Antonius Rachmat
Universitas Kristen Duta Wacana

Published : 3 Documents
Articles

Found 3 Documents
Search

Implementasi Sistem Crowdsourced Labelling Berbasis Web dengan Metode Weighted Majority Voting Rachmat, Antonius; Lukito, Yuan
ULTIMA InfoSys Vol 6 No 2 (2015): UltimaInfoSys :Jurnal Ilmu Sistem Informasi
Publisher : Universitas Multimedia Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (949.711 KB) | DOI: 10.31937/si.v6i2.223

Abstract

Crowdsourced Labelling is a large scale data labelling process, solicits a large group of people to label the data, usually via Internet.  This paper discusses about design and implementation of Web-based Crowdsourced Labelling.  Supervised learning classification methods need labelled training data for its training phase.  Unfortunately, in many cases, there aren’t any already available labelled training data.  Large scale data labelling is a tedious and time consuming work.  This research develops a web-based crowdsourced labelling which able to solicit a large group of people as data labeler to speed up the data labelling process.  This system also allows multiple labeler for every data.  The final label is calculated using Weighted Majority Voting method.  We grabbed and used Facebook comments from the two candidates’ Facebook Page of 2014 Indonesian Presidential Election as testing data.  Based on the testing conducted we can conclude that this system is able to handle all the labelling steps well and able to handle collision occurred when multiple labeler labelling a same data in the same time. The system successfully produces final label in CSV format, which can be processed further with many sentiment analysis tools or machine learning tools. Index Terms - Crowdsources labeling, web-based system, supervised learning, weighted majority voting.
APLIKASI PLAYER UNTUK MENJALANKAN FILE WAVE YANG TERKOMPRESI DENGAN METODE HUFFMAN Mega Wea, Karmela Saturnina; Sudiarto, Willy; Rachmat, Antonius
Jurnal Informatika Vol 6, No 1 (2010): Jurnal Informatika
Publisher : Universitas Kristen Duta Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21460/inf.2010.61.86

Abstract

File wave merupakan salah satu format file audio yang banyak dipakai dalam sistem operasi Windows untuk keperluan game dan multimedia. Semakin lama durasi sebuah file wave, semakin besar kapasitas media penyimpanan yang dibutuhkan untuk menyimpan data audio file wave tersebut. Kompresi data merupakan salah satu cara yang dapat dimanfaatkan untuk mengatasi masalah ukuran  file wave yang besar. Metode kompresi yang digunakan adalah metode Huffman. Untuk dapat menjalankan atau memainkan file wave terkompresi tersebut dibuat sebuah aplikasi player. Penggunaan metode Huffman dapat memperkecil file wave dengan penghematan rata-rata sebesar 18,04 %. Akan tetapi pada beberapa kasus kompresi file wave  yang memiliki jumlah karakter unik mendekati 256 karakter dan banyak pola data yang mempunyai frekuensi kemunculan sama, dengan menggunakan metode ini justru menghasilkan ukuran file yang lebih besar dari ukuran file aslinya. File wave hasil kompresi dengan metode Huffman dapat  dimainkan atau dijalankan dengan cara didekompresi terlebih dahulu.
IMPLEMENTASI MOMENT INVARIANT UNTUK PENGENALAN LABEL BUKU PERPUSTAKAAN BERBASIS ANDROID Susetya, Hendy Yudhitya; Rachmat, Antonius; Nugraha, Kristian Adi
Jurnal Terapan Teknologi Informasi Vol 1 No 1 (2017): Jurnal Terapan Teknologi Informasi
Publisher : Fakultas Teknologi Informasi

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (410.175 KB) | DOI: 10.21460/jutei.2017.11.13

Abstract

Perpustakaan Universitas Kristen Duta Wacana(UKDW) memiliki koleksi buku yang cukup banyak dan beragam. Buku-buku tersebut sudah disusun rapi pada rak-rak buku yang ada dan diberi label. Akan tetapi masih banyak peminjam yang meletakkan buku pada rak yang salah. Penelitian ini bertujuan untuk membuat aplikasi yang dapat mengetahui apakah sebuah buku salah letak atau tidak dengan menggunakan metode Moment Invariant dan K-Nearest Neighbor. Moment invariant merupakan sebuah metode ekstraksi fitur yang menghasilkan 7 fitur yang digunakan untuk mengenali sebuah obyek. Sedangkan K-Nearest Neighbor merupakan metode klasifikasi yang digunakan untuk mengklasifikasikan obyek berdasarkan data latih yang ada. Citra input berupa citra yang berisi deret buku. Citra ini akan melalui beberapa proses yaitu proses Region of Interest untuk mendapatkan label buku, proses segmentasi Histogram Approach untuk mendapatkan citra karakter tiap labelnya, proses thinning yang digunakan untuk mendapatkan kerangka tiap karakter, kemudian proses ekstraksi fitur Moment Invariant yang akan menghasilkan fitur dari citra karakter dan fitur-fitur tersebut akan diklasifikasikan menggunakan K-Nearest Neighbor sesuai dengan template yang ada seghingga citra karakter dapat dikenali. Dari penelitian yang telah dilakukan dapat disimpulkan bahwa sistem berhasil mengimplementasikan metode Moment Invariant dan K-Nearest Neighbor sehingga berhasil dalam mengenali karakakter pada label buku perpustakaan UKDW dengan menggunakan K=1 dan ukuran citra karakter sebesar 100x100. Terdapat 2 hasil persentase keakuratan yaitu sebesar 85.39%  dengan menggunakan 30 citra uji yang didalamnya terdapat beberapa citra karakter yang digunakan sebagai template dan sebesar 81.54%  dengan menggunakan 20 citra uji di mana tidak ada template yang berasal dari citra uji.