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

 17   18   19   20   21 
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
Deteksi Citra Sidik Bibir Suku Sunda Dan Suku Minangkabau Dengan Metode Histogram Of Oriented Gradient (hog) Dan Linear Discriminant Analysis (lda) Pada Populasi Mahasiswa Universitas Telkom Risva Ulva Fauzia; 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 Odontology forensik adalah sebuah cabang ilmu dari ilmu kedokteran gigi yang bertujuan untuk menerapkan pengetahuan kedokteran gigi dalam memecahkan masalah hukum dan kejahatan. Cabang ini telah digunakan bertahun tahun untuk mengidentifikasi korban dan tersangka dalam kasus pencurian, pelecehan, bencana alam, kecelakaan dan kejahatan yang lainnya. Ilmu kedokteran gigi forensik dapat menentukan identitas seseorang berdasarkan identifikasi salah satunya adalah identifikasi pola sidik bibir. Sidik bibir yang dimiliki oleh individu memiliki sifat konsisten, stabil sepanjang hidup, dan tidak akan berubah baik pola ataupun karakteristiknya. Pada Tugas Akhir telah dilakukan perancangan dan penelitian sebuah simulasi untuk identifikasi pola sidik bibir pada suku Sunda dan suku Minangkabau dengan menggunakan citra digital berdasarkan citra sidik bibir. Dengan menggunakan metode ekstraksi ciri Histogram of Oriented Gradients (HOG) dan untuk klasifikasi menggunakan metode Linear Discriminant Analysis (LDA). Hasil dari Tugas Akhir ini adalah suatu sistem yang mampu melakukan identifikasi pola sidik bibir suku Sunda dan suku Minangkabau berdasarkan klasifikasi Suzuki dan Tschuhashi. Sistem tersebut mempunyai performansi dengan tingkat akurasi terbesar 79.66% dengan waktu komputasi 250.0025 detik dengan menggunakan 174 sampel citra latih dan 116 citra uji. Hasil ini didapatkan menggunakan parameter HOG yaitu Cell Size 4×4, Block Size 2×2 dan Bin Numbers 9 dengan parameter statistika mean pada proses klasifikasi LDA. Kata Kunci: Sidik, Bibir, HOG, LDA, forensik, Suku, Minangkabau, Sunda Abstract Forensic Odontology is a branch of science from dentistry that aims to apply dental knowledge in solving legal and crime problems. This branch has been used for years to identify victims and suspects in cases of theft, harassment, natural disasters, accidents and other crimes. Forensic dentistry can determine one's identity based on identification, one of which is identification of lip print patterns. The lip prints that are owned by an individual have a consistent, stable nature throughout life, and will not change either the pattern or the characteristics. In the Final Project the design and research of a simulation for identification of lip print patterns in the Sundanese and Minangkabau tribes has been carried out using digital images based on lip print images. This proses uses the extraction method characteristic of Histogram of Oriented Gradients (HOG) and the Linear Discriminant Analysis (LDA) method for classification. The results of this Final Project are a system that is able to identify the lip print patterns of Sundanese and Minangkabau tribes based on the Suzuki and Tschuhashi classifications. The system has the highest accuracy with 79.66% with computation time of 250.0025 seconds using 174 training image samples and 116 test images. These results are obtained using the HOG parameter, Cell Size 4 × 4, Block Size 2 × 2 and Bin Numbers 9 with the statistical parameters mean in the LDA classification process. Keywords: lip prints, lips, HOG, LDA, forensics, Suku, Minangkabau, Sundanese
Aplikasi Identifikasi Ras Manusia Menggunakan Metode Image Registration Dan Scale Invariant Feature Transform (sift) Dengan Klasifikasi K-nearest Neighbors (knn) Rakhman Kurniadi; Bambang Hidayat; Johan Arif
