cover
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota yogyakarta,
Daerah istimewa yogyakarta
INDONESIA
Jurnal Buana Informatika
ISSN : 20872534     EISSN : 20897642     DOI : -
Core Subject : Science,
Arjuna Subject : -
Articles 6 Documents
Search results for , issue " Vol 4, No 1 (2013): Jurnal Buana Informatika Volume 4 Nomor 1 Januari 2013" : 6 Documents clear
Penerapan Algoritma Levenberg-Marquadt dan Backpropagation Neural Network Untuk Klasifikasi Suara Manusia David, David
Jurnal Buana Informatika Vol 4, No 1 (2013): Jurnal Buana Informatika Volume 4 Nomor 1 Januari 2013
Publisher : Universitas Atma Jaya Yogyakarta

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

Abstract

Abstract. Voice recognition technology is currently experiencing growth, especially in the case of speech processing. Speech processing is a way to extract the desired information from a voice signal. This study discusses the classification of human voice system male and female. Extract the characteristics of the voice signal in each frame time domain and frequency domain is to help simplify and speed calculations. The features for voice or other audio between Short Time Energy, Zero Crossing Rate, Spectral Centroid, and others. Test results show that the classification system the human voice using the backpropagation neural network and Levenberg-Marquadt algorithm to change matrix weight is very good because of the complexity and rapid calculation which is not too high. Database voice sample of 40 voices with the test data as much as 5 votes. The output of the system is the result of the classification that has been identified with a similarity value>=0.5 for male and <0.5 as a female. Testing using artificial neural network produced an average success rate in voice classification amounted to 91%.Keywords: Feature Extraction, Classification, Backpropagation, Levenberg-Marquadt Algorithm, Human Voice Abstrak. Teknologi pengenalan suara saat ini telah mengalami perkembangan terutama dalam hal speech processing. Speech processing merupakan suatu cara untuk mengekstrak informasi yang diinginkan dari sebuah sinyal suara. Penelitian ini membahas sistem klasifikasi suara manusia male dan female. Mengekstrak ciri dari sinyal suara setiap frame pada kawasan waktu dan kawasan frekuensi sangat membantu untuk  menyederhanakan dan mempercepat perhitungan. Adapun fitur-fitur untuk suara atau audio antara lain Short Time Energy, Zero Crossing Rate, Spectral Centroid dan lain-lain. Hasil pengujian sistem menunjukkan bahwa klasifikasi suara manusia dengan menggunakan jaringan saraf tiruan backpropagation dan algoritma Levenberg-Marquadt untuk perubahan matriks bobot, sangat baik dan cepat karena kompleksitas perhitungan yang tidak terlalu tinggi. Database sample suara sebanyak 40 buah dengan data test sebanyak 5 suara. Output dari sistem adalah hasil klasifikasi yang telah dikenali dengan nilai kemiripan >= 0,5 sebagai pria dan < 0,5 sebagai wanita. Pengujian dengan menggunakan jaringan saraf tiruan dihasilkan rata-rata tingkat keberhasilan dalam klasifikasi suara adalah sebesar 91 %.Kata Kunci: Feature Extraction, Klasifikasi, Backpropagation, Algoritma Levenberg-Marquadt, Suara Manusia
Metode Kompresi Motif Batik Indonesia yang Optimal untuk Perancangan Web Sidhi, Thomas Adi Purnomo
Jurnal Buana Informatika Vol 4, No 1 (2013): Jurnal Buana Informatika Volume 4 Nomor 1 Januari 2013
Publisher : Universitas Atma Jaya Yogyakarta

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

Abstract

Abstract. Batik in Indonesia divers in motifs and recently many people expand business opportunity through online shop. In Indonesia, online shops are growing rapidly not only because the facility is available but also because there is a market and interest for looking for items or service online. This paper tries to give an optimal compression type and method for image data especially batik motifs so the image can be use optimally giving quality, download speed, even optimal resolution. In this paper the compression method are focused on JPEG, GIF, and PNG compression method and the batik motifs that used are mega mendung, parang, kawung, truntum and sekar jagad.Keywords: image compression, batik, JPEG, GIF, PNG Abstrak. Motif batik di Indonesia sangatlah beragam, dan saat ini banyak kalangan masyarakat yang memperluas peluang bisnis melalui layanan penjualan online. Di Indonesia sendiri toko-toko online mulai berkembang dengan pesat, bukan hanya karena fasilitas yang ada, namun juga karena adanya pasar atau peminat yang mulai mencari barang dan jasa secara online. Paper ini berusaha untuk memberikan ide kompresi data gambar yang optimal khususnya untuk motif batik Indonesia. Penelitian ini dilakukan untuk memperoleh data penelitian kompresi sehingga mengoptimalkan penggunaan kompresi data pada gambar terutama motif batik. Dari hasil yang diperoleh dapat digunakan untuk merancang sebuah website atau toko online dimana gambar yang digunakan dapat secara optimal memberikan kualitas, kecepatan unduh, maupun resolusi yang optimal. Didalam paper ini fokus metode kompresi yang akan digunakan adalah kompresi JPEG, GIF, dan PNG, serta motif batik yang akan digunakan adalah motif batik mega mendung, parang, kawung, truntum dan sekar jagad.Kata kunci: kompresi gambar, batik, JPEG, GIF, PNG
Fuzzy Simple Additive Weighting Untuk Diagnosis Penyakit Pneumonia Syaukani, Muhammad; Guritno, Suryo
Jurnal Buana Informatika Vol 4, No 1 (2013): Jurnal Buana Informatika Volume 4 Nomor 1 Januari 2013
Publisher : Universitas Atma Jaya Yogyakarta

