Garuda - Garba Rujukan Digital

p-Index From 2019 - 2024

5.119

P-Index

This Author published in this journals

All Journal ELKHA : Jurnal Teknik Elektro Jurnal Simetris Jurnal Teknologi Informasi dan Ilmu Komputer Annual Research Seminar Jurnal Komputer Terapan Jusikom : Jurnal Sistem Komputer Musirawas JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Jurnal Sisfokom (Sistem Informasi dan Komputer) Petir Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal KOMPUTIKA - Jurnal Sistem Komputer Jurnal Informatika Global STRING (Satuan Tulisan Riset dan Inovasi Teknologi) jurnal teknik informatika dan sistem informasi Jurnal Saintekom : Sains, Teknologi, Komputer dan Manajemen Algoritme Jurnal Mahasiswa Teknik Informatika Informatics and Enginering Dedication MDP Student Conference

Muhammad Ezar Al Rivan

Universitas Multi Data Palembang

Author-ID : 3646709

Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mathematics Social Sciences Other

Published : 39 Documents Claim Missing Document

Claim Missing Document

Articles

1 2 3 4

PENGENALAN IRIS MENGGUNAKAN FITUR LOCAL BINARY PATTERN DAN RBF CLASSIFIER Al Rivan, Muhammad Ezar; Devella, Siska
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 11, No 1 (2020): JURNAL SIMETRIS VOLUME 11 NO 1 TAHUN 2020
Publisher : Universitas Muria Kudus

Iris merupakan bagian dari mata yang memiliki keunikan. Keunikan pada iris ini menjadi alasan iris digunakan sebagai identitas seperti sidik jari,dan suara. Dibandingkan dengan sidik jari, iris memiliki kelebihan karena letak iris yang lebih terlindungi. Setiap individu memiliki pola iris yang berbeda dan pembentukan pola iris tidak berhubungan dengan faktor genetik individu, sehingga iris merupakan biometrik yang memiliki keunikan yang tinggi dan sulitnya untuk dilakukan pemalsuan biometrik. Identifikasi atau pengenalan iris dilakukan dengan menggunakan citra iris. Pada penelitian ini citra iris akan dilakukan tahap praproses yaitu dengan menghilangkan noise seperti bulu dan kelopak mata, yang kemudian hasil praproses citra iris dilakukan ekstraksi fitur menggunakan algoritma Local Binary Pattern (LBP). Setelah proses ekstraksi fitur dilakukan, proses selanjutnya adalah melakukan pelatihan menggunakan Radial Basis Function (RBF). Setelah proses pelatihan, model RBF diuji dengan data iris yang berbeda. Akurasi tertinggi yang dicapai pada pengenalan iris menggunakan fitur LBP dan RBF yaitu 83,33%.

Pengenalan Alfabet Bahasa Isyarat Amerika Menggunakan Edge Oriented Histogram dan Image Matching Fareza, Ivan; Busdin, Rusdie; Al Rivan, Muhammad Ezar; Irsyad, Hafiz
Jurnal Teknik Informatika dan Sistem Informasi Vol 4 No 1 (2018): JuTISI
Publisher : Maranatha University Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (883.573 KB)

Sign Language is a way to communicate to people with disabilities. American Sign Language (ASL) is one among other sign languages. Sign language image would be extracted using Edge Oriented Histogram (EOH). In Content-Based Image Retrieval, a feature from query image will be compared to database image to find out the best matching method so three matching methods will be used. The matching methods are Earth Mover Distance, Hausdorff Distance, and Sum of Absolute Difference. The smallest distance shows the strong similarity between query image and database image. The Sum of Absolute Difference is outperformed of other in case the most of relevant image can be retrieved. The order of methods to recognize alphabet (from the best one) is Sum of Absolute Difference following by Earth Mover Distance and Hausdorff Distance. Hausdorff Distance has smallest running time using 4 bin features. Earth Mover Distance has smallest running time using 6 bin features. Sum of Absolute Difference has smallest running time using 9 bin features, so the method can be recommended to recognize ASL.