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 Ras manusia dapat di identifikasi melalui bentuk dari wajahnya dan manusia cenderung dapat dengan mudah mengidentifikasi ras yang orang lain miliki jika ras orang tersebut sama dengan yang ia miliki. Hal tersebut disebabkan oleh informasi yang terdapat pada wajah manusia serta kemampuan manusia dalam memproses secara preseptual. Kemampuan tersebut merupakan salah satu kelemahan yang harus diperbaiki untuk dapat memproses informasi yang dimiliki secara lebih efektif dan efisien yang dapat digunakan untuk kebutuhan forensik. Pada penelitian ini dilakukan pengujian identifikasi informasi demografis citra wajah manusia berdasarkan metode Image Registration dan Scale Invariant Feature Transform (SIFT) dengan klasifikasi K-Nearest Neighbors (KNN). Pengujian difokuskan untuk mengidentifikasi 3 ras besar manusia yaitu Kaukasoid, Negroid, dan Mongoloid. Hasil pengujian penelitian ini mendapatkan nilai akurasi sebesar 41.67%. Kata kunci : Ras, Forensik, Image Registration, SIFT, KNN Abstract Human race can be identified through the shape of his face and humans tend to be able to easily identify races that other people have if that person's race is the same as his own. This is caused by information contained in the human face and the human ability to process in a preseptual manner. This capability is one of the weaknesses that must be corrected to be able to process information more effective and efficient that can be used for forensic needs. In this project, the identification of human facial demographic information was tested based on the Image Registration and Scale Invariant Feature Transform (SIFT) method with the K-Nearest Neighbors (KNN) classification. The tests focused on identifying 3 major human races, Caucasoid, Negroid, and Mongoloid. The results of this project are have an accuracy of 41.67%. Keywords: Races, Forensic, Image Registration, SIFT, KNN
Identifikasi Pola Rugae Palatina Berdasarkan Metode Image Registration Dan Deformable Template Dengan Klasifikasi Support Vector Machine (svm) Pada Populasi Mahasiswa S1 Teknik Telekomunikasi Angkatan 2015 Universitas Telkom Zagitha Devy Harerra; 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 Indonesia merupakan salah satu negara di dunia yang paling rawan terhadap bencana alam. Hal tersebut juga dapat dilihat dari letak geografis Indonesia yang mengakibatkan Indonesia sangat rawan akan bencana alam. Selain bencana alam, tingkat kecelakaan pada Indonesia cenderung tinggi di ASEAN. Tingkat terjadinya bencana alam dan kecelakaan yang tinggi dapat menelan banyak korban jiwa. Oleh karena itu, Indonesia harus memiliki sistem yang canggih yang dapat digunakan untuk mengidentifikasi para korban tersebut. Pada umumnya metode yang digunakan oleh tim forensik adalah identifikasi sidik jari. Namun identifikasi melalui sidik jari tersebut sulit untuk digunakan apabila kondisi pada sidik jari korban mengalami perubahan, misalnya lecet atau luka bakar bahkan rusak dan sudah tidak berbentuk. Salah satu alternatif yang dapat digunakan untuk mengatasi hal tersebut adalah identifikasi rugae palatina. Terbukti bahwa pola dari rugae palatina setiap individu berbeda dan mempunyai ciri khas masing-masing. Rugae palatina terdapat didalam rongga mulut sehingga membuat rugae palatina terlindungi dari trauma. Pada tugas akhir ini, telah dikembangkan rancangan suatu sistem yang dapat digunakan untuk mengidentifikasi individu berdasarkan pola rugae palatina dengan menggunakan pengolahan citra digital. Melalui tahapan yang dilakukan meliputi perekaman data, pemugaran citra dengan proses Image Registration , pre-processing, Deformable Template sebagai ektraksi ciri dan sebagai klasifikasi adalah Support Vector Machine (SVM). Melalui aplikasi yang dikembangkan metode sudah diperoleh tingkat akurasi sebesar 73.56%. Kata Kunci : Rugae Palatina, Image Registration, Deformable Template, Support Vector Machine (SVM) Abstract Indonesia is one of the countries in the world that are most vulnerable to natural disasters. It can also be seen from the geographical layout of Indonesia which resulted in Indonesia is very prone to natural disasters will be. In addition to natural disasters, the rate of accidents in Indonesia tends to be high in the ASEAN. The high rates of natural disaster and accident are costing casualties. Therefore, Indonesia must have sophisticated systems that can be used to identify the victims. In general the methods used by the forensic team is fingerprint identification. However the identification through fingerprints that are hard to use if condition