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

Abstract

Abstract. Pneumonia is an infection of the lungs that is caused by bacteria, viruses, fungi, or parasites. It is characterized primarily by inflammation of the alveoli in the lungs or by alveoli that are filled with fluid (alveoli are microscopic sacs in the lungs that absorb oxygen). The shortage of medical personnel at health community centers to serve a population often results in care delays for pneumonia patients. The purpose of this research is to make a modelling of group decision support system in diagnosing pneumonia in adult patients. The system is designed as a tool for medical personnel in diagnosing pneumonia patients.Group Decision Support System (GDSS) is developed by using Fuzzy Simple Additive weighting methods. The preference scoring of three experts i.e. a pulmonary specialist, an internist and a pharmacist is carried out by applying triangular fuzzy numbers. In the aggregation stage, preferences makes use of Fuzzy Linguistic quantifier, stage rangking employs Simple Additive Weighting while Forward Chaining is employed in the inference process. The system is tested by inputting the symptoms of pneumonia without the involvement of an expert. The results shows that the system is capable in diagnosing pneumonia.Keywords: GDSS, Fuzzy, Simple Additive Weighting, Pneumonia Abstrak. Pneumonia adalah infeksi paru-paru yang disebabkan oleh bakteri, virus, jamur, atau parasit. Hal ini ditandai terutama oleh peradangan alveoli di paru-paru atau alveoli yang berisi cairan (alveoli adalah kantung mikroskopis di paru-paru yang menyerap oksigen), terbatasnya tenaga medis di puskesmas disbanding dengan jumlah penduduk berakibat sering terlambatnya pelayanan terhadap pasien pneumonia. Tujuan penelitian ini adalah membuat pemodelan sistem pendukung keputusan kelompok untuk mendiagnosis pasien pneumonia pada orang dewasa. Sistem ini dirancang sebagai alat bantu tenaga medis dalam mendiagnosis pasien pneumonia. Sistem Pendukung Keputusan Kelompok (SPKK) dikembangkan menggunakan metode Fuzzy Simple Additive Weighting. Pemberian nilai preferensi tiga orang pakar antara lain ahli paru-paru, ahli internis dan ahli farmasi menggunakan bilangan fuzzy segitiga. Pada tahap agregasi preferensi digunakan Fuzzy Linguistic Quantifier, tahap perangkingan menggunakan Simple Additive Weighting dan proses inferensi menggunakan Forward Chaining. Sistem diuji dengan cara memasukkan gejala-gejala pneumonia tanpa melibatkan seorang pakar. Hasil penelitian menunjukkan bahwa sistem dapat mendiagnosis penyakit pneumonia.Kata Kunci: SPKK, Fuzzy, Simple Additive Weighting, Pneumonia
Identifikasi Penyakit dengan Gejala Awal Demam Menggunakan K-Nearest Neighbor (K-NN) Redjeki, Sri
Jurnal Buana Informatika Vol 4, No 1 (2013): Jurnal Buana Informatika Volume 4 Nomor 1 Januari 2013
Publisher : Universitas Atma Jaya Yogyakarta