Pengenalan Alfabet American Sign Language Menggunakan K-Nearest Neighbors Dengan Ekstraksi Fitur Histogram Of Oriented Gradients Al Rivan, Muhammad Ezar; Irsyad, Hafiz; Kevin, Kevin; Narta, Arta Tri
Jurnal Teknik Informatika dan Sistem Informasi Vol 5 No 3 (2019): JuTISI
Publisher : Maranatha University Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28932/jutisi.v5i3.1936

Sign Language use to communicate to people with dissabilities. American Sign Language (ASL) one of popular sign language. Histogram of Oriented Gradient (HOG) can be use as feature extraction. Then feature stored in database. K-Nearest Neighbor use to measure distance between feature train and feature test. There are three distance use in this paper consist of Euclidean Distance, Manhattan Distance and Chebychev Distance. The best result are 0,99 when using Euclidean Distance and Manhattan Distance with k=3 dan k=5

Klasifikasi American Sign Language Menggunakan Ekstraksi Fitur Histogram of Oriented Gradients dan Jaringan Syaraf Tiruan Al Rivan, Muhammad Ezar; Noviardy, Mochammad Trinanda
Jurnal Teknik Informatika dan Sistem Informasi Vol 6 No 3 (2020): JuTISI
Publisher : Maranatha University Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28932/jutisi.v6i3.2844

Sign languages have various types, one of which is American Sign Language (ASL). In this study, ASL images from the handshape alphabet were extracted using Histogram of Oriented Gradient (HOG) then these features were used for the classification of Artificial Neural Networks (ANN) with various training functions using 3 variations of multi-layer network architecture where ANN architecture consists of one hidden layer. Based on ANN training, trainbr test results have a higher success rate than other training functions. In architecture with 15 neurons in the hidden layer get an accuracy value of 99.29%, a precision of 91.84%, and a recall of 91.47%. The test results show that using the HOG feature and ANN classification method for ASL recognition gives a good level of accuracy, with an overall accuracy of 5 neurons 95.38%, 10 neurons 96.64%, and 15 neurons with 97.32%. Keywords— Artificial Neural Network; American Sign Language; Histogram of Oriented Gradient; Training Function

Penentuan Mutu Buah Pepaya California (Carica Papaya L.) Menggunakan Fuzzy Mamdani Al Rivan, Muhammad Ezar; Suherman, Jessica
ELKHA : Jurnal Teknik Elektro Vol. 12 No. 2 October 2020
Publisher : Faculty of Engineering, Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/elkha.v12i2.41164

Papaya (Carica papaya, L.) is a fruit that has good nutritional content for health so that it has a high selling value and is made a business commodity. One variety of papaya fruit that is currently favored by all people, namely the California papaya fruit. Determination of the quality of California papaya fruit can be measured by size, color, and defect. This study raises the topic of determining the quality of California papaya fruit using fuzzy-Mamdani with input variables in the form of major axis, minor axis, red, green, and defect variables along with the output in the form of the results of determining the quality of California papaya fruit. Based on testing that has been done using 108 fuzzy rules, the validity of the results obtained states that the level of accuracy of the research using defuzzification of the Centroid, Bisector and Means of Maximum methods by 75%, while the level of research accuracy using the defuzzification of Largest of Maximum and Smallest of Maximum methods by 70%

Perbandingan Performa Kombinasi Algoritma Pengurutan Quick-Insertion Sort dan Merge-Insertion Sort Muhammad Ezar Al Rivan
Annual Research Seminar (ARS) Vol 2, No 1 (2016)
Publisher : Annual Research Seminar (ARS)

