Article Per Year (5 Year)
p-Index From 2019 - 2024
1.734
P-Index
This Author published in this journals
All Journal Jurnal Sistem Cerdas eProceedings of Engineering
Andrew Brian Osmond
Telkom University
Automotive Engineering Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 64 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 64 Documents
Search

 2   3   4   5   6 
Pengenalan Wajah Menggunakan Raspberry Pi Dengan Menggunakan Metode Real Time Content Based Sample Image Matching System Angga Gita Purnama; Agus Virgono; Andrew Brian Osmond
eProceedings of Engineering Vol 4, No 1 (2017): April, 2017
Publisher : eProceedings of Engineering

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

Abstract

Face recognition adalah sebuah teknologi yang digunakan dalam berbagai aplikasi dengan mengidentifikasi wajah manusia menggunakan gambar digital. Pada penelitian ini Face recognition dijalankan menggunakan raspberry pi. Raspberry pi akan digunakan sebagai operating system untuk menjalankan programnya. Pada penelitian kali ini akan menggunakan camera modul dari raspberry. Untuk Bahasa pemrograman menggunakan Bahasa phyton. Metode yang digunakan adalah realtime content based sample image matching system yang efisien untuk pengolahan gambar. Metode ini digunakan karena metode ini menggunakan Orb yang lebih cepat untuk mendapatkan keypoint dibandingkan dengan SIFT dan SURF. Pada metode realtime content based sample image matching system terdiri dari dua algoritma algoritma orb dan Histogram Intersection. Algoritma Orb digunakan untuk melakukan pencocokan secara cepat dan dicocokan lagi menggunakan Histogram Intersection. Pada penelitian ini akan metode realtime content based sample image matching system diuji coba mencocokan wajah dengan berbagai kondisi, seperti pengaruh resolusi, wajah, cahaya, dan jarak. Pada penelitian ini dapat mencocokan hingga 98% pada resolusi 640x480 dengan batas keypoint diatas 20 dengan threshold 0.7. Kata kunci : Raspberry pi, face recognition , content based sample image matching system, Orb
Perancangan Dan Implementasi Aplikasi Penerjemah Bahasa Isyarat Menjadi Suara Berbasis Kinect Menggunakan Metode Dynamic Time Warping Imam Hidayat Arifin Hasibuan; Asep Mulyana; Andrew Brian Osmond
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Suatu isyarat dapat dikenali berdasarkan kombinasi bentuk dan gerak tangan. Dengan mengenali ciri-ciri khusus pada masing-masing isyarat, maka dapat diterjemahkan. Pada tugas akhir ini, dibangun suatu aplikasi pengenalan bahasa isyarat, agar orang-orang normal lebih mudah mengerti maksud isyarat seorang tunarungu. Masukan isyarat (berdasarkan Kamus Umum Bahasa Isyarat Indonesia) yang diperagakan user akan ditangkap oleh sensor kinect secara realtime, sehingga menghasilkan skeleton joint setiap framenya. Kemudian frame-frame tersebut akan diproses untuk dikenali menggunakan metode Dynamic Time Warping (DTW) . Keluaran dari sistem ini berupa suara hasil keputusan sistem yang dianggap sebagai terjemahan dari isyarat yang dimasukkan sebelumnya. Metode DTW dapat diterapkan pada aplikasi tersebut dengan memperoleh akurasi pengenalan hingga 92,78% dan rata-rata waktu komputasi setiap masukan yang dikenali berkisar 6,19760479 ms. Kata Kunci: Bahasa Isyarat, Kinect, Dynamic Time Warping
Pengenalan Emosi Manusia Berbasis Data Suara Menggunakan Algoritma Backpropagation Muhammad Iqbal G Putra; Andrew Brian Osmond; Casi Setianingsih
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstract The current technological developments are growing very fast and have enormous benefits on our lives. To examine more about how a computer recognizes emotions in humans through the sound media that is processed first and adjust the computer language or in other words Emotion Recognition. This final project uses Neural Network method. Neural Network or also called in bahasa is Jaringan Syaraf Tiruan (JST) is an effective system that can change its structure based on flowing information. Neural Network in this final project is used to conduct training and data testing. While Fast Fourier transform (FFT) is used to process sound data and convert from analog to digital, which is used as input of Neural Network and processed asone of the materials to get the decision whether the voice data used contain emotion or the system cannot detect the emotion. So after the authors do the test system that has been made obtained 100% accuracy on the test of cross validation, this result shows that the system is very good for use in detecting emotion in a voice. While the test using Indonesian language test data system get 79.1667% accuracy and the test using the English language test data accuracy obtained for 89.1892%, it shows that the system is made better use of English test data because the data train on the system using data practicing english speaking. Keywords : Emotion Recognition, Neural Network, Jaringan Saraf Tiruan, FFT.
