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

 17   18   19   20   21 
Identifikasi Pola Rugae Palatina Berdasarkan Metode Image Registration Dan Fractal Dengan Klasifikasi Decision Tree Pada Populasi Mahasiswa S1 Teknik Telekomunikasi Angkatan 2015 Universitas Telkom Nadia Putri Nurpadilah; 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 Dewasa ini, banyak terjadi kecelakaan fatal maupun bencana yang menyebabkan kematian. Tubuh yang hancur atau tubuh yang terbakar menyulitkan proses identifikasi secara kasat mata. Jika pada suatu kejadian jasad korban tidak memungkinkan adanya identifikasi melalui sidik jari maupun pemeriksaan gigi maka dibutuhkan identifikasi biometrik lebih lanjut berupa pengenalan menggunakan ciri yang melekat pada tubuh korban namun tidak mudah hancur layaknya wajah, sidik jari maupun kehilangan gigi asli. munculah analisis identifikasi biometrik pada rugae palatina. Rugae palatina merupakan salah satu bagian dalam rongga mulut yang mempunyai pola yang unik dan berbeda pada setiap individu dan memiliki karateristik tidak mudah hancur dan stabil seumur hidup. Sehingga pengolahan citra digital yang dilakukan dengan mengambil ciri dari citra Rugae Palatina yang proses perbaikan kualitas citranya dilakukan dengan metoda Image Registration dan Fraktal untuk dapat digunakan sebagai ciri dan kemudian diklasifikasikan menggunakan Decision Tree untuk proses identifikasi biometrik. Hasil yang diperoleh dari pengujian Tugas Akhir ini ialah pemrograman aplikasi berbasiskan Matlab. Kolaborasi dari metode image registration, fractal, dan klasifikasi decision tree menghasilkan nilai akurasi tertinggi sebesar 88,96% pada saat parameter fractal yaitu n=3 dibandingkan dengan sistem non-image registration sebesar 73,44% pada saat n=5. Sehingga, dapat disimpulkan bahwa pengujian sistem identifikasi pola rugae palatina dengan menggunakan image registration sebagai bagian prepocessing yang memperbaiki kondisi citra terbukti lebih baik dibandingkan dengan sistem non-image registration Kata kunci : Biometrik, Decision Tree, Fractal, Image Registration, Pengolahan Citra, Rugae Palatina Today, many fatal accidents or disasters that led to the deaths. Fast collision or body that burned would complicate the identification process are visible. Therefore, further biometric identification is needed in the form of introducing using the traits that are attached to the body of the victim but not easily destroyed like faces, fingerprints or loss of natural teeth. If on an incident the victim's body does not allow identification through fingerprints or dental examinations, there will be an analysis of biometric identification on the palatal rugae. Palatal rugae is one part of the oral cavity that has a unique and different pattern in each individual and has characteristics that are not easily destroyed and stable for life. So that digital image processing is carried out by taking the characteristics of the image of palatal rugae whose image quality improvement process is done by Image Registration and Fractal methods to be used as ISSN : 2355-9365 e-Proceeding of Engineering : Vol.6, No.1 April 2019 | Page 734 traits and then classified using Decision Tree for the biometric identification process. .The results obtained from this Final Project testing are application programming based on Matlab. Collaboration of registration image, fractal, and decision tree classification method resulted in the highest accuracy value of 88.96 % when the fractal parameter is n = 3 compared to the non-image registratio n system at 73.44% at the time n = 5. So, it can be concluded that the system testing for identifying the pattern of rugae palatine by using image registration as a prepocessing part that improves image conditions proved to be better than a non-image registration system. Keywords: Biometrics, Decision Tree, Fractal, Image Registration, Image Processing, Rugae Palatina
Penentuan Persentase Pasir Mineral Berdasarkan Warna Dan Bentuk Melalui Pengolahan Citra Petrography Dengan Metode Discrete Wavelet Transform Dan Support Vector Machine Farras Duto Hestopo; Bambang Hidayat; Andri Slamet Subandrio
