Article Per Year (5 Year)
p-Index From 2019 - 2024
0
P-Index
This Author published in this journals
All Journal eProceedings of Engineering
Mohamad Syahrul Mubarok
Telkom University
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 16 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 16 Documents
Search

 1   2 
Klasifikasi Jenis Kendaraan Jalan Raya Menggunakan Gabor Filter Dan Naïve Bayes Muhammad Enzi Muzakki; Mohamad Syahrul Mubarok; Adiwijaya Adiwijaya
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

Di Indonesia sekarang ini, sistem pengamatan lalu lintas masih menggunakan kemampuan pengawasan manusia. Contohnya pada saat pembayaran karcis parkir, tiket di gerbang tol dsb. Memang manusia dapat membedakan objek satu dengan yang lainnya dengan mudah akan tetapi tetap saja manusia memiliki keterbatasan seperti kelelahan dan kurangnya konsentrasi. Untuk mempermudah hal tersebut diperlukan sistem yang dapat mengelompokkan kendaraan-kendaraan tersebut secara otomatis. Dalam makalah ini kendaraan beroda empat atau lebih akan dikelompokkan ke dalam tiga kelompok yaitu, bus, truck dan car. Metode ekstraksi ciri yang digunakkan adalah Gabor Filter yang menggunakan frekuensi dan orientasi sebagai parameter untuk menghasilkan ciri penting dari citra masukan serta hasil dari ekstraksi tersebut menjadi nilai masukan pada proses klasifikasi Naïve Bayes. Klasifikasi kendaran didapat setelah melalui berbagai tahap preprocessing hingga menghasilkan kategori dari kendaraan tersebut. Setelah itu dilakukan pencarian nilai parameter Gabor Filter yang terbaik hingga mendapatkan nilai yang maksimal. Hasil pengujian pun akhirnya dapat mencapai nilai akurasi 81.73%. Kata kunci : Gabor Filter, Naïve Bayes, klasifikasi kendaran
Perancangan Semantic Similarity Based On Word Thesaurus Menggunakan Pengukuran Omiotis Untuk Pencarian Aplikasi Pada I-gracias Akip Maulana; Moch. Arif Bijaksana; Mohamad Syahrul Mubarok
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

Proses pencarian dengan cara konvensional akan membuat pengguna I-GRACIAS bingung apabila keyword yang dimasukkan memiliki ejaan kata yang berbeda dengan nama aplikasi yang ada. Semantic similarity adalah suatu pen- dekatan untuk menangani pencarian dengan mengandalkan nilai keterhubungan antar-term yang dibentuk dari Word- net. Pendekatan semantic similarity yang digunakan adalah Path-based dengan Wu and Palmer (WUP) sebagai metode perhitungan semantic similarity. Omiotis merupakan metode yang ditujukan untuk mengukur derajat relevansi antar- dokumen. Terdapat dua komponen utama dari perhitungan Omiotis. Komponen tersebut adalah lexical relevance dan semantic similarity. Dengan demikian, proses pencarian yang awalnya menggunakan cara konvensional diubah den- gan pendekatan Semantic Textual Similarity (STS). Oleh karena itu, pada tugas akhir ini akan digunakan pengukuran Omiotis untuk menghitung kemiripan antar-dokumen dengan menggunakan pendekatan Path-based sebagai metode semantic similairty, yang mana masih memiliki ketergantungan dengan Wordnet. Sehingga mampu membantu menan- gani masalah pencarian aplikasi di I-GRACIAS. Kata Kunci: Semantic Similarity, Lexycal Relevance, Omiotis, PairingWord, Wordnet.
Kategorisasi Topik Tweet Di Kota Jakarta, Bandung, Dan Makassar Dengan Metode Multinomial Naïve Bayes Classifier Muhammad Haerunnur Syahnur; Moch. Arif Bijaksana; Mohamad Syahrul Mubarok
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