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

Abstract

Abstract. K-Nearest Neighbor (K-NN) is a method that uses a supervised algorithm where the results from the new sample test are classified based on the majority of the category on K-NN. K-Nearest Neighbor method (K-NN) is one of the clinical decision making method known as Clinical Decision Support System (CDSS). This Research employs the data of patients who have fever symptoms, in order to be classified into 10 possible diseases. The Research  objects are 82 data and 72 data are used for training while 10 data are used for testing. Value K=3, will be used for the best results in the disease grouping, with the accuracy value result of classification  is 97,2%. It is shown that the K-NN method is part of the CDSS because the value of accuracy that can be tolerated for grouping diseases reaches more than 97%.Keywords: Classification of disease, fever symptoms, K-NN. Abstrak. K-Nearest Neighbor (K-NN) adalah suatu metode yang menggunakan algoritma supervised dimana hasil dari sampel uji yang baru diklasifikasikan berdasarkan mayoritas dari kategori pada K-NN. Metode K-NN merupakan salah satu dari metode pengambilan keputusan klinik atau Clinical Decision Support System (CDSS). Penelitian ini menggunakan data pasien dengan gejala awal demam untuk mengelompokkan penyakit yang terdiri dari 10 penyakit. Obyek penelitian menggunakan data sebanyak 82 dengan 72 data digunakan untuk training dan 10 data digunakan untuk testing. Hasil terbaik pengelompokan penyakit menggunakan nilai K=3 dengan nilai akurasi hasil pengelompokkan sebesar 97,2%. Hal ini menunjukkan bahwa metode K-NN merupakan bagian dari CDSS karena nilai akurasi yang dapat ditoleransi untuk pengelompokan penyakit harus mempunyai nilai akurasi diatas 97%. Kata kunci: Gejala awal demam, K-NN, penyakit.
Validasi Tanda Tangan Presensi Mahasiswa Menggunakan Magnified Gradient Function Backpropagation Veliana, Rosalin; Setiawan, Hendry
Jurnal Buana Informatika Vol 4, No 1 (2013): Jurnal Buana Informatika Volume 4 Nomor 1 Januari 2013
Publisher : Universitas Atma Jaya Yogyakarta

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

Abstract

Abstract. Attending students usually sign their names in the attendance list for every lecture and then, at the end of every lecture, the attendance list is recapitulated. Attendance recording system should be designed with good validation capability so that the data it obtains is liable. This project tries to create a student attendance data recapitulation system by employing an artificial neural network. The method used is the Magnified Gradient Function Backpropagation (MGF-Prop) because it can identify data pattern well. In this system, the data pattern studied is the pattern of signature and student ID number. In the programming, artificial intelligence, image processing, and data mining concept are also used. This system is developed using Visual Basic.NET, which can lighten the process of attendance data recapitulation. This system is tested by using 20 sample data with 94% signature recognition success rate and 97% success rate in student ID number recognition. This success percentage can still vary depending on the option chosen in the learning process. Keywords: signatures, presence, artificial neural network, magnified gradient function, ID number. Abstrak. Mahasiswa-mahasiswa yang hadir akan membubuhkan tanda tangan pada daftar kehadiran pada setiap perkuliahan yang diikutinya, lalu pada akhir perkuliahan akan dilakukan rekap presensi. Sistem presensi kehadiran harus dirancang dengan kemampuan validasi dengan baik agar data yang diperoleh dapat dipertanggungjawabkan kebenarannya. Pada naskah ini penulis membuat sistem pemrosesan rekap data presensi mengunakan jaringan saraf tiruan, metode yang digunakan adalah Magnified Gradient Function Backpropagation (MGF-Prop) karena dapat dengan baik mengenali pola data. Dalam sistem ini, pola data yang akan dikenali adalah pola tanda tangan dan nomor induk. Dalam pemrogramannya, digunakan pula konsep pengolahan citra dan data mining. Sistem yang dikembangkan dengan Visual Basic.NET ini, dapat mempermudah proses rekap data presensi. Sistem ini diuji coba menggunakan 20 data sampel dengan tingkat persentase keberhasilan rata-rata mengenali tanda tangan mencapai 94% serta nomor induk dengan tingkat keberhasilan 97%. Persentase keberhasilan tersebut dapat berubah tergantung pada opsi yang digunakan dalam proses pembelajaran.Kata kunci: tanda tangan, presensi, jaringan saraf tiruan, magnified gradient function, nomor induk.
Optimalisasi Pemanfaatan Internet Untuk Peningkatan Kualitas Guru dan Mutu Pembelajaran Pada Pendidikan Anak Usia Dini Rahayu, Flourensia Sapty; Dewi, Findra Kartika Sari
Jurnal Buana Informatika Vol 4, No 1 (2013): Jurnal Buana Informatika Volume 4 Nomor 1 Januari 2013
Publisher : Universitas Atma Jaya Yogyakarta

