Article Per Year (5 Year)
p-Index From 2020 - 2025
3.86
P-Index
This Author published in this journals
All Journal ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING Jurnal Ilmiah FIFO MIND (Multimedia Artificial Intelligent Networking Database) Journal TELKA - Telekomunikasi, Elektronika, Komputasi dan Kontrol TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika JMECS (Journal of Measurements, Electronics, Communications, and Systems) Jurnal Teknik Informatika (JUTIF) Charity : Jurnal Pengabdian Masyarakat Prosiding SNAST Jurnal Abdi Masyarakat Indonesia eProceedings of Engineering Jurnal INFOTEL
R. Yunendah Nur Fu’adah
Telkom University
Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mechanical Engineering Public Health Social Sciences

Published : 59 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 59 Documents
Search

 2   3   4   5   6 
Analisis Perbandingan Dan Simulasi Denoising Citra Menggunakan Metode Dual-tree Complex Wavelet Transform Dan Bivariate Shrinkage Dengan Estimasi Variansi Lokal Lugina Perceka Putri; Rita Magdalena; Yunendah Nur Fuadah
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Secara umum, pada proses pengiriman informasi citra digital, baik karena faktor alat maupun karena interferensi secara alami, terdapat noise atau derau yang merupakan sinyal gangguan yang tidak diinginkan dan kehadirannya merusak informasi asli. Oleh karena itu, perlu dilakukannya denoising proses pengolahan sinyal untuk menghilangkan atau mereduksi noise agar keadaan informasi ber-noise tersebut kembali mendekati keadaan aslinya. Pada tugas akhir ini, akan disimulasikan serta dianalisis perbandingan hasil denoising pada sinyal citra grayscale menggunakan metode Dual-Tree Complex Wavelet Transform (DTCWT) dan Bivariate Shrinkage dengan Estimasi Variansi Lokal (BSLVE). Noise yang digunakan kali ini adalah Gaussian, Poisson juga Salt & Pepper. Filter yang digunakan di metode DTCWT adalah Antonini, Legall dan Near Symmetric B. Windowsize yang digunakan di metode BSLVE adalah 3, 27 dan 51. Pada penelitian kali ini, metode DTCWT lebih handal melakukan denoising pada citra untuk noise Salt & Pepper sedangkan metode BSLVE lebih handal melakukan denoising pada citra untuk noise Gaussian dan Poisson. Pada DTCWT, filter Near Symmetric B mengungguli perolehan citra hasil terbaik sedangkan pada BSLVE windowsize 3 yang mengungguli perolehan citra hasil terbaik. Kata kunci : Denoising, citra, Dual-Tree Complex Wavelet Transform, Bivariate Shrinkage, Estimasi Variansi Lokal. Abstract Generally, in the delivery process of digital image information, by instrumental factor or because natural interference, there are noise which is an unwanted interference signal and its presence undermines the original information. Therefore, it is necessary to do denoising which is the process of signal processing to eliminate or reduce noise so that the state of the noised information is back to its original state. This final project will simulate and analyze the comparison of denoising result on grayscale image signal using Dual-Tree Complex Wavelet Transform (DTCWT) method and Bivariate Shrinkage with Local Variance Estimation (BSLVE). Noise used this time is Gaussian, Poisson also Salt & Pepper. The filters used in the DTCWT method are Antonini, Legall and Near Symmetric B. Windowsizes used in the BSLVE method are 3, 27 and 51. In this research, DTCWT method is more reliable in image denoising for Salt & Pepper noise while BSLVE method is more reliable in image denoising for Gaussian and Poisson noise. On DTCWT, filter Near Symmetric B producing best image result more than other filters while on BSLVE windowsize 3 producing best image result more than other windowsizes. Keyword: Denoising, image, Dual-Tree Complex Wavelet Transform, Bivariate Shrinkage, Local Variance Estimation
Deteksi Tepi Dan Lvq Untuk Klasifikasi Bentuk Wajah Ihsan Budi Purwono; Raditiana Patmasari; R Yunendah Nur Fuadah
