Article Per Year (5 Year)
p-Index From 2020 - 2025
4.632
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Perikanan dan Kelautan ILMU KELAUTAN: Indonesian Journal of Marine Sciences Saintek Perikanan : Indonesian Journal of Fisheries Science and Technology Bulletin of Electrical Engineering and Informatics Jurnal Ilmiah Kursor Journal of Innovation and Applied Technology Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal POINTER Jurnal Kelautan Tropis Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer JFMR (Journal of Fisheries and Marine Research) Knowledge Engineering and Data Science Jurnal Penelitian Perikanan Indonesia Jurnal Inovasi Hasil Pengabdian Masyarakat (JIPEMAS) JAST : Jurnal Aplikasi Sains dan Teknologi Journal of Aquaculture Science J-Dinamika: Jurnal Pengabdian Kepada Masyarakat Journal of Fisheries & Marine Jurnal Penelitian Teknik Sipil Konsolidasi
Muh. Arif Rahman
Brawijaya University
Agriculture, Biological Sciences & Forestry Biochemistry, Genetics & Molecular Biology Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Library & Information Science Materials Science & Nanotechnology Other

Published : 41 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Jurnal Teknologi Informasi dan Ilmu Komputer

 1 
Pencarian Ruang Warna Kulit Manusia Berdasarkan Nilai Karakteristik (λ) Matrik Window Citra Adikara, Putra Pandu; Rahman, Muh. Arif; Santosa, Edy
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 1, No 1 (2014)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (880.856 KB)

Abstract

Abstrak Perkembangan transaksi dan distribusi data yang sangat besar, terutama saat teknologi informasi dan komunikasi melalui  web bisa dijangkau oleh siapa saja menggunakan perangkat yang semakin beragam, membuat pengguna memerlukan aplikasi yang serba mudah untuk digunakan. Diantaranya adalah identifikasi obyek yang berada dalam data multimedia berupa teks, gambar maupun suara. Deteksi warna, terutama deteksi warna kulit manusia adalah tahap awal identifikasi keberadaan manusia pada citra 2 dimensi. Terdapat sejumlah metode untuk menentukan apakah suatu pixel pada gambar tersebut merupakan warna kulit manusia. Penelitian sebelumnya telah membuat ruang warna berbasis pixel diantaranya adalah ruang warna RGB, normalisasi RGB, HIS/HSV, TSL, YCbCr dll. Suatu matrik bujur sangkar NxN mempunyai nilai karakteristik (λ) sebanyak N dimana nilai masing-masing berupa bilangan real. Suatu citra dapat dipecah menjadi M matrik bujur sangkar dan kemudian dicari nilai λ  nya. Penelitian ini akan mencari ruang warna kulit manusia berdasarkan nilai karakteristik (ƛ) matrik window citra. Dari hasil pengujian hamper semua warna kulit dapat dideteksi, namun image untuk warna kulit yang tidak mencolok beberapa obyek pada image dapat ditampilkan dengan baik meskipun bukan kulit. Kata kunci: Citra Kulit, Nilai Karakteristik (λ), Matrik Window Abstract The development of the transaction and distribution of huge data, especially when the information technology and communication via the web can be reached by anyone using the increasingly diverse, making the user requires an application that completely easy to use. Among them is the identification of objects that are in the multimedia data such as text, images and sound. Color detection, particularly the detection of human skin color is an early stage identification of human presence on the 2-dimensional image. There are a number of methods to determine whether a pixel in the image is the color of human skin. Previous studies have made such pixel based color space is RGB color space, normalized RGB, HIS/HSV, TSL, YCbCr etc. An NxN square matrix has eigenvalues ​​(λ) of N where the value of each form of real numbers. An image can be broken down into a square matrix M and then sought its λ value. This study will look for human skin color space based on the value of the characteristic (ƛ) matrix image window. From the test results almost all skin colors can be detected, but the image for an inconspicuous color multiple objects in the image can be displayed well although not leather. Keywords: skin image, value of the characteristic(λ), Matrix Windows
Pencarian Ruang Warna Kulit Manusia Berdasarkan Nilai Karakteristik (λ) Matrik Window Citra Adikara, Putra Pandu; Rahman, Muh. Arif; Santosa, Edy
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 1 No 1: April 2014
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (880.856 KB) | DOI: 10.25126/jtiik.201411102