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 Petrografi adalah cabang dari petrologi yang menjelaskan deskripsi rinci dari batuan berdasarkan kandungan mineral dan tekstur. Proses geologi dapat membuat mineral membentuk suatu massa, dan massa itu akan membentuk pasir mineral oleh perubahan cuaca, iklim, dan proses geologi. Keberadaan pasir mineral dapat memprediksi keberadaan mineral yang lebih besar dengan jenis yang sama. Pada satu buah sampel pasir mineral, terdapat berbagai macam jenis mineral yang dapat dibedakan melalui bentuk dan warnanya. Dengan bantuan mikroskop, para ahli geologi dapat melihat dan mengelompokan mineral pada satu sampel secara manual. Namun, hal tersebut dinilai tidak efektif karena membutuhkan waktu yang lama untuk mengetahui dan mengelompokkan mineral. Teknologi telekomunikasi dapat diaplikasikan dengan menggunakan pengolahan citra digital. Pengolahan citra dilakukan dengan input berupa citra digital dari pasir mineral secara mikroskopis yang diambil dari mikroskop. Setelah itu, dilakukan proses preprocessing, ekstraksi ciri menggunakan metode Discrete Wavelet Transform (DWT), dan diklasifikasi menggunakan metode Support Vector Machine (SVM). Tugas akhir bertujuan untuk mengetahui persentase mineral pada satu buah sampel menggunakan pengolahan citra digital. Penentuan persentase dirancang menggunakan perangkat lunak berbasis Matlab. Metode ekstraksi ciri DWT dan klasifikasi SVM dapat menghasilkan suatu sistem yang dapat menentukan jenis dan presentase kelompok mineral pada satu sampel. Dari hasil pengujian yang dilakukan, mendapatkan akurasi terbaik sebesar 86%. Kata Kunci: Discrete Wavelet Transform, Support Vector Machine, dan mineral Abstract Petrography is a branch of petrology that explains detailed descriptions of rocks based on mineral content and texture. Geological processes can form minerals into a mass, and the mass will form mineral sands by changes in weather, climate, and some geological processes. Existences of mineral sands could be predicting the presence of huge amount mineral with the same type. In one sample of mineral sands, there are various types of minerals that can be distinguished through the shape and color. Geologist can see and classify a sample of minerals manually through microscope. But, this way to do is not effective because it takes too long to classify the minerals. Telecommunication technology can be used with the implementation of digital image processing. Image processing process is started with microscopic digital image of mineral sands that captured from microscope as the input. Then, followed with preprocessing process, feature extraction using Discrete Wavelet Transform (DWT) methode, and classified using Support Vector Machine (SVM) methode. The purpose fo this final project is to know the percentage of minerals in one sample using digital image processing. Determination of mineral percentage designed using Matlab based software. With DWT methode for feature extraction and SVM methode for classification, system can decide the number and types of minerals in one sample. From the results of testing to be performed, the best accuracy is 86%. Keywords: Discrete Wavelet Transform, Support Vector Machine, and minerals
Estimasi Bobot Ternak Sapi Dengan Metode Deformable Template Dan Klasifikasi Support Vector Machine Multiclass Listianto Raharjo; 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 adalah hewan ternak anggota family Bovidaedan sub family Bovinae[1]. Sapi dipelihara terutama untuk dimanfaatkan susu dan dagingnya sebagai pangan manusia. Sapi merupakan komoditas peternakan yang banyak dijual-belikan. Seiring dengan pertumbuhan penduduk yang semakin pesat, permintaan produk dari sapi pun juga meningkat terutama dalam hal permintaan daging, susu, maupun kulit. Hasil dari produk sapi dipengaruhi oleh perawatan sapi dan bobot sapi. Dalam melakukan penimbangan bobot badan ternak sapi masih banyak dilakukan dengan cara konvensional. Apabila setiap kali melakukan penimbangan memakai cara konvensional, tentu kurang praktis. Pada tugas akhir ini telah dibuat aplikasi berbasis Matlab untuk membantu mengetahui bobot ternak sapi dengan menggunakan metode pengolahan citra, yang dilengkapi dengan registrasi citra berbasis metode Deformable Templatedengan klasifikasi Multiclass Support Vector Machine (SVM). Didapatkan tingkat