning Vector Quantization Erry Fuadillah; Esmeralda C Djamal; Agus Komarudin
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2018
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

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

Epilepsi merupakan salah satu penyakit neurologis kronis yang dapat menyerang sekitar 50 juta orang di semua usia. Di Indonesia terdapat lebih dari 1.400.000 kasus Epilepsi setiap tahun dengan 70.000 pertambahan kasus setiap tahunnya. Sekitar 40-50% terjadi pada anak-anak. Salah satu pemeriksaan Epilepsi menggunakan Elektroensephalogram (EEG) yang mengidentifikasikan frekuensi 2,8-5,4 Hz, dan loncatan amplitudo atau berbentuk spike. Agar pemeriksaan cukup akurat, sinyal EEG dalam domain waktu perlu diproses dalam domain lain untuk identifikasi adanya Epilepsi. Pada penelitian ini telah dibangun sistem identifikasi Epilepsi menggunakan transformasi Wavelet dan Learning Vector Quantization (LVQ). Pembelajaran dan pengujian menggunakan set data EEG dari University of Bonn. Data terdiri atas empat kondisi, yaitu orang normal mata terbuka (Z), orang normal mata tertutup (O), penderita Epilepsi saat serangan (S), dan penderita Epilepsi saat tidak terjadi serangan (F). Sinyal EEG direkam dengan frekuensi sampling 173,5 Hz selama 23,6 detik sehingga setiap set data mempunyai 4097 titik. Wavelet untuk mengekstraksi sinyal EEG yang mempunyai frekuensi sampling menjadi 2,8-5,4 Hz. Sistem identifikasi menggunakan LVQ dengan fitur spektral daya pada frekuensi 2,8-5,4 Hz dan nilai absolut dari amplitudo rata-rata setiap seperempat detik. Sehingga diperoleh 220 fitur. Sistem telah diuji menggunakan data S dan Z dengan akurasi 67% terhadap data non latih. Penggunaan Wavelet dapat meningkatkan akurasi dari 67% menjadi 72%. Penambahan fitur rata-rata amplitudo dapat meningkatkan akurasi menjadi 94%. Sistem juga telah diuji menggunakan set data ZO dan FS dengan hasil 73% tanpa ekstraksi Wavelet, 65% dengan ekstraksi Wavelet dan 75% untuk Wavelet dengan fitur lengkap. Sistem identifikasi juga telah diuji terhadap data latih dengan akurasi 100%.

Identifikasi Variabel-Variabel dari Sinyal Elektroensephalogram Pasien Rehabilitasi Stroke Menggunakan Wavelet dan Self-Organizing Map Deka P Gustiawan; Esmeralda C Djamal; Agus Komarudin; Daswara Djajasasmita
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2018
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

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

Evaluasi terhadap pasien paska stroke yang terukur sangat dibutuhkan untuk mengetahui perkembangan aktivitas di otak dalam masa rehabilitasi. Salah satunya instrumen yang dapat menangkap aktivitas listrik di otak adalah Elektroensephalogram (EEG). Pengamatan visual yang dilakukan dokter dari rekaman EEG adalah kerapatan, amplitudo, bentuk gelombang, dan perbandingan sinyal pada kanal yang simetrik, namun tidaklah mudah. Penelitian ini melakukan ekstraksi dari sinyal EEG untuk memperoleh variabel-variabel signifikan dari pasien paska stroke. Sinyal EEG diperoleh dari 25 pasien paska stroke dan 25 orang sehat dari 14 kanal. Setiap sinyal selama 180 detik diekstraksi menggunakan Wavelet untuk memperoleh gelombang Alfa, Beta, Teta, Gama, dan Mu. Clustering dilakukan menggunakan Self Organizing Map (SOM) Kohonen dengan fitur masukan kelima gelombang, amplitudo, dan asimetrik dari kanal simetrik. SOM melakukan clustring berdasarkan fitur-fitur pembeda pola, sehingga hasil clustring dibandingkan dengan cluster dari data sebenarnya. Cara ini dilakukan untuk menentukan variabel-variabel sinyal EEG beserta kanal-kanalnya yang memberikan akurasi terbaik. Hasil penelitian menunjukkan penggunaan keenam fitur dari 14 kanal dan fitur sinkronisasi dari 7 pasang kanal memberikan ketepatan klustering sebesar 54-68%. Akurasi fitur tertinggi diperoleh dari variabel perubahan amplitudo. Sistem identifikasi telah diimplementasikan dalam perangkat lunak dan diintegrasikan dengan wireless EEG Emotiv. Waktu komputasi dari sistem identifikasi sekitar empat menit, cukup realistis yang dapat digunakan untuk membantu analisis dokter.