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Bentuk wajah dapat digunakan untuk mengetahui beberapa hal seperti bentuk kacamata atau untuk mengetahui riasan wajah yang cocok. Bentuk wajah juga dapat digunakan untuk observasi kebiasaan, psikologi maupun kesehatan seseorang.Maka dari itu ingin dibuat sistem deteksi dan klasifikasi bentuk wajah yang dapat membantu masyarakat dan juga diharapkan dapat menambah fitur untuk pendeteksian bentuk wajah yang berfungsi menambah akurasi sistem deteksi wajah. Untuk mewujudkan sistem ini dipilih menggunakan bantuan metode Learning Vector Quantization sebagai klasifikasi kelasnya dan ekstraksi ciri F-SIFT (Flip Scale-Invariant Fourier Transform). Pengujian dilakukan dengan 45 data latih dan 45 data uji dan didapatkan nilai akurasi rata-rata untuk citra uji dirotasi, dimiringkan dan dirubah skala berturut-turut adalah sebesar 48.15%, 41.11% dan 85.93%. Kata kunci : Bentuk Wajah, Learning Vector Quantization, Flip Scale-Invariant Fourier Transform Abstract Facial shape can be used to know lot of things like the form of glasses or to find the appropriate facial makeup. Facial shape can also be used for observation of habits, psychology and health of a person. Therefore the writer wanted to create a system detection and classification of face shape that can help the community and also expected to add features to detect facial shape that aims to increase the accuracy of face detection system. The selected method is using Learning Vector Quantization as its classification and Flip Scale-Invariant Fourier Transform (F-SIFT) for the feature extraction. In this simulation will use the face image and will be taken the edge of the face using the Landmark Facial and Canny edge detection. The last process is compared to the shape of a person's face in a database that has been created before. Tests were carried out with 45 training data and 45 test data and average accuracy values obtained for rotated, tilted and modified scales for test images were 48.15%, 41.11% and 85.93% respectively. Keywords : Face Shape, Learning Vector Quantization, Flip Scale-Invariant Fourier Transform
Segmentasi Pembuluh Darah Pada Fundus Retina Menggunakan Deteksi Tepi Dan Operasi Morfologi Ahmad Zendhaf; Rita Magdalena; R Yunendah Nur Fuadah
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Perkembangan teknologi yang begitu pesat menjadikan proses segmentasi menjadi begitu diperlukan, proses segmentasi pada pembuluh darah retina pada fundus retina menjadi hal yang penting pada bidang biomedis untuk mempermudah para ahli kesehatan dalam mengidentifikasi penyakit yang terkait dengan mata. Maka dari itu pada tugas akhir kali ini dirancang sebuah sistem perangkat lunak menggunakan MATLAB, yang dimana sistem mampu mensegmentasi pembuluh darah retina pada citra fundus retina. Adapun langkahlangkah utama dalam melakukan segmentasi, langkah pertama melakukan preprocessing citra yang bertujuan untuk meningkatkan kualitas citra agar dapat tersegmentasi dengan optimal, kemudian melakukan segmentasi citra yang bertujuan untuk melakukan proses ekstraksi sehingga diperoleh pembuluh darah retina dari citra fundus mata menggunakan metode deteksi tepi dan operasi morfologi serta menggabungkan metode deteksi tepi dan operasi morfologi. Berdasarkan hasil penelitian yang menggunakan data DRIVE (Digital Retinal Images for Vessel Extraction) sebanyak 40 citra retina dilakukan analisis performansi sistem menggunakan confusion matrix yang menghasilkan nilail rata-rata akurasi dari deteksi tepi sebesar 80,19% dan operasi morfologi sebesar 88,40% serta metode gabungan dari deteksi tepi dan operasi morfologi sebesar 85,21% dengan parameter akurasi, TPR, FPR dan presisi. Kata Kunci: Mata, Deteksi Citra, Segmentasi, Deteksi Tepi, Operasi Morfologi Abstract The rapid technological development makes the segmentation process so necessary, the process of segmentation of the retinal blood vessels in the retinal fundus is important in the biomedical field to facilitate health experts in identifying eye-related diseases. Therefore, this final project designed a software system using MATLAB, in which the system is able to segment the retinal blood vessels in the retinal fundus image. As for the main steps in segmentation, the first step is to do image preprocessing which aims to improve image quality so that it can be segmented optimally, then do image segmentation which aims to extract the process so that the retinal blood vessels from the fundus image of the eye are using edge detection and morphological operations and combining edge detection and morphology operations methods. Based on the results of research that uses DRIVE (Digital Retinal Images for Vessel Extraction) data as many as 40 retinal images are performed system performance analysis using confusion matrix which produces an average value of accuracy of edge detection of 80.19% and morphological operation of 88.40% and combined method of edge detection and morphological operation is 85.21% with accuracy, TPR, FPR and precision parameters. Key words: Eye, Image Detection, segmentation, Edge Detection, Morphology Operation
