Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal MIND (Multimedia Artificial Intelligent Networking Database) Journal jurnal teknik informatika dan sistem informasi
Dina Budhi Utami, Dina Budhi
Unknown Affiliation
Computer Science & IT

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
KARAKTERISTIK METODE SIFT DALAM APLIKASI SISTEM PENGENALAN MOTIF BATIK HUSADA, MILDA GUSTIANA; UTAMI, DINA BUDHI; ZAR, IWAN
MIND Journal Vol 4, No 2 (2019): MIND Journal
Publisher : Institut Teknologi Nasional Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (488.167 KB) | DOI: 10.26760/mindjournal.v4i2.42-51

Abstract

Pada kajian ini dibahas penerapan CBIR yaitu cara perolehan temu balik (retreival) objek citra melalui proses pembandingan antara citra uji terhadap citra latih yang dikumpulkan dalam suatu database. Proses membandingan citra berlandaskan pada tanda-tanda (ciri) yang dimiliki diantara citra tersebut. Tanda-tanda yang digunakan pada cara CBIR yaitu berdasarkan kemiripan warna, bentuk, dan tekstur. Pada makalah ini metode SIFT digunakan untuk mendapatkan dan mendeskripsikan fitur-fitur lokal yang ada pada citra. Fitur citra latih dan citra uji yang diperoleh kemudian dibandingkan dengan menggunakan Nearest Neighbour Search untuk memperoleh tingkat kemiripan (proses image matching). Pengujian dilakukan pada citra yang diperoleh melalui kamera dan citra yang sudah berupa data digital. Berdasarkan pengujian, nilai precision dan recall untuk citra uji yang diambil melalui kamera berturut-turut adalah 64% dan 12,8%, sedangkan untuk citra uji dari digital dioleh adalah 84% dan 16.8%. Kata kunci: CBIR, SIFT, Image Matching, Nearest Neighbor Search
SISTEM PENGENALAN SUARA BAHASA INDONESIA UNTUK MENGENALI AKSEN DAERAH Idwal, Adhitya Yoga Pratama; Nurhasanah, Youllia Indrawaty; Utami, Dina Budhi
Jurnal Teknik Informatika dan Sistem Informasi Vol 3 No 3 (2017): JuTISI
Publisher : Maranatha University Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28932/jutisi.v3i3.688

Abstract

In performing theater sometimes feature regional stories that use the characteristic accents of the displayed areas and there is a theater that uses the linguist to know the accent from the area so that the characters who want to staged to deepen the role. However, sometimes theater does not have a linguist to know the accent used is correct or not. Therefore, it takes a technology that can recognize the Indonesian voice using accents that can help linguists recognize regional accents called speech recognition. Voice recognition process is divided into two main parts of the method of feature extraction and pattern recognition methods. In this research we use Linear Predictive Coding (LPC) characteristic extraction method and pattern recognition method using Vector Quantization (VQ). The results of this test, the built application can be used to recognize the sound of Indonesian language using accent areas of Malay and sunda. To recognize sounds more effective with sounds that use the sentence because the value of voice features that use more sentences than the value of voice traits that use the word. Thus, the results obtained with a high accuracy using the sentence that is 80% for Malay Accents sentence and 80% for the Sundanese accent sentence. Then, for the accuracy of using the word "pergi" is 40% for the word using accent Malay and 60% for the word using Sundanese accent. Meanwhile, for the accuracy of using the word "persib" which is 90% for the word using accents Malay and 70% for words using Sundanese accents. Keywords—Speech Recognition, Accents, Linear Predictive Coding, Vector Quantization
Pengenalan Tingkat Kematangan Tomat Berdasarkan Citra Warna Pada Studi Kasus Pembangunan Sistem Pemilihan Otomatis Anggriawan, Mochamad Angga; Ichwan, Muhammad; Utami, Dina Budhi
Jurnal Teknik Informatika dan Sistem Informasi Vol 3 No 3 (2017): JuTISI
Publisher : Maranatha University Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28932/jutisi.v3i3.695

Abstract

Proses pemilihan tomat yang dilakukan manusia relatif kurang konsisten untuk menentukan tomat yang matang dan belum matang. Hal ini disebabkan beberapa faktor seperti kelelahan manusia, keragaman visual, dan perbedaan persepsi setiap manusia. Untuk mengatasi hal tersebut, Penelitian ini mengusulkan sebuah sistem berbasis komputer yang dapat melakukan proses pemilihan yang memiliki tingkat akurasi dibandingkan dengan proses pemilihan yang dilakukan oleh manusia. Proses pemilihan pada sistem ini, dilakukan melalui beberapa tahapan meliputi pengambilan citra tomat diikuti proses pemotongan citra dan konversi ruang warna HSV serta pembuatan histogram HSV. Hasil konversi ruang warna HSV tersebut sebagai masukkan proses klasifikasi untuk menentukan tingkat kematangan tomat kedalam kategori matang dan belum matang menggunakan metode Learning Vector Quantization (LVQ). Sistem yang dibuat terdiri dari dua perangkat diantaranya kamera sebagai alat untuk pengambilan citra dan belt conveyor sebagai material transfer. Hasil dari pengujian sistem pengenalan tingkat kematangan berdasarkan citra warna dengan metode Learning Vector Quantization (LVQ) diperoleh prosentase keberhasilan sebesar 83,75% dari 80 dengan pengambilan citra tomat secara statis dan 83,33% dari 48 dengan pengambilan citra tomat pada belt conveyor.
IMPLEMENTASI “PRINCIPAL COMPONENT ANALYSIS - SCALE INVARIANT FEATURE TRANSFORM” PADA CONTENT BASED IMAGE RETRIEVAL Pardede, Jasman; Utami, Dina Budhi; rochman, adlan chosyiyar
Jurnal Teknik Informatika dan Sistem Informasi Vol 3 No 3 (2017): JuTISI
Publisher : Maranatha University Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28932/jutisi.v3i3.696

Abstract

Content based image retrieval (CBIR) adalah teknik pencarian gambar dari database gambar besar dengan menganalisis fitur-fiturnya. Fiturnya bisa berupa warna, tekstur, bentuk, dll. Metode yang digunakan dalam penelitian ini adalah kombinasi antara Principal Component Analysist dan Scale Invariant Feature Transform (metode PCA-SIFT). Metode SIFT digunakan untuk mendeteksi dan menggambarkan fitur lokal sedangkan PCA digunakan untuk mengurangi dimensi gambar. Nilai dimensi menjadi masalah tersendiri dalam perhitungan. Metode PCA diterapkan untuk proyeksi dimensi tinggi dengan dimensi gambar rendah. Sebelumnya PCA dan PCA saja sudah sering diaplikasikan untuk pengambilan citra digital. Hasil pencarian diperoleh dengan membandingkan deskriptor titik kunci dari query ke dataset. Hasil pencarian citra menggunakan dataset Wang, menunjukkan bahwa CBIR yang menggunakan metode PCA-SIFT dapat mencapai Precission  90,00% dan recall 18,00%.
Co-Authors Anggriawan, Mochamad Angga HUSADA, MILDA GUSTIANA Idwal, Adhitya Yoga Pratama Jasman Pardede Muhammad Ichwan Nurhasanah, Youllia Indrawaty rochman, adlan chosyiyar ZAR, IWAN