Article Per Year (5 Year)
p-Index From 2019 - 2024
2.715
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal IPTEK Khazanah Informatika: Jurnal Ilmu Komputer dan Informatika INTEGER: Journal of Information Technology Prosiding Seminar Nasional Sains dan Teknologi Terapan Indonesian Journal of Electrical Engineering and Computer Science Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK)
Muchamad Kurniawan
Institut Teknologi Adhi Tama Surabaya
Civil Engineering, Building, Construction & Architecture Computer Science & IT Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering

Published : 18 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 18 Documents
Search

 1   2 
Segmentasi Citra Wajah dengan Implementasi Adaptif Threshold- Integral Image Maryam Ummul Habibah; Muchamad Kurniawan
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8, No 5: Oktober 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021853840

Abstract

Segmentasi wajah merupakan bagian penting dalam pengolahan citra digital untuk mengetahui objek wajah dalam citra sebelum dilakukan pendeteksian ekspresi wajah. Adaptif Threshold – Integral Image adalah salah satu teknik segmentasi berbasis pixel-based, yaitu local thresholding. Penelitian ini bertujuan untuk memisahkan objek wajah manusia dan background -nya. Citra wajah yang akan digunakan nanti citra di dalam ruangan (indoor) dan di luar ruangan (outdoor) dengan resolusi gambar 300x400 piksel. Pada penelitian ini juga mencari nilai parameter S (kernel) dan T (threshold) yang terbaik dengan melakukan 16 kali percobaan. Dan didapatkan hasil terbaik, yaitu citra di dalam ruangan (indoor) nilai S=1/2 dan T=50, serta citra di luar ruangan (outdoor) nilai S=1/30 dan T=30. Segmentasi citra wajah dengan menggunakan metode Adaptif Threshold – Integral Image robust (kuat) terhadap intensitas cahaya tinggi dan rendah dengan mengatur nilai parameter S (kernel) dan T (Threshold) maka metode ini mampu memisahkan objek wajah dan background -nya. Dari hasil uji coba threshold menggunakan metode Adaptif Threshold – Integral Image terhadap citra di dalam ruangan (indoor) dan di luar ruangan (outdoor) menghasilkan thresholding yang baik dengan mempertimbangkan nilai parameter S (kernel) dan T (threshold) memberikan hasil dengan tingkat akurasi yang tinggi, yaitu citra di dalam ruangan (indoor) sebesar 96.72%, dan citra di luar ruangan (outdoor) sebesar 93.59%. AbstractFace segmentation is an important in digital image processing to find out the object's face in the image before detecting facial expressions. Adaptive Threshold - Integral Image is a pixel-based segmentation technique, which is local thresholding. This study is intended to split the object of a human face and its background. Face images that will be used later in indoor and outdoor with an image resolution of 300x400 pixels. This study also searched for the best S (kernel) and T (threshold) parameter values by performing 16 experiments. And the best results are obtained, name the image in the room (indoor) the value of S = 1/2 and T = 50, and the image outside the room (outdoor) the value of S = 1/30 and T = 30. Face image segmentation using the Adaptive Threshold - Integral Image robust method of high and low light intensity by setting the S (kernel) and T (Threshold) parameter values, this method is able to split the face object and its background. From the results of the threshold trial using the Adaptive Threshold - Integral Image method for indoor and outdoor images produces a good thresholding by considering the values of the S (kernel) and T (threshold) parameters to give results with a high degree of accuracy, that is indoor images of 96.72%, and outdoor images of 93.59%.
Premise Parameter Optimization on Adaptive Network Based Fuzzy Inference System Using Modification Hybrid Particle Swarm Optimization and Genetic Algorithm Muchamad Kurniawan; Nanik Suciati
Jurnal IPTEK Vol 22, No 2 (2018)
Publisher : LPPM Institut Teknologi Adhi Tama Surabaya (ITATS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.iptek.2018.v22i2.274

Abstract

ANFIS is a combination of the Fuzzy Inference System (FIS) and Neural Network (NN), which has two training parameters, premise and consequent. In the traditional ANFIS, Least Square Estimator (LSE) and Gradient Descent (GD) are commonly used learning algorithms to train the two parameters. The combination of those two learning algorithms tends to produce the local optimal solution. Particle Swarm Optimization (PSO) can converge quickly but still allow for getting the local optimal solution because PSO is unable to find a new solution space. Meanwhile, Genetic Algorithm (GA) has been reported to be able to find a wider solution space. Hybrid PSOGA is expected to give a better solution. In this study, modification of hybrid PSOGA is used to train the premise parameter of ANFIS. In experiments, the accuracy of the proposed classification method, which is called ANFIS-PSOGA, is compared to ANFIS-GA and ANFIS-PSO on Iris flowers, Haberman, and Vertebral datasets. The experiment shows that ANFIS-PSOGA achieves the best result compared to the other methods, with an average of accuracy 99.85% on Iris flowers, 84.52% on Haberman, and 91.83% on Vertebral.
Integration of Double Exponential Smoothing Damped Trend with Metaheuristic Methods to Optimize Forecasting Rupiah Exchange Rate against USD during COVID-19 Pandemic Maftahatul Hakimah; Muchamad Kurniawan
Khazanah Informatika Vol. 6 No. 2 October 2020
Publisher : Department of Informatics, Universitas Muhammadiyah Surakarta, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/khif.v6i2.9887