Identifikasi Neuropsikologi Emosi terhadap Video Iklan menggunakan Fast Fourier Transform dan Backpropagation Levenberg-Marquardt Kartika N Oktaviani; Esmeralda C Djamal; Agus Komarudin
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2018
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

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

Evaluasi terhadap respon penonton pada saat menonton video iklan salah satunya melalui identifikasi neuropsikologis. Neuropsikologis terdiri dari konsentrasi, emosi, dan ketertarikan, yang dapat ditangkap melalui Elektroensephalogram (EEG). Respon emosi lebih menggambarkan kualitas video dibandingkan respon ketertarikan yang sangat dipengaruhi brand produk tertentu. Penelitian ini telah membangun sistem identifikasi neuropsikologis emosi saat menonton video iklan. Analisis dilakukan setiap dua detik, berdasarkan waktu transisi antar scene video iklan. Sistem dibangun dengan pelatihan terlebih dahulu menggunakan data latih dari 20 naracoba, 10 perekaman, yang terbagi atas 15 segmen sehingga didapatkan sebanyak 3000 set data. Sinyal EEG diekstraksi menggunakan Fast Fourier Transform (FFT) dengan panjang window 0,5 detik dan overlap 50% dari empat kanal sehingga menghasilkan fitur yang merupakan masukan dari sistem identifikasi. Sistem identifikasi diawali dengan pembelajaran untuk menghasilkan bobot yang dilakukan dengan algoritma Backpropagation Levenberg-Marquardt. Hasil penelitian menunjukkan optimalisasi parameter pelatihan learning rate dengan nilai 0,001 dan minimum error 0,01 memberikan akurasi terbaik, yaitu menunjukkan akurasi sebesar 77,67% terhadap data baru, dan 100% terhadap data latih. Sistem identifikasi menunjukkan waktu komputasi sekitar 0,07 detik, yang agak signifikan terhadap waktu real time dua detik. Sistem identifikasi neoropsikologis emosi terhadap video iklan telah diimplementasikan dalam perangkat lunak yang terintegrasi dengan wireless Emotiv EEG.

Identifikasi Emosi Dari Sinyal Suara Secara Real Time Menggunakan Linear Predictive Coding dan Backpropagation Yamina Azmi; Esmeralda C Djamal; Ridwan Ilyas
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2018
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

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

Kepuasan pelanggan adalah salah satu faktor penting suatu perusahaan yang menghasilkan produk dan jasa. Banyak perusahaan saling bersaing untuk meningkatkan kualitas pelayanan salah satunya dengan melakukan evaluasi terhadap customer service dalam melayani konsumen. Penelitian ini telah membuat sistem identifikasi emosi dari sinyal sinyal suara. Kalimat yang digunakan berasal dari rekaman percakapan antara customer service dengan pelanggan. Sistem identifikasi ini dibangun dari pelatihan suara terhadap 10 naracoba dengan lima kali perulangan pada setiap kata kunci yang diucapkan, sehingga digunakan 150 set data latih. Sinyal suara setiap enam detik dilewatkan praproses untuk mengurangi noise dan dilakukan frame blocking dan windowing yang kemudian diekstraksi menggunakan Linear Predictive Coding (LPC) dengan nilai poles 8. Koefisien yang dihasilkan LPC kemudian digunakan sebagai fitur dalam Jaringan Syaraf Tiruan menggunakan algoritma pembelajaran Backpropagation. Hasil dari penelitian menunjukkan sistem identifikasi emosi menghasilkan akurasi sebesar 91% untuk data latih dan 76% untuk data baru.