Analisis Perbandingan Performansi Denoising Sinyal Ekg Menggunakan Metode Empirical Mode Decomposition Dan Adaptive Filter Irham Bani Alfafa; Rita Magdalena; Yunendah Nur Fuadah
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Elektrokardiogram (EKG) adalah suatu sinyal yang dihasilkan dari aktifitas listrik otot jantung. Sinyal EKG memiliki informasi yang menggambarkan kondisi dari kesehatan jantung.Pengukuran menggunakan EKG dapat mendeteksi secara dini gejala penyakit jantung.Namun, hasil pengukuran menggunakan EKG sering dipengaruhi oleh gangguan noise dan tidak dapat dihilangkan dengan metode filter yang sederhana. Dalam ujicoba denoising pada tugas akhir ini, penulis menggunakan suatu perbandingan metode antara adaptive filter dan empirical mode decomposition (EMD), dan serial kedua metode tersebut. Pengujian dilakukan menggunakan matlab, dataset sinyal EKG dan beberapa noise di ambil dari database MIT-BIH arrhythmia dengan besar SNR input 30 dB yang akan ditambahkan pada sinyal EKG. Dimana adaptive filter menggunakan metode KALMAN, Least Mean Square (LMS), dan Recursive Least Square (RLS). Sedangkan noisy sinyal yang di filter menggunakan EMD didapatkan hasil terbaik pada iterasi ke-4, karena jika diteruskan ke iterasi selanjutnya output dari hasil denoised sinyal akan menjadi datar. Ujicoba dilakukan dengan memberikan 4 noise yang berbeda yaitu Additive White Gaussian Noise (AWGN), BASELINE WANDER (BWN), ELEKTRODE MOTION ARTIFAC (EMN) dan MUSCLE ARTIFAC (MAN) untuk masing masing metode EMD dan adaptive filter. Berdasarkan hasil pengujian, denoising terbaik yang dilakukan oleh metode Empirical Metode Decomposition untuk Additive White Gaussian Noise (AWGN) adalah dengan nilai MSE = 0,0015 dan SNR = 25,1578 . Sedangkan untuk denoising terbaik yang dilakukan oleh metode Adaptive Filter untuk Additive White Gaussian Noise ( AWGN ) adalah dengan metode LMS dengan nilai MSE = 0,000275 dan SNR = 31,591166. Jika dibandingkan dari data diatas maka metode terbaik ditunjukkan oleh metode adaptive filter. Kata kunci: Elektrokardiogram (EKG), Denoising, Empirical Mode Decomposition, Adaptive Filter. Abstract Electrocardiogram (ECG) is a disease that results from the electrical activity of the heart muscle. ECG signals have unique information on cardiovascular health. Measurements using an ECG may inhibit cardiac symptoms. However, measurement results using an ECG are often characterized by noise interference and can not be removed by simple filter methods. In the denoising test in this final project, the authors used the method between adaptive filter and empirical mode of decomposition (EMD), and serial II method. The test was performed using matlab, the ECG signal dataset and some noise was taken from the MIT-BIH arrhythmia database with a 30 dB SNR input to be added to the ECG signal. Where adaptive filters use KALMAN, Least Mean Square (LMS), and Recursive Least Square (RLS) methods. While the noisy signal in the filter using EMD obtained the best results to-4, because if it is forwarded to the next iteration the output of the denoised result will be a flat signal. The test is done by giving 4 different noise that is Additive White Gauss Noise (AWGN), BASELINE WANDER (BWN), MOTION ARTIFAC (EMN) and MUSCLE ARTIFAC (MAN) for each EMD method and adaptive filter. Based on the test results, the best denoising performed by the Empirical Decomposition method for White Gaussian Noise Additive (AWGN) is with the value of MSE = 0.0015 and SNR = 25.1578. As for best denoising done by Adaptive Filter method for Additive White Gaussian Noise (AWGN) is by LMS method with value of MSE = 0.000275 and SNR = 31,591166. If compared from the above data then you can use adaptive filter method. Key words: Electrocardiogram (ECG), Empirical Mode Decomposition, Adaptive filters.
