Article Per Year (5 Year)
p-Index From 2020 - 2025
0.947
P-Index
This Author published in this journals
All Journal JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING eProceedings of Engineering Jurnal Rekayasa elektrika Jurnal INFOTEL
Bambang Hidayat
Telkom University
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering

Published : 205 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 201 Documents
Search
Journal : eProceedings of Engineering

 16   17   18   19   20 
Identifikasi Dan Klasifikasi Kemurnian Susu Sapi Berdasarkan Pemrosesan Sinyal Video Dengan Metode Gabor Wavelet Dan Support Vector Machine Haidar Maghrifa Ahmad; Bambang Hidayat; Sjafril Darana
eProceedings of Engineering Vol 4, No 3 (2017): Desember, 2017
Publisher : eProceedings of Engineering

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

Abstract

Susu sapi merupakan minuman yang sangat bergizi untuk dikonsumsi dalam kehidupan sehari-hari, karena kandungannya yang ada di dalamnya seperti lemak, mineral dan protein sangat diperlukan oleh tubuh. Banyak orang ingin membeli susu murni tapi dari beberapa penjual susu murni memungkinkan untuk mendapatkan keuntungan yang lebih dengan mengurangi banyaknya susu murni dan menambahkan zat lain untuk menambah volume susu dan membuat susu agar bisa bertahan lebih lama daripada umumnya hal ini membuat penurunan kualitas yang ada pada susu murni tersebut. Biasanya cara yang sangat sederhana yang dipakai untuk mengidentifikasi kemurnian susu yang akan dibeli dengan melihat perbedaan warna dan mencium baunya lalu membandingkan dengan susu murni yang sudah diketahui benar kemurnian susunya, namun hal ini susah untuk dilakukan dan sangat kecil tingkat keberhasilannya untuk membedakan susu tersebut ,semakin berkembangnya teknologi pangan dibutuhkan teknologi yang dapat memudahkan kita sebelum memilih susu untuk dikonsumsi agar mengetahui kemurnian susu yang dipilih sehingga susu yang akan dikonsumsi memiliki kemurnian yang asli Dalam tugas akhir ini dilakukan identifikasi dan klasifikasi kemurnian susu sapi berdasarkan pemrosesan sinyal video dengan tahapan akuisisi, pre-procesessing , ekstraksi ciri dan klasifikasi, pada tahap ekstraksi ciri menggunakan metode gabor wavelet untuk proses klasifikasi menggunakan support vector machine. Sistem yang dibuat diaplikasikan pada perangkat lunak (software) MATLAB dengan dilakukan identifikasi dan klasifikasi pada bentuk, warna dan kecepatan tetesan bulir susu sapi, pada skenario pengujian bentuk memilki hasil rata-rata akurasi terbaik 90% dengan rata-rata waktu komputasi 2.60785 s dan skenario pengujian warna memiliki rata-rata akurasi terbaik 60% rata-rata waktu komputasi 0.0523 s.Kata Kunci : Susu Sapi, Gabor Wavelet, Support Vector Machine
Deteksi Granuloma Melalui Citra Radiograf Periapikal Menggunakan Metode Gray Level Co-occurence Matrix (glcm) Dan Binary Large Object (blob) Dengan Klasifikasi K-nearest Neighbor (k-nn) Saraswati Saraswati; Bambang Hidayat; Suhardjo MS
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 Gigi merupakan salah satu organ tubuh bagian mulut yang berperan penting di dalam kehidupan manusia. Jika gigi mengalami gangguan atau penyakit, tentu akan mengganggu aktifitas manusia karena kesehatan gigi sangat berkaitan dengan kegiatan metabolisme dari tubuh. Beberapa macam penyakit yang dapat menyerang gigi sulit untuk dilihat dengan mata telanjang, tetapi dapat dideteksi oleh ahli radiologi gigi dengan menggunakan radiograf periapikal yang akan menampilkan gambar x-ray seluruh gigi dari pasien. Dengan masih terbatasnya ahli radiologi gigi, diperlukan juga suatu alat bantu yang dapat memberikan analisis awal bagi dokter gigi. Alat bantu tersebut dapat direalisasikan berdasarkan pengolahan citra periapikal radiograf. Penelitian ini difokuskan pada deteksi penyakit granuloma dan selanjutnya akan dilaksanakan sintesis dari beberapa penelitian yang telah dilakukan untuk mendeteksi granuloma melalui pengolahan citra digital dan citra periapikal radiograf. Dari seluruh metode yang akan diuji kembali, akan dipilih metode ekstrasi ciri serta klasifikasi yang berfokus pada domain spasial dan secara umum mampu mendeteksi seluruh penyakit gigi. Pada tugas akhir ini metode yang akan diuji kembali ialah metode Gray Level Co-Occurence Matrix (GLCM) dan Binary Large Object (BLOB) sebagai ekstraksi ciri, dan proses klasifikasi dengan menggunakan metode K-Nearest Neighbor (K-NN). Dari sintesis penelitian ini, akan didapatkan metode terbaik dengan tingkat akurasi yang paling tinggi. Hal ini agar dapat diproses menjadi hak cipta penelitian serta memudahkan para ddokter gigi. Kata Kunci : Domain Spasial, Gigi, Granuloma, Hak Cipta Penelitian, Radiograf Periapikal. Abstract Teeth is one of the organs of the oral body that plays an important role in human life. If the teeth have disruption or disease, would certainly interfere