Claim Missing Document
Check
Articles

Model GHT-SVM for Traffic Sign Detection Using Support Vector Machine Algorithm Based On Gabor Filter and Top-Black Hat Transform Noprisson, Handrie; Ayumi, Vina; Dwika Putra, Erwin; Utami, Marissa; Ani, Nur
Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI Vol. 13 No. 3 (2024)
Publisher : Prodi Pendidikan Teknik Informatika Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/janapati.v13i3.75778

Abstract

A factor that can hinder the detection and recognition of traffic signs is the variation in lighting in the image of traffic signs. This study aims to detect traffic symbols using Gabor Filter (GFT), Top Hat Transform (THT), and Black Hat Transform (BHT) methods on the Support Vector Machine (SVM) algorithm for traffic sign dataset images with data problems that tend to have dark backgrounds at night and bright backgrounds during the day. From the experimental results, GHT-SVM gets the highest accuracy compared to HSV-SVM, HSV-RF, HSV-KNN, and H2T-SVM models. Based on experimental results, H2T-SVM from HOG ⊕ ENT ⊕ BHT ⊕ SVM results get the best accuracy of 86.42%. The Gabor Filter (GFT) parameters used are the number of filters with a value of 16, ksize with a value of 30, sigma with a standard deviation value of 3.0, lambd with a sinusoidal factor value of 10.0, gamma with a spatial aspect ratio value of 0.5 and psi with a phase offset value of 0 while the Top Hat Transform (THT) and Black Hat Transform (BHT) methods use filterSize sizes with values (3, 3).
Implementasi Local Binary Pattern (LBP) dan Dropout Convolutional Neural Network untuk Deteksi Dini Penyakit Kulit Putra, Erwin Dwika; Hadiguna Setiawan
JCOSIS (Journal Computer Science and Information Systems) Vol. 2 No. 2 (2025): Oktober
Publisher : Institute for Research and Community Service

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61567/jcosis.v2i2.253

Abstract

Deteksi dini penyakit kulit merupakan langkah penting dalam upaya pencegahan dan penanganan dini penyakit berbahaya seperti melanoma. Penelitian ini bertujuan untuk mengembangkan model deteksi otomatis penyakit kulit berbasis citra dengan menggabungkan Local Binary Pattern (LBP) dan Dropout Convolutional Neural Network (CNN). Dataset yang digunakan adalah HAM10000, yang terdiri dari berbagai jenis citra lesi kulit beresolusi tinggi. Proses penelitian meliputi tahapan preprocessing (normalisasi, cropping, dan augmentasi), ekstraksi ciri tekstur menggunakan LBP, serta klasifikasi menggunakan CNN dengan mekanisme dropout untuk mencegah overfitting. Model dievaluasi menggunakan metrik Accuracy, Precision, Recall, dan F1-Score. Hasil penelitian menunjukkan bahwa kombinasi LBP + Dropout CNN memberikan peningkatan signifikan dibandingkan CNN konvensional. Model usulan berhasil mencapai akurasi sebesar 99.45%, precision 99.21%, recall 99.43%, dan F1-Score 99.32%. Penerapan LBP meningkatkan kemampuan model dalam mengenali tekstur mikro pada permukaan kulit, sedangkan dropout meningkatkan kemampuan generalisasi model. Dengan hasil tersebut, metode yang diusulkan terbukti efektif untuk deteksi dini penyakit kulit secara otomatis dan berpotensi diterapkan dalam sistem Computer-Aided Diagnosis (CADx) berbasis kecerdasan buatan, baik di lingkungan klinis maupun aplikasi mobile untuk deteksi mandiri.
Implementasi Metode Viola Jones dan Haar Like Feuture Pada Deteksi Wajah Non Frontal Ahmad Sayyeid Al Jadd; Erwin Dwika Putra
JCOSIS (Journal Computer Science and Information Systems) Vol. 1 No. 1 (2024): Mei
Publisher : Institute for Research and Community Service