Identifikasi Nada Dari Sinyal Suara Alat Musik Instrumen Menggunakan Metode Mel Frequency Cepstrum Coefficients dan Hidden Markov Model Riyan Firmansyah; Esmeralda C Djamal; Rezki Yuniarti
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2018
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

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

Semakin berkembangnya seni musik mengakibatkan banyaknya peminatan dalam seni musik. Hal mendasar yang harus dipelajari dalam seni musik adalah mengenali nada dasar yang dihasilkan oleh alat musik tersebut salah satunya adalah nada mayor. Namun untuk dapat mengenali nada mayor, seseorang membutuhkan latihan bermusik yang cukup lama serta biaya yang tidak sedikit. Hal tersebut dapat membatasi seseorang dalam mempelajari seni musik. Oleh karena itu, diperlukan identifikasi nada dari alat musik, namun dalam identifikasi tidaklah mudah. Penelitian ini telah membuat sistem identifikasi nada mayor dari perekaman lima alat musik menggunakan 10 kali perulangan dengan durasi perekaman dua detik untuk setiap nada. Sistem dibangun dengan menggunakan Mel-Frequency Cepstrum Coefficients (MFCC) sebagai ekstraksi nada dan diidentifikasi menggunakan Hidden Markov Model (HMM). MFCC digunakan karena memiliki kemiripan dengan sistem pendengaran manusia yang memperhitungkan sifat non linier. Hasil dari MFCC dilakukan pelabelan frame menggunakan K-Means, yang kemudian digunakan sebagai masukan parameter HMM untuk mengidentifikasi 12 nada mayor yang kemudian direpresentasikan dalam bentuk simbol. Hasil pengujian menunjukkan akurasi terhadap data baru sebesar 74% untuk Biola, 81% untuk Ukulele, 61% untuk Gitar, 82% untuk Piano dan 30% untuk Bass. Sedangkan untuk data latih mendapatkan akurasi sebesar 92%.

Identifikasi Sinyal EEG dari Pasien PascaStroke Menggunakan Backpropagation dan Algoritma Genetika Mita Amara; Esmeralda C Djamal; Asri Maspupah S; Daswara Djajasasmita
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2019: Peran Sains Data Dari Perspektif Akademisi dan Praktisi
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

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

Rehabilitasi terhadap pasien pasca-stroke dilakukan guna mengembalikan fungsi tubuh yang hilang. Pendekatan pada rehabilitasi stroke mencakup aktivitas fisik motorik, kognitif dan mental. Aktivitas listrik di otak yang direkam atau Elektroensephalogram (EEG) juga dapat digunakan dalam proses rehabilitasi untuk mengetahui perkembangan pasien. Dokter akan mengamati sinyal EEG yang direkam berdasarkan kerapatan, amplitudo, bentuk gelombang dan perbandingan sinyal pada setiap kanal, namun analisa tersebut tidaklah mudah. Oleh karena itu dibutuhkan model komputasi yang dapat mengidentifikasi sinyal EEG dari pasien pasca-stroke. Sinyal EEG diperoleh dari 50 pasien pasca-stroke, 25 orang normal menggunakan emotiv EEG 14 kanal. Sinyal EEG selama 120 detik dengan segmentasi per-tiga detik dan ekstraksi sinyal untuk mendapatkan gelombang Alfa, Beta, Teta, Delta dan Mu. Identifikasi dilakukan menggunakan Backpropagation dengan fitur masukkan kelima gelombang dan amplitudo. Pelatihan pada Backpropagation menggunakan bobot awal hasil optimalisasi Algoritma Genetika. Hal tersebut akan berpengaruh pada bobot akhir masing-masing kelas, no stroke, minor stroke dan moderate stroke. Representasi kromosom terdiri dari bobot v dan w sebanyak 46.224 gen dengan mengadopsi banyaknya neuron input dan hidden pada arsitektur Backpropagation. Individu terbaik hasil optimalisasi menjadi masukkan untuk proses pelatihan pada Backpropagation. Hasil penelitian menunjukan akurasi yang diperoleh untuk data latih sebesar 73% dan untuk data baru sebesar 55%.

Title

Found 9 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 9 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 9 Documents
Search