Twitter merupakan mikroblog yang sedang diminati oleh banyak orang di berbagai negara. Para penggunanya dapat memposting segala hal mengenai apa yang sedang terjadi di sekitar mereka. Baik itu breaking news, berita gosip selebriti, dan lain sebagainya. Setiap harinya, tidak kurang dari 500 juta tweet dikirimkan oleh penggunanya dari seluruh penjuru dunia. Dari tweet-tweet tersebut, Twitter akan mendaftar topik mana saja yang sering dibicarakan secara real-time melalui fitur Trending Topic. Namun, pada kenyataannya tren topik tersebut mengacu pada banyak, dan seringnya suatu kata, atau frase dikicaukan oleh pengguna di berbagai lokasi mengenai suatu event besar yang sedang terjadi. Penelitian ini bertujuan untuk mengklasifikasikan tweet-tweet yang dikirimkan dari kota Jakarta, Bandung, dan Makassar ke dalam beberapa topik, kemudian melihat tingkat kepopuleran topik tersebut di berbagai paruh waktu. Penelitian ini diawali dengan pengumpulan data tweet dari twitter.com, kemudian dilakukan praproses. Dilanjutkan ke tahap pembentukan classifier memanfaatkan data latih. Tahap terakhir adalah klasifikasi tweet ke dalam parameter topik tertentu menggunakan metode Multinomial Naïve Bayes Classifier. Penelitian ini menghasilkan rata-rata f1-score yang cukup tinggi, yaitu 76,81% jika dibandingkan dengan classifier lain seperti Random Forest, SVM, dan Nearest Neighbor (75,18%, 68,82%, dan 50,22%). Kata kunci: Klasifikasi topik, Twitter, Jakarta, Bandung, Makassar, Multinomial Naïve Bayes Classifier
Deteksi Dan Klasifikasi Rambu Lalu Lintas Menggunakan Support Vector Machine Agnes Dirgahayu Palit; Mohamad Syahrul Mubarok; Kurniawan Nur Ramadhani
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

Traffic Sign Detection and Classification (Sistem Deteksi dan Klasifikasi Rambu Lalu Lintas) merupakan sistem untuk mendeteksi dan mengklasifikasikan rambu lalu lintas pada citra. Pada sistem ini, proses deteksi objek rambu lalu lintas, dibagi menjadi 2 bagian, yaitu dengan menyeleksi channel warna yang diinginkan (yang sesuai dengan warna rambu lalu lintas yang di cari), sebagai deteksi warna, dan menghitung derajat kebundaran dan segiempat objek sebagai deteksi bentuk objek. Sebagai ekstraksi ciri, Histogram of Oriented Gradient (HOG) digunakan untuk ektraksi ciri bentuk, colour moment untuk ekstraksi warna. Sedangkan untuk klasifikasi menggunakan Support Vector Machines (SVM). Sistem yang telah dibangun pada penelitian ini menghasilkan performansi sebesar 93.5946% menggunakan micro average f1-score. Kata Kunci: Traffic sign detection and recognition, Support Vector Machine, Histogram of Oriented Gradient, colour moment
Klasifikasi Multi Label Pada Topik Ayat Al-qur'an Terjemahan Bahasa Inggris Menggunakan Multinomial Naive Bayes Reynaldi Ananda Pane; Mohamad Syahrul Mubarok; Adiwijaya Adiwijaya
eProceedings of Engineering Vol 5, No 1 (2018): April 2018
Publisher : eProceedings of Engineering

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

Abstract

Al-Qur’an adalah firman Allah SWT yang menjadi kitab suci sekaligus pedoman bagi umat Islam di seluruh dunia yang setiap ayatnya mengandung makna dan hikmah. Ayat-ayat Al-Qur’an ada yang dapat diklasifikasikan ke dalam satu topik saja, namun ada juga yang dapat diklasifikasikan ke dalam beberapa topik yang berbeda. Hal ini termasuk ke dalam permasalahan klasifikasi multi-label. Tugas Akhir ini mengangkat permasalahan klasifikasi multi-label pada ayat-ayat Al-Qur’an tersebut menggunakan Multinomial Naïve Bayes sebagai classifier, serta dengan beberapa tahapan preprocessing data seperti case folding, tokenization, dan stemming. Hasil pengujian yang telah dilakukan menghasilkan nilai hamming loss terbaik sebesar 0.1247.
Implementasi Dan Analisis Keterkaitan Semantik Antar Kata Menggunakan Pointwise Mutual Informationmax Dengan Estimasi Dari Kata Polisemi I Made Darma Yoga; Moch. Arif Bijaksana; Mohamad Syahrul Mubarok
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

