Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
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 : 204 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 204 Documents
Search

 12   13   14   15   16 
Deteksi Kualitas Keju Menggunakan Metode Gabor Wavelet Dengan Klasifikasi K-nearest Neighbor (k-nn) Pada Citra Digital Nadiya Ibrahim; Bambang Hidayat; Sjafril Darana
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

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

Abstract

Keju adalah bahan makanan yang terbuat dari olahan susu dengan memisahkan zat –zat padat dalam susu melalui proses pengentalan atau koagulasi. Keju merupakan salah satu bahan makanan yang digemari oleh masyarakat selain cita rasanya yang lezat, keju juga mempunyai kandungan protein yang tinggi dan dapat disajikan dengan hampir seluruh makanan, yang paling umum digunakan adalah untuk membuat pizza. Tetapi, keju yang dihasilkan dari setiap produsen memiliki perbedaan kualitas. Kualitas ini salah satunya dapat dilihat dari warna.Keju yang berkualitas baik berwarna kuning tanpa ada corak atau noda kehitaman, jika terdapat corak atau noda kehitaman pada keju, dapat diindikasikan itu adalah jamur. Kualitas keju yang baik juga kita bisa lihat dari teksturnya, kita dapat melihat dengan kasat mata atau dengan meraba permukaan keju. Banyaknya masyarakat Indonesia yang tidak mengetahui bahwa setelah keju cheddar dibuka, maka ada batas hari layak makan. Secara kasat mata kualitas keju cheddar layak makan ini tidak bisa dilihat. Hal inilah yang menjadi latar belakang di pilihnya judul tugas akhir ini. Pada sistem pengolahan citra digital, setiap citra bisa dianalisis dan diklasifikasikan berdasarkan fitur yang diperoleh dari citra objek. Untuk memahami kualitas keju bisa dilakukan melalui citra keju yang sudah diamati selama 15 hari. Dalam Tugas Akhir ini penulis membahas bagaimana cara mendeteksi kualitas keju dari warna dan tekstur. Terdapat beberapa metode yang dapat digunakan untuk mendeteksi kualitas keju.Pada Tugas Akhir ini penulis menggunakan metode Gabor Wavelet dengan klasifikasi K-Nearest Neighbor (K-NN). yang diawali dengan proses prepocessing. Untuk pengujian ini dilakukan pengujian dengan 48 citra keju, dengan komposisi masing-masing kelas memiliki 16 citra keju sangat layak makan, 16 citra keju layak makan, dan 16 citra keju tidak layak makan. Sehingga didapatkan akurasi terbaik sebesar 91,67% dan waktu komputasi 69,6s dengan menggunakan metode Gabor Wavelet dimana digunakan ekstraksi ciri berdasarkan tekstur dan warna dengan parameter: parameter orde satu (standar deviasi dan kurtosis), d1=32, d2=32, k = 5, distance euclidean. Kata kunci: Gabor Wavelet, K-Nearest Neighbor (K-NN)
Identifikasi Tekstur Dan Warna Mineral Untuk Klasifikasi Batuan Beku Dengan Menggunakan Metode Histogram Of Oriented Gradient Dan Linear Discriminant Analysis Faber Tommy Johannes Nauli; Bambang Hidayat; Andri Slamet Subandrio
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 Batuan terdiri dari tiga jenis, yaitu batuan beku, batuan sedimen, dan batuan metamorf. Para ahli petrologi pada saat ini diharuskan untuk dapat mengidentifikasi dan menentukan komponen mineral apa saja yang terdapat dalam batuan. Hal inilah yang menjadi latar belakang topik tugas akhir penulis untuk membuat suatu sistem yang mampu untuk membantu para ahli petrologi supaya dapat mengidentifikasi dan menentukan komponen mineral pada batuan dengan lebih cepat dan lebih tepat. Sistem yang dibuat penulis menggunakan metode Histogram of Oriented Gradient dan Linear Discriminant Analysis. Dari hasil pengujian diperoleh nilai akurasi dari sistem. Dengan menggunakan metode ekstraksi Histogram of Oriented Gradient dengan ukuran dimensi blok = 2 diperoleh nilai akurasi sebesar 79.12 % untuk data citra parallel dan akurasi sebesar 73.99 % untuk data citra cross nikol. Kata kunci: Batuan, Histogram of Oriented Gradient, Linear Discriminant Analysis Abstract Rock consists of three types, namely igneous rocks, sedimentary rocks, and metamorphic rocks. Petrological experts are now required to identify and determine what mineral components are present in the rock. This is the background of the author's final project to create a system capable of helping petrologists to better identify and determine mineral components in rocks more quickly and more precisely. The system created by the author using the method of Histogram of Oriented Gradient and Linear Discriminant Analysis. From the test results obtained the accuracy of the system. By using Histogram of Oriented Gradient extraction method with block dimension size = 2, the accuracy value of 79.12% for parallel image and accuracy is 73.99% for cross image of nikol. Keywords: Rock, Histogram of Oriented Gradient, Linear Discriminant Analysis
Klasifikasi Jenis Batuan Sedimen Berdasarkan Tekstur Dengan Metode Gray Level Co-occurrence Matrix Dan K-nn Devita Ba'diatan Fitri; Bambang Hidayat; Andri Slamet Subandrio
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