Analisis Performansi Denoising Sinyal Eeg Menggunakan Metode Discrete Wavelet Transform Dan Adaptive Filter Muhamad Rokhmat Isnaini; Rita Magdalena; Yunendah Nur Fuadah
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Sinyal EEG ( Electroencephalogram ) merupakan rekaman sinyal yang dihasilkan dari medan elektrik spontan pada aktivitas neuron di dalam otak. Sinyal EEG dimanfaatkan pada bidang kesehatan untuk mendiagnosis keadaan neurologis otak, serta pada bidang teknologi seperti aplikasi Brain Computer Interface ( BCI ). Dalam perekaman sinyal EEG, terdapat noise yang tidak diinginkan sehingga dalam analisis sinyal EEG sulit mendapatkan informasi sinyal yang sebenarnya. Oleh karena itu dalam Tugas Akhir ini dirancang sebuah sistem denoising untuk menghilangkan noise agar memperoleh visualisasi sinyal yang sebenarnya. Pada penelitian ini sinyal EEG bersih akan di berikan noise AWGN (Additive White Gaussian Noise), kemudian teknik denoising yang akan dilakukan adalah menggunakan dua metode yaitu Discrete Wavelet Transforms dan Adaptive Filter. Pengujian dilakukan dalam Matlab dengan menggunakan parameter Minimum Squared Error ( MSE ), Signal-to-Noise Ratio ( SNR ), serta Peak Signal-to-Noise Ratio ( PSNR ). Berdasarkan hasil pengujian pada 5 data sinyal EEG, menunjukan untuk metode DWT ( Discrete Wavelet Transforms ) mendapatkan nilai rata – rata pada masing – masing parameter, MSE sebesar 0.0000209082, SNR sebesar 29.1607127780 dB dan PSNR sebesar 29.8262675865 dB. Dan untuk metode Adaptive Filter dengan algoritma Kalman diperoleh nilai rata – rata pada masing – masing parameter, MSE sebesar 0.0000425027, SNR sebesar 27.6136811973 dB dan PSNR sebesar 28.2792360058 dB. Kata kunci: Electroencephalogram (EEG), Denoising, Discrete wavelet Transform (DWT), Adaptive Filter. Abstract The EEG signal (Electroencephalogram) is a recording of a signal generated from a spontaneous electric field in the activity of neurons in the brain. EEG signals are used in the health field to diagnose the neurological state of the brain, as well as in areas of technology such as Brain Computer Interface (BCI) applications. In recording EEG signals, there is an undesirable noise so that in the EEG signal analysis it is difficult to get the actual signal information. Therefore in this final project is designed a denoising system to eliminate noise in order to obtain the actual signal visualization. In this study the clean EEG signal will be given AWGN noise (Additive White Gaussian Noise), then denoising technique that will be done is to use two methods of Discrete Wavelet Transforms and Adaptive Filter. The test is done in Matlab using Minimum Squared Error (MSE), Signal-to-Noise Ratio (SNR), and Peak Signalto-Noise Ratio (PSNR). Based on the results of testing on 5 EEG signal data, it shows that the DWT (Discrete Wavelet Transforms) method gets the average value of each parameter, MSE is 0.0000209082, SNR is 29.1607127780 dB and PSNR is 29.8262675865 dB. And for the Adaptive Filter method with Kalman algorithm, the average values for each parameter, MSE is 0.0000425027, SNR is 27.6136811973 dB and PSNR is 28.2792360058 dB. Keywords: Electroencephalogram (EEG), Denoising, Discrete wavelet Transform (DWT), Adaptive Filter.
Perancangan Sistem Deteksi Wajah Untuk Presensi Kehadiran Menggunakan Metode Lbph (local Binary Pattern Histogram) Berbasis Android Ahmad Fauzan Fauzan; Ledya Novamizanti; R Yunendah Nur Fuadah
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Setiap manusia di dunia ini pasti memiliki bentuk wajah yang tidak sama bahkan dengan kembar identik memiliki perbedaan dalam bentuk wajah. Salah satu cara manusia untuk mengenal setiap individu lain adalah dengan mengingat bentuk wajah idividu tersebut dalam memori otak kita. Pada memori otak manusia akan memberikan sebuah gambaran wajah yang pernah kita kenal sebelumnya. Oleh karena itu, dibuatlah aplikasi deteksi wajah yang dapat mengenali wajah dan identitas yang ada dalam database berbasis android. Dalam tugas akhir ini dibuat sebuah sistem deteksi wajah berbasis android yang dapat menerjemahkan citra latih dalam format jpg dan dapat dikenal oleh system dalam citra uji . Citra yang menjadi masukan berupa citra wajah yang terdiri dari 90 citra dimana terdapat 60 citra latih dan 30 citra uji. Tahapan pre-processing terdiri dari scaling, rescale, konversi RGB ke grayscale, normalisasi wajah, mengurangi efek noise Setelah dilakukan preprocessing, selanjutnya tahap ekstraksi fitur menggunakan Local Binary Pattern Histogram (LBPH) yang bertujuan untuk mencari nilai yang dapat dikenal oleh system dalam citra hasil preprocessing lalu disimpan kedalam database. Lalu dilakukan klasifikasi menggunakan nilai histogram dengan Neighbor. Berdasarkan hasil pengujian aplikasi deteksi wajah dapat dilakukan dengan mengunakan metode LBPH (Local Binary Pattern Histogram) pada parameter Neighbors=9, Gridx. Gridy = 8x8, radius=1, ukuran tresh hold BW=180, dan jarak 20-25cm mendapatkan akurasi sebesar 95.56 dan waktu komputasi 2.35 detik. Kata kunci: LBPH,Citra, android, FAR,FRR. Abstract Every human being in this world must have a face shape that is not the same even with identical twins have differences in