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

Pengurutan merupakan bagian penting dalam pengolahan data. Data yang terurut memudahkan dalam pencarian data. Algoritma pengurutan hanya cocok untuk permasalahan dengan karakteristik terntentu. Algoritma pengurutan yang cocok digunakan untuk data dalam skala besar yaitu Quick Sort dan Merge Sort namun untuk data dalam skala kecil algoritma Insertion Sort lebih cocok. Karakteristik Quick Sort dan Merge Sort yang membagi-bagi data ke dalam bagian dan setiap bagian menjadi sub-bagian maka akan didapat data dalam ukuran kecil. Proses pengurutan sub-bagian dapat digantikan dengan menggunakan Insertion Sort. Kombinasi algoritma Quick-Insertion Sort memiliki performa yang lebih baik dibandingkan dengan Quick Sort sendiri dan Merge-Insertion Sort memiliki performa yang lebih baik dibandingkan dengan Merge Sort sendiri. Quick-Insertion Sort 15% lebih cepat dibandingkan dengan Quick Sort dengan batas 16. Merge-Insertion Sort lebih cepat 34,8% lebih cepat dibandingkan dengan Merge Sort dengan batas 16.

Pengaruh Penggunaan Overlapped Character untuk meningkatkan Robustness CAPTCHA Muhammad Ezar Al Rivan; Sehat Martinus Surya Benediktus
Annual Research Seminar (ARS) Vol 2, No 1 (2016)
Publisher : Annual Research Seminar (ARS)

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

CAPTCHA merupakan cara yang digunakan untuk menentukan apakah pengguna adalah manusia atau komputer. CAPTCHA berbasis teks merupakan jenis CAPTCHA yang murah, cepat dan tidak memerlukan sumber daya. OCR dapat digunakan untuk memecahkan CAPTCHA berbasis teks. AI dapat digunakan oleh bot untuk memecahkan CAPTCHA. CAPTCHA yang klasik dapat dikelabui oleh bot. CAPTCHA yang diciptakan harus mudah dikenali oleh manusia namun sulit dikenali oleh bot. Dengan menggunakan overlapped character CAPTCHA akan menjadi sulit dipecahkan

Optimasi Fuzzy C-Means dan K-Means Menggunakan Algoritma Genetika untuk Pengklasteran Dataset Diabetic Retinopathy Muhammad Ezar Al Rivan; Steven Steven; William Tanzil
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 5: Oktober 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2020711872

Diabetic Retinopathy adalah komplikasi dari diabetes yang mengakibatkan gangguan pada retina mata. Gangguan tersebut dapat diketahui dengan deteksi awal melalui data yang diekstraksi dari citra mata. Deteksi awal dapat dilakukan dengan menggunakan metode clustering. Metode yang digunakan yaitu Fuzzy C-Means dan K-Means. Fuzzy C-Means dan K-Means memiliki kelemahan dari jumlah iterasi yang besar. Jumlah iterasi pada Fuzzy C-Means dan K-Means dapat dioptimasi dengan menggunakan Algoritma Genetika. Optimasi dilakukan dengan cara mengganti bagian pada Fuzzy C-Means dan K-Means pada saat menentukan pusat cluster. Dataset yang digunakan pada penelitian adalah dataset Diabetic Retinopathy. Hasil optimasi sebelum dan sesudah hybrid Algoritma Genetika pada Fuzzy C-Means terlihat pada nilai rata-rata iterasi dari 17,1 menjadi 6,65 terjadi penurunan sebesar 61,11% dan pada K-Means terlihat pada nilai rata-rata iterasi dari 10,85 menjadi 7,35 terjadi penurunan sebesar 32,25%. Berdasarkan hasil perbandingan nilai rata-rata iterasi Algoritma Genetika–Fuzzy C-Means dan Algoritma Genetika-K-Means maka dapat disimpulkan bahwa Algoritma Genetika-Fuzzy C-Means memiliki jumlah iterasi yang lebih baik dibanding Algoritma Genetika-K-Means. Algoritma Genetika-Fuzzy C-Means juga memiliki inter cluster distance yang paling kecil dan intra cluster distance yang paling besar. AbstractDiabetic Retinopathy is diabetic complication that cause retina disorder. Retina disorder can be known from data extracted from eye image. Early detection conduct using clustering. These methods are Fuzzy C-Means and K-Means. These methods have large number of iteration as weakness. Number of iteration can be optimized using genetic algorithm. Optimization conducted by replace a part from Fuzzy C-Means dan K-Means that use to generate early centroid. The dataset used in the study is a dataset of diabetic retinopathy. The optimization results before and after hybrid GeneticAlgorithm on Fuzzy C-Means are the average iteration values decreased from 17.1 to 6.65, decreasing 61,11% and in K-Means are the average iteration values decreased from 10.85 to 7.35 decreasing 32,25%. Based on the comparison of Genetic Algorithm Fuzzy C-Means and Genetic Algorithm K-Means iterations, it can be concluded that Genetic Algorithm Fuzzy C-Means has a better number of iteration than Genetic Algorithm K-Means. Genetic Algorithm-Fuzzy-C-Means has smallest inter cluster distance and biggest intra cluster distance.