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

Abstract

Batuan adalah benda padat yang terbuat secara alami dari mineral atau mineraloid. Secara umum terdapat tiga jenis batuan yang ada di permukaan bumi, yaitu batuan beku, batuan sedimen, dan batuan metamorf. Setiap jenis batuan berasal dari proses pembentukan yang berbeda-beda. Beragam jenis batuan sedimen dapat dilihat dari tekstur batuan dan hanya ahli geologi yang dapat mengklasifikasinya. Karena mata juga memiliki tingkat ketelitian dalam mengklasifikasi objek, maka perlu suatu alat pembanding tenaga ahli untuk memperkuat klasifikasi jenis batuan sedimen dengan waktu yang relatif singkat dan akurasi yang tinggi. Dalam tugas akhir ini penulis melakukan penelitian untuk merancang sistem klasifikasi jenis batuan sedimen berdasarkan tekstur. Tahapan yang dilakukan pada penelitian ini meliputi : akuisisi citra, preprocessing, ekstraksi ciri, dan klasifikasi. Metode ekstraksi ciri yang digunakan adalah Gray Level Cooccurrence Matrix (GLCM) dan metode klasifikasi K-Nearest Neighbor (KNN). Pada pengujian ini sebanyak 75 citra batuan sedimen megaskopis , yang terbagi masing-masing tiga kelas dengan komposisi 10 data latih dan 15 data uji tiap kelasnya. Dalam pengujian ini juga dilakukan terhadap 45 citra batuan sedimen mikroskopis yang terbagi masing-masing dalam tiga kelas dengan komposisi 5 data latih dan 10 data uji tiap kelasnya. Diperoleh akurasi sebesar 93,33% dengan waktu komputasi 8.3509s dengan menggunakan parameter : arah orientasi 45°, level kuantisasi 16, k=1, cosine distance. Sedangkan dengan menggunakan batuan sedimen mikroskopis diperoleh akurasi sebesar 73,33% dengan waktu komputasi 5.8204s dengan menggunakan parameter : arah orientasi 45°, level kuantisasi 16, k=1, cityblock distance. Kata kunci : Batu Sedimen, Gray Level Co-occurrence Matrix (GLCM), K-Nearest Neighbor (KNN).
Estimasi Bobot Ternak Karkas Domba Berdasarkan Metode Segmentasi Snake Dan Klasifikasi Learning Vector Quantization Fanny Oksa Salindri; Bambang Hidayat; Nur Ibrahim
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 Domba merupakan salah satu hewan ternak yang banyak dimanfaatkan oleh masyarakat Indonesia bahkan dunia. Karkas menjadi salah satu bagian penting yang dapat dimanfaatkan pada domba khususnya domba pedaging. Karkas adalah berat daging hewan ternak tanpa kepala, ekor, kaki dan organ dalam. Saat ini, peternak menggunakan timbangan konvensional untuk mengukur berat dari ternak domba, namun hal ini masih memiliki beberapa kendala. Terbatasnya jumlah timbangan konvensional yang dimiliki peternak menjadi kendala pada proses pengukuran berat badan. Untuk mengatasi masalah tersebut, solusi yang dapat dilakukan adalah dengan cara pengaplikasian menggunakan pengolahan citra digital untuk mengetahui keakuratan timbangan karkas pada domba. Pengolahan citra digital diproses dengan menggunakan algoritma yang dapat mengenali suatu objek. Proses tersebut diharapkan dapat mengestimasi bobot karkas domba agar lebih efektif dan efisien. Tugas akhir ini bertujuan untuk merancang dan menerapkan aplikasi melalui teknik pengolahan citra digital yang dapat memprediksi berat karkas domba. Metode yang digunakan pada tugas akhir adalah Segmentasi Snake dan klasifikasi Learning Vector Quantization (LVQ). Kalkulasi karkas domba akan diuji dengan menggunakan rumus Ardjodarmoko yang merupakan penyempurnaan dari rumus Winter. Penelitian Tugas Akhir ini mempunyai sample sebanyak 300 data domba dengan jumlah data latih 175 citra dan jumlah data uji 125 citra. Parameter terbaik yang digunakan yaitu ratio 0.4, iterasi metode snake 100, hidden layer 30, dan epoch 300. Gabungan dari metode Segmentasi Snake dan klasifikasi Learning Vector Quantization (LVQ) menggunakan pengolahan citra digital dapat menghasilkan suatu sistem yang memiliki akurasi estimasi bobot karkas domba sekitar 76% dengan Standar Deviasi (STD) kilogram errornya senilai 1 Kg dan waktu komputasi 20.88 detik. Kata kunci: Karkas Domba, Klasifikasi Learning Vector Quantization (LVQ), Segmentasi Snake Abstract Sheep is one of livestock that is widely used by the people of Indonesia and even the world. Carcass become one of the important parts that can be used in sheep especially sheep cattle. Carcass is the weight of cattle without head, tail, legs and internal organs. Nowadays, people using conventional scale to measure the weight of a sheep cattle, however this method still have some problems. The limited number of conventional scale that farmers have become a problem in the process of weight measurement. To overcome the problem, the solution that can be done is by applying using digital image processing to know the accuracy of carcass scales on sheep. Digital image processing is processed using algorithms that can recognize an object. The process is expected to estimate sheep carcass weight to be more effective and efficient. This final project aims to design and implement applications through digital image processing techniques that can predict the weight of sheep carcass. The method used in this final project is Snake Segmentation and Learning Vector Quantization (LVQ) classification. The calculation of sheep carcass will be tested using Ardjodarmoko formula which is a refinement of the Winter formula. This final project has sample of 300 sheep data with 175 image training data and 125 image test data. The best parameters used are ratio 0.4, iteration of Snake is 100, hidden layer is 30, and eoch is 300. The combination of the Snake Segmentation method and the Learning Vector Quantization (LVQ) classification using digital image processing can produce a system that has an accuracy of sheep carcass weight estimation of about 76% with the Standard Deviation (STD) kilogram error is 1 Kg and computation time is 20.88 seconds. Keywords: Sheep Carcass, Learning Vector Quantization (LVQ) Classification, Snake Segmentation
Identifikasi Dan Klasifikasi Kemurnian Susu Sapi Berdasarkan Pemrosesan Sinyal Video Menggunakan Metode Discrete Cosine Transform (dct) Dan Support Vector Machine (svm) Kinanti Balqis Maharani; 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

