Garuda - Garba Rujukan Digital

PENGENALAN TUTUR VOKAL BAHASA INDONESIA MENGGUNAKAN METODE MULTI LAYER PERCEPTRON Yuliantari, Risky Via; Hidayat, Risanuri; Wahyunggoro, Oyas; Nugroho, Anan
Jurnal Teknologi Vol 9 No 2 (2016): Jurnal Teknologi
Publisher : Jurnal Teknologi, Fakultas Teknologi Industri, Institut Sains & Teknologi AKPRIND Yogyakarta

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

Bahasa Indonesia merupakan bahasa nasional bangsa Indonesia yang dapat diartikan sebagai lambang bunyi yang digunakan sebagai alat komunikasi. Dalam proses komunikasi tersebut dapat diperoleh sebuah informasi berupa isyarat. Banyak penelitian tentang isyarat tutur Indonesia. Pada penelitian ini dikembangkan otomatisasi pengenalan isyarat vokal Indonesia dengan Multi Layer Perceptron untuk meningkatkan akurasi, sensitifitas, spesifitas dan presisi. Pengenalan dilakukan dengan Discrete Wavelet Transform pada 100 orang penutur menghasilkan 500 data ciri untuk training dan testing. Proses klasifikasi menghasilkan akurasi sebesar 95,9%, sensitifitas 90,2%, spesifitas 97,5%, dan presisi 89,8%.

Deteksi Pemakai Masker Menggunakan Metode Haar Cascade Sebagai Pencegahaan COVID 19 Ahmad, Fathul Luthfillah; Nugroho, Anan; Suni, Alfa Faridh
Edu Elektrika Journal Vol 10 No 1 (2021): Edu Elektrika Journal
Publisher : Electrical Engineering, Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/eej.v10i1.47861

Di masa pandemi COVID-19 saat ini pemakaian masker merupakan hal wajib bagi setiap orang ketika dalam menjalani berbagai aktivitas untuk mencegah penyebaran virus COVID-19. Selama ini pendeteksian pemakaian masker dilakukan secara manual melalui pengamatan oleh petugas. Cara yang digunakan ini memiliki beberapa keterbatasan yaitu tidak bisa dilakukan setiap waktu dan setiap tempat. Dalam penelitian ini akan dikembangkan program deteksi pemakai masker untuk pendisiplinan protokol kesehatan COVID-19 dalam pencegahan penyebaran virus COVID-19 dengan fitur mengeluarkan peringatan berupa audio seperti alarm jika ada yang terdeteksi tidak menggunakan masker, sehingga dalam penerapannya program ini dapat meringankan beban kerja petugas. Program ini dikembangkan dengan menggunakan metode Haar Cascade. Metode Haar Cascade digunakan untuk mendeteksi objek wajah dan mulut sebagai acuan pendeteksi pemakaian masker. Apabila wajah dan mulut terdeteksi maka program akan mengeluarkan output berupa teks peringatan dan alarm, jika mulut tidak terdeteksi maka program akan mengeluarkan output berupa teks yang menyatakan sudah memakai masker. Metode yang diusulkan mampu mendeteksi pemakai masker dengan capain akurasi 93.33%. Hasil ini mengindikasikan bahwa permasalahan dapat terselesaikan dengan baik.

Aplikasi Penghitung Jarak dan Jumlah Orang Berbasis YOLO Sebagai Protokol Kesehatan Covid-19 Indaryanto, Faizal; Nugroho, Anan; Suni, Alfa Faridh
Edu Komputika Journal Vol 8 No 1 (2021): Edu Komputika Journal
Publisher : Jurusan Teknik Elektro Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/edukomputika.v8i1.47837