with human activities because dental health is closely related to the metabolic activities of the body. Some types of diseases that can affect teeth are hard to see with the naked eye, but can be detected by dental radiologists by using a periapical radiograph that will show an entire dental xray image of the patient. With the limited number of dental radiologists, there is also a tool that can provide early analysis for the dentist. The aids can be realized based on radiographic periapical imaging processing. This study focused on the detection of granuloma disease and further synthesis of some studies have been done to detect granuloma through digital image processing and radiographic periapical image. Of all the methods to be re-examined, a feature extraction method will be selected and classification that focuses on the spatial domain and is generally capable of detecting all dental diseases. In this final project, the methods to be tested again are Gray Level Co-Occurrence Matrix (GLCM) and Binary Large Object (BLOB) method as feature extraction, and classification process using K-Nearest Neighbor (K-NN) method. From the synthesis of this research, will get the best method with the highest level of accuracy. This in order to be processed into a copyright research and facilitate the ddokter tooth. Keywords: Spatial Domain, Teeth, Granuloma, Copyright Research, Periapical Radiograph.
Deteksi Usia Berbasis Citra Radiograf Panoramik Gigi Pasien Rumah Sakit Gigi Dan Mulut Universitas Padjadjaran Dengan Metode Local Binary Pattern Dan K-nearest Neighbor David Vianza; Bambang Hidayat; Fahmi Oscandar
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 Pada era sekarang ini, sering kita mendengar atau melihat dari media elektronik banyak terjadi tindak kriminal, kecelakaan, maupun bencan aalam. Akibatnya tidak jarang ditemukannya korban dalam kondisi yang sulit dikenali identitasnya. Salah satu ilmu yang membantu proses identifikasi korban adalah ilmu forensik. Ilmu forensik sendiri memiliki berbagai cabang keilmuan lainnya, namun pada tugas akhir ini peneliti membahas mengenai odontologi forensik atau cabang keilmuan forensic melalui gigi. Deteksi usia melalui gigi menjadi sangat penting dalam odontologi forensik, terutama jika organ yang diperlukan untuk identifikasi telah rusak, misalnya pada kasus kebakaran, kecelakaan pesawat terbang, atau telah terjadi pembusukan. Pada keadaan tersebut biasanya gigi merupakan jaringan satu-satunya yang relatif masih utuh. Hal ini dapat terjadi karena gigi dilapisi oleh email yang merupakan jaringan tubuh yang paling keras. Oleh karena itu, deteksi usia melalui gigi merupakan informasi yang sangat berguna dalam hal identifikasi usia tersebut, sehingga akan lebih memudahkan para ahli forensik melakukan identifikasi usia secara tepat. Dilihat dari permasalahan yang terjadi, maka dikembangkanlah ilmu forensik dengan menggunakan citra radiograf panoramik gigi. Citra radiograf panoramik gigi ini adalah rontgen gigi yang telah digunakan secara umum oleh kedokteran gigi untuk mendapatkan gambaran utuh gigi. Pada tugas akhir ini, teknik identifikasi dan klasifikasi citra radiograf panoramik gigi dapat dipermudah dengan menggunakan image processing. Metode yang digunakan adalah Local Binary Pattern dengan klasifikasi K-Nearest Neighbor. Hasil yang akan diperoleh adalah sebuah aplikasi berbasis Matlab untuk mengidentifikasi dan mengklasifikasi. Setelah melakukan pengujian didapat hasil akurasi tertinggi sistem 76.6% untuk 3 kelas data yang dibagi berdasarkan kategori umur menurut Depkes RI, dan 18.92%untuk kelas data per usia. Pada pengujian terhadap hasil tersebut diperoleh dengan cara melakukan pengujian terhadap parameter yang dapat memepengaruhi sistem yang telah dibuat. Kata Kunci: Odontologi forensik, Image Processing, Citra radiograf panoramik, LBB, K-NN Abstract In the current era, we often hear or see from electronic media that there are many crimes, accidents, or disaster. As a result, victims are often found in conditions that are difficult to identify. One of the sciences that helps victims identification process is forensic science. Forensic science itself has various other scientific branches, but in this final project, the researcher discusses forensic odontology or the forensic branch of science through teeth. Age detection through teeth becomes very important in forensic odontology, especially if the organs needed for identification have been damaged, for example in the case of fire, aircraft accident, or decay. In these circumstances, teeth are usually the only tissue that is still relatively intact. This can occur because the teeth are coated with the email which is the hardest tissue in the body. Therefore, detection of age through teeth is very useful information in terms of identification of that age, so that it will be easier for forensic experts to correctly