Abstract

COVID-19 pandemic has brought great changes to the stability of the Indonesian state. The disease not only has an impact on public health but also has the effect of weakening the economic sector. One indicator is the weakening of the rupiah exchange rate against the USD. When the pandemic emerged, the rupiah exchange rate started to weaken, which may encourage investors to reduce investment in Indonesia. Therefore, it is necessary to predict the rupiah exchange rate during the COVID-19 pandemic for the coming period. This study applies the Double Exponential Smoothing forecasting method by adding a damped trend factor. The calculation of the parameters of the method becomes the research optimization problem. This optimization problem is then solved using metaheuristic methods, namely Genetic Algorithm (GA) and Particle Swarm Optimization (PSO). The performance of the forecasting model is measured based on the magnitude of the forecast error. This study shows that the PSO algorithm is better at obtaining the optimal parameters for predicting the rupiah exchange rate in the coming period compared to GA. The integration error rate of Double Exponential Smoothing damped trend with PSO is 0.70%, while the error rate for the same method with GA is 0.72%. Thus, the integrated performance of double exponential smoothing with metaheuristic optimization is a more excellent method in predicting the rupiah exchange rate against the USD during the period of the Coronavirus outbreak. Furthermore, the addition of a trend dampening factor to the DES method also significantly increases the forecast accuracy.
Review Pemanfataan Data Electroencephalogram (EEG) dengan metode Convolution Neural Network Muchamad Kurniawan; Andy Rachman; Adib Pakarbudi
INTEGER: Journal of Information Technology Vol 6, No 2: September 2021
Publisher : Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.integer.0.v6i2.2419

Abstract

Electroencephalogram (EEG) is a brain data signal that is captured by sensors. Many studies have used EEG to be used as a decision maker or classifying. What classification has been used most frequently in existing studies over the last 5 years? These are the questions that will be answered in this research. In addition to these questions, another question that will be answered is what is the most popular method used in processing EEG data? The final question in research is the recent development of EEG and CNN research. The results of these answers are the most popular research using the CNN method as a classification method, the application of the field of Human-computer InterfacesKeywords: Electroencephalogram, Convolution Neural Network.  
Analisis Fast Moving Consumer Goods untuk Memprakirakan Penjualan Barang Menggunakan Metode Triple Exponential Smoothing Nanda Hafiz Ar; Muchamad Kurniawan
INTEGER: Journal of Information Technology Vol 6, No 2: September 2021
Publisher : Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.integer.0.v6i2.2311

Abstract

Fast Moving Consumer Goods (FMCG) refers to a business sector generating economy particularly in Indonesia. The movement of goods runs quickly as they belong to staple food and have relatively short shelf life. They are sometimes unpredictable and even out of stock specifically to goods in fast moving category. Consequently, business doers can lose opportunities. Therefore, sale prediction is necessary to reduce opportunity loss and stock piling upon the goods that should not be ordered excessively. This research conducted prediction through Triple Exponential Smoothing method in the period of January 2018 to June 2020 by taking 5 item samples that were then tried out using alpha 0.1 – 0.9. As a result, alpha 0.1 became the best alpha in this research compared to alpha 0.2 – 0.9. Out of 5 trials, alpha 0.1 (MAPE 22%, 19%, and 34%) occurred three times and alpha 0.2 (MAPE 34% and 11%) happened twice. However, this research has not obtained the best result yet as it has not satisfied the indicator of more than 10% whole MAPEs. Thus, Triple Exponential Smoothing Brown was less appropriate to the data being used. The calculation of estimation did not consider the data fluctuation such as Ramadhan event greatly affecting the data training and forecasting result
Pengelompokan Data Hotspot Menggunakan Metode LOF K-Means Pambudi O.T.; Muchamad Kurniawan; Rani Rotul Muhima; Maftahatul Hakimah
Prosiding Seminar Nasional Sains dan Teknologi Terapan 2020: Memberdayakan Riset dan Inovasi untuk Teknologi yang Berkelanjutan
Publisher : Institut Teknologi Adhi Tama Surabaya