on sacrifice fingerprint changes, such as blisters or burns even damaged and is not shaped. One alternative that can be used to address such matters is the identification of the Palatine Rugae. It is evident that the pattern of the Palatine Rugae every individual is different and has the characteristic of each. Palatine Rugae contained in the oral cavity thus creating protected Palatine Rugae of trauma. In this final task, it has been developed a system that can identified a person based on their rugae palatina pattern with a digital image processing. Through the stages being performed include: data recording, restoration process image with image registration, pre-processing, Deformable Template as feature extraction and the classification is Support Vector Machine (SVM). Expected through an application developed methods obtained at least 73,56% accuracy. Keywords : Rugae Palatina, Image Registration, Deformable Template, Support Vector Machine (SVM)
Deteksi Pulpitis Reversibel Melalui Sinyal Wicara Dengan Metoda Zero Crossing Rate Dan Average Energy Serta Klasifikasi Learning Vector Quantization Lutfi Ahmad; Bambang Hidayat; Aptanti Aptanti
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 merupakan salah satu sarana manusia untuk berkomunikasi. Suara juga salah satu pembeda antar individu yang satu dengan yang lainnya. Hal ini dapat dijadikan suatu sarana untuk mendeteksi penyakit lewat suara maanusia. Untuk mendeteksi suatu penyakit melalui suara manusia diperlukan bantuan proses pengambilan informasi yang diinginkan melalui rekaman sinyal suara yang disebut speech processing. Ada beberapa faktor yang dapat mempengaruhi suara manusia yaitu dari proses pembentukan suara yang terjadi pada individu itu sendiri dan juga dari struktur giginya. Tugas akhir ini membuat sebuah aplikasi yang dapat mendeteksi penyakit pulpitis reversibel dengan menggunakan beberapa parameter akustik suara yaitu frekuensi dasar (F0), durasi, amplitudo, gelombang spektrum suara, dan kualitas vokal. Dari parameter akustik suara akan dihitung nilai sample rate sebagai inputan awal untuk mendaapatkan ciri dan juga klasifikasi yang ditargetkan. Proses pengambilan ciri ini menggunakan metode Zero Crossing Rate (ZCR) dan Average Energy (AE) yang merupakan metode analisis pengambilan ciri atau fitur berdasarkan panjang frame dari rekaman sinyal suara. Proses klasfikasi dilakukan dengan menggunakan metode Learning Vector Quantization (LVQ). Klasifikasi bertujuan untuk mengklasifikasikan audio ke dalam dua kondisi yaitu sehat dan pulpitis reversibel. Dari penelitian ini diperoleh hasil dengan tingkat akurasi tertinggi yaitu 72.5% dengan parameter pre-processing yang digunakan yaitu non-ccenter clipping dan non-overlapping. Parameter statistik yang digunakan variance serta parameter LVQ yaitu epoch = 750 dan hidden layer = 40. Kata kunci : Suara, Barodontalgia, Pulpitis Reversibel, Zero Crossing Rate Quantiztion Average Energy, Learning Vector Quantization Abstract Sound is one of the human means to communicate. Sound is also one differentiator between individuals with each other. This can be used as a means to detect disease through the voice of humans. To detect a disease through human voice is needed the help of the desired information retrieval process through recording voice signals called speech processing. There are several factors that can affect human voice, namely from the sound formation process that occurs in the individual itself and also from the structure of the teeth. This final project creates an application that can detect reversible pulpitis by using several sound acoustic parameters, namely the basic frequency (F0), duration, amplitude, sound spectrum waves, and vocal quality. From the sound acoustic parameters, the value of the sample rate will be calculated as the initial input to get the targeted characteristics and classification. The process of taking this feature uses the Zero Crossing Rate (ZCR) and Average Energy (AE) method, which is a method of analyzing characteristics or features based on the length of the sound signal recording. The classification process is done using the Learning Vector Quantization (LVQ) method. Classification aims to classify audio into two conditions namely healthy and reversible pulpitis. From this study the results obtained with the highest accuracy were 72.5% with the preprocessing parameters used namely non-ccenter clipping and non-overlapping. The statistical parameters used are variance and LVQ parameters, namely epoch = 750 and hidden layer = 40. Keywords: Sound, Barodontalgia, Pulpitis Reversibel, Zero Crossing Rate Quantiztion and Average Energy, Learning Vector Quantization
