Garuda - Garba Rujukan Digital

Convolutional Neural Network Using Kalman Filter for Human Detection and Tracking on RGB-D Video Angelico, Jovin; Wardani, Ken Ratri Retno
CommIT (Communication and Information Technology) Journal Vol 12, No 2 (2018): CommIT Vol. 12 No. 2 Tahun 2018
Publisher : Bina Nusantara University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21512/commit.v12i2.4890

The computer ability to detect human being by computer vision is still being improved both in accuracy or computation time. In low-lighting condition, the detection accuracy is usually low. This research uses additional information, besides RGB channels, namely a depth map that shows objectsâ€™ distance relative to the camera. This research integrates Cascade Classifier (CC) to localize the potential object, the Convolutional Neural Network (CNN) technique to identify the human and nonhuman image, and the Kalman filter technique to track human movement. For training and testing purposes, there are two kinds of RGB-D datasets used with different points of view and lighting conditions. Both datasets have been selected to remove images which contain a lot of noises and occlusions so that during the training process it will be more directed. Using these integrated techniques, detection and tracking accuracy reach 77.7%. The impact of using Kalman filter increases computation efficiency by 41%.

PREDIKSI CUACA MENGGUNAKAN METODE CASE BASED REASONING DAN ADAPTIVE NEURO FUZZY INFERENCE SYSTEM Chaniago, Ria; Liong, The Houw; Wardani, Ken Ratri Retno
Jurnal Informatika Vol 12, No 2 (2014): NOVEMBER 2014
Publisher : Institute of Research and Community Outreach - Petra Christian University

Weather is one of the nature elements that can influence decision making in human's life. Based on that issue, the author wants to make an application that is able to predict weather with good accuracy. The application is a weather forecasting system, using computer technology that implements expert system. The methods used are Adaptive Neuro Fuzzy Inference System (ANFIS) and Case Based Reasoning (CBR), and a combination of both methods will applied to the system. The system also has learning methods like Backpropagation Error (BPE) and Recursive Least Error (RLSE), to increase its accuracy. Clustering and data cleaning also done inside the system, as it needed by forecasting process to achieve a good result. K-Means is the clustering algorithm, while Box and Whisker Plot is the algorithm for data cleaning. The result from this project is to create a weather forecasting system with high accuracy.

Convolutional Neural Network Using Kalman Filter for Human Detection and Tracking on RGB-D Video Jovin Angelico; Ken Ratri Retno Wardani
CommIT (Communication and Information Technology) Journal Vol. 12 No. 2 (2018): CommIT Journal
Publisher : Bina Nusantara University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21512/commit.v12i2.4890

The computer ability to detect human being by computer vision is still being improved both in accuracy or computation time. In low-lighting condition, the detection accuracy is usually low. This research uses additional information, besides RGB channels, namely a depth map that shows objects’ distance relative to the camera. This research integrates Cascade Classifier (CC) to localize the potential object, the Convolutional Neural Network (CNN) technique to identify the human and nonhuman image, and the Kalman filter technique to track human movement. For training and testing purposes, there are two kinds of RGB-D datasets used with different points of view and lighting conditions. Both datasets have been selected to remove images which contain a lot of noises and occlusions so that during the training process it will be more directed. Using these integrated techniques, detection and tracking accuracy reach 77.7%. The impact of using Kalman filter increases computation efficiency by 41%.

Klasifikasi Penyakit pada Daun Anggur menggunakan Metode Convolutional Neural Network Ken Ratri Wardani; Laurentius Leonardi
Jurnal Tekno Insentif Vol 17 No 2 (2023): Jurnal Tekno Insentif
Publisher : Lembaga Layanan Pendidikan Tinggi Wilayah IV