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

Abstract

Kebakaran hutan menjadi salah satu permasalahan di Indonesia. Dari awal tahun hingga September pada tahun 2019, kebakaran hutan dan lahan di Indonesia mencapai 857.756 hektar. Dampak kebakaran hutan dapat mengganggu kesehatan, transportasi bahkan hubungan bilateral dengan negara tetangga. Titik panas bumi atau hotspot merupakan indikasi adanya kebakaran hutan atau lahan. Pengelompokan data hotspot sebagai cara analisa data hotspot sangat penting untuk mencegah terjadinya kebakaran hutan atau lahan menjadi lebih besar. Pada penelitian sebelumnya, pengelompokan data hotspot berdasarkan fitur latitude, longtitude dengan LOF K-Means memberikan hasil lebih baik dibandingkan K-Means. Penelitian ini dilakukan pengelompokan data hotspot dengan metode LOF K-Means berdasarkan fitur latitude, longtitude dan brightness. Tujuan penelitian ini untuk mengetahui hasil perbandingan antara pengelompokan data hotspot berdasarkan fitur latitude, longtitude dengan pengelompokan data hotspot berdasarkan fitur latitude, longtitude dan brightness. Hasil penelitian ini dijadikan landasan untuk penelitian selanjutnya sebagai upaya pencegahan kerugian akibat kebakaran hutan dan lahan yang lebih besar. Berdasarkan hasil penelitian, penambahan fitur brightness sebagai dasar pengelompokan menggunakan metode LOF K-Means tidak memberikan hasil yang lebih baik
Pemodelan Jumlah Kasus Baru Covid-19 di Masa Kenormalan Baru Menggunakan Metode Pencocokan Kurva Maftahatul Hakimah; Muchamad Kurniawan; Rani Rotul Muhima
Prosiding Seminar Nasional Sains dan Teknologi Terapan 2020: Memberdayakan Riset dan Inovasi untuk Teknologi yang Berkelanjutan
Publisher : Institut Teknologi Adhi Tama Surabaya

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

Abstract

Artikel ini bertujuan mendapatkan model matematika pertambahan jumlah kasus baru penderita Covid-19 di masa kenormalan baru. Model matematika yang digunakan adalah polinom interpolasi Lagrange; polinom interpolasi Newton dan Fungsi Eksponensial dengan pendekatan regresi linier. Interpolasi dan regresi sering dikenal dengan metode pencocokan kurva. Pada model interpolasi, titik-titik data dipilih berdasarkan periode 1 bulan, 15 hari dan 20 hari. Derajat polinom yang dikaji diperoleh dari titik data yang dipilih berdasarkan periode tersebut. Berdasarkan evaluasi kesalahan, polinom Lagrange dan polinom Newton berderajat 4 memberikan hasil yang paling bagus dalam pencocokan kurva dataset jumlah kasus baru Covid-19. Setelah model matematika diperoleh, prediksi jumlah kasus baru Covid-19 diperoleh dengan memproyeksikan fungsi hampiran untuk periode berikutnya. Hasil prediksi polinom Newton derajat 3 dan Fungsi Eksponensial menunjukkan jumlah kasus penderita Covid-19 perharinya semakin meningkat. Secara kontradiktif, polinom Lagrange dan Newton derajat 4 menunjukkan jumlah kasus penderita Covid-19 perharinya mengalami penurunan. Salah satu faktor yang mempengaruhi hasil prediksi pada interpolasi adalah penentuan titik-titik data yang dilibatkan pada pembentukan polinom interpolasi.
SEGMENTASI CITRA WAJAH DENGAN MENGGUNAKAN METODE K-MEANS – L*A*B Ahmad Fawaz; Maftahatul Hakimah; Muchamad Kurniawan
Prosiding Seminar Nasional Sains dan Teknologi Terapan 2021: Peluang dan Tantangan Peningkatan Riset dan Teknologi di Era Pasca Covid-19
Publisher : Institut Teknologi Adhi Tama Surabaya