akurasi sebesar 76,1905%. Hasil penelitian ini diharapkan dapat membantu pelaku bisnis ternak sapi dalam standar akurasi yang tepat dalam mengetahui bobot ternak sapi. Kata Kunci: Sapi Penggemukan, Pengolahan Citra,Deformable Template, Multiclass Support Vector Machine (SVM).AbstractCows are livestock members of the Bovidae family and the Bovinae sub family [1]. Cows are raised mainly for their use of milk and meat as human food. Cows are commodities that are widely traded. Along with the increasingly rapid population growth, the demand for products from cows has also increased, especially in terms of demand for meat, milk and skin. The yield of cow products is influenced by cattle care and cattle weight. In carrying out the weighing of cattle body weight, there are still many conventional methods. If every time you weigh using conventional methods, it is certainly not practical.In this final project Matlab-based application has been made to help determine the weight of cattle using image processing methods, which are equipped with registration methods based on the Deformable Template method using the Multiclass Support Vector Machine (SVM) classification.Obtained an accuracy rate of 76,1905%. The results of this study are expected to be able to help cattle business players in the right standard of accuracy in knowing the weight of cattle.Keywords: Fattening Cattle, Image Processing, Image Registration, Deformable Templates, Multiclass Support Vector Machine (SVM).
Klasifikasi Jenis Mineral Berdasarkan Warna Dan Bentuk Melalui Pengolahan Citra Petrography Dengan Metode Gray Level Co-occurrence Matrix Dan Learning Vector Quantization Alvin Matthew Valentino; Bambang Hidayat; Andri Slamet Subandrio
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 Petrografi adalah cabang dari geologi yang menjelaskan deskripsi rinci dari pasir mineral berdasarkan kandungan mineralnya. Keberadaan pasir mineral dapat memprediksi keberadaan mineral dengan jumlah yang lebih besar dengan jenis yang sama. Pada satu buah sampel pasir mineral, terdapat berbagai macam jenis mineral yang dapat dibedakan melalui warna dan bentuknya. Dengan bantuan mikroskop, para ahli geologi dapat melihat dan mengelompokan mineral pada satu sampel secara manual. Namun, hal tersebut dinilai tidak efektif karena membutuhkan waktu yang lama untuk mengetahui dan mengelompokkan mineral. Teknologi telekomunikasi dapat diaplikasikan dengan menggunakan pengolahan citra digital. Pengolahan citra dilakukan dengan input berupa citra digital dari pasir mineral secara mikroskopis yang diambil dari mikroskop. Setelah itu, dilakukan proses preprocessing, ekstraksi ciri Grey Level Co-occurrence Matrix (GLCM) dan klasifikasi Learning Vector Quantization (LVQ). GLCM adalah suatu metode ekstraksi yang merubah warna asli dari citra suatu objek menjadi warna keabuan yang memiliki tingkat derajat keabuan. LVQ adalah sebuah metode klasifikasi dimana setiap unit output mempresentasikan sebuah kelas. Hasil dari penelitian ini untuk kelas kromit, kuarsa, kalsit, dan background pada daerah Sebuku didapatkan akurasi sebesar 69,3% dari total 110 citra uji dengan waktu komputasi 3,8271 detik. Sedangkan untuk kelas cassiterite, epodite, kuarsa, dan background pada daerah Bangka Belitung didapatkan akurasi sebesar 68,4% dari total 110 citra uji dengan waktu komputasi 3,435 detik. Kata kunci : Grey Level Co-Occurrence Matrix, Learning Vector Quantization, dan mineral Abstract Petrography is a branch of geology which describes detailed descriptions of mineral sands based on mineral content. The presence of mineral sands can predict the presence of larger quantities of the same type of minerals. In one mineral sand sample, there are various types of minerals that can be distinguished by their color and shape. With the help of a microscope, geologists can see and group minerals in one sample manually. However, this is considered ineffective because it requires a long time to know and classify minerals. Telecommunication technology can be applied using digital image processing. Image processing is done by input in the form of a digital image from mineral sand microscopically taken from a microscope. After that, the preprocessing process, feature extraction of the Gray Level