Kesadaran masyarakat akan kesehatan sudah semakin tinggi, begitu pula mengenai makanan dan minuman. Susu merupakan salah satu minuman yang bermanfaat untuk tubuh dan kesehatan manusia, yang terbentuk dari olahan gizi hewan diantaranya berasal dari sapi perah yang mengandung protein dan kalsium yang dapat menjaga kesehatan gigi dan tulang. Mengingat bahan bersangkutan berbentuk cairan maka konsekuensinya yaitu sukar untuk diketahui kemurniannya secara kasat mata, terutama yang berada dipasaran. Susu mudah dipalsukan dengan cara dipalsukan dengan menambahkan bahan lain. Atas dasar informasi terdahulu, adalah sangat layak dicari suatu model kearah penetuan kondisi kemurniaannya. Pada penelitian ini penulis bertujuan untuk mengidentifikasikan kemurnian pada susu sapi dengan cara melihat dari hasil rekaman video tetesan bulir-bulir susu sapi, dengan cara melihatnya frame by frame agar dapat menetukan jatuhnya bulir susu sapi per tetesan. Deteksi yang akan dilakukan menggunakan metode Discrete Cosine Transform (DCT) dan klasifikasi dengan Support Vector Machine (SVM). Discrete Cosine Transform adalah sebuah teknik yang digunakan untuk merubah sinyal menjadi komponen frekuensi dasar Sedangkan SVM sendiri adalah sebuah metode klasifikasi dengan tujuan menemukan hyperplane terbaik yang memisahkan kelaskelas yang ada. Berdasarkan hasil skenario pengujian terhapad sistem identifikasi dan klasifikasi kemurnian susu sapi dengan parameter kecepatan jatuhnya bulir susu sapi,warna dan bentuk tetesan jatuh nya bulir susu sapi, hasil tertingggi untuk identifikasi bentuk adalah 82.5% dengan waktu komputasi 92.5589 detik dan identifiasi warna adalah 52.5% dengan waktu komputasi 5.1749 detikKata Kunci: Discrete Cosine Transform, Support Vector Machine
Deteksi Lebar Daerah Aliran Sungai Citarum Berdasarkan Pengolahan Citra Google Earth Menggunakan Metode Multilevel Thresholding Al Brando Ardes Harjoko; Bambang Hidayat; Sofia Saidah
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 Semakin meningkatnya pertumbuhan penduduk di Indonesia, maka semakin meningkat pula sumber daya yang dibutuhkan oleh manusia yang menyebabkan berkurangnya sumber daya alam (air dan tanah) dari berbagai aspek. Perhitungan luas sungai atau kedalaman sungai mengalami perubahan dari tahun ke tahun. Oleh karena itu penting adanya sistem yang mendeteksi sungai untuk mengetahui luasnya. Google Earth adalah aplikasi untuk mempermudah kita untuk mengetahui suatu tempat atau bangunan yang kita inginkan maka pada tugas akhir ini penulis akan menggunakan citra Google Earth untuk mendeteksi sungai Citarum di Bandung. Thresholding merupakan salah satu metode segmentasi citra di mana prosesnya didasarkan pada perbedaan derajat keabuan citra. Multilevel thresholding merupakan metode segmentasi citra thresholding yang menggunakan dua atau lebih nilai threshold. Pada tugas akhir ini, akan melakukan deteksi lebar aliran sungai dengan menggunakan pengolahan citra google earth dengan metode Multilevel Thresholding untuk mempermudah dalam pembangunan di sekitar sungai oleh pihak yang tertentu. Kata kunci : Google Earth, Multilevel Thresholding, Deteksi Lebar Sungai Abstract Increasing population growth in Indonesia, the more human resources are needed that cause the loss of natural resources (water and soil) from various aspects. The calculation of the river or river depth changes from year to year. Therefore it is important that the system detects the river to know its extent. Google Earth is an application to make it easier for us to know a place or building that we want then in this final project authors will use Google Earth imagery to detect the Citarum river in Bandung. Thresholding is one of the image segmentation method in which the process is based on the different degree of gray image. Multilevel thresholding is a method of thresholding image segmentation that uses two or more threshold values. In this final project, will perform the detection of river flow width by using google earth image processing with Multilevel Thresholding method to simplify the development around river by certain party. Keywords: Google Earth, Multilevel Thresholding
