Mudjirahardjo, Panca
Jurusan Teknik Elektro Fakultas Teknik Universitas Brawijaya

Published : 79 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Jurnal EECCIS

Identifikasi Tanda Tangan dengan Ekstraksi Ciri GLCM dan LBP yuliana diah pristanti; Panca Mudjirahardjo; Achmad Basuki
Jurnal EECCIS Vol 13, No 1 (2019)
Publisher : Fakultas Teknik, Universitas Brawijaya

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

Abstract

Signature identification with extraction features of GLCM (The Gray Level Co-occurrence Matrix) and LBP (The Local Binary Pattern) compare the results of both accuracy. By using signatures from 15 people, each of which has 10 signatures. For the training data, 7 signatures from each person were taken so that the training data amounted to 105 signatures. While the testing data was taken 3 signatures from each person so that the test data amounted to 45 signatures. From the results of image processing obtained the percentage using GLCM feature extraction is greater than the percentage using LBP feature extraction, namely GLCM reaches 86.67% and LBP 80.00%. But both remain at a high level of success. So it can be concluded that both GLCM and LBP feature extraction can be recommended to recognize signature textures. Index Terms—GLCM, LBP, Signature.
Penghapus Derau Adaptif dengan Algoritma NLMS Ukuran Langkah Adaptasi Tetap dan Berubah Panca Mudjirahardjo; Pratolo Rahardjo
Jurnal EECCIS (Electrics, Electronics, Communications, Controls, Informatics, Systems) Vol. 1 No. 1 (2007)
Publisher : Fakultas Teknik, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (404.982 KB) | DOI: 10.21776/jeeccis.v1i1.353

Abstract

Penghapus derau adaptif adalah penapis optimal yang dapat diterapkan bila masukan referensi tersedia. Keuntungan metode ini adalah kemampuan adaptasi dan distorsi keluaran yang rendah. Penggunaan ukuran langkah yang tepat memberikan kecepatan konvergensi yang tinggi. Penelitian ini memodifikasi ANC klasik sehingga memberikan kecepatan konvergensi yang lebih tinggi dan distorsi sinyal keluaran yang lebih rendah. Seratus iterasi pertama menerapkan ukuran langkah tetap kemudian berubah-ubah untuk iterasi berikutnya. Ukuran langkah modifikasi ini berdasar pada estimasi SNR. Simulasi komputer dengan derau putih, menunjukkan ANC usulan mempunyai distorsi 10 hingga 20 dB dibawah ANC klasik.
Optimasi Struktur Convolutional Neural Network LeNet5m dengan Pendekatan MorphNet Herasmara, Ridho; Muslim, Muhammad Aziz; Mudjirahardjo, Panca
Jurnal EECCIS (Electrics, Electronics, Communications, Controls, Informatics, Systems) Vol. 13 No. 3 (2019)
Publisher : Faculty of Engineering, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21776/jeeccis.v13i3.617

Abstract

Pendekatan perancangan neural network saat ini, menghasilkan rancangan yang tidak efisien. Rancangan yang tidak efisien ini menyebabkan penggunaan sumber daya yang lebih tinggi dibandingkan network yang lebih efisien. Hal ini juga merupakan permasalahan yang dialami network LeNet5, sebuah convolutional neural network untuk klasifikasi digit tulisan tangan yang dilatih dengan menggunakan dataset MNIST. Kami mengusulkan pendekatan MorphNet untuk optimasi kebutuhan flops-nya. Pendekatan MorphNet mengerdilkan network dengan menggunakan L1 regularization untuk menonaktifkan neuron pada tingkat aktivasinya. Neuron yang tidak aktif ini memiliki imbas yang kecil terhadap kinerja network, sehingga akan diusulkan untuk dihilangkan pada struktur yang baru. Network ini kemudian dapat dibesarkan untuk realokasi sumber daya. Sebagai hasilnya, didapatkan beberapa network baru yang lebih efisien dalam kebutuhan flops hingga 69%, dengan tetap mempertahankan tingkat akurasi pada rentang 98.5%. Kami menyimpulkan bahwa pendekatan MorphNet berhasil meningkatakan efisiensi dengan cara menghilangkan neuron yang berimbas kecil terhadap kinerja network.
Human Detection Aerial Imagery Using Convolutional Neural Network Method Pangemanan, Christofel; Mudjirahardjo, Panca
Jurnal EECCIS (Electrics, Electronics, Communications, Controls, Informatics, Systems) Vol. 19 No. 3 (2025)
Publisher : Faculty of Engineering, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21776/jeeccis.v19i3.1811