identify age. Judging from the problems that occur, forensic science was developed using dental panoramic radiographs. This dental panoramic radiograph is a dental x-ray that has been used in general by dentistry to obtain a complete picture of the tooth. In this final project, the identification and classfication techniques of dental panoramic radiographs can be facilitated by using image processing. The method used is Local Binary Pattern with K-Nearest Neighbor Classification. The results to be obtained are a Matlab-based application to identify and classify. After testing, the highest accuracy of the system was 76.6% for the 3 data classes divided by age categories according to the Ministry of Health, and 18.92% for data classes per age. In testing the results obtained by testing the parameters that can affect the system that has been made. Keywords: Forensic odontology, Image Processing, Radiograph Panoramic Image, LBP, K-NN, W
Deteksi Barodontalgia Pada Kasus Perawatan Pulpitis Reversibel Melalui Sinyal Wicara Dengan Metoda Mel-frequency Cepstral Coefficients Dan Klasifikasi Decision Tree Neng Wiwin Wiyandini; Bambang Hidayat; Sugeng Winarno
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 Sinyal wicara merupakan salah satu parameter yang dapat digunakan untuk mendeteksi kesehatan seseorang. Parameter ini diharapkan dapat digunakan sebagai salah satu data oleh ahli radiologi kedokteran gigi untuk mengidentifikasi tingkat kesehatan gigi penyelam berdasarkan analisis pada suatu rekaman suara. Lalu pada dekade terakhir ini telah dilaporkan adanya peningkatan insidensi barodontalgia yang terjadi pada penyelam lebih besar. Barodontalgia adalah rasa nyeri pada gigi akibat perubahan tekanan pada saat menyelam. Selain perubahan tekanan udara, pulpitis dengan peradangan periapikal adalah penyebab utama terjadinya barodontalgia. Pada penelitian ini penyakit yang diteliti adalah pulpitis reversibel. Pulpitis reversibel merupakan inflamasi pada pulpa yang tidak parah. Pada tugas akhir ini telah dirancang sebuah sistem aplikasi berbasis Matlab yang dapat mendeteksi pulpitis reversibel melalui sinyal wicara pada penyelam. Hasil dari penelitian ini diharapkan dapat membantu dan mempermudah ahli radiologi kedokteran gigi dalam mendeteksi dan meminimalisir terjadinya Barodontalgia pada Penyelam. Metode yang digunakan dalam penelitian ini adalah Mel-Frequency Cepstral Coefficient sebagai ekstraksi ciri dan Desicion Tree sebagai klasifikasinya dengan akurasi terbaik sebesar 80%. Kata Kunci: Barodontalgia, Pulpitis Reversibel, Mel-Frequency Cepstral Coefficient, Desicion Tree Abstract Speech signals is one of the parameters that can be used to detect a person's health. This parameter is expected to be used as one of the data by the radiologist Dentistry dental health to identify the level of diver based on analysis on a sound recording. Then in the last decade have reported an increase in the incidence of barodontalgia is happening on a diver is larger. Barodontalgia is a pain on teeth due to changes of pressure at the time of the dive. In addition to changes in air pressure, inflammatory pulpitis by periapikal is the main cause of occurrence of barodontalgia. In this research diseases that will be examined is reversible pulpitis. Reversible pulpitis is an inflammation on the pulpa are not severe. This final project a Matlab-based application system has been designed that can detect reversible pulpitis through a speech signal on divers. The result of this research can help and ease the radiologist dentistry in detect and minimize the occurrence of Barodontalgia in divers. The method to be used in this research is the Mel-Frequency Cepstral Coefficient as extraction characteristics and Desicion Tree as classification with best accuracy is 80%. Keywords: Barodontalgia, Reversible Pulpitis, Mel-Frequency Cepstral Coefficient, Desicion Tree
Deteksi Pulpitis Reversibel Melalui Sinyal Wicara Dengan Metode Wavelet Packet Dan Klasifikasi Self Organizing Maps (som) Maya Amiriyanti; Bambang Hidayat; Yun Mukmin Akbar
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 Suara setiap manusia pastinya berbeda-beda. Dimana masing-masing suara memiliki frekuensi dan karakteristik yang berbeda-beda pula. Saat ini di era teknologi yang sudah canggih suara dapat digunakan sebagai media pendeteksi melalui aplikasi atau program komputer, sehingga dapat digunakan sebagai alat bantu pendeteksi khususnya di bidang kesehatan. Dengan adanya aplikasi atau program tersebut dapat membantu mendeteksi adanya fenomena barodontalgia khususnya pada kasus perawatan pulpitis reversibel pada penyelam. Pada tugas akhir ini dirancang sebuah program aplikasi untuk membantu para dokter mendeteksi sinyal suara pada penyelam dengan fenomena barodontalgia khususnya kasus perawatan pulpitis reversibel melalui metoda klasifikasi Wavelet Packet dan Self