the shape of the face. One of the human ways to get to know each other is to remember the shape of the idle face in our brain memory. On the memory of the human brain will provide a picture of a face we once knew before. Therefore, a face detection application that can recognize faces and identities that exist in the android-based database. In this final project created an android based face detection system that can translate the image of training in jpg format and can be recognized by the system in the test image. The image into the form of a face image consisting of 90 images where there are 60 images of training and 30 test images. Pre-processing stages consist of registration, RGB, facial normalization, reduced noise effects After preprocessing, the feature extraction stage uses Local Binary Pattern Histogram (LBPH) which aims to find the value that can be recognized by the system in the image of the preprocessing result and then stored into the database. Then do the classification using K-Nearest Neighbor method. Based on the results of application testing can be done by using the LBPH (Local Binary Pattern Histogram) method in the Neighbors = 9, Gridx parameter. Gridy = 8x8, radius = 1, BW resistant tresh size = 180, and an accuracy of 20-25cm has an accuracy of 95.56 and a computing time of 2.35 seconds.Keywords: LBPH,Image, android, FAR,FRR Keywords: LBPH, Image, android, FAR, FRR
Klasifikasi Kondisi Paru-paru Normal, Penyakit Tuberkulosis (tbc) Dan Efusi Pleura Pada Manusia Menggunakan Jaringan Syaraf Tiruan Propagasi Balik Ardhi Fibrianto; Rita Magdalena; R Yunendah Nur Fuadah
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

ABSTRAK Tugas Akhir ini tentang pendeteksian penyakit tuberculosis (TBC) dan efusi pleura menggunakan metode gray level coocurance matrix (GLCM) dan jaringan syaraf tiruan backpropagation (JST- BP). Penyakit tersebut mempunya ciri yang dapat dikenali dari foto hasil rontgen paru-paru. Sistem deteksi penyakit paru-paru yang dirancang pada penelitian ini terdiri dari beberapa bagian sistem, yaitu sistem pre-processing, sistem ekstraksi ciri dan sistem klasifikasi. Sistem pre-processing bertujuan untuk memperbaiki tingkat kualitas foto masukan yang akan dideteksi, pada Tugas Akhir ini menggunakan resize dan grayscale. Sistem ekstraksi ciri yang bertujuan untuk mengambil ciri pada sebuah foto atau citra dan proses selanjutnya akan diklasifikasi, Tugas Akhir ini menggunakan metode GLCM. Sedangkan sistem klasifikasi yang berfungsi memilah kedalam tiga kondisi paru-paru yaitu efusi pleura, normal dan TBC menggunakan JST- BP. Ketiga bagian sistem sudah diimplementasikan pada perangkat lunak, selanjutnya akan dilakukan proses pelatihan. Pada proses pelatihan digunakan 60 citra, kemudian citra akan diklasifikasi dalam tiga kondisi efusi pleura, normal dan TBC, citra tersebut akan dijadikan sebagai jaringan atau net pada JST-BP. Sebelum diuji dengan citra baru atau citra uji, sistem diuji dengan 60 citra latih dan menghasilkan 100% untuk semua kondisi. Selanjutnya sistem akan diuji dengan 60 citra baru atau citra uji. Akurasi sistem akan dihitung berdasarkan citra yang diujikan benar dengan semua citra yang diujikan. Akurasi yang dihasilkan sistem pada Tugas Akhir ini yaitu 100% untuk 60 citra latih, dengan masing-masing kelas 20 citra latih. Akurasi citra uji yaitu 70% untuk 60% citra uji, dengan masing-masing kelas 20 citra uji, kondisi efusi 85%, normal 70%, TBC 55%. Kata kunci: Tuberculosis (TBC), efusi pleura, gray level coocurance matrix (GLCM), jaringan syaraf tiruan backpropagation (JST-BP). ABSTRACT This Final Project about detection of tuberculosis (TBC) and pleura effusion using co-insurance matrix gray level (GLCM) method and artificial neural network-backpropagation (ANN-BP). The disease has characteristics that can be identified from photos of lung X-rays. The system developed consists of several parts, pre-processing system, feature extraction system and classification system. The pre-processing phase aims to improve the level of photos quality will be detected, furethrmore the system uses resize and grayscale. Feature extraction phase aims to get feature of images uses GLCM and then will be classify uses ANN-BP. The system has been developed, in the learning process uses 60 images, then the image will be classified in three conditions of pleura effusion, normal and tuberculosis, the image will be used as a network or net on ANN-BP. Before testing with a new image or test image, the will be train with 60 training data 60 and produced 100% for all conditions. Furethrmore the system will be test with 60 new images or test data. The accuracy of testing phase will be compute with the true data defied the total data. The accuracy obtained of the system about 100% for 60 training images, with each class 20 training images. The accuracy of the test image is 70% for 60% of the test image, with each class 20 test image, the effusion condition 85%, normal 75%, TBC 55%. Keywords: Tuberculosis (TBC), pleura effusion, gray level coocurance matrix (GLCM), artificial neural network - backpropagation (ANN-BP). Keyword : Cigarette, Electroencephalograph, Principal Component Analysis, K-Nearest Neighbor.
