Article Per Year (5 Year)
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
Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mathematics Social Sciences Other

Published : 39 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : KOMPUTIKA - Jurnal Sistem Komputer

 1 
Pengenalan Gestur Angka Pada Tangan Menggunakan Arsitektur AlexNet Dan LeNet Pada Metode Convolutional Neural Network Muhammad Ezar Al Rivan; Alvin Setiawan
Komputika : Jurnal Sistem Komputer Vol 11 No 1 (2022): Komputika: Jurnal Sistem Komputer
Publisher : Computer Engineering Departement, Universitas Komputer Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/komputika.v11i1.5176

Abstract

Gestur merupakan salah satu jenis komunikasi dengan membentuk suatu objek seperti huruf atau angka pada tangan untuk menyampaikan pesan ataupun sebuah informasi, salah satunya gestur angka pada tangan yang memiliki banyak jenisnya dengan pola yang berbeda untuk setiap pergerakan angka yang terbentuk. Salah satu solusi yang dapat dilakukan untuk melakukan pengenalan gestur angka pada tangan kepada komputer adalah menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur AlexNet maupun LeNet. Penelitian ini menggunakan dataset citra gestur angka yang sebelumnya dilakukan tahap pre-processing yang terdiri dari threshold dan resize. Penelitian dilakukan menggunakan 2 pooling layer, yaitu Average Pooling dan Max Pooling kemudian menggunakan optimizer, yaitu SGD, RMSprop, dan Adam. Berdasarkan hasil pengujian yang didapatkan pada penelitian ini, yaitu penggunaan arsitektur AlexNet dengan Average Pooling dan optimizer RMSprop menghasilkan akuras dan f1-score keseluruhan 99,45% serta penggunaan arsitektur LeNet dengan Average Pooling dan optimizer RMSprop menghasilkan akurasi dan f1-score keseluruhan 99,49%. Secara keseluruhan penggunaan Average Pooling dengan optimizer RMSprop mendapatkan tingkat akurasi yang paling baik dibandingkan dengan pengujian yang lainnya.
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