Identifikasi Jenis Kelamin Berdasarkan Teraan Gigitan Berbasis Pengolahan Citra Digital Dengan Metode Gabor Wavelet Dan Klasifikasi Decision Tree Dita Kusuma Wardani; Bambang Hidayat; Yuti Malinda
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 Tindak kriminal saat ini banyak terjadi di Indonesia. Banyak cara untuk melakukan proses identifikasi pada korban atau pelaku tindak kriminal salah satunya menggunakan bekas gigitan . Bite marks atau bekas gigitan adalah sebuah pola yang terbentuk akibat gigitan pada kulit, makanan atau substrat yang lembut tetapi dapat tertekan. Bidang yang ahli dalam menangani proses identifikasi bite marks adalah forensik kedokteran gigi (odontology forensic). Tanda bite marks biasanya ditemukan pada korban atau pelaku kriminalitas, seperti pada kasus kekerasan, pemerkosaan, dan lain-lain. Proses identifikasi bite marks yang sudah dilakukan saat ini melalui proses yang panjang, sehingga membutuhkan waktu yang kurang efisien. Pada tugas akhir ini dilakukan perancangan sistem untuk identifikasi jenis kelamin pria dan wanita menggunakan citra bekas gigitan dengan metode Gabor wavelet untuk ekstraksi ciri bekas gigitan dan klasifikasi citra bekas gigitan menggunakan Decision tree. Dalam teknik pengambilan data, dibutuhkan sampel yang didapat dari hasil cetakan pada gigitan gigi. Dalam penelitian tugas akhir ini jenis kelamin dapat langsung dikenali dan diperoleh hasil akurasi dari pengujian yaitu 89,58% dengan waktu komputasi 2,24 detik dengan parameter skala (u)=8 dan orientasi (v)=3, menggunakan 80 sample citra latih dan 48 citra uji. Sistem ini dapat menjadi perbandingan dan dapat membantu bidang forensik kedokteran gigi dalam proses identifikasi jenis kelamin menggunakan bite marks. Kata Kunci: Gabor Wavelet, Decision Tree, Matlab, forensic, Bite marks, odontology forensic Abstract Criminal acts are currently happening in Indonesia. Many ways to do the process of identifying victims or committing a crime one of them using bite marks. Bite marks are a pattern that is formed based on a tooth, food or substrate that is gentle but can be depressed. The field of expertise in dealing with the identification process of bite marks is forensic dentistry (odontology forensic). Bite marks found in the body can be information one of which is gender, because each individual has the characteristics of different teeth. The process of identifying bite marks that have been done now through a long process, thus requiring less efficient time. In this final project, the design of the system for the identification of male and female gender using the image of bite with Gabor wavelet method for extraction of bite marks and bite image classification using Decision tree. In this final project, gender can be recognized and obtained accurate from 89,58% with computation time 2,24s, with scale parameters (u) = 8 and orientation (v) = 3, using 80 sample of training image and 48 test images. With this system can be a comparison and can assist the field of dental forensics in the process of gender identification using a bite mark. Keywords: Gabor Wavelet, Decision Tree, Matlab, forensic, Bite marks, odontology forensic
Steganalisis Audio Digital Dengan Discrete Wavelet Transform Menggunakan Support Vector Machine Classifier Nanang Adi Setyawan; Bambang Hidayat; Sofia Sa’idah
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

