Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : JURUTERA (Jurnal Umum Teknik Terapan)

Normalisasi Motion Data Untuk Model Viseme Dinamis Bahasa Indonesia Nurul Fadillah; Liza Fitria
JURUTERA - Jurnal Umum Teknik Terapan Vol 4 No 01 (2017)
Publisher : Fakultas Teknik Universitas Samudra

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55377/jurutera.v4i01.1576

Abstract

Animasi bicara yang natural sangat dibutuhkan bagi Industri animasi. Penelitian animasi berbicara Bahasa Indonesia masih sangat jarang dilakukan, sehingga kami melakukan penelitian bidang ini. Animasi bicara yang natural sangat ditentukan oleh kesesuaian antara pengucapan dan viseme (visual phoneme) tersebut. Viseme adalah bentuk bibir ketika mengucapkan suatu fonem atau bunyi bahasa. Penelitian ini bertujuan untuk melakukan normalisasi data motion capture (mocap) sehingga diperoleh data fitur setiap suku kata dari kalimat bahasa Indonesia yang diucapkan oleh seorang model. Data yang kami rekam adalah wajah seorang model yang telah dipasang 37 penanda aktif diwajahnya dengan mengucapkan 5 kalimat Bahasa Indonesia. Teknologi yang digunakan untuk merekam adalah teknologi motion capture (mocap). Data fitur yang diperoleh digunakan sebagai dasar pada proses klasterisasi, sehingga dihasilkan kelas-kelas viseme dinamis Bahasa Indonesia. Penelitian ini menjelaskan beberapa kegiatan yaitu perekaman data mocap, konversi data mocap menjadi sistem koordinat dunia, proses normalisasi posisi 3D, dan visualisasi. Hasil penelitian menunjukan bahwa data fitur hasil proses normalisasi dapat diterapkan pada proses klaterisasi dengan kualitas klaster yang baik.
Identifikasi Kualitas Terasi Langsa Berdasarkan Warna Menggunakan Radial Basis Function Neural Network Maisura Ningrum; Munawir Munawir; Nurul Fadillah
JURUTERA - Jurnal Umum Teknik Terapan Vol 7 No 01 (2020)
Publisher : Fakultas Teknik Universitas Samudra

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55377/jurutera.v7i01.2415

Abstract

Pengembangan sektor perikanan bertujuan untuk memenuhi kebutuhan protein hewani serta menambah lapangan pekerjaan bagi masyarakat. Salah satu upaya yang dilakukan yaitu pada pembuatan terasi. Terasi banyak dimanfaatkan sebagai bahan tambahan makanan serta menjadi oleh-oleh khas dari Langsa. Tetapi dikarenakan minimnya pengetahuan konsumen terhadap kualitas terasi banyak menjadi kendala untuk menentukan kualitas dari terasi. Penentuan kualitas terasi saat ini dilakukan dengan menentukan secara manual yaitu dengan mengamati secara langsung terasi. Pengamatan yang dilakukan dapat berupa dengan cara melihat jenis, tekstur, warna dan juga berdasarkan aromanya. Oleh karena itu pada penelitian ini dibuat sistem identifikasi kualitas terasi berdasarkan warna dengan menggunakan metode radial basis function neural network melalui fitur warna yang digunakan yaitu nilai R,G,B dan nilai H,S,V serta identifikasi dengan menggukan metode radial basis function neural network dengan menggunakan variasi pada nilai spread. Tingkat akurasi yang didapatkan pada penelitian ini dengan nilai spread yang digunakan yaitu 1 (satu) adalah 92,5%.
Pengalan Kualitas Ikan Berdasarkan Warna Mata Menggunakan Metode K-Nearest Neihbor (KNN) Khairunnisa; Munawir; Nurul Fadillah
JURUTERA - Jurnal Umum Teknik Terapan Vol 7 No 02 (2020)
Publisher : Fakultas Teknik Universitas Samudra

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55377/jurutera.v7i02.2416

Abstract

Ikan yang bagus untuk kesehatan ialah ikan yang tidak mengalami proses pengawetan dan masih segar serta tidak adanya campuran bahan kimiawi didalamnya. Ikan sangat mudah mengalami kerusakan mutu karena terdapat banyak kandungan air yang cukup tinggi didalam tubuh ikan, hal inilah yang menyebabkan ikan mudah mengalami kebusukan dan mengalami penurunan kualitas kesegaran dan nilai gizinya. Kualitas ikan dengan mengalami penurunan zat yang terkadung dalam kandungan ikan yang disebabkan oleh zat kimia serta bakteri yang terdapat pada ikan yang menyebabkan perubahan pada ikan contohnya pada ingsang, mata ikan, tekstur dan daging ikan. Oleh karena itu dibuat sistem pengenalan kualitas ikan berdasarkan citra mata menggunakan metode K-Nearest Neighbor untuk mengenali kualitas ikan yang bagus. Sistem untuk Pengenalan kualitas ikan berdasarkan warna mata ikan menggunakan metode K-Nearest Neighbor (KNN) memperoleh hasil rata-rata akurasi seluruh pengujian sebesar 90 % dengan nilai k yang digunakan yaitu 5.