Abstract

Abstrak Perkembangan transaksi dan distribusi data yang sangat besar, terutama saat teknologi informasi dan komunikasi melalui  web bisa dijangkau oleh siapa saja menggunakan perangkat yang semakin beragam, membuat pengguna memerlukan aplikasi yang serba mudah untuk digunakan. Diantaranya adalah identifikasi obyek yang berada dalam data multimedia berupa teks, gambar maupun suara. Deteksi warna, terutama deteksi warna kulit manusia adalah tahap awal identifikasi keberadaan manusia pada citra 2 dimensi. Terdapat sejumlah metode untuk menentukan apakah suatu pixel pada gambar tersebut merupakan warna kulit manusia. Penelitian sebelumnya telah membuat ruang warna berbasis pixel diantaranya adalah ruang warna RGB, normalisasi RGB, HIS/HSV, TSL, YCbCr dll. Suatu matrik bujur sangkar NxN mempunyai nilai karakteristik (λ) sebanyak N dimana nilai masing-masing berupa bilangan real. Suatu citra dapat dipecah menjadi M matrik bujur sangkar dan kemudian dicari nilai λ  nya. Penelitian ini akan mencari ruang warna kulit manusia berdasarkan nilai karakteristik (ƛ) matrik window citra. Dari hasil pengujian hamper semua warna kulit dapat dideteksi, namun image untuk warna kulit yang tidak mencolok beberapa obyek pada image dapat ditampilkan dengan baik meskipun bukan kulit. Kata kunci: Citra Kulit, Nilai Karakteristik (λ), Matrik Window Abstract The development of the transaction and distribution of huge data, especially when the information technology and communication via the web can be reached by anyone using the increasingly diverse, making the user requires an application that completely easy to use. Among them is the identification of objects that are in the multimedia data such as text, images and sound. Color detection, particularly the detection of human skin color is an early stage identification of human presence on the 2-dimensional image. There are a number of methods to determine whether a pixel in the image is the color of human skin. Previous studies have made such pixel based color space is RGB color space, normalized RGB, HIS/HSV, TSL, YCbCr etc. An NxN square matrix has eigenvalues ​​(λ) of N where the value of each form of real numbers. An image can be broken down into a square matrix M and then sought its λ value. This study will look for human skin color space based on the value of the characteristic (ƛ) matrix image window. From the test results almost all skin colors can be detected, but the image for an inconspicuous color multiple objects in the image can be displayed well although not leather. Keywords: skin image, value of the characteristic(λ), Matrix Windows
Cara Cepat Untuk Mendeteksi Keberadaan Wajah Pada Citra Yang Mempunyai Background Kompleks Menggunakan Model Warna YCbCr dan HSV Hidayat, Nurul; Rahman, Muh. Arif
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 2 No 2: Oktober 2015
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (817.758 KB) | DOI: 10.25126/jtiik.201522147