Organizing Maps (SOM). Suara yang akan di proses melewati beberapa tahap sepeti input data, preprocessing, window normalisasi, ekstraksi ciri, klasifikasi, dan tahap penentuan. Sistem ini sangat bergantung pada sinyal suara dengan menggunakan audio processing. Pada tugas akhir ini hasil yang diperoleh adalah sebuah aplikasi berbasis Matlab untuk mengidentifikasi dan mengklasifikasi. Dari penelitian ini diperoleh hasil akurasi sebesar 73,333 %. Kata kunci : pulpitis reversibel, audio processing, Wavelet Packet, Self Organizing Maps (SOM) Abstract The sound of every human being must be different. Where each voice has different frequencies and characteristics. At present in the era of advanced technology, sound can be used as a detection medium through an application or computer program, so that it can be used as a detection aid especially in the health sector. With the application or program it can help detect the presence of barodontalgia phenomena, especially in the case of reversible pulpitis treatment in divers. In this final project an application program is designed to help doctors detect sound signals in divers with barodontalgia phenomena, especially cases of reversible pulpitis treatment through the Wavelet Packet classification method and Self Organizing Maps (SOM). The sound that will be processed goes through several stages such as data input, preprocessing, normalization window, feature extraction, classification, and determination stage. This system is very dependent on sound signals using audio processing. In this final project the results obtained are a Matlab-based application for identifying and classifying. From this study the results of the accuracy were 73.333%. Keywords: Reversible Pulpitis, Audio Processing, Wavelet Packet, Self Organizing Maps (SOM)
Estimasi Bobot Sapi Berdasarkan Registrasi Citra Digital Dengan Metode Geometric Active Contour Dan Klasifikasi Decision Tree Elline Constantia; Bambang Hidayat; Muhammad Fatah W
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

AbstrakSapi merupakan salah satu hewan ternak yang banyak dimanfaatkan guna memenuhi kebutuhan hidupmanusia. Sapi menghasilkan susu dan daging yang digunakan sebagai sumber protein hewani. Di beberapa tempat, sapi juga dimanfaatkan tenaganya untuk membantu menyelesaikan pekerjaan manusia, seperti menarik gerobak dan bercocok tanam. Salah satu hal utama dalam ternak sapi adalah mengetahui bobot sapi yang akurat. Dewasa ini, penimbangan bobot sapi yang masih menggunakan timbangan dirasa belum efektif mengingat penggunaan timbangan yang tidak maksimal. Hal yang dapat dilakukan untukmengatasi masalah tersebut adalah dengan memanfaatkan teknologi yang ada, seperti teknik pengolahan citra digital untuk perhitungan estimasi bobot sapi.Dalam penelitian ini menggunakan konsep pengolahan citra digital yang dilakukan dalam beberapa langkah. Sistem ini dibuat menggunakan aplikasi Matlab dengan proses pengolahan citra digital untuk mengetahui estimasi bobot sapi. Metode yang digunakan adalah GeometricActiveContourdengan klasifikasi menggunakan metode DecisionTree. Seluruh data sapi diklasifikasikan menjadi dua kelas, yaitu sapi kelas besar dan sedang.Hasil penelitian ini dapat membantu para peternak sapi agar mendapatkan akurasi yang tepat serta lebih baik dalam perhitunganbobot sapi dengan akurasi 85,714%Kata kunci : Bobot sapi, pengolahan citra digital, Geometric Active Contour, Decision Tree.AbstractCattle is one of the livestock that is used by many human to fulfill humanlife needs. Cattle as a source of animal protein much maintained especially for meat and milk taken for food. In some places, cattle are also used its energy to complete human work, such as pulling carts and farming.One of the most important things in cattle is to know the accuracy rate of cattle weight. Currently, measuring the weight of cattle using a scale is considered as uneffective, considered the using of a scales are least maximum. What can be done to overcome it, is by utilizing existing technology, such as digital image processing techniques for calculating the cattle weight estimation.In this Final Project uses the concept of digital image processing done in several steps. This system is made using MATLAB application with digital image processing process to know the cattle weight estimation. The method used is Geometric Active Contour with classification using Decision Tree method. Allthecattle data are classified into 2 classes, namely large and medium class cattle.The results of this research can help the cattle farmers to get the accurate accuracy and better in the calculation of cattle weight with an accuracy 85,714%Keywords : Cattle weight, digital image processing, Geometric Active Contour, Decision Tree