Co-occurrence Matrix (GLCM) and Learning Vector Quantization (LVQ) classification were carried out. GLCM is an extraction method that changes the original color of the image of an object to a gray color that has a degree of grayness. LVQ is a classification method where each output unit presents a class. The results of this study for chromite, quartz, calcite, and background in Sebuku region with 69.3% accuracy of a total 110 test images with computing time 3.8271 seconds. Whereas for the cassiterite, epodite, quartz, and background classes in the Bangka Belitung region with 68.4% accuracy of the total 110 test images with a computing time of 3.435 seconds. Keywords: Grey Level Co-Occurrence Matrix, Learning Vector Quantization, and minerals
Deteksi Usia Pasien Di Rumah Sakit Gigi Dan Mulut Universitas Padjajaran Berdasarkan Citra Radiograf Panoramik Dengan Metode Image Registration Dan Adaptive Region Growing Dengan Teknik Klasifikasi Decision Tree Bagas Yufa Ardana; 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 Dalam beberapa dekade akhir, banyak terjadi fenomena bencana alam dan kecelakaan dalam transportasi, baik transportasi udara, darat, maupun laut. Hal ini disebabkan karena cuaca yang berubah-ubah dan human error. Intensitas fenomena tersebut seringkali menyebabkan banyak korban jiwa. Pada umumnya, korban yang ditemukan sudah rusak jasadnya, sehingga menyebabkan kesulitan dalam identifikasi identitas korban.Proses identifikasi merupakan hal yang penting untuk mengetahui identitas korban tersebut. Dengan kemajuan ilmu dalam bidang Odontologi Forensik, korban yang jasad fisiknya sudah rusak menjadi lebih mudah untuk diidentifikasi. Gigi dapat menjadi sarana dalam identifikasi karena gigi selalu terlindungi, fisiknya keras, tahan terhadap perubahan suhu maupun reaksi kimia.Selain itu gigi pada manusia pada umumnya memiliki ciri-ciri yang berbeda. Dalam Tugas Akhir ini mengacu pada penelitian sebelumnya yang menggunakan Adaptive Region Growing, serta teknik klasifikasi Decision Treedengan bermodal foto ronsen panoramik. Dengan menambahkan metode Image Registration pada tahap pre-processingdapat meningkatkan akurasi. Image Registrationyang digunakan adalah resize, rotate, dan cropping. Dari hasil pengujian yang dilakukan, dengan image registrationmendapatkan akurasi 48.94% dan untuk non image registration42.56%. Untuk penggunaan rentang usia 2 tahun setiap kelas menghasilkan akurasi 6.38%. Parameter yang mempengaruhi sistem adalah ukuran resize, ciri statistik, pembagian kelas, threshold, dan K-Split.Kata kunci : Odontologi Forensik, Gigi, Panoramik, Pengolahan Citra, Image Registration, Adaptive Region Growing, Decision Tree.Abstract In the last few decades,there have been many phenomena of natural disasters and accidents in transportation, whether air, land, or sea transportation. This is due to the fickle weather and human error. The intensity of the phenomenon often cause many victims. In general, the victims are found to have damaged bodies, thus causing difficulties in identifying the victim's identity. Identification process is important to know the identity of the victim. With the advancement of science in the field of Forensic Odontology,victims whose physical bodies have been damaged become easier to identify. Teeth can be a means of identification because teeth are always protected, physically hard, resistant to temperature changes or chemical reactions. In addition, human teeth in general have different characteristics. In this Final Project referring to previous research using Adaptive Region Growing, as well as the classification technique of Decision Tree with capital of panoramic X-ray. By adding the Image Registration method in the pre-processing stage it can improve accuracy. Image Registration used are resize, rotate, and cropping.From the results of the tests carried out, it obtained accuracy of 48.94% with image registration and 42.56% for non image registration. For using2 years each class produces an accuracy 6.38%.Parameters that affect the system are resize size, statistical characteristics, class division, threshold, and K-Split.Keywords: Forensic Odontology, Dental, PanoramicRongent, Image Processing, Image Registration, Adaptive RegionGrowing, Decision Tree.