Deteksi Status Gizi Balita Dengan Estimasi Antropometri Menggunakan Metode Deteksi Tepi Berbasis Pengolahan Citra Digital Rafid Fakhri; Rita Magdalena; R Yunendah Nur Fu’adah
eProceedings of Engineering Vol 6, No 1 (2019): April 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Untuk mengetahui kategori status gizi pada balita dibutuhkan nilai tinggi dan berat badan. Namun pengukuran secara manual cenderung tidak efektif. Sehingga dibutuhkan suatu cara yang efisien untuk mendapatkan nilai status gizi balita. Oleh karena itu dilakukan penelitian untuk membuat aplikasi yang bisa mendeteksi estimasi tinggi dan berat badan menggunakan analisis pengolahan citra digital pada foto balita menggunakan Matlab. Hal ini dilakukan dengan menguji citra digital pada layer grayscale, Red Green Blue (RGB). Serta menganalisis nilai keluaran yang didapat dari masing-masing operator pada metode Deteksi Tepi, yaitu operator Canny, Roberts, Prewitt, dan Sobel. Hasil dari esktraksi ciri diklasifikasikan menggunakan tabel standar antropometri penilaian status gizi balita[1] yang sudah dikeluarkan oleh menteri kesehatan. Hasil keluaran aplikasi berupa beberapa kategori dari indeks status gizi, yaitu indeks berdasarkan Berat Badan Menurut Umur (BB/U), Tinggi Badan Menurut Umur (TB/U), dan Berat Badan Menurut Tinggi Badan (BB/TB). Hasil yang didapat dengan menggunakan metode tersebut, sistem aplikasi untuk mendeteksi status gizi menampilkan performansi dengan tingkat akurasi paling besar 87.08% pada tinggi dan 74.78% pada berat badan balita menggunakan 25 sampel citra laki-laki dan 25 sampel citra perempuan. Dengan adanya aplikasi ini proses menghitung status gizi balita dapat dilakukan berkala dan lebih praktis dibandingkan secara manual. Kata Kunci : Edge Detection, Canny, Sobel, Prewitt, Robert, Anthropometry Abstract To find out the nutritional status category in children, the height and weight values are needed. But with manual measurement tends to be ineffective. So that it requires an efficient way to get the nutritional status of children. Therefore a study was conducted to make an application that could detect the estimation of height and weight using an analysis of digital image processing on child’s photos using Matlab. This is done by testing digital images on the grayscale layer, Red Green Blue (RGB). And analyze the value of the output obtained from each operator on the Edge Detection method, namely Canny, Roberts, Prewitt, and Sobel Operators. The results of feature extraction are classified using the standard anthropometric table evaluating the nutritional status of children [1] issued by the minister of health. The results of the application are in the form of several categories of nutritional status indices, which are indexes based on Body Weight by Age (BB / U), Body Height by Age (TB / U), and Body Weight by Body Height (BB / TB). The results obtained using this method, the application system for detecting nutritional status displays performance with the highest level of accuracy of 87.08% at high and 74.78% on underweight children using 25 male image samples and 25 female image samples. With this application the process of calculating child nutritional status can be done periodically and more practically than manually. Keywords : Edge Detection, Canny, Sobel, Prewitt, Robert, Anthropometry
Matched Filter Dan Morphology Operation Untuk Deteksi Status Gizi Bayi Berdasarkan Estimasi Antropometri Rifqi Muhammad Fikri; Rita Magdalena; R Yunendah Nur Fu’adah