Deteksi Infeksi Pada Rongga Mulut Berbasis Pemrosesan Sinyal Wicara Dengan Metoda Wavelet Packet Dan Klasifikasi Som : Infection Detection On Oral Cavity Based On Speech Processing With Wavelet Packet Method And Som Classification Abdul Hafidh Zaini; Bambang Hidayat; Rudy Hartanto
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 Penelitian tugas akhir ini dibuat dengan menggabungkan dua bidang keahlian yaitu bidang teknologi dan bidang kedokteran. Pada penelitian sebelumnya, beberapa penulis dari institusi yang berbeda telah melakukan identifikasi suara manusia maupun identifikasi penyakit di rongga mulut antara lain Risha Annisa (Universitas Telkom), Roy Cesaro Erari (Universitas Telkom), Rinaldi Budi Utomo (Universitas Gadjah Mada), dan Jaenal Arifin (STMIK Asia). Berdasarkan referensi tersebut membuat penulis tertarik untuk melakukan penelitian ini yang secara spesifik membahas penyakit Stomatitis Aftosa Rekuren (SAR). Stomatitis adalah inflamasi lapisan mukosa dari struktur apa pun pada mulut, seperti pipi, gusi, lidah, bibir dan atap atau dasar mulut. Teknologi telekomunikasi dapat diaplikasikan dengan menggunakan pengolahan suara. Pengolahan suara dilakukan dengan input penyakit SAR berdasarkan suara manusia dalam satu kalimat tertentu. Setelah itu, dilakukan proses preprocessing, ekstraksi ciri menggunakan menggunakan metode wavelet packet dan klasifikasi menggunakan Self Organizing Map (SOM). Tugas Akhir ini bertujuan agar masyarakat awam serta para dokter bisa lebih mudah mengindentifikasi penyakit SAR menggunakan pengolahan suara. Penentuan persentase dirancang menggunakan perangkat lunak berbasis Matlab. Metode ekstraksi ciri wavelet packet dan klasifikasi SOM dapat menghasilkan suatu program yang dapat menentukan jenis dan presentase kelompok penyakit pada satu sampel. Dari hasil pengujian yang dilakukan, mendapatkan akurasi terbaik sebesar 79%. Kata Kunci: Stomatitis Aftosa Rekuren (SAR), wavelet packet, SOM Abstract This final project research was made by combining two fields of expertise, namely the field of technology and the field of medicine. In previous studies, several authors from different institutions have identified human voices and identified diseases in the oral cavity, including Risha Annisa (Telkom University), Roy Cesaro Erari (Telkom University), Rinaldi Budi Utomo (Gadjah Mada University), and Jaenal Arifin (STMIK Asia). Based on these references, the authors are interested in conducting this study that specifically addresses Recurrent Aftosa Stomatitis (SAR). Stomatitis is inflammation of the mucous layer of any structure in the mouth, such as cheeks, gums, tongue, lips and roof or floor of the mouth. Telecommunication technology can be applied using sound processing. Sound processing is done by input SAR disease based on human voice in one particular sentence. After that, the preprocessing process is performed, feature extraction using the wavelet packet method and classification using the Self Organizing Map (SOM). This Final Project aims to make ordinary people and doctors easier to identify SAR disease using sound processing. Percentage determination is designed using Matlab based software. Wavelet packet feature extraction method and SOM classification can produce a program that can determine the type and percentage of disease groups in one sample. From the results of the tests conducted, getting the best accuracy of 79%. Keywords: Stomatitis Aftosa Rekuren, wavelet packet, Self Organizing Map
Identifikasi Usia Manusia Berdasarkan Citra Panoramic Radiograph Gigi Kaninus Rahang Bawah Menggunakan Metode Watershed Dan Klasifikasi Support Vector Machine Ayu Tri Yulina; Bambang Hidayat; Yuti Malinda
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 Penentuan usia seseorang memegang peranan penting dalam kedokteran forensik, tidak hanya untuk identifikasi tubuh, tetapi erat juga kaitannya dengan tindak kejahatan dan kecelakaan, akibat dari tindak kejahatan dan kecelakaan, akibat dari tindak kejahatan dan kecelakaan ini, tidak jarang ditemukan kerangka manusia atau korban yang sulit diidentifikasi. Banyak prosedur dapat ditempuh dalam menentukan usia seseorang dalam hal ini penelitian saya memfokuskan identifikasi usia manusia melalui gigi tepatnya pada luas pulpanya. Tugas akhir ini dibuat bertujuan untuk mengestimasikan usia manusia dengan teknik radiograf panoramik gigi kaninus rahang bawah mengggunakan metode segmentasi Watershed, Metode ini merupakan metode yang cukup baik dalam menganalisis hasil segmentasi sebuah citra. Untuk mengklasifikasinya menggunakan metode support vector machine. Hasil performansi dari sistem tersebut diperoleh dengan tingkat akurasi sebesar 91% dan waktu komputasi 0.0111 dengan menggunakan 141 sampel citra latih dan 47 sampel citra uji. Dengan adanya sistem ini dapat bermamfaat untuk dunia medis terutama untuk odontologi forensik dalam melakukan identifikasi usia manusia. Kata kunci : Panoramic Radiograph, Watershed, Support Vector Machine Abstract Determining the