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

Abstract

Dokumen audio sebagai cover dalam menyembunyikan dokumen lain dengan cara disisipkan menggunakan teknik steganografi merupakan hal yang sudah cukup banyak ditemukan untuk melindungi kerahasiaan pesan seseorang. Dalam pembacaannya dan pendeteksiannya diperlukan suatu teknik untuk mengidentifikasi apakah ada suatu pesan dalam suatu dokumen audio, hal ini disebut dengan steganalysis. Steganalysis mencakup pencarian keberadaan suatu pesan dalam medium tertentu sampai dengan mengetahui isi pesan yang disisipkan dalam suatu medium lain. Dalam penelitian ini dibuat suatu perangkat lunak yang mampu mendeteksi keberadaan suatu pesan tersembunyi berupa teks dalam sebuah file dengan format WAVE . Metode yang digunakan untuk mendeteksi yaitu dengan discrete wavelet transform dengan dikalsifikasikan dengan support vector machine classifier. Hasil dari steganalisis ini berupa akurasi sistem sebesar 90 % .Penelitian ini diharapkan dapat digunakan lagi bagi pihak-pihak yang berkepentingan dan mempunyai kebutuhan mengenai informasi dan pesan rahasia seperti kepolisian. Kata Kunci : Steganalysis, Steganografi ,Discrete Wavelet Transform, Support Vector Machine, WAVE.
Identifikasi Jenis Batuan Beku Melihat Tekstur Batuan Menggunakan Metode Discrete Wavelet Transform (dwt) Dan K-nearest Neighbor (knn) Setyo Nugroho Wibowo; Bambang Hidayat; Johan Arif
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