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

Abstract

Abstract. Internet is one of the types of information technology can be utilized to facilitate and improve the quality of human life in various aspects. In the field of education, wide open opportunities the Internet can be used to improve the quality of teachers and quality of teaching and learning process. This study attempted to get an idea about the condition of Internet used by teachers of Early Childhood Education and give solutions that can be used by the community of early childhood educators. The solutions we give are (1) socialize the use of the Internet for early childhood teachers in Indonesia so that they can dig their own needs that can be obtained from the Internet, (2) procure computer for teachers so they will have access to the Internet, and (3) construct a portal that can be used as a community center of early childhood teachers in Indonesia. Keywords: Early Childhood Education, portal, Internet utilization, quality of teachers, quality of teaching and learning process Abstrak. Internet merupakan salah satu jenis Teknologi Informasi yang dapat dimanfaatkan untuk mempermudah dan meningkatkan kualitas hidup manusia dalam berbagai aspek. Dalam bidang pendidikan, terbuka luas peluang Internet dapat digunakan untuk meningkatkan kualitas guru dan kualitas proses belajar mengajar. Penelitian ini berusaha untuk mendapatkan gambaran tentang kondisi pemanfaatan Internet oleh para pendidik Pendidikan Anak Usia Dini (PAUD) dan selanjutnya memberikan solusi yang dapat digunakan oleh komunitas pendidik anak usia dini. Solusi yang penulis berikuan adalah (1) melakukan sosialisasi tentang pemanfaatan Internet untuk para guru PAUD se-Indonesia sehingga mereka dapat menggali sendiri kebutuhan-kebutuhan mereka yang bisa didapatkan dari Internet, (2) pengadaan komputer untuk guru di seluruh Indonesia. Pengadaan ini diperlukan supaya guru-guru mendapat kemudahan dalam mengakses Internet, dan (3) pembangunan sebuah portal yang dapat digunakan sebagai pusat komunitas guru PAUD se-Indonesia.Kata Kunci: Pendidikan Anak Usia Dini (PAUD), portal, pemanfaatan Internet, kualitas guru, kualitas proses belajar mengajar

Page 1 of 1 | Total Record : 6


Filter by Year

2013 2013


Filter By Issues
All Issue Vol 10, No 1 (2019): Jurnal Buana Informatika Volume 10 Nomor 1 April 2019 Vol 9, No 2 (2018): Jurnal Buana Informatika Volume 9 Nomor 2 Oktober 2018 Vol 9, No 1 (2018): Jurnal Buana Informatika Volume 9 Nomor 1 April 2018 Vol 8, No 4 (2017): Jurnal Buana Informatika Volume 8 Nomor 4 Oktober 2017 Vol 8, No 3 (2017): Jurnal Buana Informatika Volume 8 Nomor 3 Juli 2017 Vol 8, No 2 (2017): Jurnal Buana Informatika Volume 8 Nomor 2 April 2017 Vol 8, No 1 (2017): Jurnal Buana Informatika Volume 8 Nomor 1 Januari 2017 Vol 7, No 4 (2016): Jurnal Buana Informatika Volume 7 Nomor 4 Oktober 2016 Vol 7, No 3 (2016): Jurnal Buana Informatika Volume 7 Nomor 3 Juli 2016 Vol 7, No 2 (2016): Jurnal Buana Informatika Volume 7 Nomor 2 April 2016 Vol 7, No 1 (2016): Jurnal Buana Informatika Volume 7 Nomor 1 Januari 2016 Vol 6, No 4 (2015): Jurnal Buana Informatika Volume 6 Nomor 4 Oktober 2015 Vol 6, No 3 (2015): Jurnal Buana Informatika Volume 6 Nomor 3 Juli 2015 Vol 6, No 2 (2015): Jurnal Buana Informatika Volume 6 Nomor 2 April 2015 Vol 6, No 1 (2015): Jurnal Buana Informatika Volume 6 Nomor 1 Januari 2015 Vol 5, No 1 (2014): Jurnal Buana Informatika Volume 5 Nomor 1 Januari 2014 Vol 4, No 2 (2013): Jurnal Buana Informatika Volume 4 Nomor 2 Juli 2013 Vol 4, No 1 (2013): Jurnal Buana Informatika Volume 4 Nomor 1 Januari 2013 Vol 3, No 2 (2012): Jurnal Buana Informatika Volume 3 Nomor 2 Juli 2012 Vol 3, No 1 (2012): Jurnal Buana Informatika Volume 3 Nomor 1 Januari 2012 Vol 2, No 2 (2011): Jurnal Buana Informatika Volume 2 Nomor 2 Juli 2011 Vol 2, No 1 (2011): Jurnal Buana Informatika Volume 2 Nomor 1 Januari 2011 Vol 1, No 2 (2010): Jurnal Buana Informatika Volume 1 Nomor 2 Juli 2010 Jurnal Buana Informatika Volume 1 Nomor 1 Januari 2010 More Issue