Klasifikasi Emosi Pada Lirik Lagu Menggunakan Metode Support Vector Machine Irfan Dhiya Abirawa; Andrew Brian Osmond; Casi Setianingsih
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Lagu merupakan sebuah salah satu elemen yang paling berpengaruh dalam menentukan ekspresi dan emosi. Dengan elemen yang bersifat audio dan dapat di representasikan maknanya yang lebih kuat dalam lirik lagu. Klasifikasi lagu dapat dilakukan dengan menggunakan lirik lagu sebagai media yang digunakan untuk mengklasifikasi ekspresi dan emosi seseorang. Dengan menggunakan model Emotion Ontology Thayer Model, klasifikasi text processing digunakan dengan menerapkan fiture part-of-speech dalam proses pre processing dengan Support Vector Machine sebagai algoritma untuk mengklasifikasikan ekspresi dan emosi sebuah lagu. Diharapkan dengan menggunakan Support Vector Machine dapat meningkatkan akurasi hasil klasifikasi. Kata kunci : Lirik Lagu, Text Processing, part-of-speech, Support Vector Machine. Abstract Song is one of the most influential elements in determining expression and emotion. With an elements that are audio and can be represented more powerful meaning in the lyrics of the song. Classification of songs can be done by using song lyrics as a medium used to classify expression and emotions a someone. Using the Emotion Ontology Thayer Model, text-processing classification is used by applying a part-of-speech fiture in the pre-processing process with the Support Vector Machine as an algorithm to classify the expression and emotion of a song. It’s hoped that using Support Vector Machine can improve the accuracy of classification results. Keywords : Song Lyrics, Text Processing, part-of-speech, Support Vector Machine.
Recurrent Neural Network Untuk Pengenalan Ucapan Pada Dialek Manado Erwin Lapian; Andrew Brian Osmond; Randy Erfa Saputra
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Indonesia merupakan negara besar dengan memiliki banya keberagaman budaya dan suku sehingga Indonesia memiliki banyak bahasa atau pun dialek yang berbeda beda satu daerah dengan daerah yang lainnya, karena perbedaan ini penulis akan membuat sebuah sistem yang akan membantu masyarakat agar tidak terjadi salah paham dalam mengartikan sebuah bahasa daerah. Deep learning sebuah model jaringan syaraf tiruan yang akhir-akhir ini mulai ramai dikembangkan. Pendekatan yang sering digunakan untuk mengimplementasikan Deep Learning adalah graphical methods atau Multilayer Representation, atau Multilayer Graphical model seperti Belief Network, Neural Network, Hidden Markov, dan lain-lain. Deep Learning telah menunjukkan hasil yang baik dalam meningkatkan akurasi pengenalan suara atau kasus-kasus lainnya yang serupa. dalam hal ini akan membuat suatu sistem atau program speech recognition dengan metode Recurrent Neural Network. Dari hasil penelitian yang dilakukan, dari nilai parameter tertentu didapatkan akurasi sebesar 88%. Setelah mendapatkan parameter ideal maka dilakukan pengujian keseluruhan sistem sebanyak sepuluh kali dan akurasi yang didapatkan rata-rata sebesar 87%. Dari pengujian tersebut dapat disimpulkan bahwa, semakin banyak epoch dan data latih yang banyak akan meningkatkan tingkat akurasi. Keywords: Recurrent Neural Networks, Speech Processing, Dialek, Neural Networks. Abstract Indonesia is a big country with a diversity of cultures and tribes so that Indonesia has many languages or dialects different from one region to another because of this difference the author will create an application that will help the community to avoid misunderstanding in interpreting a regional language. Deep learning of a model of artificial neural network which recently began to be developed. A common approach used to implement Deep Learning is graphical methods or Multilayer Representation, or Multilayer Graphical models such as Belief Network, Neural Network, Hidden Markov, and others. Deep Learning has shown good results in improving the accuracy of speech recognition or other similar cases. in this case will create a system or program speech recognition with Recurrent Neural Network method. From the results of research conducted, from the value of certain parameters obtained an accuracy of 88%. After obtaining the ideal parameters then do the overall test of the system as much as ten times and the average accuracy obtained by 87%. From these tests it can be concluded that, the more epoch and training data that many will increase the accuracy level. Keywords : Recurrent Neural Networks, Speech Processing, Dialek, Neural Networks