Natural Language Processing atau premrosesan bahasa alami merupakan sebuah disiplin ilmu yang khusus mengolah teks yang ditulis langsung oleh manusia yang bersifat tidak terstruktur. Pengukuran semantic similarity antar kata merupakan salah satu tugas penerapan dari Natural Language Proccessing yang intinya adalah mencari skor semantic similarity antar kata. Skor tersebut menunjukkan seberapa erat tingkat kesamaan antar dua kata. Salah satu metode untuk menghitung semantic similarity adalah PMImax (Pointwise Mutual Informationmax). PMImax mengestimasi korelasi maksimum antara dua kata dan korelasi antara makna terdekat kedua kata tersebut karena sebuah kata seringkali memiliki banyak makna atau bisa disebut dengan kata Polisemi. Pada tugas akhir ini, diimplementasikan penghitungan semantic similarity antar kata menggunakan PMImax dengan menggunakan estimasi dari kata polisemi. konteks kata bersumber dari dataset Brown Corpus dan dataset Gutenberg. Hasil dari keterkaitannya dibandingkan dengan dataset Gold Standard WordSim-353 semantic relatedness, semantic similarity, Miller Charles dan Simlex-999. Hasil penelitian yang didapat terlihat bahwa dengan menggunakan PMImax didapatkan korelasi terbaik yaitu 66,5% dengan dataset gold standard WordSim-353 semantic similarity menggunakan korelasi Pearson dan dengan menggunakan nilai sense hasil analisis variabel p dan q. Nilai semantic similarity setiap pasang kata sangat dipengaruhi oleh nilai Co-Occurence sepasang kata teresebut, semakin tinggi nilai Co-Occurence suatu pasangan maka akan menghasilkan skor semantic similarity yang tinggi. Kata kunci : Kesamaan semantik, Pointwise Mutual Information, kata polisemi.
Klasifikasi Multi-label Pada Topik Ayat Qur’an Terjemahan Bahasa Inggris Menggunakan Tree Augmented Naïve Bayes (tan) Al Mira Khonsa Izzaty; Mohamad Syahrul Mubarok; Adiwijaya Adiwijaya
eProceedings of Engineering Vol 5, No 1 (2018): April 2018
Publisher : eProceedings of Engineering

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

Abstract

Al-Qur’an merupakan salah satu mukjizat yang diturunkan untuk dijadikan pedoman hidup bagi umat Muslim. Setiap umat Muslim wajib memahami serta mengamalkan ajaran yang dianjurkan Al-Qur’an. Ayat Al-Qur’an memiliki bahasan atatu topik yang dikaji, satu ayat dapat membahas satu topik atau lebih, pada kasus ini ayat Al-Qur’an termasuk dalam multi-label. Untuk memudahkan umat Muslim dalam memahami Al-Qur’an perlu dibangun sistem klasifikasi ayat Al-Qur’an. Berdasarkan penelitian sebelumnya, teorema Bayes dianggap common dalam menyelesaikan kasus klasifikasi, sehingga pada penelitian ini digunakan pendekatan probabilistik untuk membangun klasifikasi multi-label dengan Tree Augmented Naïve Bayes (TAN). Dalam pembangunan struktur TAN digunakan seleksi ciri dengan Mutual Information yang menghitung kebergantungan antar variabel input. Pada akhir pengujian nilai performa dari sistem dihitung dengan menggunakan hamming loss yang menghitung nilai error pada hasil klasifikasi multi-label. Hasil pengujian terbaik diperoleh ketika menggunakan threshold MI 3 yaitu dengan nilai hamming loss sebesar 0.1121, sedangkan nilai hamming loss terendah diperoleh ketika pembangunan struktur tidak menggunakan MI yaitu dengan nilai hamming loss 0.1208.
Klasifikasi Topik Berita Berbahasa Indonesia Menggunakan K-nearest Neighbor Andi Ahmad Irfa; Adiwijaya Adiwijaya; Mohamad Syahrul Mubarok
eProceedings of Engineering Vol 5, No 2 (2018): Agustus 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Masyarakat Indonesia kini mulai beralih dari konsumsi berita dalam bentuk surat kabar ke berita online. Persentase konsumsi berita melalui online mencapai 96 persen berdasarkan riset lembaga Global GFK. Angka tertinggi dibandingkan dengan konsumsi berita melalui televisi sebesar 91 persen, surat kabar 31 persen dan radio sebesar 15 persen. Akan tetapi begitu banyak berita bisa menyulitkan kerja editor dalam mengategorikan setiap berita yang ada, oleh karena itu dibutuhkan suatu sistem yang bisa mengategorikan berita sesuai dengan kategori masing-masing. Pada penelitian ini bertujuan untuk membuat suatu sistem yang mampu mengategorikan setiap berita berdasar dari topik berita tersebut. Metode yang digunakan dalam mengklasifikasi berita adalah k-Nearest Neighbor (K-NN) yang merupakan algoritma klasifikasi sederhana namu memiliki performa yang tinggi. Pada penelitian ini perancangan sistem dilakukan proses pengumpulan dataset, preprocessing data, klafikasifikasi dengan k-nn, dan terakhir dilakukan pengujian system. Dalam penelitian ini system yang dibangun mampu menghasilkan performa micro average f1-measure sebesar 69,9% dengan nilai k=16. Kata Kunci: Klasifikasi Teks, Text Mining, K-Nearest Neighbors Abstract Indonesian society is now starting to roll out from news consumption in the form of newspapers to online news. The percentage of online news consumption reached 96 percent based on Global GFK research institute. The percent number is the reverse of the number of news stories. It will be very much news to complicate the work of editors in categorizing every news that there is, therefore required a system that can categorize the news according to their respective categories. In this study is for a system that is able to categorize any news based on the news topic. The method used in classifying news is k-Nearest Neighbor (K-NN) which is a simple content algorithm namu has high performance. In this research the system design is done the process of completion of dataset, preprocessing data, klafikasifikasi with k-nn, and last done by testing system. In this research the built system is able to produce the average micro performance of f1measure equal to 69,9% with value k = 16. Keywords: Classification Text, Text Mining, K-Nearest Neighbors
Klasifikasi Topik Berita Berbahasa Indonesia Menggunakan Weighted K-nearest Neighbor Sigit Bagus Setiawan; Adiwijaya Adiwijaya; Mohamad Syahrul Mubarok
eProceedings of Engineering Vol 5, No 1 (2018): April 2018
Publisher : eProceedings of Engineering