age of a person plays an important role in forensic medicine, not only for body identification, but also closely related to crime and accidents, as a result of crime and accidents, as a result of these crimes and accidents. identified. Many procedures can be taken in determining the age of a person in this case my research focuses on the identification of human age through teeth precisely in the area of the pulp. This final project was made to identify human age by using a mandibular canine radiograph panoramic technique using Watershed segmentation method. This method is a fairly good method in analyzing the results of segmentation of an image. To classify it using the support vector machine method. The performance of the system resulted with 91% accuracy rate and 0.0111s computation time using 141 training image samples and 47 test image samples. The existence of this system could make benefit for the medical world especially for forensic odontology in identifying human age. Keywords: Panoramic Radiography, Gabor Wavelet, K-Nearest Neighbor
Klasifikasi Jenis Batik Toraja Berbasiskan Pengolahan Citra Digital Dengan Metode Singular Value Decomposition Dan Learning Vector Quantization Israndy Yainahu; Bambang Hidayat; Sofia Saidah
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 Batik adalah salah satu budaya Indonesia dan kesenian Nasional yang cukup terkenal di mancanegara. Mulai dari barat sampai timur Indonesia, batik memiliki motif dan corak yang berkarakter. Namun sayangnya sebagian kalangan masyarakat melihat motif batik sebagai motif yang sama, tidak terlihat unik dan menurunkan minat pada batik yang sebagai identitas negara kita. Seperti batik yang akan diklasifikasi yaitu motif batik yang berasal dari Toraja, Sulawesi Selatan yang mempunyai karakter motif yang unik. Akan sangat disayangkan jika masyarakat menjadi pasif dan menurun ketertarikannya pada batik, atas dasar inilah tujuan penelitian ini dilakukan. Dengan membuat klasifikasi batik Toraja bertujuan dapat menambah wawasan dan ketertarikan masyarakat untuk mengenali jenis batik, terutama batik Toraja. Proses yang telah dilakukan dalam klasifikasi ini dengan mengambil citra motif batik menggunakan device kemudian dilakukan pre-processing. Data yang dipakai pada penelitian ini berjumlah 165 dimana terdapat 95 data latih dan 70 data uji di antaranya terdapat 5 kelas motif Batik Toraja. Ekstraksi ciri menggunakan metode Singular Value Decomposition (SVD) dan klasifikasinya menggunakan Learning Vector Quantization (LVQ). Motif batik yang diambil sebagai data adalah lima motif batik khas Toraja, yang kemudian diklasifikasi apakah sesuai motif pada hasil ekstraksi dengan yang diklasifikasikan sebagai motif batik Toraja. Data dan metode yang telah dirancang kemudian disimulasikan dengan menggunakan Matlab. Hasil akhir dari perancangan aplikasi adalah dapat menklasifikasi jenis batik dari citra motif batik yang diambil. Pada penelitian kali ini dengan menggunakan metode yang ada telah didapatkan hasil akurasi sebesar 81.42%. Kata Kunci: Batik Toraja, Image Processing, Matlab, Singular Value Decomposition, Learning Vector Quantization. Abstract Batik is one of Indonesian culture and national art that is quite famous in foreign countries. Starting from west to east of Indonesia, batik has motifs and patterns that character. But unfortunately some people see the motif of batik as the same motif, does not look unique and lower interest in batik as the identity of our country. As batik that will be detected is batik motif derived from Toraja, South Sulawesi which has a unique character of the motif. It would be unfortunate if the community became passive and decreased interest in batik, on the basis of this research purpose is done. By making Toraja batik classification aims to add insight and interest of the community to recognize the type of batik, especially Toraja batik. The process that has been carried out in this classification is by taking a batik motif image using a device then preprocessing. The data used in this study amounted to 165 in which there were 95 training data and 70 test data including 5 classes of Toraja Batik motifs. Feature extraction uses the Singular Value Decomposition (SVD) method and the classification uses Learning Vector Quantization (LVQ). The batik motifs taken as data are five typical Toraja batik motifs, which are then detected whether they match the motives of the extraction results which are classified as Toraja batik motifs. Data and methods that have been designed are then simulated using Matlab. The final result of the application design is that it can detect the type of batik from the image of the batik motif taken. In this study using the existing method, 81.42% accuracy results have been obtained. Keywords: Toraja Batik, Image Processing, Matlab, Singular Value Decomposition, Learning vector Quantization.