eProceedings of Engineering Vol 6, No 1 (2019): April 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Pengukuran fisik atau antropometri selama ini dikenal sebagai indikator sederhana dalam penilaian status gizi perorangan maupun masyarakat. Dalam penilaian untuk menentukan status gizi balita, antropometri disajikan dalam bentuk indeks yang dikaitkan dengan variabel lain. Indeks yang digunakan adalah indeks berat badan, dan tinggi badan sesuai usia dan jenis kelamin balita. Di Indonesia, grafik pertumbuhan yang dipergunakan berdasarkan The National Centre for Health Statistics (NCHS) dari Amerika Serikat. Grafik inilah yang digunakan dalam Kartu Menuju Sehat (KMS), atau buku catatan kesehatan anak yang diberikan pada orang tua. Grafik tersebut terdiri dari grafik pertumbuhan indeks-indeks yang diukur pada antropometri. Pada tugas akhir ini dirancang sebuah aplikasi Android yang dapat melakukan antropometri dengan input berupa citra digital menggunakan metode matched filter dan morphology operation. Kedua metode tersebut digunakan sebagai alat untuk melakukan ekstraksi komponen citra berupa representasi dan deskripsi suatu area dalam citra. Objek yang sudah tersegmentasi akan diolah lebih lanjut dengan perhitungan Body Surface Area (BSA) Mosteller yang menghasilkan informasi berupa berat badan dalam satuan kilogram (kg) dan tinggi badan dalam satuan centimeter(cm) Dari hasil pengujian sistem aplikasi, keluaran nilai antropometri mempunyai akurasi sebesar 82.19% untuk jenis kelamin laki-laki dan 82.45% untuk jenis kelamin perempuan. Kata Kunci: Antropometri, balita, deteksi citra, matched filter, morphology operation, Body Surface Area Mosteller. Abstract Physical measurement or anthropometry known as simple indicators to measure nutritional status of individuals or society. To determine the child's nutritional status, anthropometry is presented in the form of indexes which assosiated with another variable. The index used are weight index and height index according to the age and sex of the child. In Indonesia, the growth charts used are based on The National Centre for Health Statistics (NCHS) from United States of America. This graph is used in Kartu Menuju Sehat (KMS), or child health record books given to the parents. The graph consists of a growth chart of the indexes measured by anthropometry. This final project designs an Android app that can-do anthropometry with the input of digital image using matched filter and morphology operation method. Both methods are used as tools for performing image component extraction in the form of representation and description of an area in image. Objects that have been segmented will be processed further into the calculation of Body Surface Area (BSA) Mosteller which produces information of weight in kilograms (kg) and height in centimeters (cm). From the results of testing the application system, the output of anthropometry value has an accuracy of 82.19% for boys and 82.45% for girls. Keywords: anthropometry, child, image detection, matched filter, morphology operation, Body Surface Area Mosteller
Klasifikasi Katarak Menggunakan Metode Discrete Wavelet Transform (dwt) Dan Support Vector Machine (svm) Naufal Adi Gifran; Rita Magdalena; R. Yunendah Nur Fu'adah
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Katarak merupakan penyakit mata yang ditandai dengan mengeruhnya lensa mata, sehingga membuat penglihatan kabur. Seiring bertambahnya usia, protein pada lensa akan menggumpal dan perlahan-lahan membuat lensa keruh dan berkabut. Hal ini menyebabkan penglihatan menjadi kabur dan tidak jelas. Berdasarkan pada penjelasan di atas, maka penulis melakukan penelitian dengan menggunakan metode Discrete Wavelet Transform (DWT) dan klasifikasi Support Vector Machine (SVM) untuk merancang sistem klasifikasi katarak. Penelitian sebelumnya tentang klasifikasi katarak pernah dilakukan oleh Rais Zul Ihram pada tahun 2018 mendapatkan akurasi sebesar 93,3% dengan menggunakan metode GLCM dengan klasifikasi yang digunakan adalah SVM. Penelitian serupa dilakukan oleh Rizkia Dwi Auliannisa pada tahun 2017 tentang deteksi katarak menggunakan metode Transformasi Hough berbasis Android dengan menggunakan pengklasifikasian K-NN dan mencapai akurasi lebih dari 80%. Dari hasil pengujian diperoleh akurasi terbaik