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

Abstract

Segmentasi adalah salah satu teknik yang digunakan untuk memisahkan antara object dengan background. Objek yang digunakan dalam penelitian ini adalah objek wajah manusia. Dengan segmentasi, citra wajah manusia dapat terpisah dengan backgroundnya. Teknik segmentasi yang digunakan adalah metode clustering k-means. K-means merupakan salah satu algoritma yang dapat menyelesaikan masalah clustering, selain dengan metode k-means dibutuhkan juga proses perpindahan dari citra yang diambil berupa warna RGB menjadi warna L*a*b. Ruang warna L*a* b merupakan sebuah ruang warna yang terdiri dari tiga nilai numerik,yaitu L* untuk level cahaya dan a*  b* itu untuk komponen hijau-merah dan biru kuning. Keberagaman background pada suatu citra wajah merupakan sebuah tantangan tersendiri dalam melakukan proses pemisahan wajah yang menggunakan metode k-means. Pengambilan citra wajah dilakukan dengan 2 tempat yaitu ruangan dalam (indoor) dan luar ruangan (outdoor). Hasil akurasi terbaik didalam ruangan (indoor) sebesar 99,64% dan citra diluar ruangan (outdoor) sebesar 99,29%
Implementasi Shape Feature dan K-Nearest Neighbor untuk Klasifikasi Tanda Tangan Muchamad Kurniawan; Naili Saidatin; Hendro Nugroho
Prosiding Seminar Nasional Sains dan Teknologi Terapan 2020: Memberdayakan Riset dan Inovasi untuk Teknologi yang Berkelanjutan
Publisher : Institut Teknologi Adhi Tama Surabaya

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

Abstract

Salah satu bukti yang digunakan untuk verifikasi identitas seseorang adalah melalui tanda tangan yang mengandung karakter khusus dan bentuk-bentuk tambahan. Penggunaan tanda tangan sering dijumpai pada beberapa kegiatan  khususnya dalam bidang administrasi. Pada penelitian ini dilakukan pengenalan tanda tangan dengan menggunakan dua pola segmentasi yaitu square dan triangle, yang bertujuan untuk mengetahui pengaruh pengenalan pola terhadap tingkat akurasi keaslian tanda tangan dan klasifikasi tanda tangan. Dalam pembuatan sistem ini diterapkan klasifikasi  tanda  tangan  secara  off-line dengan mengambil  sebuah  image tanda tangan  sebagai  input  yang  akan  digunakan  dalam proses  selanjutnya.  Proses pengolahan citra digital  diawali  dengan proses prepocesing pada citra digital , dilanjutkan dengan proses fitur ekstraksi dan terakhir proses klasifikasi dengan metode K-Nearest Neighbor (K-NN). Berdasarkan hasil klasifikasi didapatkan dengan melakukan dua pendekatan pemotongan citra hasil yang didapatkan tidak jauh berbeda, baik persegi atau segitiga mempunyai akurasi yang cukup bagus diatas 95%. Hasil lebih bagus didapatkan dari pendekatan segitiga, pendetakan ini secara konsisten menghasilkan akurasi 98.25%.
Deteksi Wajah dan Mata dengan Menggunakan Metode Fitur Haar-Like pada Kamera WebCam Hendro Nugroho; Muchamad Kurniawan; Naili Saidatin
Prosiding Seminar Nasional Sains dan Teknologi Terapan 2019: Menuju Penerapan Teknologi Terbarukan pada Industri 4.0: Perubahan Industri dan Transformasi P
Publisher : Institut Teknologi Adhi Tama Surabaya

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

Abstract

Detekesi objek pada komputer vision merupakan hal yang penting, terutama tentang deteksi wajah. Didalam penelitian ini, dilakukan penelitian deteksi wajah dan mata yang digunakan objek orang itu melihat kamera webcam atau tidak. Untuk menunjang penelitian ini, pendekatan metode yang digunakan adalah Haar-Like Fitur. Langkah-langkah penelitian ini adalah input video dari kamera webcam, proses grayscale, penambahan area deteksi, metode Haar-Like fitur, hasil deteksi objek wajah dan mata. Hasil dari deteksi wajah dan mata didapat berupa hasil pada objek terdeteksi wajah dan mata pada saat objek melihat kamera Webcam. Hasil yang tidak berhasil deteksi wajah dan mata disebabkan oleh objek memakai kacamata dan tidak melihat kamera webcam
Co-Authors Abdul Holik Adela Rizky Oktavyani Ahmad Fawaz Aji Wicaksono Aldi Wachid Arifin Alexandria Felicia Seanne Ananda Galang Moeslim Humania Andy Rachman Anindya Berliana Santoso Anton Yudhana Astrid Dwi Karolin Nofana Bagas Eka Prasetyo Chelvin Suprapto Chrisna Adrian Dwiputra Haryono Ester Yulitania Toker Fadhilatur Rochman Fajar Yulian Siska Utama Hendro Nugroho Iqbal Izha Mahendra Khisby Al Ghofari M. Faj’rul Falaah Maftahatul Hakimah March Angga V. W Maryam Ummul Habibah Mitra Adhimukti Mohammad Fahry Sholahuddin Nadia Talina Syafina Naili Saidatin Nanda Hafiz Ar Nanik Suciati Pakarbudi, Adib Pambudi O.T. Rakha Satria Putra Rani Rotul Muhima Rani Rotul Muhima Sadewa Wibawanto Septiyawan Rosetya Wardhana Siti Agustini, Siti Sunardi, Sunardi