Identifikasi Pola Rugae Palatina Berdasarkan Metode Geometric Active Contour(gac) Dengan Klasifikasi K-nearest Neighbor (knn) Pada Populasi Mahasiswa S1 Teknik Telekomunikasi Angkatan 2015 Universitas Telkom Azarine Sandi Rizcky; 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 Bencana alam, tindak kriminal ataupun kecelakan dapat menimbulkan jatuhnya korban jiwa. Korban kerap kali ditemukan dalam keadaan tak beridentitas sehingga memerlukan proses identifikasi. Identifikasi menjadi sangat sulit apabila korban dalam keadaan yang tidak memungkinkan. Maka, identifikasi biometrik menjadi peran penting dalam proses pencarian identitas korban. Dalam ilmu forensik, rugae palatina merupakan salah satu solusi yang digunakan untuk identifikasi biometrik. Rugae palatina merupakan sejumlah tonjolan membentuk pola yang terletak pada rongga mulut. Pola rugae palatina setiap orang berbeda sehingga dapat digunakan untuk identifikasi individu. Selain itu rugae palatina bersifat unik, stabil, dan terjaga karena pola ataupun karakteristiknya tidak akan berubah sepanjang hidup serta tidak mudah hancur. Pada penelitian ini, penulis membuat suatu aplikasi pengolahan citra digital rugae palatina dengan metode Geometric Active Contour dan K-Nearest Neighbor Method (K-NN) sebagai klasifikasinya.Hasil yang diperoleh dari penelitian ini menghasilkan akurasi tertinggi sebesar 84,48%. Maka dapat disimpulkan bahwa sistem penelitian ini sudah dapat mengidentifikasi rugae palatina dengan baik. Kata kunci : Rugae Palatina, K-Nearest Neighbor, Geometric Active Countour Abstract Natural disasters, criminal acts or accidents can cause casualties. Victims are often found in an unidentified state that requires an identification process. Identification becomes very difficult if the victim is in a situation that is not possible. So, biometric identification is an important role in the process of finding the victim's identity. In forensic science, rugae palatina is one of the solutions used for biometric identification. Palatine rugae is a number of bumps forming a pattern that is located in the oral cavity. Pattern of Palatine rugae everyone is different so it can be used for individual identification. Besides palatine rugae unique, stable, and maintained because the pattern or characteristics will not change throughout life and not easily destroyed.In this study, the author made an application for digital image processing palatine rugae which was started with the method Geometric Active Contour and K-Nearest Neighbor Method ( K-NN) as the classification. The results obtained from this study resulted in the highest accuracy of 84,48%. So it can be concluded that this research system has been able to identify rugae palatina properly. Keywords: Rugae Palatina, K-Nearest Neighbor, Geometric Active Countour
Pengenalan Kain Sasirangan Berdasarkan Tekstur Dengan Filter Gabor, Template Matching Dan Klasifikasi Decision Tree Nur Hikmah Maulida; Bambang Hidayat; Sofia Sa’idah
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 Kain Sasirangan merupakan salah satu kain batik Indonesia yang berasal dari adat suku Banjar di Kalimantan Selatan. Kain tersebut memiliki berbagai macam pola dan tekstur tertentu. Namun masih banyak masyarakat Indonesia yang belum mengetahui ragam pola dan tekstur kain tersebut. Oleh karena itu, dibuatlah aplikasi yang dapat mengenali pola dan tekstur kain sasirangan. Proses pengenalan tekstur dengan filter gabor dan template matching merupakan metode yang memungkinkan identifikasi dapat dilakukan dengan cepat dan tepat. Teknik identifikasi yang digunakan berupa citra digital yang diambil dengan kamera, sedangkan decision tree digunakan untuk mengklasifikasikan citra kain serta didukung juga dengan segmentasi