Deteksi Infeksi Pada Rongga Mulut Berbasis Pemrosesan Sinyal Wicara Dengan Metode Linear Predictive Coding (lpc) Dan Learning Vector Quantization (lvq) Ahsanu Qornan; 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) merupakan kondisi ulseratif pada rongga mu- lut yang biasa disebut dengan sariawan. SAR dapat menyerang selaput lendir pipi bagian dalam, gusi, dan bagian dalam rongga mulut. Meskipun penyakit ini tidak berbahaya tetapi keberadaannya di rongga mulut sangat mengganggu, sehingga mengakibatkan kesulitan dalam makan, berbicara, dan beraktivitas. Oleh karena itu, sangat dibutuhkan suatu sistem yang dapat mengidentifikasi infeksi rongga mu- lut sehingga dapat membantu pekerjaan dokter. Teknologi dalam telekomunikasi dapat diaplikasikan dengan menggunakan pen- golahan suara. Pengolahan suara dilakukan dengan memasukkan penyakit SAR berdasarkan suara manusia dengan kalimat tertentu. Setelah itu, dilakukan Prepro- cessing, Ekstraksi ciri menggunakan metode LPC (Linear Predictive Coding) dan klasifikast LVQ (Learning Vector Quantization). Tugas akhir ini bertujuan agar masyarakat awam serta para dokter bisa lebih mudah mengidentifikasi penyakit SAR menggunakan pengolahan suara. Penentuan persentase dirancang menggunakan perangkat lunak berbasis Mat- lab. Data yang digunakan adalah sebesar 72 data yang terdiri dari 48 data latih dan 24 data uji. Metode ekstraksi ciri yang digunakan adalah LPC dan klasifikasinya adalah LVQ dapat menghasilkan suatu program yang dapat menentukan jenis dan presentase kelompok penyakit pada satu sampel. Dari hasil pengujian yang di- lakukan, mendapatkan akurasi terbaik sebesar 95,83%. Sehingga dapat disimpulkan bahwa deteksi Infeksi pada rongga mulut dengan metode LPC dan klasifikasi LVQ berhasil. Kata kunci : Suara, Voice, Stomatitis aftosa rekuren, LPC, LVQ. Abstract Apthous Stomatitis Reccurent (SAR) is an ulcerative condition in the oral cavity commonly called thrush. SAR can attack the inner cheek mucous membranes, gums, and the inside of the oral cavity. Althought this disease is not dangerous but challenges it in the oral cavity which is very difficult, making it difficult to eat, talk and move. Therefore, a system that can help the oral cavity is needed so that it can help the doctor's work. 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 LPC method and classification using the LVQ. 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. The data used is 72 data consisting of 48 training data and 24 test data. The feature extraction method used is LPC and its classification is LVQ can produce a program that can determine the type and percentage of disease groups in one sample. From the results of tests conducted, getting the best accuracy of 95.83 \%. So it can be concluded that the detection of infection in the oral cavity with the LPC method and the LVQ classification was successful. Keywords: Voice, Speech, Stomatitis aftosa rekuren, LPC, LVQ
Estimasi Bobot Sapi Berdasarkan Registrasi Citra Digital Dengan Metode Fraktal Dan Klasifikasi K-nearest Neighbor Cattle Weight Estimation Based On Digital Image Registration With Fractal Method And K-nearest Neighbor Classification Utari Hustita Dewi; 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 adalah hewan ternak anggota suku Bovidae dan anak suku Bovinae[1]. Sapi dipelihara sebagai sumber daging, tenaga kerja, dan dimanfaatkan susunya. Karena banyak kegunaan ini, sapi telah menjadi bagian dari kebudayaan Indonesia sejak lama yang akhirnya dijadikan sebagai ladang untuk berbisnis.Bobot sapi merupakan indikator yang sangat penting sebagai penilaian produktivitas dan untuk mengetahui keberhasilan bisnis