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36787/jti.v17i2.1130

Abstrak Penyakit pada daun dapat mengurangi kualitas dan produktivitas. Deteksi atau klasifikasi penyakit pada tanaman memiliki peran yang sangat menonjol di bidang pertanian modern. Penelitian ini bertujuan untuk mengetahui akurasi klasifikasi objek penyakit pada daun dengan metode Convolutional Neural Network dengan menguji ukuran citra, arsitektur, nilai learning rate, dan jumlah epoh untuk mendapatkan akurasi yang baik. Selain itu menerapkan regularisasi Dropout untuk menghindari overfitting dan algoritma optimisasi RMSProp agar laju pembelajaran beradaptasi dengan kondisi data. Dataset yang digunakan berupa citra daun anggur sehat dan berpenyakit, berasal dari PlantVillage. Berdasarkan hasil pengujian, ukuran citra 128 × 128 piksel, arsitektur dengan 5 lapisan konvolusi, nilai learning rate 0.001 dan epoh sebanyak 30 menghasilkan nilai akurasi yaitu 98,5% untuk kelas Black Measles, 98,1% untuk kelas Black Rot dan 99,5% untuk kelas Healthy. Abstract Leaf diseases can reduce quality and productivity. Detection or classification of diseases in plants has a very prominent role in modern agriculture. This study aims to determine the classification accuracy of disease objects on leaves using the Convolutional Neural Network method by testing image size, architecture, learning rate, and number of epohs to obtain good accuracy. Besides that, it applies Dropout regularization to avoid overfitting and the RMSProp optimization algorithm so that the learning rate adapts to data conditions. The dataset used is in the form of images of healthy and diseased grape leaves, from PlantVillage. Based on the test results, the image size is 128 × 128 pixels, the architecture with 5 convolution layers, the learning rate is 0.001 and the epoh is 30, which results in an accuracy value of 98.5% for the Black Measles class, 98.1% for the Black Rot class and 99.5 % for Healthy class..

Pencarian Citra Digital Berbasiskan Konten dengan Ekstraksi Fitur HSV, ACD, dan GLCM Agaputra, Muhammad Dendy; Wardani, Ken Ratri Retno; Siswanto, Elisafina
Jurnal Telematika Vol. 8 No. 2 (2013)
Publisher : Yayasan Petra Harapan Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61769/telematika.v8i2.73

Pencarian citra berbasiskan konten adalah teknik untuk mencari citra yang piksel-pikselnya memiliki karakteristik sama atau mendekati dengan sebuah sekumpulan citra. Penelitian ini menggunakan warna dan tekstur sebagai ekstraksi fitur dari sebuah citra. Untuk warna digunakan dua bentuk pendekatan, yaitu HSV (Hue, Saturation, Value) dan ACD (Average Color Dominance). Sedangkan tekstur menggunakan metode Gray Level Co-occurrence Matrices. Kemudian untuk proses pencocokan antara citra query dengan citra target yang ada pada sekumpulan citra dilakukan perhitungan jarak (Euclidean Distance) dari citra query dengan citra target pada basis data citra. Dari hasil pengujian didapatkan bahwa pencarian citra melalui ekstraksi warna (HSV, ACD) dan tekstur (GLCM) menghasilkan hasil pencarian yang lebih akurat dibanding dengan hanya ekstraksi warna saja atau ekstraksi tekstur saja. Selain itu, citra yang mengandung Point of Interest (POI) tunggal jelas lebih baik dalam pencarian dibandingkan dengan citra yang memiliki banyak POI. Content-based image retrieval is a technique to search for a set of images based on its pixels that have the same characteristics with query image. This research used color and texture as feature extraction of an image. For color, we use two approaches, namely the HSV (Hue, Saturatuin, Value) and ACD (Average Color Dominance), while for the texture, we use the Gray Level Coocurenes Matrices method. The matching process between the query image with the target image is done by calculating the distance by using Euclidean Distance. The experimental results showed that the extraction of image retrieval through color (HSV, ACD) and texture (GLCM) produces more accurate results compared with extraction using color or texture only. In addition, images that have a single and clear Point of Interest (POI) have better result than the image that has a lot of POI.