sebagai proses preprocessing pada citra. Data yang digunakan berupa citra berformat jpg yang diambil dari beberapa sumber. Tujuan dari penelitian ini adalah menganalisis hasil segmentasi kain menggunakan metode filter gabor yang digunakan untuk membantu proses awal identifikasi batik sasirangan berdasarkan fitur tekstur. Template matching digunakan untuk mencocokan tiap-tiap bagian dari suatu citra dengan citra yang menjadi template (acuan) dan decision tree sebagai klasifikasi yang dibentuk dari tiga simpul yaitu simpul root, simpul perantara dan simpul reaf untuk memuat keputusan akhir pada penelitian yang akan dilakukan. Pada penelitian ini, sistem yang dirancang mempu melakukan klasifikasi terhadap jenis kain dengan persentase akurasi sistem sebesar 70%. Kata kunci : filter gabor, template matching, decision tree, sasirangan. Abstract Sasirangan fabric is one of the Indonesian batik fabrics originating from the indigenous Banjar tribe in South Borneo. Sasirangan fabric has a variety of patterns and certain textures. But there are still many Indonesians who haven’t know the variety of patterns and textures of that fabric. Therefore, an application is made that can recognize sasirangan patterns and textures. The texture recognition process with gabor filter and template matching are a method that allows identification can be carried out quickly and precisely. The identification technique using digital image taken with camera, while the decision tree is used to classify fabric image with supported by segmentation as a preprocessing process on image. Data used jpg image format taken from several sources. The purpose of this reasearch is to analyze the results of fabric segmentation using the Gabor filter method that is used to help the initial process of identifying batik sasirangan based on texture features. Template matching is used to match each part of an image with an image template (reference) and the decision tree as a classification formed from three vertices that is root node, intermediary node and reaf node to load the final decision on the research to be conducted. In this reasearch, the system designed was able to classify the type of fabric with a percentage of system accuracy is 70%. Keyword : Gabor Filter, Template Matching, Decision Tree, Sasirangan
Deteksi Stomatitis Aftosa Rekuren Berbasis Pemrosesan Sinyal Wicara Dengan Metoda Mfcc Dan Decision Tree Fadhilah Fadhilah; 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 Stomatitis Aftosa Rekuren (SAR) yang pada masyarakat awam dikenal sebagai sariawan merupakan penyakit yang begitu sering terjadi, terkadang sampai menimbulkan masalah yang serius, hingga si penderita kesulitan berbicara, oleh karena itu untuk meningkatkan fasilitas dalam kedokteran gigi dan mulut maka penulis melakukan penelitian mengenai deteksi infeksi rongga mulut, dimana sistem ini berfungsi mendeteksi infeksi pada rongga mulut pasien, sehingga pasien tidak terlalu sulit menyampaikan keluhan yang dapat semakin memicu rasa sakit, dan melakukan pengukuran dengan beberapa parameter kalimat tertentu yang di ucapkan pasien. Tugas akhir (TA) ini melakukan deteksi infeksi pada rongga mulut pada sinyal wicara (speech processing). Proses deteksi dimulai dari input rekaman suara sehat dan sakit pada data latih dalam (*.wav) lalu dilakukan preprocessing. Sinyal suara ditransformasi MFCC dan ditambahkan 6 parameter statistik yang selanjutnya diproses oleh DT untuk menentukan apakah suara wicara tersebut terdeteksi infeksi atau tidak. Hasil pengujian yang telah dilakukan adalah mengubah frekuensi sampling, koefisien MFCC dan ukuran frame. Akurasi terbaik didapat 92.85% pada frekuensi sampling sebesar 8000 Hz, koefisien MFCC sebanyak 20 dan ukuran frame sebanyak 