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61567/jcosis.v1i1.175

Abstract

Tujuan : Pendeteksian wajah pada zaman yang semakin maju ini dirasakan perlu diaplikasikan pada segala bidang demi memudahkan pekerjaan manusia terutama dalam bidang keamanan, seperti keamanan gedung, perkantoran, bandara, ataupun tempat-tempat penting lainnya dengan mengaplikasikan suatu sensor pendeteksi wajah pada kamera, sehingga dapat diketahui identitas pengunjung tempat tersebut. Metode/Design/Pendekatan: Metode Viola Jones merupakan metode yang paling banyak digunakan untuk mendeteksi wajah proses pendeteksian wajah dilakukan dengan mengklasifikasikan sebuah gambar setelah sebelumnya pengklasifikasian dari data yang sudah disimpan Hasil/Temuan: Berdasarkan pembahasan dan uji coba, dapat disimpulkan bahwa Sistem Pendeteksian Wajah Non-Frontal Menggunakan Haar Like Feature pada Metode Viola Jones ini dapat mendeteksi wajah berorientasi miring atau non-frontal, yang tidak bisa dilakukan dengan sistem sejenis yang hanya mendeteksi wajah frontal. Kebaharuan/Originalitas/Nilai: Untuk wajah dengan kemiringan yang terlalu extreme atau kemiringan lebih dari 450 mempengaruhi kesuksesan pendeteksian. Serta Kecepatan pendeteksian bergantung pada besaran ukuran file gambar yang di proses. Keywords: Viola Jones, Wajah, Deteksi
Implementasi Metode Color Blob Detection Pada Objek Daun Sawi Wahyu Adianto; Dwika Putra, Erwin; Handrie Noprison; Vina Ayumi; Marissa utami; Mariana Purba
JCOSIS (Journal Computer Science and Information Systems) Vol. 1 No. 1 (2024): Mei
Publisher : Institute for Research and Community Service

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61567/jcosis.v1i1.176

Abstract

Tujuan : Sistem aplikasi Mendeteksi Objek Daun Sawi dengan menerapakan Metode Color Blob Detection menggunakan Bahasa pemrograman matlab. Mekanisme pembuatan aplikasi dimulai dari pembuatan rancangan aplikasi, GUI (Grafik User Interface) sampai dengan pembuatan coding. Metode/Design/Pendekatan: model deteksi Objek Daun Sawi dengan menerapakan Metode Color Blob Detection menggunakan Bahasa pemrograman matlab Hasil/Temuan: Hasil pengujian yang dilakukan dengan memiliki tingkat keakuratan paling tinggi yaitu dengan jarak pengambilan sampel objek dengan jarak 50 cm, dan tingkat keakuratan paling rendah dengan jarak pengambilan sampel objek dengan jarak 20 cm. Kebaharuan/Originalitas/Nilai: Tingkat akurasi deteksi daun sawi maka dapat disimpulkan berhasil dengan tingkat keberhasil akurasi 67.7% Keywords: Color Blob Detection, Image Processing, Matlab
Penerapan Algoritma Viola Jones Untuk Deteksi Mata Pada Pengolahan Citra Digital Putra, Erwin Dwika; Marissa Utami; Mariana Purba
JCOSIS (Journal Computer Science and Information Systems) Vol. 1 No. 2 (2024): Oktober
Publisher : Institute for Research and Community Service

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61567/jcosis.v1i2.208

Abstract

Purpose: This research aims to test the performance of eye detection algorithms in human images using specific methods, such as the Viola-Jones algorithm. Eye detection is an important component in various applications, ranging from biometrics to surveillance systems. Methods/Study design/approach: In this study, testing was conducted on 10 images with simple variations to assess the algorithm's accuracy, precision, and recall. Result/Findings: The results showed that the algorithm achieved an accuracy rate of 80% with a precision and recall of 88.9%, which indicates a fairly reliable performance for standard conditions. However, detection errors such as false positives and negatives were found, suggesting the potential for improvement, especially in images with varying illumination or orientation. Novelty/Originality/Value: This algorithm is suitable for real-time eye detection applications with stable lighting and orientation conditions. Still, it is recommended to incorporate additional methods to improve accuracy in more complex conditions.
Implementasi Notifikasi Berbasis Deteksi Gerak Menggunakan Algoritma Background Subtraction Putra, Erwin Dwika
JCOSIS (Journal Computer Science and Information Systems) Vol. 2 No. 1 (2025): Mei
Publisher : Institute for Research and Community Service

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61567/jcosis.v2i1.227

Abstract

Mendeteksi gerakan merupakan suatu proses yang mengenali perubahan dalam posisi, bentuk, atau warna objek dalam suatu area dari waktu ke waktu. Penerapan teknologi ini luas, mulai dari keperluan pengawasan keamanan hingga analisis lalu lintas. Teknologi deteksi gerak bergantung pada perangkat keras dan perangkat lunak untuk mengidentifikasi perubahan yang terjadi dalam lingkungan yang diamati, seperti pergerakan manusia atau objek lainnya. Penelitian yang membahas tentang sistem deteksi gerak telah dikembangkan oleh banyak peneliti, salah satunya pemanfaatan kamera pengawas CCTV untuk mendeteksi gerak penghuni Kos [1]. pada penelitian tersebut peneliti menggunakan metode background subtraction dalam mendeteksi gerak. Walaupun sebelumnya telah ada penelitian yang berhasil dalam pengembangan algoritma deteksi gerak yang canggih, namun peneliti menemukan bahwa belum ada Penerapan notifikasi pada penelitian tersebut. Maka dalam Penelitian ini, peneliti akan melibatkan penerapan notifikasi yang memungkinkan pengguna untuk menerima pemberitahuan secara langsung mengenai perubahan yang terjadi dalam lingkungan yang sedang diamati.
POJOK TAMAN BACA BERBASIS TEKNOLOGI UNTUK MENINGKATKAN MINAT BACA ANAK Putra, Erwin Dwika; Mariana Purba; Marissa utami; Vina Ayumi; Hadiguna Setiawan; Wachyu Hari Haji
JPMTT (Jurnal Pengabdian Masyarakat Teknologi Terbarukan) Vol. 3 No. 2 (2023): Oktober
Publisher : Lembaga Penelitian Pengabdian Masyarakat Penerbitan dan Percetakan Indonesian Scholar Khiar Wafi (LPPMPP IKHAFI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54650/jpmtt.v3i2.532