ternak sapi[2]. Salah satu cara untuk mengetahui bobot sapi dengan menggunakan timbangan ternak. Namun, timbangan ternak dinilai masih kurang efisien, untuk membantu memberikan cara yang lebih praktis dan efisien, pemasalahan diatas dapat diatasi dengan mengestimasi bobot sapi dengan konsep registrasi citra digital. Metode yang digunakan adalah metode fraktal untuk memisahkan citra sapi dengan latar belakang dan objek-objek pengganggu. Hasilnya ditemukan ciri berupa lebar dada dan panjang badan sapi yang digunakan dalam perhitungan dan proses klasifikasi. Klasifikasi yang digunakan pada penelitian ini adalah K-Nearest Negihbor (KNN). Sistem yang telah dirancang dalam program aplikasi estimasi bobot sapi memerlukan input berupa citra atau gambar sapi dan menghasilkan output berupa bobot beserta klasifikasi sapi berdasarkan bobot karkas yang diperoleh.Program aplikasi yang diimplementasikan untuk mengestimasi bobot sapi, dirancang dalam software Matlab dan ditampilkan dalam bentuk GUI (Graphic User Interface). Kolaborasi dari metode fraktal dan klasifikasi K-Nearest Neighbordapat menghasilkan suatu sistem yang memiliki akurasi estimasi bobot sapi sebesar 79,11% dan akurasi klasifikasi sebesar 85,71% dengan waktu komputasi 0,316detik.Kata kunci:Bobot Sapi, Registrasi Citra Digital, Fraktal, K-Nearest Neighbor.AbstractBeef cattle are livestock members of the Bovidae tribe and Bovinae tribe children [1]. Cattle weight is a very important indicator as a consideration of productivity and to determine the success of cattle business [2]. One of many ways to find out the cattle weight is by using cattle scales. The problem can be solved by estimating the cattleweight by using the concept of digital image registration. The method used to separate the image of a cow with a background and disturbing objects is called fractal method. The result had shown the characteristics of the chest width and length of the cow body which was used in the calculation and classification process. The classification used in this study is K-Nearest Negihbor (KNN). The system has been designed in the application program to calculate the cattle weight demands input in the form of images or images of cows and produces output in the form of weights and also cows classification based on the obtained cows weight. The application program which is implemented to estimate cattle weight was designed in Matlab software and shown by a GUI (Graphic User Interface). Collaboration from fractal method and K-Nearest Neighborclassification can produced a system which has the highest value of 79.11% and classification accuracy of 85.71% with a computing time of 0.316seconds.Key words : Cattle Weight, Digital Image Registration, Fractal, K-Nearest Neighbor
Identifikasi Usia Manusia Berdasarkan Citra Panoramic Radiograph Gigi Kaninus Rahang Bawah Menggunakan Metode Gabor Wavelet Dan Klasifikasi K-nearest Neihbor (knn) Niki Ihsanul Hakim; 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 Gigi adalah bagian keras yang terdapat di dalam mulut yang paling sulit hancur dan mengalami pergantian paling akhir pada struktur alami tubuh manusia, oleh sebab itu selama beberapa tahun terakhir gigi digunakan untuk mengidentifikasi korban bencana alam, korban maupun tersangka pada kasus kekerasan dan kriminal. Pada penelitian tugas akhir saya ini fokus pada rongga bagian dalam gigi yang disebut pulpa, pada gigi kaninus rahang bawah untuk mengestimasikan umur seseorang. Dalam tugas akhir ini penulis menggunakan untuk mendeteksi usia manusia berdasarkan gigi kaninus rahang bawah. Pada tugas akhir ini penulis menggunakan metode Gabor Wavelet dan klasifikasi K-Nearest Neighbor (KNN). Untuk pengujian ini dilakukan pengujian dengan citra yang terdiri dari 188 buah citra gigi dengan rincian umur 14 hingga umur 60, dengan pembagian sebanyak 141 sebagai citra latih dan 47 sebagai citra uji kemudian saya kelompokkan menjadi 2 kelas yaitu Remaja dengan rentang 14-25 tahun, dan dewasa dengan rentang usia 26-60 tahun. Sehingga didapatkan akurasi terbaik sebesar 82.9787% dan waktu komputasi 0.0629 detik dengan menggunakan metode Gabor Wavelet dimana digunakan ekstraksi ciri berdasarakan