Abstract

In disaster scenarios, accurate and efficient human detection is essential to support timely search and rescue operations. This study explores the performance of deep learning models YOLOv8n for human detection using datasets before and after data augmentation. The evaluation focuses on key metrics including Precision, Recall, F1-score, inference time, and mean Average Precision (mAP). Experimental results indicate that the model trained on the original dataset achieves Precision (0.9623), Recall (0.9464), and F1-score (0.9357), highlighting better accuracy in minimizing false positives and false negatives. Conversely, the augmented dataset leads to improvements in mAP (95.8 vs. 94.5) and inference speed (8.2 ms vs. 9 ms), demonstrating increased robustness and efficiency. These findings suggest that while training on unaugmented data slightly better detection accuracy, data augmentation enhances the model's overall performance, speed and perform well to detect object in occluction scenario, making the YOLOv8n model more suitable for real-time usage in disaster response scenarios.
Co-Authors Abdul Goffar Ricky Mahendra Achmad Basuki Adharul Muttaqin Ahmad Syafiq Kanzul Fikri Aiman Muhamad Basymeleh Airlangga, Daniar Putri Aldy, Farouq Akbar Alkafi Dimitri Sukmana Andy Kurnia Santoso Angger Abdul Razak Anthony Wijoyo Arafah, Ghifari Raihan Bagus Esa Pramudya Bidin Yuniar Hamzah Bima Feridhan Nugraha Bimasena, Muhammad Farrel Brahmana, Nigel Shidqy Razendriya Chandra Halim Harahap Dachlan, Hary Soekotjo Danny Kurnianto Doni Juli Wiranata Eka Maulana Erni Yudaningtyas Esa Ilham Akbar Faradisa , Annisa' Illah Farihah Hedar Fatchur Rozi Al Fitrah Fauzi, Maher Feishal Reza Firmansyah, Vicky Gilang Luih Pinandita Haidar Taqy Hartono, Rafendra Ariwardana Hary Soekotjo Dachlan Hasdi Sasandi Ismail Musirin Ismail Musirin Ita Dwi Purnamasari Izanati, Nazuha Juan Mora Michael Marbun Juli Arianes Leonard Dimas Prakoso Lilik J. Awalin Lukman Gumelar M Fauzan Edy Purnomo M. Hanif Azhary M. Julius St Julius St M. Julius St Julius St, M. Julius St Machfud Firmansyah Manerep Luis Fernando Purba Marco Gunawan Maulana, Eka Maulana, Eka Miladina Rizka Aziza Mohammad Alif Robby Gani Mohammad Ilhammudin Toiyib Monifa Arini Muhammad Akbar Muhammad Aziz Muslim Muhammad Ikhsan Muhammad Ivan Fadillah Muhammad Rafi’ Zaidan Maajid n/a Soeprapto Nanang Sulistiyanto Nathanael, Indra Notario Pramudita Nugraha, Dimas Aji Nurus Sa'adah Octarudin Mahendra Oky Risky Dwi Santoso Pangemanan, Christofel Panjaitan, Gian Amadea Pebrianto, Wahyu Permatasari, Alissa Dyah Ayu Ponco Siwindarto Pratolo Rahardjo R. A. Setyawan Rachmawati, Luthfiyah Raden Arief Setyawan Rahmadwati Rahmadwati Rahmadwati, n/a Rahmadwati, n/a Rahmadwati, Rahmadwati Rauf, Daru Adiyatma Reinato Teguh Santoso Reza, Feishal Ricky Insyani Santosa P. P. Ridho Herasmara Rif'an, Mochammad Rifqa Asruroh Efnif Rini Nur Hasanah Riza Hasbi Ash Shiddieqy Rizky Aiman Haniffalah Harijanto Robbith Qosath Al Auhi Rohman, Muhammad Ariefur Samuel Aji Sena Sena, Samuel Aji Septi Uliyani Sholeh Hadi Pramono Sirojul Hadi Sofyan Andika Yusuf Sultoni Sultoni Sultoni, Sultoni Surya Agung Kurnia Suyono, Hadi Syarifah, Naily Tri Nurwati Vira Zafarin Waru Djuriatno Waru Djuriatno Wuri Roro Indraswari yuliana diah pristanti Zainuri, Akhmad