Pandemi Covid-19 saat ini cukup memberikan dampak pada masyarakat. Skala penyebaran dari Covid-19 sangatlah cepat, sehingga membutuhkan penanganan yang benar. Salah satu cara untuk mengurangi penyebaran Covid-19 adalah dengan melakukan Social Distancing. Namun masyarakat cenderung lalai dalam melaksanakan protokol kesehatan tersebut. Salah satu cara untuk mengatasi masalah ini adalah dengan aplikasi social distancing detector yaitu aplikasi yang digunakan untuk mendeteksi jumlah dan jarak dari objek manusia yang ada pada satu area. Penelitian ini bertujuan untuk mengembangkan aplikasi social distancing detector menggunakan bahasa pemrograman Python dengan library YOLOv3. YOLOv3 memiliki kelebihan dalam object detection dengan akurasi yang tinggi yaitu diatas 90%. Pengujian metode pada penelitian ini menggunakan lima dataset pejalan kaki dari kamera pengawas jalan yang didapatkan dari dataset uji coba beberapa peneliti melalui Github yang memiliki resolusi yang baik dan memiliki objek manusia yang heterogen. Hasil akurasi dari deteksi citra pertama adalah 83,32%. Hasil akurasi dari deteksi citra kedua adalah 76,92%. Hasil akurasi dari deteksi citra ketiga adalah 89,99%. Hasil akurasi dari deteksi citra keempat dan kelima adalah 100%. Hasil Rata-rata tingkat keberhasilan dari semua hasil analisa adalah 90,04% yang diukur dari rata-rata perbandingan jumlah data percobaan berhasil dan jumlah data pengamatan untuk tiap-tiap citra.

Deteksi Pemakai Masker Menggunakan Metode Haar Cascade Sebagai Pencegahaan COVID 19 Ahmad, Fathul Luthfillah; Nugroho, Anan; Suni, Alfa Faridh
Edu Elektrika Journal Vol 10 No 1 (2021): Edu Elektrika Journal
Publisher : Electrical Engineering, Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/eej.v10i1.47861

Di masa pandemi COVID-19 saat ini pemakaian masker merupakan hal wajib bagi setiap orang ketika dalam menjalani berbagai aktivitas untuk mencegah penyebaran virus COVID-19. Selama ini pendeteksian pemakaian masker dilakukan secara manual melalui pengamatan oleh petugas. Cara yang digunakan ini memiliki beberapa keterbatasan yaitu tidak bisa dilakukan setiap waktu dan setiap tempat. Dalam penelitian ini akan dikembangkan program deteksi pemakai masker untuk pendisiplinan protokol kesehatan COVID-19 dalam pencegahan penyebaran virus COVID-19 dengan fitur mengeluarkan peringatan berupa audio seperti alarm jika ada yang terdeteksi tidak menggunakan masker, sehingga dalam penerapannya program ini dapat meringankan beban kerja petugas. Program ini dikembangkan dengan menggunakan metode Haar Cascade. Metode Haar Cascade digunakan untuk mendeteksi objek wajah dan mulut sebagai acuan pendeteksi pemakaian masker. Apabila wajah dan mulut terdeteksi maka program akan mengeluarkan output berupa teks peringatan dan alarm, jika mulut tidak terdeteksi maka program akan mengeluarkan output berupa teks yang menyatakan sudah memakai masker. Metode yang diusulkan mampu mendeteksi pemakai masker dengan capain akurasi 93.33%. Hasil ini mengindikasikan bahwa permasalahan dapat terselesaikan dengan baik.

Sistem Deteksi Kecepatan Kendaraan Menggunakan Metode Haar Cascade untuk Keamanan Berkendara Mustaqim, M. Fazal; Nugroho, Anan; Suni, Alfa Faridh
Edu Elektrika Journal Vol 10 No 2 (2021): Edu Elektrika Journal
Publisher : Electrical Engineering, Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/eej.v10i2.47870