tekstur dengan parameter: parameter ciri order satu (mean, variansi, standar deviasi, skewness), skala = 3, orientasi = 8, downsampling = 32, serta pada klasifikasi KNN digunakan parameter: nilai K = 3 dan tipe distance cityblock. Dan akurasi 63.8298% dengan waktu komputasi 0.1287 detik pada pengujian 47 kelas atau setiap umur mulai dari 14-60, menggunakan kombinasi ciri statistik (mean, standar deviasi, variance, skewness, kurtosis, dan entropy), skala (u) = 5 dan orientasi (v) = 8, saat nilai 𝒅𝟏=32, 𝒅𝟐=32 pada ekstraksi ciri, dan K = 1 serta tipe distance cityblock pada klasifikasinya. Kata kunci : Panoramic Radiograph, Gabor Wavelet, K-Nearests Neighbor Abstract Teeth are the hardest parts found in the mouth that are most difficult to destroy and experience the most recent changes in the natural structure of the human body, therefore in this final project the authors focus on the inner cavity of the tooth called the pulp, in the mandibular canines to estimate someone's age. In this final project the author uses the Gabor Wavelet method and the K-Nearest Neighbor (KNN) classification. For this test, the test was carried out with an image consisting of 188 pieces of dental images with details of age 14 to age 60, by dividing 141 as training images and 47 as test images and then grouping them into 2 classes namely adolescents with a range of 14-25 years, and adults with an age range of 26-60 years. So that the best accuracy was obtained at 82.9787% and computation time of 0.0629 seconds using the Gabor Wavelet method where feature extraction based on texture with parameters was used: parameters characterized as one order (mean, variance, standard deviation, skewness), scale = 3, orientation = 8, downsampling = 32, and in the KNN classification parameters are used: K = 3 and cityblock distance type. And the accuracy of 63.8298% with 0.1287 seconds computing ISSN : 2355-9365 e-Proceeding of Engineering : Vol.6, No.1 April 2019 | Page 757 time in testing 47 classes or each age starting from 14-60, using a combination of statistical characteristics (mean, standard deviation, variance, skewness, kurtosis, and entropy), scale (u) = 5 and orientation (v) = 8, when the value of d_1 = 32, d_2 = 32 in feature extraction, and K = 1 and the type of cityblock distance in the classification. Keywords: Panoramic Radiography, Gabor Wavelet, K-Nearest Neighbor
Deteksi Area Hutan Berbasis Citra Google Earth Menggunakan Metode Grey-level-co-occurrence Matrix (glcm) Dan Support Vector Machine (svm). Arisalsabila Wahyu Bawono; Bambang Hidayat; Sigit Nugroho
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 Hutan adalah suatu kawasan yang ditumbuhi oleh tanaman dan pepohonan yang lebat. Selain berfungsi sebagai sumber oksigen, hutan juga mempunyai peranan penting dalam mencegah datangnya bencana alam banjir dan erosi. Oleh sebab itulah area hutan sangat penting untuk dijaga, khususnya daerah sekitar kawasan hulu sungai yang kini sudah beralih fungsi menjadi lahan lain. Dengan beralihnya fungsi hutan tersebut, bila turun hujan akan lebih banyak air yang mengalir di permukaan (run off) dibandingkan yang menyerap ke dalam tanah (base flow) sehingga menyebabkan naiknya volume air sungai dan dapat menibulkan banjir di daerah hilir aliran sungai. Pemantauan luas area kawasan hutan di sekitar daerah aliran sungai sangatlah penting untuk mengetahui seberapa luas area hutan yang masih ada untuk menjaga area hutan tersebut agar tidak beralih fungsi menjanga ladang atau pemukiman. Pemantauan tersebut dapat dilakukan melalui foto udara atau citra satelit yang didapatkan dari aplikasi google earth yang mampu menampilkan kondisi permukaan bumi, serta bangunan dan tumbuhan dengan berbagai ukuran perbesaran. Penelitian Tugas Akhir ini berupa sebuah apikasi pengukuran besaran suatu luasan area hutan menggunakan citra google earth yang diolah menggunakan MATLAB. Proses indentifikasinya sendiri menggunakan metoda Gray Level Co-occurrence Matrix (GLCM) dan proses klasifikasinya menggunakan Support Vector Machine (SVM). Data latih yang digunakan dalam penelitian ini adalah sebanyak 80 citra dan data uji sebanyak 80 citra. Nilai akurasi