Abstract

AbstrakPendeteksi wajah dari sebuah citra baik berupa gambar diam maupun bergerak merupakan topik penting dan menarik saat ini. Proses deteksi keberadaan wajah ini menjadi dasar dari proses pengenalan wajah yang mempunyai banyak implementasi baik pada bidang keamanan maupun sosial media. Tujuan dari proses deteksi wajah adalah untuk mengetahui apakah ada wajah dari suatu citra, kemudian menemukan letak keberadaan wajah. Pendeteksian wajah adalah tahapan penting dari aplikasi yang memanfaatkan keberadaan wajah pada suatu citra. Implementasinya cukup banyak terutama di bidang biometri keamanan dan sosial media. Riset ini mengusulkan deteksi wajah menggunakan 3 tahapan umum yaitu segmentasi warna kulit manusia, binarisasi dan penentuan region garis serta deteksi wajah menggunakan ruang warna YCbCr dan HSV. Dalam penelitian ini dilakukan deteksi wajah pada 10 citra yang memiliki background yang kompleks. Pendeksian lokasi wajah didasarkan pada temuan hole mata yang simetris. Wajah yang terlalu kecil membuat keberadaan mata hanya terdeteksi sebelah sehingga mengakibatkan wajah tidak terdeteksi. Hasil evaluasi didapatkan tingkat akurasi rata-rata deteksi wajah mencapai 83,4% dengan kecepatan rata-rata 6530 piksel/detik.Kata kunci: Deteksi Wajah, Biometri, Segmentasi, YCbCr, HSV, Region GarisAbstractFace detection of an image either still or moving image is an important and interesting topic today. Face detection process where it became the basis of face recognition process that has many implementations, both in the field of security and social media. The aim of the face detection process is to determine whether there is a face from an image, and then locate the whereabouts of the face. Face detection of an image, either a statis or moving image  Face detection is an important phase in application system to utilize face location in an image. It is so many implementations such asspecially for security and sociality biometrics field. Here, it suggest to detect the face location with 3 steps, skin human color segmentation step, binnerization step, and locate line region then detection step of face location by YCbCr and HSV color region. Here, ten images which have a complex background are implemented. To detect face location based on finding symetris of eyes hole. The faces which are too small made the eyes locations are only detected a half, so the face can’t detect. The evaluation result obtained average of accuration of face detection 83,4% with average time to detect 6530 pixel/second.Keywords: Face detection, Biometry, Segmentation, YCbCr, HSV, Line Region
Uji Parameter dan Arsitektur Convolutional Neural Network untuk Mendeteksi Citra Wajah Bermasker Sari, Dewi Novita; Rahman, Muh. Arif; Wihandika, Randy Cahya
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 7: Spesial Issue Seminar Nasional Teknologi dan Rekayasa Informasi (SENTRIN) 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022976776