dari klasifikasi katarak sebesar 80%. Akurasi tersebut didapatkan dari pengujian 90 citra mata yang memiliki ukuran 512x512 piksel, pada tahap ekstrasi ciri digunakan subband filter LH pada metode Discrete Wavelet Transform (DWT). Digunakan kombinasi enam ciri statistik yaitu Mean, standar deviasi, skewness, kurtosis, entropy, variance. Pada tahap klasifikasi digunakan metode Support Vector Machine (SVM) dengan kernel gaussian, dan pembagian multikelas OneAgainst-All (OAA). Kata Kunci : Katarak, Discrete Wavelet Transform (DWT), Support Vector Machine (SVM) Abstract Cataract is an eye disease characterized by the clouding of the lens of the eye, which makes vision blurry. As we get older, the protein in the lens will clot and slowly make the lens cloudy and foggy. This causes vision to be blurred and unclear. Based on the explanation above, the authors conducted a study using the Discrete Wavelet Transform (DWT) method and the Support Vector Machine (SVM) classification to design a cataract classification system. Previous research on the classification of cataracts was done by Rais Zul Ihram in 2018 to get an accuracy of 93.3% using the GLCM method with the classification used was SVM. A similar study was conducted by Rizkia Dwi Auliannisa in 2017 on cataract detection using the Android-based Hough Transform method using K-NN classification and achieving an accuracy of more than 80%. From the test results obtained the best accuracy of cataract classification by 80%. The accuracy is obtained from testing 90 eye images that have a size of 512x512 pixels, at the feature extraction stage the LH subband filter is used in the Discrete Wavelet Transform (DWT) method. A combination of six statistical features is used, namely Mean, standard deviation, skewness, kurtosis, entropy, variance. At the classification stage, the Support Vector Machine (SVM) method is used with the Gaussian kernel, and the One-Against-All (OAA) multiclass division. Keywords: Cataract, Discrete Wavelet Transform (DWT), Support Vector Machine (SVM)
Co-Authors Achmad Rizal Adam Agus Kurniawan Adinda Maulida Agung Aditama Putra Ahmad Fauzan Fauzan Ahmad Zendhaf Allisha Septariani Ahmad Alva Rischa Qhisthana Pratika Ardhi Fibrianto Avon Budiono Azis Ansori Wahid Daulay, Muhammad Agil Syaifullah Dian Ayu Nurlitasari Dyah Retno Mutia Edwar Efri Suhartono FAUZI FRAHMA TALININGSIH Febriani Ruming Sari Firdaus, Muhammad Naufal Firos Fathul Alam Gelar Budiman Hurianti Vidya Hurianti Vidyaningtyas Ibnu Da'wan Salim Ibnu Da’wan Salim Ubaidah Ihsan Budi Purwono Ilma Rahma Dewi Imanuel Boyke Nainggolan Inung Wijayanto Irdin Arjulian Irham Bani Alfafa Jangkung Raharjo Koredianto Usman Ledya Novamizanti Lugina Perceka Putri M Teguh Kurniawan Maghfira Rifki Hariadi Miftahul Fawaz Muhamad Reinaldi Kurniawan Muhamad Rokhmat Isnaini MUHAMMAD ADNAN PRAMUDITO Muhammad Akhyar Ghifari Muhammad Ardhi Prakasa Muhammad Dwi Cahyo Muhammad Yuqdha Faza Mulyantini, Agustien N Kumalasari Caecar Pratiwi Nabila Herman Naufal Adi Gifran Nidaan Khofiya Nivadirrokhman, Dhanendra Nor Kumalasari Nor Kumalasari Caecar Pratiwi Nur Alyyu Nur Ibrahim Ocky Tiaramukti Pandu Jati Utomo PRAMUDITHO, MUHAMMAD ADNAN PRATIWI, NOR KUMALASARI CAESAR Putra, Rafly Fasha Purnomo Raditiana Patmasari Rafid Fakhri Rahmad Hidayatullah Salam Rahmiati Aulia Ramadhan, Ardiansyah Ratna Sari Ratri Dwi Atmaja Razief Moch Diar Rd. Rohmat Saedudin Rezki Ariz Rahadian Rifky Abdul Khafid Rifqi Muhammad Fikri Rita Magdalena Rita Purnamasari Rizki Muhammad Iqbal Rizky Gilang Gumilar Saiful Azis Santosa, Atharizky Ade Sari, Febriani Ruming Siti Hajar Komariah SOFIA SAIDAH Sony Sumaryo Steven Palondongan Sugondo Hadiyoso SY, NIDAAN KHOFIYA Syafiq Hilmi Abdullah Syamsul Rizal Syamsul Rizal TALININGSING, FAUZI FRAHMA Teguh Dian Arifandi Teguh Musaharpa Gunawan UBAIDULLAH, IBNU DAWAN Vidya, Hurianti Wawan Tripiawan Yoga Yuniadi Zuhri, Hamdan Syaifuddin