Kecepatan berkendara pada lalulintas dijalan raya yang mengakibatkan mengingkatnya kewaspadaan akan pergerakan pada ruas jalan dapat menyebabkan sering terjadinya kecelakaan, oleh karena itu penelitian ini bertujuan untuk mendeteksi kecepatan kendaraan untuk keamanan berkendara pada pengendara dengan memproses data yang ada menjadi sebuah informasi dimana informasi tersebut dapat digunakan sebagai pengingat untuk pembatasan kecepatan maksimal dan minimal dijalan raya yang sering diabaikan oleh pengendara sehingga dapat menyebabkan terjadinya kecelakaan lalu lintas. sistem untuk monitoring kecepatan berkendara lalu lintas masih kurang, oleh karena itu di butuhkan teknologi seperti mesin atau sistem seperti pada tugas ini untuk dapat mengolah data menjadi informasi kemudian program ini akan menginterpretasikan informasi visual itu dalam bentuk data. Setelah data di dapatkan, maka proses pengolahan dan analisa dapat dilakukan oleh program. Metode yang digunakan adalah deteksi objek kendaraan menggunakan haar cascade dan metode perhitungan kecepatan yaitu jarak aktual dibagi dengan waktu. Hasil penelitian menunjukkan bahwa sistem pendeteksi kecepatan kendaraan untuk tingkat keamanan berkendara memiliki tingkat keberhasilan deteksi sebesar 70.6%, jadi dapat disimpulkan bahwa program ini memiliki tingkat akurasi yang tergolong cukup tinggi dan permasalahan yang terjadi dapat terselesaikan.

Aplikasi Penghitung Jarak dan Jumlah Orang Berbasis YOLO Sebagai Protokol Kesehatan Covid-19 Indaryanto, Faizal; Nugroho, Anan; Suni, Alfa Faridh
Edu Komputika Journal Vol 8 No 1 (2021): Edu Komputika Journal
Publisher : Jurusan Teknik Elektro Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/edukomputika.v8i1.47837

Pandemi Covid-19 saat ini cukup memberikan dampak pada masyarakat. Skala penyebaran dari Covid-19 sangatlah cepat, sehingga membutuhkan penanganan yang benar. Salah satu cara untuk mengurangi penyebaran Covid-19 adalah dengan melakukan Social Distancing. Namun masyarakat cenderung lalai dalam melaksanakan protokol kesehatan tersebut. Salah satu cara untuk mengatasi masalah ini adalah dengan aplikasi social distancing detector yaitu aplikasi yang digunakan untuk mendeteksi jumlah dan jarak dari objek manusia yang ada pada satu area. Penelitian ini bertujuan untuk mengembangkan aplikasi social distancing detector menggunakan bahasa pemrograman Python dengan library YOLOv3. YOLOv3 memiliki kelebihan dalam object detection dengan akurasi yang tinggi yaitu diatas 90%. Pengujian metode pada penelitian ini menggunakan lima dataset pejalan kaki dari kamera pengawas jalan yang didapatkan dari dataset uji coba beberapa peneliti melalui Github yang memiliki resolusi yang baik dan memiliki objek manusia yang heterogen. Hasil akurasi dari deteksi citra pertama adalah 83,32%. Hasil akurasi dari deteksi citra kedua adalah 76,92%. Hasil akurasi dari deteksi citra ketiga adalah 89,99%. Hasil akurasi dari deteksi citra keempat dan kelima adalah 100%. Hasil Rata-rata tingkat keberhasilan dari semua hasil analisa adalah 90,04% yang diukur dari rata-rata perbandingan jumlah data percobaan berhasil dan jumlah data pengamatan untuk tiap-tiap citra.

Sistem Cerdas Penghitung Jumlah Mobil untuk Mengetahui Ketersediaan Lahan Parkir berbasis Python dan YOLO v4 Rizkatama, Getsa Novandra; Nugroho, Anan; Suni, Alfa Faridh
Edu Komputika Journal Vol 8 No 2 (2021): Edu Komputika Journal
Publisher : Jurusan Teknik Elektro Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/edukomputika.v8i2.47865

Perkembangan teknologi pada era digital semakin cepat, mulai dari bidang hardware maupun software. Software atau perangkat lunak sering digunakan pada sebuah sistem, baik untuk otomatisasi sistem itu sendiri, maupun digunakan untuk membantu manusia dalam kehidupan sehari-hari. Pencarian sebuah lahan parkir yang tersedia menjadi sebuah permasalahan yang dihadapi oleh manusia pada saat hendak memasuki sebuah lahan parkir. Pembayaran biaya masuk lahan parkir menjadi kendala saat lahan parkir tidak ditemukan. Maka dari itu pengembangan sebuah sistem yang digunakan sebagai pendeteksi ketersediaan lahan parkir menjadi salah satu solusinya. Sistem atau perangkat lunak dikembangkan menggunakan bahasa pemrograman Python dan YOLO v4. Ketersediaan lahan parkir dihitung dengan membandingkan hasil deteksi mobil dengan ketersediaan lahan parkir. Deteksi dilakukan dengan menggunakan algoritma YOLO v4 dengan dataset COCO yang ditandai dengan bounding box dan confidence level. Berdasarkan hasil pengujian pada beberapa video, didapatkan tingkat akurasi program sebesar 72,8%.