Deteksi Usia Berdasarkan Citra Panoramik Pulpa Gigi Molar Pertama Mandibula Dengan Menggunakan Discrete Wavelet Transform (dwt) Dan Klasifikasi Decision Tree Magdarita Haris; Bambang Hidayat; Fahmi Oscandar
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  Panoramik Biometric dapat membantu untuk mengidentifikasi usia korban – korban kasus seperti, mutilasi, pembunuhan dan korban dari bencana alam. Identifikasi dengan Panoramik Biometric merupakan proses  yang akan dilakukan untuk mendeteksi usia dengan menggunakan rongga pulpa dan saluran akar pada gigi molar pertama. Citra hasil rontgen ujung akar pada gigi molar pertama mandibula  menggunakan teknik tertentu melewati serangkaian tahapan. Menggunakan metode Discrete Wavelet Transform (DWT) dan citra akan diklasifikasikan menggunakan klasifikasi  Decision Tree untuk mendapatkan hasil usia yang dikelompokkan dengan rentang usia perdua umur untuk setiap kelasnya, dimulai dari usia 6 sampai 60 tahun.Dari tugas akhir ini mempunyai hasil program yang mampu melakukan deteksi usia berdasarkan luas pulpa gigi molar pertama mandibular. Didapatkan akurasi terbaik pada DWT dengan menggunakan wavelet haar sebesar 71.13% dan waktu komputasi sebesar 0.12 detik, yang dibuat untuk mengidentifikasi dapat membantu para dokter gigi dan forensik untuk mendeteksi usia berdasarkan citra gigi molar  pertama mandibula untuk setiap individu.  Kata kunci : Molar, Mandibula, Biomertric, Discrete Wavelet Transform (DWT), Decision Tree Abstract  Panoramic Biometric can help to identify the age of victims – the victims of such cases, mutilation, murder and the victims of natural disasters. Biometric Identification with the panoramic is a process that will be performed to detect age using cavity pulpa and root canal molar teeth first.  An end result of the root image on the first molar teeth of the mandible using certain techniques passed through a series of stages. Using the method of Discrete Wavelet Transform (DWT) and the image will be classified using the classification Decision Tree to get the age grouped by age range for each age-class, starting from age 6 to 60 of the year. Of final project results, this program which is able to detect age based on broad first molar teeth are mandibular pulpa. The best accuracy obtained on DWT using wavelet coiflets1 of 71.13% and computational time of 0.0787 seconds, created to identify can help the dentist and forensics to detect the age based on the image of the first mandibular molar teeth for every individual.  Keywords: Molar, Mandibular, Biomertric, Discrete Wavelet Transform (DWT), Decision Tree
Co-Authors Abdul Hafidh Zaini Ade Pitra Hermawan Adi Aufarachman Putra Bambang Dwi Adrian Firmansyah Taufik Afina Fatharani Agre Liana Bella Clara Ahmad Mumtaz Ahsanu Qornan Al Brando Ardes Harjoko Alif Fajri Ryamizard Alifdio Hendra Putra Alifia Fathur Rizkiyah Alvin Matthew Valentino Amelia Shaffira Arifin Andre Danika Andrean David Chrismadandi Andri Slamet Subandrio Andri Slamet Subandrio Andri Slamet Subandrio Angrinda Kharisma Putri Anissa Widya Devianti Annisa Adlina Mulyaningrum Annisa Faraditha Basuki Annisa Rizki Akmalia Annisa Yandra Oktora Apriannor Apriannor Aptanti Aptanti Arfhan Setiawan Ari Septayuda Arina Fadhilah Arisalsabila Wahyu Bawono Ariza Rizky Pratama Arvieda Nadya Astin Santosa Auliado Centaury Ayu Tri Yulina Ayu Trisna Hayati Ayu Trisna Hayati Azarine Sandi Rizcky Bagas Yufa Ardana Bani Aulia Rahman Bella Yunita Kusuma Carolus Ferdy Setiaji Hartoko Chyndi Mery Da Vega Clara Amanda Daniel Ade Aryono Dara Aulia Feryando David Vianza Dea Delia Lestari Dela Tantri Riyandani Denanda Syahnurreza Auladi Desi Dwi Prihatin Desti Madya Saputri Devi Naafiyandika Sutopo Devi Rahmaditra Devi Utami Nur Indah Sari Devita Ba'diatan Fitri Dewa Gede Eduard Pramana Morton Dewi Zakiawati Dias Wardana Diati Levi Putri Dimas Anugrah Putra Dinda Rizki Taningrum Diny Hafizha Amelia Diovani