Recurrent Neural Network Untuk Pengenalan Ucapan Pada Bahasa Sunda Dialek Utara Arianto Anggoro; Andrew Brian Osmond; Randy Erfa Saputra
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Bahasa merupakan sebuah keahlian yang dipakai oleh kita manusia untuk berkomunikasi antar satu dengan lainnya, bahasa juga mempunyai sistemnya sendiri yang ada agar proses komunikasi antar satu individu dengan individu lainnya berjalan dengan lancar. Setiap bahasa tentunya memiliki logat ataupun dialeknya masing-masing mungkin dari cara berbicaranya maupun sistem penulisannya. Untuk mengenali bahasa yang digunakan pada setiap daerah dibutuhkan sistem yang bisa mengenali dialekdialek yang ada pada daerah tersebut. Pada penelitian ini menggunakan metode Deep Learning Recurrent Neuaral Network. Dari hasil penelitian yang dilakukan, dengan nilai parameter tertentu didapatkan akurasi sebesar 72.9%. Setelah didapatkan akurasi tersebut, dilakukan pengujian dengan mengganti salah satu dari nilai parameter yang terdapat pada sistem, sehingga mendapatkan hasil akurasi sebesar 74%. Dari pengujian tersebut dapat disimpulkan bahwa semakin besar parameter epoch yang dimasukan dan data latih yang banyak akan menghasilkan akurasi yang lebih baik Kata kunci : Neural Network, Deep Learning Abstract Language is a skill used by us humans to communicate with each other, the language also has its own system that exist for the communication process between one individual with other individuals running smoothly. Each language must have its own dialect or as much as possible from the way it speaks and the writing system. To recognize the language used in each region required a system that can recognize dialects that exist in the area. In this study case using Deep Learning Recurrent Neural Network method. From the results of research conducted, with the value of certain parameters obtained accuracy of 72.9%. After obtaining the accuracy, tested by replacing one of the parameter values found in the system, so get the accuracy of 74%. From these tests it can be concluded that the larger the epoch and the many training data will produce better accuracy. Keywords: Artificial Intelligence, Neural Network, Artificial Neural Networks
Deep Neural Network Untuk Pengenalan Ucapan Pada Bahasa Sunda Dialek Utara Ghiffari Arwandani; Andrew Brian Osmond; Ratna Astuti Nugrahaeni
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Indonesia merupakan Negara dengan banyak ragam suku. Dari berbagai macam suku tadi, Indonesia mempunyai banyak Bahasa daerahnya masing-masing sebagai pembeda atau identitas dari daerah tersebut. Dalam hal ini pengenalan ucapan sangat penting untuk mempermudah pengenalan Bahasa yang digunakan. Pengenalan ucapan memiliki banyak metode sebagai pembelajaran, salah satunya menggunakan Deep Learning. Deep learning sebuah model jaringan syaraf tiruan yang akhir-akhir ini mulai ramai dikembangkan. Pendekatan yang sering digunakan untuk mengimplementasikan Deep Learning adalah graphical methods atau Multilayer Representation, atau Multilayer Graphical model seperti Belief Network, Neural Network, Hidden Markov, dan lain-lain. Deep Learning telah menunjukkan hasil yang baik dalam meningkatkan akurasi pengenalan suara atau kasus-kasus lainnya yang serupa. Oleh karena itu pada penelitian ini penulis akan mencoba untuk mengimplementasikan Deep Neural Network pada Speech Recognition untuk mengklasifikasian Bahasa Sunda dialek Utara. Dari hasil penelitian yang dilakukan, dari nilai parameter tertentu didapatkan akurasi sebesar 100%. Setelah mendapatkan parameter ideal dilakukan klasifikasi dengan rasio dari data latih : data data uji sebesar 50% : 50%, 60% : 40%, 70% : 30%, 80% : 20% dan 90 : 10%. Dari pengujian dengan rasio tesebut didapatkan kesimpulan bahwa, semakin banyak data latih semakin baik akurasi yang didapatkan. Kata kunci : Deep learning, Speech Recognition, Deep Neural Network Abstract Indonesia is a country with many tribes. From various tribes earlier, Indonesia has many languages of their respective regions as a differentiator or identity of the region. In this case speech recognition is very important to facilitate the introduction of the language used. Speech recognition has many methods as learning, one of them using Deep Learning. Deep learning of a model of artificial neural network which recently began to be developed. A common approach used to implement Deep Learning is graphical methods or Multilayer Representation, or Multilayer Graphical models such as