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

Abstract

Berita adalah salah satu sarana informasi bagi masyarakat umum. Di jaman yang modern ini orang-orang banyak menggunakan media online sebagai salah satu sarana untuk mengakses berita. Di Indonesia sendiri media online memiliki presentase paling besar sebagai sarana penyampaian berita [1]. Namun banyaknya berita yang ada dalam media online memunculkan masalah dalam mengkategorikan topik berita yang ada. Sehingga dibutuhkanlah sistem yang dapat mengkategorikan setiap topik berita yang ada pada media online. Penelitian ini bertujuan menciptakan sistem yang mampu mengkategorikan setiap berita berbahasa Indonesia pada kelas yang seharusnya. Pengklasifikasian menggunakan metode weighted k-Nearest Neighbor (wkNN) karena merupakan classifier yang sederhana namun powerful. Pada penelitian ini terdapat beberapa tahap dalam perancangan sistem, yaitu preprocessing data, feature extraction, dan pengklasifikasian menggunakan weighted k-Nearest Neighbor. Setelah tahap-tahap tersebut dilalui dilakukanlah pengukuran performansi. Hasil penelitian mampu memberikan performa sistem sebesar 75,86% dengan nilai k = 27.
Implementasi Dan Analisis Kesamaan Semantik Antar Kata Berbahasa Inggris Dengan Metode Second Order Co-occurrence Pointwise Mutual Information I Komang Resnawan Tri Putra; Moch. Arif Bijaksana; Mohamad Syahrul Mubarok
eProceedings of Engineering Vol 3, No 3 (2016): Desember, 2016
Publisher : eProceedings of Engineering

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

Abstract

Keterkaitan semantik mengacu pada sejauh mana dua konsep atau kata-kata yang terkait (atau tidak), sedangkan kesamaan semantik adalah kasus khusus atau bagian dari keterkaitan semantik. Kesamaan kata (word similarity) adalah pengukuran seberapa mirip sebuah pasangan kata secara semantik, dengan adanya hubungan sinonim maka pasangan kata tersebut memiliki nilai tertinggi. Pointwise Mutual Information (PMI) merupakan salah satu pengukuran secara statistik untuk keterkaitan semantik dan kesamaan semantik yang telah banyak digunakan. Salah satu varian pada PMI ialah Second Order Co-ocurrence Pointwise Mutual Information (SOC- PMI). Hasil dari penelitian pada tugas akhir ini merupakan nilai korelasi antara skor kesamaan yang dihasilkan sistem dengan gold standard SimLex-999, WordSim353 dan Miller and Charles. Nilai korelasi tertinggi yaitu 0,2881 dengan menggunakan window size = 33 dan nilai δ = 6,5. Parameter yang menyebabkan korelasi terbaik dengan metode SOC-PMI ini ialah konteks katanya antara pasangan kata yang dibandingkan. Kata kunci : Kesamaan semantik, Pointwise Mutual Information, Second Order Co-occurrence Pointwise Mutual Information.
Co-Authors Adiwijaya Agnes Dirgahayu Palit Akip Maulana Al Mira Khonsa Izzaty Andi Ahmad Irfa I Komang Resnawan Tri Putra I Made Darma Yoga KD Krisna Dwipayana Kurnia C Widiastuti Kurniawan Nur Ramadhani Moch. Arif Bijaksana Muhammad Enzi Muzakki Muhammad Fauzan Muhammad Haerunnur Syahnur Muhammad Surya Asriadie Reynaldi Ananda Pane Sigit Bagus Setiawan Warih Maharani Yanuar Ega Ariska Yusuf Anugrah Putra Aditama