Perbandingan Penyelesaian Persamaan Diferensial Biasa Menggunakan Metode Backpropagation, Euler, Heun, dan Runge-Kutta Orde 4 Wijaya, Jayme Yeremia; Liong, The Houw; Wardani, Ken Ratri Retno
Jurnal Telematika Vol. 11 No. 1 (2016)
Publisher : Yayasan Petra Harapan Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61769/telematika.v11i1.135

Persamaan diferensial banyak digunakan sebagai model matematika atau dalam bidang sains lainnya. Dalam persamaan tersebut dibutuhkan tingkat akurasi yang sangat tinggi sehingga diciptakan beberapa metode untuk menyelesaikan persamaan diferensial itu. Salah satu metode yang digunakan adalah Metode Numerik dan Metode Artificial Neural Network (ANN). Ada 4 metode yang terlibat dalam penelitian ini, yaitu Metode Euler, Heun, Runge-Kutta Orde 4 yang termasuk pada metode Numerik, dan Backpropagation Neural Network (BPNN) yang termasuk dalam Metode ANN. Penelitian ini untuk membuktikan bahwa dalam menyelesaikan persamaan diferensial penggunaan Metode BPNN lebih baik daripada Metode Numerik. Hal ini dibuktikan dengan hasil Euclidean Distance dari BPNN lebih baik dibandingkan metode yang lain. Hasil penyelesaian akan terlihat lebih jelas ketika persamaan diferensial tersebut mengandung unsur chaos. Jika dilihat dari grafik penyelesaiannya, BPNN memiliki grafik yang mirip dengan grafik dari solusi sejatinya. Berbeda dengan penyelesaian yang menggunakan Metode Numerik, hasil grafik garis yang diperoleh tidak memiliki kemiripan dengan solusi sejatinya. Differential equation are widely used as a model in the mathematics model or other science. In this equation takes a very high level of accuracy that was created several methods to solve the differential equations. One of the method used is Numerical Method and Artificial Neural Network (ANN). There are four methods involved in this study, Euler Method, Heun, and Runge-Kutta Order 4 are included in Numerical Methods, and Backpropagation Neural Network (BPNN) which included in ANN Method. This research is to prove that in solving differential equations using BPNN Method is better than Numerical Method. This is evidenced by the result of Euclidean Distance from BPNN is better than other methods. The result of the solving will be seen more clearly when the differential equation contains elements of chaos. If seen from the graph, BPNN have a graph similar to the graph of the Analitic Solution. Contrast to the solving using Numerical Methods, the line graph has no resemblance to the Analitic Solution.

Metode Convex Hull dan Convexity Defects untuk Pengenalan Isyarat Tangan Yuliana, Nina; Wardani, Ken Ratri Retno
Jurnal Telematika Vol. 11 No. 2 (2016)
Publisher : Yayasan Petra Harapan Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61769/telematika.v11i2.139

Teknik Interaksi Manusia dan Komputer (IMK) mengalami perkembangan pesat. Dibuktikan dengan banyak teknik baru dengan antarmuka yang alami dan mudah digunakan tanpa peralatan eksternal yang khusus. Pada penelitian ini diterapkan pengenalan isyarat tangan pada IMK agar dapat berinteraksi dengan komputer tanpa dibatasi oleh penggunaan tetikus. Isyarat tangan yang akan dikenali terdiri atas 8 isyarat yang merupakan kombinasi dari ibu jari, jari telunjuk, dan jari kelingking karena mewakili operasi dasar yang sering digunakan pada tetikus. Setiap jari dalam posisi direntangkan dan tidak berhimpitan. Tangan yang digunakan pada penelitian ini adalah tangan kiri. Background model dan sampel warna kulit diperlukan sebagai masukan. Pengolahan citra digunakan untuk mendapatkan segmentasi tangan dengan menggunakan algoritma Freeman Chain Code. Hasilnya digunakan pada proses ekstraksi fitur. Proses ekstraksi fitur terdiri atas algoritma: Convex Hull untuk mencari titik Hull sebagai ujung jari, Convexity Defects mencari titik defects sebagai deskripsi jari, dan Maximum Inscribed Circle (MIC) untuk deteksi titik pusat telapak tangan. Hasil penelitian berhasil mengenali isyarat tangan dengan nilai akurasi lebih dari 90% dengan kondisi pencahayaan kurang dan cukup. Techniques of Human-Computer Interaction (HCI) growing rapidly. Many new techniques with a natural interface and easy to use without any special external equipment. In this research apply to the HCI hand gesture recognition to interact with the computer without being limited by mouse. Hand gesture to be recognized consists of 8 cues, the combination of the thumb, forefinger and little finger to represent the basic operations of a mouse. Each finger in a stretched position, do not coincide, and the hands are used in this study are left hand. Background models and samples of skin color is required as input. Image processing is used to obtain the hand segmentation using Freeman chain code algorithms and the results will be used in the process of feature extraction. The feature extraction process consists of algorithms Convex hull to find points as fingertips, convexity defects lookout point defects as a description of the fingers, and palms central point detection using maximum Inscribed circle (MIC). The results showed that the method of Convex Hull and Convexity Defects managed to recognize hand signals with an accuracy value of more than 90% with sufficient and less lighting conditions.