Belief Network, Neural Network, Hidden Markov, and others. Deep Learning has shown good results in improving the accuracy of speech recognition or other similar cases. Therefore in this study the authors will try to implement Deep Neural Network on Speech Recognition to classify the Sundanese language of the Northern dialect. From the results of research conducted, obtained accuracy by changing each parameter of 100%. After obtaining the ideal parameters are classified with the ratio of the training data: the test data data is 50%: 50%, 60%: 40%, 70%: 30%, 80%: 20% and 90: 10%. From the test with the ratio, it is concluded that, the more train data the better the accuracy obtained. Keywords : Deep learning, Speech Recognition, Deep Neural Network
Deteksi Kepribadian Anak Dengan Pengolahan Citra Sidik Jari Menggunakan Metode Minutiae Afzalul Patriot Nasution; Andrew Brian Osmond; Randy Efra Saputra
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Di abad ini, penggunaan teknologi telah berkembang pesat, hampir tidak ada kata-kata yang mustahil untuk membuat sesuatu. Salah satunya adalah pengolahan citra sidik jari untuk mengidentifikasi salah satu sidik jari melalui sistem yang telah diciptakan oleh algoritma tertentu. Hasil dari sidik jari bisa dapat menentukan sifat maupun kepribadian anak. Mendeteksi sidik jari bisa menggunakan metode minutiae. Dengan menentukan sifat ataupun Kepribadian anak, maka orang tua maupun guru bisa mengontrol atau mengatasi tingkah laku anak tersebut. Pada penelitian ini, untuk mengetahui kepribadian anak, maka pola sidik jari harus diektrasksi terlebih dahulu agar informasi dari sidik jari tersebut bisa di cocokkan dengan sistem pakar yang telah dibangun. Informasi sistem pakar didapat dari pakar yang berkaitan. Disini pakar yang di pakai yaitu psikologi. Pola sidik jari diolah dengan pengolahan citra dengan metode minutiae untuk metode pencocokannya. Kata kunci : Pengolahan Citra, Sistem Pakar, Minutiae Abstract In this century, the use of technology has grown rapidly, there is nothing impossible to made something. For example is the fingerprint image processing to search for one of the fingerprints through a system that has been created by a particular algorithm. The results of fingerprints can determine the nature and personality of children. Detecting fingerprints can use the minutiae method. By choosing the nature or personality of the child, parents and teachers can control or overcome the child's behavior. In this study, to determine the child's personality, the fingerprint pattern must first be extracted for information from the fingerprint can be matched with expert systems that have been built. Expert system information from related experts. Here the expert in use is psychology. The fingerprint pattern is processed by image processing by minutiae method for its matching method. Keywords : Image Processing, Expert System, Minutiae
Deep Neural Network Untuk Pengenalan Ucapan Pada Bahasa Sunda Dialek Tengah Timur (majalengka) Dede Nur Fathurrahman; Andrew Brian Osmond; Randy Erfa Saputra
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Indonesia merupakan negara besar dengan memiliki banya keberagaman budaya dan suku sehingga Indonesia memiliki banyak bahasa atau pun dialek yang berbeda beda satu daerah dengan daerah yang lainnya, dalam hal ini penulis membuat suatu program atau aplikasi speech recognition dengan metode Deep Neural Network untuk pengenalan ucapan bahasa sunda dialek Majalengka. Berbagai penelitian dalam pengolahan sinyal suara telah banyak di kembangkan salah satu penelitian yang menarik untuk dikembangkan adalah identifikasi dialek. Identifikasi dialek dilakukan untuk mendapat informasi lebih lengkap dari seseorang melalui logat suara dari berbagai daerah di Indonesia. Dengan menggunakan Deep Learning yang berfokus pada menemukan reperesentasi fitur bertingkat yang dimana pada tingkatan fitur yang lebih tinggi merepresentasikan lebih banyak aspek abstrak dari data. Oleh karena itu, penulis akan membuat suatu aplikasi Speech Recognition dengan metode Deep Neurel Network (DNN) untuk mengenali bahasa sunda dialek Majalengka. Keywords: Deep Neural Networks, Speech Recognition, Dialek, Neural Networks, Deep Learning. Abstract Indonesia is a big country with a lot of cultural diversity and ethnic groups so that Indonesia has many different languages or dialects different one region with other regions, in this case the authors make a program or application speech recognition with Deep Neural Network