Klasifikasi Mamalia Berdasarkan Bentuk Wajah Dengan k-NN Menggunakan Fitur CAS dan HOG Muhammad Ezar Al Rivan; Yohannes Yohannes
JATISI (Jurnal Teknik Informatika dan Sistem Informasi) Vol 5 No 2 (2019): JATISI
Publisher : Lembaga Penelitian dan Pengabdian pada Masyarakat (LPPM) STMIK Global Informatika MDP

Object classification has been done to various images. Animal classification has been done using segmentation and non-segmentation approach as initial stage. Context Aware Saliency (CAS) is a method that able to make the object area more dominant than the background in saliency mode so that it can be an alternative object segmentation process. The shape feature will taken based on saliency results using the Histogram of Oriented Gradient (HOG). The K-Nearest Neighbors (K-NN) used to classify mammal species based on HOG features from saliency images. The dataset used in this study is LHI-Animal-Faces. The results obtained show that animal species that can be recognized well are cats and tigers, while sheep, dogs, and pigs have not been able to be recognized properly.

Identifikasi Potensi Glaukoma dan Diabetes Retinopati Melalui Citra Fundus Menggunakan Jaringan Syaraf Tiruan Muhammad Ezar Al Rivan; Tegar Juangkara
JATISI (Jurnal Teknik Informatika dan Sistem Informasi) Vol 6 No 1 (2019): JATISI (Jurnal Teknik Informatika dan Sistem Informasi)
Publisher : Lembaga Penelitian dan Pengabdian pada Masyarakat (LPPM) STMIK Global Informatika MDP

Glaucoma and diabetic retinopathy identification conduct form fundus image. Artificial Neural Network can be used as algorithm to identify glaucoma and diabetic retinopathy. Dataset contains 60 fundus image consist of 20 glaucoma fundus image, 20 diabetic retinopathy fundus images and 2- normal fundus image. The result are 86,6% for average recall, 86,6% for average precision and 91,06% for average accuracy.

Co-Authors Ahmad Farisi Alvin Setiawan Alwyn Giovri Riyadi Andree Fendiawati Angella Octavia Arta Tri Narta Bhagaskara Bhagaskara Billy Gunawan Busdin, Rusdie Devella, Siska Dini Amputri Elisa Putri Suwanto Fareza, Ivan Felix Antony Fendy Novianto Lukman Gabriela Repca Sung Gasim Giovani Prakasa Gandi Hafiz Irsyad Hafiz Irsyad Hafiz Irsyad Irsyad, Hafiz Irvan Wijaya Kevin kevin Molavi Arman Monica Rizki Ayustin Muhammad Fachrurrozi Syawalludin Muhammad Restu Alviando Narta, Arta Tri Ningrum Larasati Noviardy, Mochammad Trinanda Nur Rachmat Orlando Orlando Randy Andreo Sonaru Reynald Dwika Prameswara Rheza Rijaya Ricky Yohannes Risha Ambar Wati Sehat Martinus Surya Benediktus Siti Nadra Steven Steven Suherman, Jessica Tegar Juangkara Tommy Saputra William Tanzil Winston Kennedy Yoannita Yoannita Yohannes Yohannes

Title

Found 39 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 39 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 39 Documents
Search