Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : MIND (Multimedia Artificial Intelligent Networking Database) Journal

Deteksi Manusia menggunakan Pre-Trained MobileNet untuk Segmentasi Citra Menentukan Bentuk Tubuh Irma Amelia Dewi
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 4, No 1 (2019): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v4i1.65-79

Abstract

Pakaian merupakan kebutuhan semua orang, karena pakaian adalah kebutuhan pokok manusia selain pangan (makanan) dan papan (tempat tinggal). Kebutuhan fashion merupakan kebutuhan manusia dimana dia menggunakan pakaian yang nyaman sesuai dengan bentuk badannya sebagai bentuk mengekspresikan dirinya terhadap orang lain. Maka dari itu penelitian ini dibuat agar mengetahui rekomendasi pakaian berdasarkan bentuk badannya. Sistem yang akan dibangun terdiri dari 2 alur proses yaitu deteksi tubuh menggunakan pre-trained MobileNetV2 dan penentuan bentuk badan dengan pembagian 19 garis pada citra tubuh untuk mendapatkan lebar bahu, pinggang dan panggul lalu dilakukan perbandingan sehingga didapatkan bentuk badan dan diberikan rekomendasi baju yang sesuai. Setelah dilakkan pengujian, maka diperoleh akurasi 92,33% untuk proses deteksi manusia. mencapai 96,06% dan akurasi hasil deteksi bentuk badan sebesar 82%. Sistem memperoleh keakurasian ukuran nyata dan sistem mencapai 96,06% pada jarak kamera terhadap objek mencapai 2 meter dengan ketinggan kamera 0,75 meter memperoleh keakurasian ukuran nyata dan sistem
Ekstraksi Ciri Pelafalan Huruf Hijaiyyah Dengan Metode Mel-Frequency Cepstral Coefficients YOULLIA INDRAWATY; IRMA AMELIA DEWI; RIZKI LUKMAN
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 4, No 1 (2019): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v4i1.49-64

Abstract

Huruf hijaiyyah merupakan huruf penyusun ayat dalam Al Qur’an. Setiap hurufhijaiyyah memiliki karakteristik pelafalan yang berbeda. Tetapi dalam praktiknya,ketika membaca huruf hijaiyyah terkadang tidak memperhatikan kaidah bacaanmakhorijul huruf. Makhrorijul huruf adalah cara melafalkan atau tempatkeluarnya huruf hijaiyyah. Dengan adanya teknologi pengenalan suara, dalammelafalkan huruf hijaiyyah dapat dilihat perbedaannya secara kuantitatif melaluisistem. Terdapat dua tahapan agar suara dapat dikenali, dengan terlebih dahulumelakukan ekstraksi sinyal suara selanjutnya melakukan identifikasi suara ataubacaan. MFCC (Mel Frequency Cepstral Coefficients) merupakan sebuah metodeuntuk melakukan ektraksi ciri yang menghasilkan nilai cepstral dari sinyal suara.Penelitian ini bertujuan untuk mengetahui nilai cepstral pada setiap hurufhijaiyyah. Hasil pengujian yang telah dilakukan, setiap huruf hijaiyyah memilikinilai cepstral yang berbeda.
Identifikasi Ciri Garis Telapak Tangan Berbasis Template Matching dan Metode K-Nearest Neighbor Asep Nana Hermana; Irma Amelia Dewi; Irwan Susanto
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 3, No 2 (2018): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v3i2.25-35

Abstract

Telapak tangan merupakan ciri unik yang dimiliki oleh manusia yang dapat digunakan pada sistem identifikasi. Proses template matching membutuhkan perhitungan pencocokan untuk menentukan bagian kecil gambar yang memiliki nilai terbesar dikarenakan semakin besar nilai maka tingkat kecocokan semakin tinggi. Sehingga untuk pencocokan dibutuhkan perhitungan normalized cross correlation dengan perhitungan konvolusi yang setiap bagian pixel akan dilakukan pencocokan, diawali dari pixel bagian pojok kiri atas hingga pojok kanan bawah dan akan mendapatkan nilai pencocokan terbesar.Setelah mendapat nilai terbesar dilakukan k-nearest neighbor yang merupakan pengelompokan berdasarkan jarak dan untuk menentukan jarak k digunakan perhitungan euclidien distance. Selanjutnya pengelompokan berdasarkan voting terbanyak yang dimulai dari nilai jarak ketetanggaan terkecil hingga terbesar. Tingkat akurasi pengujian dari 30 sampel telapak tangan didapatkan presentase sebesar 86,67% teridentifikasi benar dan 13,33% salah.