Penerapan Metode Single-Layer Feed-Forward Neural Network Menggunakan Kernal Gabor untuk Pengenalan Ekspresi Wajah Cristanto, Johanes; wardani, Ken Ratri Retno
Jurnal Telematika Vol. 12 No. 1 (2017)
Publisher : Yayasan Petra Harapan Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61769/telematika.v12i1.178

Expression is a common thing shown by humans to respond to an event. The face is one of the mediums that humans use to show their expressions. Facial expression consists of 7 are happy, sad, angry, scared, disgusted, shocked, and neutral. Humans can easily recognize expressions issued by a person and use them to be able to determine what reaction should be done to that person. It can be utilized by computers in order to interact more naturally with humans or can be utilized in the medical field to help the treatment of patients. In this study the method used to recognize facial expressions is Gabor as a method to extract features, Adaboost is used to select features, and neural networks are a method to classify facial expressions. For testing use the manually selected JAFFE dataset to remove imagery that has an expression that is less suited to the label. Using this method the introduction of facial expressions managed to get an accuracy of 52%. The results show that the Gabor function has a greater influence on the accuracy of AdaBoost than the parameter changes θ (theta) and σ (sigma).Ekspresi merupakan hal yang biasa ditunjukkan oleh manusia untuk merespons suatu kejadian. Wajah adalah salah satu media yang digunakan manusia untuk menunjukkan ekspresinya. Ekspresi wajah terdiri atas 7 yaitu senang, sedih, marah, takut, jijik, terkejut, dan netral. Manusia dapat dengan mudah mengenali ekspresi yang dikeluarkan oleh seseorang dan menggunakan untuk dapat menentukan apa reaksi yang harus dilakukan pada orang tersebut sesuai dengan ekspresi yang dikeluarkan. Hal tersebut dapat di manfaatkan oleh komputer untuk dapat berinteraksi lebih natural dengan manusia, selain itu dapat dimanfaatkan dalam bidang medis untuk membantu pengobatan pasien. Dalam penelitian ini metode yang digunakan agar dapat mengenali ekspresi wajah manusia adalah Gabor sebagai metode untuk mengekstraksi fitur, Adaboost digunakan untuk menyeleksi fitur, dan neural network merupakan metode untuk mengklasifikasi ekspresi wajah. Untuk pengujian menggunakan dataset JAFFE yang sudah diseleksi secara manual untuk menghilangkan citra yang memiliki ekspresi yang kurang sesuai dengan label. Menggunakan metode – metode tersebut pengenalan ekspresi wajah berhasil mendapatkan akurasi sebesar 52%. Hasil dari penelitian menunjukan bahwa fungsi Gabor lebih berpengaruh terhadap akurasi AdaBoost dibandingkan dengan mengubah parameter θ (theta) dan σ (sigma).

Penerapan Histogram of Oriented Gradients, Principal Component Analysis dan AdaBoost untuk Sistem Pengenalan Wajah Gunadarma, Adhika; Wardani, Ken Ratri Retno
Jurnal Telematika Vol. 13 No. 2 (2018)
Publisher : Yayasan Petra Harapan Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61769/telematika.v13i2.225