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

Abstract

Batuan – batuan hasil proses alamiah sangat banyak jenisnya, umumnya terbagi menjadi tiga proses utama yaitu proses kristalisasi yang menghasilkan jenis batuan beku, proses metamorfisme yang menghasilkan jenis batuan metamorf, proses pengendapan yang menghasilkan jenis batuan sedimen. Dari tiap jenis batuan tadi juga menghasilkan batuan yang berbeda seperti batuan sedimen meliputi konglomerat, batu pasir, batuan gamping dan sebagainya, batuan beku juga terbagi lagi seperti batuan granit, batuan andesit dan batuan basalt. Dan jenis batuan metamorf juga terbagi lagi meliputi batuan marmer dan batusabak. Melihat banyaknya jenis batuan diatas, sebagai ahli geologi dalam menentukan jenis batuan menggunakan panca indra penglihatan masih memiliki kelemahan. Pada Tugas Akhir ini, penulis akan mendesain sebuah perangkat lunak menggunakan MATLAB diharapkan sistem mampu mengklasifikasikan jenis batuan. Sistem ini akan diberi masukan berupa citra digital dari batuan yang akan dideteksi, yang kemudian akan dilakukan proses standardisasi citra. Sistem akan bekerja dengan pertama melakukan ekstraksi ciri untuk mendapatkan informasi di dalam citra melalui salah satu jenis dari Transformasi Wavelet yaitu Discrete Wavelet Transform(DWT). Setelah didapatkan ciri citra, selanjutnya adalah klasifikasi citra melalui metode jarak terdekat atau K-Nearest Neighbor (KNN) yang kemudian akan dikelompokkan dalam rentang citra tersebut. Dari hasil pengujian, sistem yang telah dibangun mampu mendeteksi batuan dengan level DWT yang digunakan adalah level 1, dengan akurasi terbaik adalah 98.33%. Dalam sistem ini, perubahan jenis mother wavelet tidak terlalu berpengaruh besar. Dan untuk komponen terbaik dalam sistem ini adalah komponen LL pada proses DWT dengan akurasi 98.33%. Sedangkan pada proses klasifikasi KNN jenis distance terbaik yang bisa digunakan adalah jenis Euclidean dan Cityblock dengan akurasi terbaik 98.33% dengan parameter yang terbaik ada pada k=1 dan k=3. Kata Kunci : Jenis Batuan, Deteksi Citra, Discrete Wavelet Transform, K-Nearest Neighbor
Identifikasi Jenis Kelamin Berdasarkan Teraan Gigitan Berbasis Pengolahan Citra Digital Dengan Metode Content Based Image Retrieval (cbir) Dan Klasifikasi Learning Vector Quantization (lvq) Suci Amelia; Bambang Hidayat; Fahmi Oskandar
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 Kriminalitas atau tindak kriminal merupakan segala sesuatu atau tindakan yang melanggar hukum atau sebuah tindak kejahatan. Tindak kriminal yang dilakukanpun beragam-ragam salah satunya kekerasan dengan gigitan. Kasus kejahatan melalui gigitan yang biasa terjadi terdapat pada dua sisi yaitu pada sisi pelaku kriminalitas maupun korban kriminalitas. Ada beberapa contoh tindak kejahatan melalui gigitan yaitu kasus pemerkosaan, kekerasan , dan lainlain. Dalam proses identifikasi kasus kejahatan melalui bukti gigitan terdapat informasi yang bisa didapat dari pola bekas gigitan atau bite marks yang ada yaitu jenis kelamin. Karena pola bite marks pria dan wanita berbeda dan mempunyai karakteristik tersendiri. Pengolahan pada sampel citra bite marks dalam penelitian ini diimplementasikan menggunakan metode ekstraksi ciri Content Based Image Retrieval (CBIR) dan metode klasifikasi Learning Vector Quantization (LVQ). Metode CBIR digunakan untuk metode ektraksi ciri fitur. Dan metode ekstraksi fitur yang digunakan dalam penelitian ini adalah Local Binary Pattern (LBP). Tugas Akhir ini dibuat bertujuan untuk memudahkan identifikasi jenis kelamin berdasarkan pola bite marks atau bekas gigitan pada tindakan kriminalitas. Sistem tersebut mempunyai performasi dengan tingkat akurasi terbesar 79,16 % dengan waktu komputasi 1.459 detik dengan menggunakan 72 sampel citra latih dan 48 citra uji. Dengan adanya sistem ini dapat menjadi pembanding dalam identifikasi jenis kelamin berdasarkan pola bite mark dengan menggunakan metode yang berbeda dan dapat bermanfaat untuk dunia odontologi forensik dalam melakukan identifikasi jenis kelamin menggunakan pola bite marks. Kata Kunci: CBIR,LVQ,LBP,Kriminal,Bite mark Abstract Criminality or criminal is anything or action that is unlawful or a crime. Criminal acts committed diverse one of them violence with bite. Cases of crime through the bite that usually happens on both sides of the perpetrators of criminality and victims of crime. There are several examples of crime through bites that are cases of rape, violence, and others. In the process of identifying crime cases through bite evidence there is information that can be obtained from the pattern of bite marks that is the gender. Because male and female bite mark pattern are different and have their own characteristics. Processing on the bite mark image samples in this study implemented the method of feature extraction of Content Based Image Retrieval (CBIR) and Learning Vector Quantization (LVQ) classification method. The CBIR method is used for feature extraction methods. And the method of feature extraction used in this research is Local Binary Pattern (LBP). This Final Project is designed to facilitate the identification of gender based on bite mark pattern or bite mark on crime action. The system has the performance with the greatest accuracy rate of 79.16% with a computational time of 1.459 seconds using 72 samples of training image and 48 test images. With this system can be a comparison in gender identification based on bite mark pattern using different methods and can be useful for the world of forensic odontology in identifying the sex using bite mark pattern. Keywords: CBIR,LVQ,LBP,Criminal,Bite mark
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 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