512. Akurasi tersebut menggunakan 30 data latih dan data uji yang masing-masing terdiri dari 12 suara sakit dan 18 suara sehat. Kata kunci : Mel-frequency cepstral coefficients (MFCC), Decision Tree (DT). Abstract Stomatitis Aftosa Rekuren (SAR), which in ordinary people known as canker sores is a very common disease, sometimes to cause serious problems, until the patient has difficulty speaking, therefore to upgrade the facilities in dentistry and mouth, writer wish to do research about detection of oral cavity infection, where the system is used to detect the patient's oral cavity, so patients do not complaints too difficult that can trigger the pain, and take measurements with some of the patient's specific sentence parameters. This final assignment detects infections in the oral cavity in speech processing. The detection process starts from healthy and sick voice recording input on the training data in (*. Wav) then preprocessing is done. The sound signal is transformed by MFCC and 6 statistical parameters are added which are then processed by the DT to determine the speech sound is detected or not. The test results that have been done are changing the sampling frequency, MFCC coefficient and frame size. The best accuracy is obtained 92.85% at the sampling frequency of 8000 Hz, the MFCC coefficient is 20 and the frame size is 512. The accuracy uses 30 training data and test data which each consists of 12 sick sounds and 18 healthy sounds. Keywords : Keywords: Mel-frequency cepstral coefficients (MFCC), Decision Tree (DT)
Deteksi Pola Sidik Bibir Suku Sunda Berdasarkan Registrasi Citra Digital Menggunakan Metode Histogram Of Oriented Gradients Dan Support Vector Machine Ulfa Yuliani; Bambang Hidayat; Dewi Zakiawati
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 Kematian yang terjadi pada korban dapt terjadi dengan berbagai macam kondisi, baik itu dengan tubuh lengkap ataupun hanya mengalami kerusakan pada beberapa bagian tubuh, misalnya pada area bibir. Deteksi odontologi forensik dilakukan melalui pengenalan terhadap bukti fisik berdasarkan pemeriksaan odontologi, rugae palatina, dan pola sidik bibir. Tugas akhir ini meneliti pola sidik bibir suku sunda menggunakan software berbasis tiga dimensi dengan memakai metode citra digital Histogram of Oriented Gradient (HOG) dan menggunakan metode pengklasifikasian Support Vector Machine (SVM). Klasifikasi Suzuki dan Tsuchihashi digunakan untuk mengklasifikasikan pola sidik bibir penduduk suku Sunda. Penelitian ini bertujuan untuk mendapatkan metode deteksi pola sidik bibir dan mengetahui variasi pola sidik bibir pada suku Sunda. Hasil penelitian deteksi suku Sunda dari mahasiswa prodi S1 Teknik Telekomunikasi Fakultas Teknik Elektro Universitas Telkom angkatan 2015 memiliki akurasi sebesar 87,18% dengan waktu komputasi sebesar 30,76 seconds menggunakan parameter cell size 2×2, block size 2×2, bin numbers 9, dan kernel linear. Tugas Akhir ini diharapkan dapat bermanfaat untuk dunia odontologi forensik dalam melakukan deteksi pola sidik bibir, khususnya pada suku Sunda. Kata Kunci: Pola sidik bibir, Suku Sunda, Odontologi forensik, Histogram of Oriented Gradients, Support Vector Machine. Abstract Cause of deaths of the victims occur from various conditions, and may appear both as a complete body or as a damaged remains, such as damaged of the lips. Victim identification in forensic odontology is made by recognising of physical evidence through odontology examination, rugae palatine, and lip print pattern. The final project studies the lip print pattern in Sundanese ethnic using three-dimensional based software using Histogram of Oriented Gradient (HOG) digital image method and Support Vector Machine (SVM) classification method. The Suzuki and