diperoleh sebesar 100% dengan data uji hutan dan air, 100% dengan data uji hutan dan sawah, 68.75% dengan data uji hutan dan semak blukar, 67,5% dengan data uji hutan dan rumah bangunan, dan 78.75% dengan data uji hutan dan non-hutan. Kata kunci : image processing, google earth, GLCM, SVM Abstract Forest is an area where the trees and other plants grow up. Forest have a function to produce oxygen, beside that forest also keep the ground from erosion and flood. That is why the forest area is very important to be maintained, especially the area around the river upstream which has turn into another field. With the switching of the forest function when it rains, more water will run off the surface (run off) than absorbs into the soil (base flow), causing an increase in the volume of river water and may cause flooding in downstream. Monitoring the area of forest around the watershed is very important to know the extent of the remaining forest area to keep the forest from being converted into a field or settlement. Such monitoring can be done through aerial photographs or satellite imagery obtained from Google Earth applications capable of displaying earth surface conditions, as well as buildings and plants of varying magnification. This final project is an application measurement of the size of an area of forest using Google Earth image processed using MATLAB. The process of identification will be using Gray Level Co-occurrence Matrix (GLCM) method and classification use Support Vector Machine (SVM). Data that used in this final task are 80 training data and 80 test data. Accuracy values were obtained at 100% for forest and water test data, 100% for forest and paddy field test data, 68.75% for forest and bush test data, 67.5% for forest and building houses test data, and 78.75% for forest test data and non-forest. Keywords: image processing, google earth, GLCM, SVM
Deteksi Lebar Daerah Aliran Sungai Citarum Berdasarkan Pengolahan Citra Melalui Google Earth Menggunakan Metode Region Growing Vanesa Ditalia; Bambang Hidayat; Sofia Sa’idah
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Demi terwujudnya kesejahteraan masyarakat, pemerintah mengoptimalkan tata kelola pembangunan. Dalam program tersebut tentunya memakan tahapan yang panjang. Perhitungan lebar sungai atau luas sungai mengalami perubahan dari tahun ketahun, maka dari itu penting adanya system yang mendeteksi lebar sungai secara akurat dan tepat. Pada tugas akhir ini penulis membuat perangkat lunak menggunakan pengolahan citra digital dari aplikasi Google earth dan aplikasi Matlab. Penelitian tugas akhir ini dapat mendeteksi lebar sungai menggunakan metode Region growing, yang merupakan metode analisis pengambilan ciri Hasil yang diperoleh dari penelitian tugas akhir ini adalah aplikasi pengukuran lebar sungai mengunakan citra Google earth berbasis Matlab yang dapat digunakan untuk mendeteksi lebar sungai. Adapun hasil yang didapatkan dari penelitian ini menggunakan ukuran 600 x 1030, dan nilai threshold 10 dengan ketinggian 915 meter adalah nilai akurasi rata-rata terbaik yaitu 92,47%. Hasil penelitian ini diharapkan dapat menjadi masukan perbaikan sekaligus alternatif model dalam mencari lebar sungai. Kata Kunci : Deteksi Lebar Sungai, Pengolahan Citra, Region growing Abstract For the creation of public welfare, the government is willing to optimize programs for development governance until the prevention of flood disasters. In these programs, it certainly takes a long stage. Calculation of the width of river or the area of river changes from year to year therefore it is important for a system to detect the width of river accurately and quickly. In this final project, the author makes software using digital image processing from the Google earth application and the Matlab application. This final project research can detect the width of the river by using the Region Growing method, which is the method of character-taking analysis. The result from this final project is a system to detect the width of river with image google earth. Keyword: Detect the width of river, Image Processing, Region growing
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