This The human face image has a lot of information that can be used in the field of computer vision to create a human face recognition system. The method used in this study is the Histogram of Oriented Gradients (HOG) method used for feature extraction. The Principal Component Analysis (PCA) method is applied from the features of the HOG method to reduce the dimensionality of feature data from high to low without losing much of the information. Finally, the Adaptive Boosting method (AdaBoost) is used to process the resulting feature classification. Before performing facial recognition process, the initial treatment is done to detect and cut the face of the next part of the image pieces will be the same size so that the face taken has a uniform size. Based on the test results of cell, block and bins values, the best total eigenvalue and total iteration for this process were 8,16,4, -, 15 for the classifier using the HOG plus AdaBoost method with the resulting accuracy to recognize the face of 86% and 8.16,16,20,10 for classifier using HOG method, PCA with AdaBoost with accuracy level for face recognition of 96%.Citra wajah manusia memiliki banyak informasi yang dapat digunakan pada bidang komputer vision untuk membuat sistem pengenalan wajah manusia. Metode yang digunakan pada penelitian kali ini adalah metode Histogram of Oriented Gradients (HOG) yang digunakan untuk ekstraksi fitur. Metode Principal Component Analysis (PCA) diterapkan dari hasil fitur metode HOG untuk mereduksi dimensionalitas data fitur dari tinggi ke rendah tanpa menghilangkan banyak informasi. Terakhir, metode Adaptive Boosting (AdaBoost) dipakai untuk proses klasifikasi fitur yang dihasilkan. Sebelum melakukan proses pengenalan wajah, dilakukan pengolahan awal untuk mendeteksi dan memotong bagian wajah yang selanjutnya bagian potongan citra akan di samakan ukurannya agar wajah yang terambil mempunyai ukuran seragam. Berdasarkan hasil pengujian nilai sel, block dan bins, jumlah eigen dan jumlah iterasi terbaik untuk keseluruhan pada proses ini adalah 8,16,4,-,15 untuk classifier menggunakan metode HOG dan AdaBoost dengan tingkat akurasi yang dihasilkan untuk mengenali wajah sebesar 86% dan 8,16,16,20,10 untuk classifier menggunakan metode HOG, PCA dengan AdaBoost dengan tingkat akurasi untuk pengenalan wajah sebesar 96%.

Penerapan Metode Learning Vector Quantization untuk Mendiagnosa Penyakit Gangguan pada Lambung Edwin, Edwin; Wardani, Ken Ratri Retno
Jurnal Telematika Vol. 13 No. 2 (2018)
Publisher : Yayasan Petra Harapan Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61769/telematika.v13i2.241

Iridology can prove that iris keeps information one’s health. Along with the development of technology, image processing can diagnose diseases based on iridology to detect with classification of iris image data. Disease to be studied in this research is a gastric disorder located in zone 1 according to iridology. Image processing through several preprocessing stages such as Grayscale, Gaussian Filtering, Canny edge detection, and also eye iris detection by algorithm Hough Transformation Circle. Image processing can also extract features with the help of masking. Masking is the process by which the system only focuses on the area to be detected ie the iris of the eye of the zone 1. The result of the process masking becomes input on the method of Learning Vector Quantization (LVQ) to update the value of weights at the time of learning and will be reused at the time of testing. Based on that test done, the accuracy of gastric disease detection is 0.714286 %.Ilmu iridologi dapat membuktikan bahwa iris mata menyimpan informasi kesehatan seseorang. Seiring dengan perkembangan teknologi, pengolahan citra dapat mendiagnosis penyakit berdasarkan iridologi untuk mendeteksi dengan klasifikasi data citra iris mata. Penyakit yang akan diteliti pada penelitian kali ini adalah gangguan lambung yang terletak pada zona 1 menurut ilmu iridologi. Pengolahan citra melalui beberapa tahap preprocessing seperti Grayscale, Gaussian Filtering, deteksi tepi Canny, dan deteksi iris mata dengan algoritme Hough Transformation Circle. Pengolahan citra juga dapat mengekstrasi fitur dengan bantuan masking. Masking adalah proses dimana sistem hanya berfokus pada daerah yang akan dideteksi yaitu iris mata bangian zona 1. Hasil proses masking menjadi masukan pada metode Learning Vector Quantization (LVQ) untuk melakukan pembaharuan terhadap nilai bobot pada saat pembelajaran dan akan digunakan kembali pada saat pengujian. Berdasarkan pengujian yang dilakukan, akurasi deteksi penyakit gangguan lambung mencapai 0.714286 %.

Title

Found 11 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 11 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 11 Documents
Search