Abstract

Deteksi citra wajah bermasker dibutuhkan pada masa pandemi COVID-19 oleh lembaga-lembaga yang terhubung langsung dengan masyarakat karenakan terbatasnya sumber daya manusia dalam melakukan deteksi wajah bermasker secara konvensional. Penggunaan masker dalam aktivitas sehari-hari merupakan salah satu protokol perlindungan diri dari COVID-19 yang wajib diterapkan. Citra wajah bermasker digunakansebagai data masukan dengan proses deteksi menggunakan Convolutional Neural Network (CNN). Deteksi citra wajah bermasker telah banyak dilakukan dengan berbagai bentuk arsitektur model, akan tetapi tidak disertai dengan penjelasan dari pemilihan parameter yang digunakan. Pembuatan model dapat menjadi efisien jika dilakukan dengan mengetahui hubungan keterkaitan antar parameter yang diterapkan. Oleh karenanya, penelitian ini dilakukan dengan tujuan untuk mengetahui hubungan keterkaitan antar parameter dalam arsitektur model CNN. Sehingga dapat dihasilkan performa terbaik dalam mendeteksi citra wajah bermasker. Hubungan keterkaitan antar parameter yang diteliti terbatas pada ukuran kernel dan jumlah kernel karena peran aktif keduanya dalam melakukan pelatihan data. Dua ukuran kernel yang digunakan yaitu 3×3 dan 5×5 dengan jumlah 3 dan 6 buah. Empat arsitektur model dibangun dengan 7 layer penyusun menggunakan kombinasi parameter tersebut. Pelatihan model dilakukan menggunakan data citra wajah bermasker dan tidak bermasker berjumlah 3150 citra dengan 15 epoch, kemudian diuji menggunakan 1350 citra. Performa terbaik diperoleh dari kombinasi parameter ukuran kernel 5×5 berjumlah 6 buah pada setiap convolutional layer. Nilai f1-score terbaik yang diperoleh sebesar 0,95 dengan akurasi 0,95 dan nilai rata-rata loss 0,1692. Berdasarkan hasil tersebut, disimpulkan bahwa parameter ukuran kernel dan jumlah kernel memiliki hubungan keterkaitan dalam menghasilkan nilai performa arsitektur model CNN terbaik untuk pendeteksian citra wajah bermasker.AbstractDetection of masked face images is needed during the COVID-19 pandemic by institutions directly connected to the community due to limited human resources to perform conventional masked face detection. Using masks in daily activities is one of the self-protective protocols from COVID-19 that must be implemented. Masked face images are used as input data, the detection process uses Convolutional Neural Network (CNN). Detection of masked face images has been carried out with various forms of model architecture but is not accompanied by an explanation of the selected parameters used. Modeling can be done efficiently by knowing the relationship between the applied parameters. Therefore, this study aims to know the relationship between parameters in the CNN model architecture so that the best performance can be produced in detecting masked face images. The study of the relationship between parameters is limited to the size of the kernel and the number of kernels because of their active role in the data training. The two kernel sizes used are 3×3 and 5×5, with a total of 3 and 6 pieces. Four model architectures are built with seven layers using a combination of these parameters. The model training was carried out using masked and maskless faces of 3150 images with 15 epochs, then tested using 1350 images. The best performance is obtained from 6 pieces of 5×5 kernel size in each convolutional layer. The best f1-score value obtained is 0.95, with an accuracy of 0.95 and an average loss value of 0.1692. Based on these results, it is concluded that the kernel size parameter and the number of kernels have a relationship in producing the best CNN architectural performance value for masked face image detection.
Co-Authors A Alfan Jauhari Abdullah Hamid Agi Putra Kharisma, Agi Putra Agus Wahyu Widodo Agus Wahyu Widodo, Agus Wahyu Aida Sartimbul Ali Muntaha Andi Khofifah Nurfadillah Andreas Pardede Arief Andy Soebroto Bagus Priambodo Berton, Freddy Toranggi Cangara, Satriawati Citra Satrya Utama Dewi Daduk Setyohadi Darmawan Ockto Sutjipto Debby Aranindy Putri Wangi Defri Yona Dewa Gede Raka Wiadnya Dewa Gedhe Raka Wiadnya Dewi Novita Sari Dian Eka Ratnawati Edy Santosa Eko Sulkhani Yulianto Farys, Sholeh Al Fawwaz Haryono, M. Naufal Feni Iranawati Fransisca Sariuli Tobing Fransiskus Cahyadi Putra Pranoto Gatut Bintoro Geoffrey Manurung, Daniel Iis Nur Rodliyah, M.Ed Imam Cholissodin Imam Subali Jonemaro, Eriq Muhammad Adams Juan, Patrick Kurnianingtyas, Diva Lailil Muflikhah Ledhyane Ika Harlyan Mihrobi Khalwatu Rihmi Mr Sunardi Muhammad Rafi Farhan Nanda Dwi Putra Miskarana Ade Nindi Nur Wulandari Nita Hellis Setyowati Novanto Yudistira Nugroho, Muhammad Alifyan Satrio Nurdin, Abd. Rahim Nurin Hidayati Nurin Hidayati Nurul Hidayat Prakoso, Gideon Aji Pramana Putra, Jody Priyanka Mondal Putra Pandu Adikara Putri, Safinatunnajah Mutiara Rahmansyah, Muhammad Dzikri Randy Cahya Wihandika Riska Oktaviana Rr Dea Annisayanti Putri Safitri Widya Ningtias Shobriyyah Afifah Nabilah Shofiatul Kholishoh Solimun, Solimun Sunardi Sunardi Sunardi, Sunardi Supapong Pattarapongpan SUTRISNO Syarifah Hikmah Julinda Sari Syarifah Hikmah Julinda Sari Syarifah Hikmah Julinda Sari Tri Djoko Lelono Tsania Humairoh Vita Rumanti Kurniawati Wahida Kartika Sari Wakhit Rhomadona Wayan Firdaus Mahmudy