Abstract

Kegiatan membaca agar dapat meningkatkan minat baca harus dilakukan sedini mungkin. Perlunya pembentukan kebiasaan akan membaca atau budaya membaca akan menjadi lebih baik apabila dimulai sejak dini dengan kegeiatan sesederhana mungkin. Literasi juga dapat diartikan sebagai kemampuan dalam melakukan kegiatan baca, tulis, berhitung dan berbicara serta kemampuan dalam mencari dan menggunakan sebuah informasi. Dengan bantuan teknologi gadget seperti tablet PC maka model pembalajaran yang akan dikembangkan pada pojok baca ini nantinya akan terdapat beberapa games edukasi, tetapi pada pojok baca ini juga terdapat beberapa buku bacaan agar anak-anak dapat menyukai membaca dari beberapa buku. Dengan adanya program Pojok Baca Berbasis Teknologi ini telah berhasil meningkat minat baca anak-anak serta dapat meningkatkan kemajuan berfikir dan kreatifitas anak-anak dilingkungan yang menjadi objek penelitian. Serta dapat disimpulkan pula dengan adanya pojok digital ini dapat mendorong pemikiran positif anak-anak dalam memanfaatkan gadget serta alat-alat teknologi lainnya. Kata Kunci: Pojok, Baca, Digital
WORD AND EXCELL TRAINING PROGRAM AT ELEMENTARY SCHOOL N 04 KOTA BENGKULU Putra, Erwin Dwika; Marissa Utami
JPMTT (Jurnal Pengabdian Masyarakat Teknologi Terbarukan) Vol. 4 No. 2 (2024): Oktober
Publisher : Lembaga Penelitian Pengabdian Masyarakat Penerbitan dan Percetakan Indonesian Scholar Khiar Wafi (LPPMPP IKHAFI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54650/jpmtt.v4i2.562

Abstract

Mastery of Microsoft Word and Excel applications is essential in supporting administrative tasks and data management in educational settings. However, the limited ability of teachers and administrative staff to use this software is still a challenge in Sekolah Dasar Negeri 04 Kota Bengkulu. This community service activity aims to improve the basic skills of using Microsoft Word and Excel for teachers and administrative staff at the school. The training was conducted in several sessions covering the introduction and practice of the main features of Microsoft Word, such as setting document formats, creating tables, and using symbols, as well as Microsoft Excel, which includes creating tables, using basic formulas, and creating simple graphs. The results of the training showed an increase in participants' ability to manage documents and data independently, such as the preparation of reports, grade lists, and student attendance data. The evaluation of this activity showed that participants found it helpful in improving their digital skills, but further training is still needed to explore more complex features. This training program is expected to provide long-term benefits for schools in improving administrative efficiency and supporting the quality of digital-based learning.
Handwritten Kaganga script classification using deep learning and image fusion Dwika Putra, Erwin; Ermatita, Ermatita; Abdiansah, Abdiansah
Bulletin of Electrical Engineering and Informatics Vol 14, No 2: April 2025
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/eei.v14i2.8747

Abstract

Classification of traditional handwriting script and to preserve many cultures have been developed in some parts of the world, including image classification of handwriting Kaganga script. This study aims to propose a new combination model by implementing top-hat transform (THT) and contrast-limited adaptive histogram equalization (CLAHE) with discrete wavelet transform (DWT) to support the performance of the convolutional neural network (CNN) in Kaganga script classification. The top-hat transform and contrast-limited adaptive histogram equalization with discrete wavelet transform Fusion L2 convolutional neural network (DWT-THCL L2 CNN) models get the best accuracy from the CNN with L1 regularization, CNN with dropout regularization, CNN with L2 regularization and CNN with L2 regularization and CLAHE models. Based on the experimental results, the DWT-THCL L2 CNN model successfully increased training accuracy by 7.76%, validation accuracy by 5.11%, and testing accuracy by 3.73% from the CNN L1 model. The DWT-THCL L2 CNN model received a training accuracy of 99.87%, validation accuracy of 82.61%, and testing accuracy of 82.61%, while the CNN model with L1 regularization (L1 CNN) only received a training accuracy of 92.11%, validation accuracy of 77.50%, and testing accuracy of 78.88%.