Tsuchihashi classification is used to classify the lip print patterns from the Sundanese population. The project aimed to obtain an identification method to detect lip print pattern and the variations of the lip print pattern in Sundanese ethnicity. The study showed that the accuracy of lip print detection among the students from batch 2015 in the Telecommunication Engineering Study Program, Faculty of Electrical Engineering, Telkom University, were 87,18% with a comparison time of 30,76 seconds using 2×2 cell size parameters, 2×2 block size, bin numbers 9, and linear kernel. The research is expected to have a positive contribution in the forensic odontology science in the lip print patterns identification, especially in Sundanese Ethnic. Keywords: Lip Print Pattern, Sundanese Ethnic, Odontology Forensic, Histogram of Oriented Gradients, Support Vector Machine
Estimasi Bobot Sapi Berdasarkan Registrasi Citra Digital Dengan Metode Blob Dan Klasifikasi Learning Vector Quantization : Cattle Weight Estimation Based On Digital Image Registration With Blob Method And Learning Vector Quantization Classification Insani Sekar Wangi; Bambang Hidayat; Endang Yuni
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 oleh manusia. Sapi dipelihara terutama untuk dimanfaatkan susu dan dagingnya sebagai bahan pangan manusia. Bobot hidup sapi dapat diduga dan diketahui dengan cara mengukur lingkar dada, panjang badan, dengan timbangan secara konvensional, perkiraan secara visual oleh manusia maupun dengan rumus yang telah ditetapkan. Namun cara-cara tersebut kurang efektif dan masih sulit untuk dilakukan. Oleh karena itu, untuk mempermudah proses estimasi bobotsapi agar pemberian pakan dan obat secara tepat, di dalam penelitian tugas akhir ini dibahas mengenai teknik identifikasi dan klasifikasi bobot sapi pada suatu peternakan dengan menggunakan teknik pengolahan citra digital.Pada tugas akhir ini telah dibuat aplikasi berbasis Matlab untuk membantu mengetahui bobot ternak sapi dengan menggunakan metode pengolahan citra, yang dilengkapi dengan registrasi citra berbasis metodeBlob Detection serta proses klasifikasinya menggunakan Learning Vector Quantization (LVQ). Didapatkan tingkat akurasi sebesar 76,2%. Hasil dari penelitian ini diharapkan dapat membantu pelaku bisnis ternak sapi dalam standar akurasi yang tepat dalam mengetahui bobot ternak sapi.Kata Kunci:Pengolahan CitraDigital,registrasi citra, Blob Detection, Learning Vector QuantizationAbstractCows are one of the cattle animals that many people took benefit for. People raised the cows mainly to be used their milks and meat as human food. The cattle life weight can be predicted and known by measuring the chest circumference, body length, with conventional scales, visual prediction by humas or with settled formula. But these methods are less effective and still difficult to do. Therefore, to simplify the process of estimation a cattle weight so that the feeding and medicinal treatment are properly given, in this final project research is discussed about the identification and classification techniques of cattle weight using digital image processing techniques.In this final project Matlab-based application has been made to help determine the weight of cattle using image processing methods, which are equipped with registration methods based on the Blob Detection method using the Learning Vector Quantization (LVQ)classification.Obtained an accuracy rate of 76,2%. The results of this study are expected to be able to help cattle business players in the right standard of accuracy in knowing the weight of cattle.Keywords: Digital Image Processing, image registration, Blob Detection, Learning Vector Quantization
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