Eye Fatigue Detection in Vehicle Drivers Based on Facial Landmarks Features Fikriyah, Fia Dumi Hasanatul; Nugroho, Anan; Suni, Alfa Faridh
Rekayasa : Jurnal Penerapan Teknologi dan Pembelajaran Vol 19, No 1 (2021): July 2021
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/rekayasa.v19i1.30993

Human factors are unavoidable in traffic accidents, so early detection is needed. Fatigue while driving can be interpreted as drowsiness or nervous breakdown. Therefore, vehicle drivers must be able to increase their vigilance. The occurrence's cause is mainly human negligence due to tired driving. When the body feels tired, it is difficult to stay awake and focus. For this reason, this study was undertaken to propose a comprehensive approach to explore parameters indicating eye fatigue or driver drowsiness.. Detection of eye fatigue in vehicle drivers uses a smartphone camera (droid cam) to acquire and detect the driver's eyes using face recognition. This application development uses OpenCV with the Python programming language. This research was conducted by detecting faces using the facial landmarks 68 algorithms and then looking for points around the eyes to calculate the eye aspect ratio. The results of the detection analysis on the eyes when open and closed indicate the rider's size is tired and buggy. The input from the program is the number of blinks of the rider's eyes every minute so that the quantity indicates the driver is tired, sleepy or fit. This figure indicates that motorists are sleepy and need to anticipate taking a short break to continue the journey later.

Kinerja Algoritme Pengelompokan Fuzzy C-Means pada Segmentasi Citra Leukosit Khakim Assidiqi Nur Hudaya; Budi Sunarko; Anan Nugroho
Jurnal Nasional Teknik Elektro dan Teknologi Informasi Vol 11 No 1: Februari 2022
Publisher : Departemen Teknik Elektro dan Teknologi Informasi, Fakultas Teknik, Universitas Gadjah Mada

Image segmentation is one of the most critical steps in computer-aided diagnosis that potentially accelerate leukemia diagnosis. Leukemia is categorized as blood cancer known as a deadly disease. Generally, acute lymphoblastic leukemia (ALL) detection can be done manually by counting the leukocytes contained in the stained peripheral blood smear image using the immunohistochemical (IHC) method. Unfortunately, the manual diagnosis process takes 3−24 hours to complete and is most likely inaccurate due to operator fatigue. An image segmentation method proposed by Vogado can achieve an accuracy of 98.5%. However, this method uses a K-means clustering algorithm that is not optimal for input images containing mostly noise. In this research, fuzzy c-means were applied to solve this problem. The dataset used in this study was ALL-IDB2, which consisted of 260 images, with each image having the size of 257×257 pixels in tagged image file (TIF) format. The initial stage of this method was to divide the ALL-IDB 2 acute leukemia dataset image into cyan, magenta, yellow, key (CMYK) and L*a*b color schemes which then subtract the M component subtracted by component *b. The subtraction results were then splits using the FCM algorithm, resulting in the nucleus and background sections. The output of this method was then evaluated and measured using the metrics accuracy, specificity, sensitivity, kappa index, dice coefficient, and time complexity. The results showed that changing the clustering algorithm in the image segmentation method did not provide a significant change in results; an increase occurred in the specificity and precision metrics with an average of 0.1−0.4%, the execution time also increased by an average of 23.10%. The decrease in the accuracy metric was down to 95.4238%, and the dice coefficient value was 79.3682%. From the explanation above, it can be concluded that the application of the FCM algorithm to the segmentation method does not provide optimal results.

Title

Found 9 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 9 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 9 Documents
Search