Article Per Year (5 Year)
p-Index From 2019 - 2024
0
P-Index
This Author published in this journals
All Journal Proceeding of the Electrical Engineering Computer Science and Informatics Jurnal Informatika
Intan Nurma Yulita, Intan Nurma
Universitas Padjadjaran
Computer Science & IT Electrical & Electronics Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Pengaruh Ukuran Jendela Observasi terhadap Kinerja Conditional Random Fields pada Pengenalan Fase Gerak Yulita, Intan Nurma; Suryani, Mira; Paulus, Erick
Jurnal Informatika Vol 1, No 1 (2016): Jurnal Informatika
Publisher : Universitas Padjadjaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (10.074 KB)

Abstract

Pengenalan gerak merupakan penelitian yang banyak dikaji. Tantangan di dalam melakukan penelitian iniadalah representasi data disajikan dalam bentuk sekuensial. Untuk dapat mengenali gerak tersebut makametode yang digunakan harus mampu merepresentasikan pola sekuensial  di dalam pemodelan.  Olehkarena itu, pada penelitian ini diajukan Conditional Random Fields.
Klasifikasi Newsgroup Menggunakan Vector Space Model dan Novel K Nearest Neighbors Suryani, Mira; Nasuha, Ayi Muhammad Iqbal; Yulita, Intan Nurma; paulus, erick
Jurnal Informatika Vol 1, No 1 (2016): Jurnal Informatika
Publisher : Universitas Padjadjaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (14.476 KB)

Abstract

Salah satu penelitian dalam bidang perolehan informasi yang hingga saat ini masih menjadi kajian adalah kategorisasi teks. Klasifikasi teks dapat membantu manusia untuk menemukan sekumpulan informasi yang relevan sesuai dengan kebutuhan secara cepat. Studi ini mengemukakan tentang proses mengkategorisasikan newsgroup. Data newsgroup dipilih sebagai dataset penelitian dikarenakan newsgroup sendiri merupakan aplikasi yang telah lama dan banyak digunakan oleh orang untuk berdiskusi di dunia maya, sehingga data newsgroup berada dalam jumlah besar dan perlu pengelolaan. Vector space model sebagai representasi fitur dari sebuah dokumen yang dihasilkan setelah melalui proses indexing dan pembobotan menggunakan term frequency. Representasi fitur kemudian diklasifikasikan ke dalam 3 kategori sesuai dengan kelas kategorinya. Dari hasil penelitian diperoleh nilai rata-rata precision sebesar 71% dengan jumlah data yang diklasifikasikan secara benar sebanyak 89 data. Hasil ini diperoleh dari penentuan jumlah k paling optimal yang berada pada nilai 30.
Combining Deep Belief Networks and Bidirectional Long Short-Term Memory Nurma Yulita, Intan; Ivan Fanany, Mohamad; Murni Arymurthy, Aniati
Proceeding of the Electrical Engineering Computer Science and Informatics Vol 4: EECSI 2017
Publisher : IAES Indonesia Section

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (307.775 KB) | DOI: 10.11591/eecsi.v4.1051

Abstract

This paper proposes a new combination of Deep Belief Networks (DBN) and Bidirectional Long Short-Term Memory (Bi-LSTM) for Sleep Stage Classification. Tests were performed using sleep stages of 25 patients with sleep disorders. The recording comes from electroencephalography (EEG), electromyography (EMG), and electrooculography (EOG) represented in signal form. All three of these signals processed and extracted to produce 28 features. The next stage, DBN Bi-LSTM is applied. The analysis of this combination compared with the DBN, DBN HMM (Hidden Markov Models), and Bi-LSTM. The results obtained that DBN Bi-LSTM is the best based on precision, recall, and F1 score.
Co-Authors Aniati Murni Arymurthy Ayi Muhammad Iqbal Nasuha, Ayi Muhammad Iqbal Erick Paulus Fanany, Mohamad Ivan Mira Suryani, Mira