Estidia Akbar Distyan Putra Agrisativa Dita Kusuma Wardani Dudi Aripin Dwi Sukma Bestry Edrea Cioksidy Cioksidy Eka Yuwitaning Eko Susatio Elline Constantia Elok Novita Pramunti Elyza Dilla Susanti Endang Yuni Endang Yuni Setyowati Enrico Wiratama Purwanto Erryna Indah Kurniawati Erty Kasdiantika Erwin Susanto Faber Tommy Johannes Nauli Fadhilah Fadhilah Fahmi Oscandar Fahmi Oscandar Fahmi Oscandar Fahmi Oscandar Fahmi Oscandar Fahmi Oscandar Fahmi Oscandar Fahmi Oskandar Fanny Oksa Salindri Farah Fadhilah Hermahiroh Farisah Qisthina Rekamasanti Farras Duto Hestopo Fauziyyah Rachmawati Fina Maharani Firda Isfandary Badryani Fiya Rohmawati Galuh Laksmita Ranggi Garizah Ganih Pranoto Gelar Budiman Ghina Oktavia Gita Meirinda H. Suhardjo H. Suhardjo Haidar Maghrifa Ahmad Hamdan Gustiawidi Hanif Jaka Permana Hasna Nur Afina Helena Jasmine Clarissa Hermas Ahadhi Septiaji Hervyn Junianto Kuen Hilal Nuha Hilman Fauzi, Hilman Hindrya Meidina Fresty Husnul Himmah I Nyoman Apraz Ramatryana I Putu Aditya Widiatama Ibrahim Adilla Ida Ayu Dian Purnama Sari Imam Abdul Hakim Indah Restyana Indri Ruth Simatupang Inka Hashari Insani Sekar Wangi Inung Wijayanto Irene Dewi Kurniawati Irma Safitri Irvie Augustin Israndy Yainahu Jangkung Raharjo Johan Arif Johan Arif Johan Arif Karina Permatasari Katamso Katamso Kevin Prathama Nugraha Khairunnisa Alfiyanti Suharja Kharisma Meccasia Kinanti Balqis Maharani Kintan Veriana Krisma Asmoro Kusumawardhani, Eka Leanna Vidya Yovita Ledya Novamizanti Listhyani Dhianira Sarie Listianto Raharjo Luluk Listyani Ayuningtyas Lutfi Ahmad Lyra Vega Ugi Magdarita Haris Mahdan Muqottirullah Al Askariyy Maya Amiriyanti Maya Sari Samosir Melina Melina Mentari Pangestu Mielda Fauzi Mila Muliani Mirrah Aliya Azzahra Mohamad Fikri Permana Mona Renasari Muhamad Fatah Muhamad Luthfi Wahid Muhammad Fatah W Muhammad Fatah Wiyatna Muhammad Ilham Fauzi Muhammad Rafki Muhammad Taufiq Alkautsar Mujib Ramadhan Hidayat Murnisari Darjan Mutia Henarta Mutiara Ulfach Nabila Sarashadarti Nadia Aisyah Permata Putri Nadia Putri Nurpadilah Nadiya Ibrahim Nanang Adi Setyawan Neng Anggi Iliadi Neng Wiwin Wiyandini Ngurah Putu Oka Harybuana Niki Ihsanul Hakim Nina Djustiana Nova Aditya Utami Novita Yusnia Tri Handayani Nur Andini Nur Hikmah Maulida Nur Ibrahim Nur Inastia Alfianingrum Nur Shabrina Nurul Septiyani Syafril Prasetyo Tri Herlambang Pritta Anggraeni Anindyasari Putu Cinthia Wikessa Putu Wahyu Saputra Qintan Nurma Buana Rakhman Kurniadi Rani Fauzana Rasinia Vadilla Nova Ratri Dwi Atmaja Regha Julian Pradhana Reinhard Immanuel Abraham Reni Anggraini Reni Dyah Wahyuningrum Restu Pujiyanti Hidayat Restu Wardani Reza Ahmad Nurfauzan Rian Febrian Umbara Rian Umbara Rikko Ismail Hardianzah Risva Ulva Fauzia Rita Magdalena Rizkiana Rani Sejahtera Rizky Setyaningrum Rizqi Shaumi Puspa Ayu Amanda Rosa Chulia Rahmah Rr Ayuningtias Setiaji Rudy Hartanto Rudy Hartanto Rudy Hartanto Ryan Bagus Wicaksana Ryan Bagus Wicaksono Sarah Aura Nadienda Saraswati Saraswati Setyo Nugroho Wibowo Shabrina Elha Putri Shofiya Rona Gemintang Sigit Nugroho SJAFRIL DARANA Sjafril Darana Sjafril Darana Sofia Sa’idah SOFIA SAIDAH Sri Muliawati Suci Amelia Suci Aulia Sugeng Winarno Sugondo Hadiyoso Suhardjo MS Suhardjo MS Suhardjo Sitam Suhardjo Sitam Suhardjo Suhardjo Suhardjo Suhardjo Suhartono Tjondronegoro Suken Achmad Aziz Suryo Adhi Wibowo Syahida Anugrah Kausar Syakira Nurina Shaputri Syelanisa Nabilla Syifa Mellynda Prisca Tengku Ahmad Wira Giovany Tikki Capriati Marieski Tita Haryanti Tito Permana Ulfa Yuliani Unang Sunarya Utari Hustita Dewi Vallen Ariesandi Vanesa Ditalia Vasya Aulia Viona Apryaleva Vivi Oktaviani Damanik Wijayanti, Lumastari Ajeng Wulandari Setiawati Wulandary Ika Hanesia Yafis Sukma Kurniawan Yeni Ernita Kusuma Wardani YULI SUN HARIYANI Yun Mukmin Akbar Yuti Malinda Yuti Malinda Yuti Malinda Zafer Ozcan Zagitha Devy Harerra Zahrana Hermulyani Zarka Lazuardi Putera