method for speech recogniciton of Sundanese language of Majalengka dialect. Various studies in the processing of voice signals have been widely developed one of the interesting research to develop is the identification of dialect. Identification of dialect is done to get more information from someone through voice accent from various regions in Indonesia. By using Deep Learning that focuses on finding reperesentation of multilevel features which at a higher level feature represent more abstract aspects of the data. Therefore, the author will make an application of Speech Recognition with Deep Neurel Network (DNN) method to recognize on Sundanese language of Majalengka dialect. Keywords : Deep Neural Networks, Speech Recgnition, Dialek, Neural Networks, Deep Learning
Klasifikasi Emosi Pada Lirik Lagu Menggunakan Metode NaÏve Bayes Classifier Maftukhah Carolin Noviardini; Andrew Briand Osmond; Casi Setianingsih
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Lagu merupakan hiburan dalam aktivitas manusia yang melibatkan suara-suara yang teratur. Lagu berupa sekumpulan nada-nada yang dirangkai menjadi sebuah bunyi yang sangat indah dan harmoni. Emosi pada lagu menjelaskan makna emosional yang melekat pada sebuah klip lagu. Dalam Tugas Akhir ini akan dilakukan klasifikasi emosi berdasarkan lirik lagu, sebagai media yang digunakan untuk mengklasifikasi ekspresi dan emosi seseorang, kemudian untuk dapat mengklasifikasi emosi berdasarkan lirik lagu sesuai dengan yang pendengar inginkan, dibutuhkan metode yang tepat dan metode yang digunakan oleh penulis adalah Naïve Bayes Classifier, sebagai metode yang dapat melakukan klasifikasi emosi lirik lagu. Naive Bayes Classifier merupakan salah satu metode Machine Learning yang menggunakan perhitungan probabilitas. Konsep dasar yang digunakan oleh Naïve Bayes Classifier adalah Teorema Bayes, yaitu teorema yang digunakan dalam statistika untuk menghitung suatu peluang. Kata Kunci : Emosi, Text Mining, Naïve Bayes Classifier. Abstract Song is an entertainment in human activity that involves regular voices. Song is a collection of tunes that are strung together into a very beautiful sound and harmony. The emotion in the song can explains the emotional significance That is attach to a song clip. In this Final Project will be carried out the classification of emotions based on song lyrics, as a medium used to classify one's expression and emotions. Then to be able to classify emotions based on song lyrics according to what the listener wants, the right method is needed and the method used by the author is the Naïve Bayes Classifier, as a method that can classify the emotion of the song lyrics. Naive Bayes is one of a Machine Learning method that uses probability calculations. The basic concept used that is in Naïve Bayes Classifier is Bayes's Theorem, a theorem is used in statistics to calculate an probability. Keyword : Emotion, Text Mining, Naïve Bayes Classifier.
Co-Authors Aditya Reza Pahlawan M Afzalul Patriot Nasution Agung Eko Prasetyo Agung Nugroho Jati Agustinus Agustinus Ahmad Fauzan Fauti Alexander Dias Ekasmara Putra Alfin Ferdiansyah Alif Hafit Fandriansyah Andreas Michael Hutagalung Andreas Willliams Moritz Angga Gita Purnama ANGGUNMEKA LUHUR PRASASTI Annis Waziroh Anton Siswo Raharjo Ansori Arianto Anggoro Arief Darmawan Asep Mulyana Azmi Muhammad Bondan Aji Prabowo Budhi Irawan Burhanuddin Dirgantoro Casi Setianingsih Dede Nur Fathurrahman Dendhi Aditya P Dharma Anjarrahman Dumash Resi Anggoro Erick Haditya Pamungkas Erwin Lapian Fadli Andriawan Faishal Ridho Prawenda Fiqi Praramadhan Gede Adi Aryanata Gede Kristian Wijaya Kusuma Ghiffari Arwandani Hafidz Kahamdany Hafizh Septian Pristanto Hanif Nilam Pratama Adiarso Harie Andrian Ignatius Hendra Kristiawan Kristiawan Imam Hidayat Arifin Hasibuan Irfan Dhiya Abirawa Jumardi Jumardi Junedi Pasaribu Khairul Tamimi Khairunnisa Br Ginting Luthfi Abdul Hakim Maftukhah Carolin Noviardini Mohammad Yasrid Angkat Muhammad Iqbal G Putra Muhammad Junaid Musa Muhammad Nurul Fikri Mustofa Restu Adi Naufira Septriyanti Novianty, Astri Nur Muthiah Nur Pratiwi Pamungkas Aji Santoso Pandu Akas Tachli Taqwin Purba Daru Kusuma R Derry Arantika R. Rumani R. Rumani Raka Omala Agusta Randy Efra Saputra Randy Erfa Saputra Rangga Aditia Ratna Astuti Nugrahaeni Regi Ryanda Rezqa Afraghina Roswan Latuconsina Roswan Latuconsina Rumani M Ryio Budi Utomo Sevian Oliviandi Stefanus Dear Damanik Suhono Harso Supangkat Surya Michrandi Nasution Syahrial Ibnu Rahmat Teguh Setiawan Triadi Budiman