Article Per Year (5 Year)
p-Index From 2020 - 2025
3.956
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering International Journal of Reconfigurable and Embedded Systems (IJRES) Lontar Komputer: Jurnal Ilmiah Teknologi Informasi ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Proceeding of the Electrical Engineering Computer Science and Informatics Jurnal Abdimasa TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika Journal of Electronics, Electromedical Engineering, and Medical Informatics JMECS (Journal of Measurements, Electronics, Communications, and Systems) eProceedings of Engineering
Inung Wijayanto
Universitas Telkom
Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Other

Published : 93 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 93 Documents
Search

 2   3   4   5   6 
Analisis Perbandingan Sinyal Alpha Dan Beta Eeg Empat Kanal Terhadap Efek Yang Ditimbulkan Pada Seseorang Saat Diberi Stimulus Berupa Potongan Film Horror Irsyad Abdul Basit; Inung Wijayanto; Sugondo Hadiyoso
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Film horor merupakan film yang dirancang untuk menciptakan atau memberikan situasi dan keadaan yang menakutkan, mengejutkan, menyeramkan dan teror untuk para penikmatnya. Hal ini memberikan rangsangan tersendiri terhadap otak karena adanya fluktuasi ion pada neuron otak yang dapat terbaca oleh alat electroencephalograph (EEG). Berdasarkan rentang frekuensinya sinyal otak dibagi menjadi 5 jenis pola sinyal otak yaitu alpha, beta, theta, delta, dan gamma dengan frekuensi berbeda-beda dan dimana masing-masing sinyal menandakan kondisi yang berbeda-beda. Pada penelitian kali ini metode Principal Component Analysis (PCA) sebagai ekstraksi ciri dan metode klasifikasi menggunakan K-Nearest Neighbor (K-NN) dengan masukan berupa data sinyal EEG. Pemilihan metode tersebut ditujukan untuk membagi data sinyal menjadi beberapa komponen berdasarkan frekuensinya dan mengklasifikasikan gelombang otak tersebut untuk memperoleh keluaran berupa kondisi emosional seseorang. Tujuan dari penelitian ini adalah untuk mengetahui perbedaan pola sinyal alpha dan beta pada seseorang pada saat diberi stimulus berupa potongan film horor serta didukung dengan sinkronnya detak jantung, ekspresi wajah atau tingkah laku. Pada penelitian ini hasil perbandingan sinyal beta yang cenderung muncul berada dikanal AF7 dan AF8, sedangkan untuk sinyal alpha yang cenderung muncul berada pada kanal TP9 dan TP10. Akurasi terbaik dari penelitian dengan 2 skenario mencapai 77,7% untuk sinyal alpha dan 77,7% untuk sinyal beta. Kata kunci: EEG, alpha beta, Principal Component Analysis, KNN Abstract Horror Movie is a movie that is made to create or giving some reaal life situation and condition such as fear, shock, scare and terror to its audiences. This makes it’s own stimulus to the brain caused by the ion fluctuation in brain neurons that can be read by electroencephalograph (EEG) tool. Based on the range of frequency signals the brain is divided into has 5 types of signal patterns, those are alpha, beta, theta, delta and gamma with each has 5 characteristics of frequency and each represents different human condition. In this research Principal Component Analysis (PCA) method is used as feature extraction and K-Nearest Neighbor (K-NN) classification method is used with the data input from EEG signals. Those method are selected as the function of splitting the data signals to some components based on the frequency and classifying the brain waves itself to obtain the output in the form of human emotional condition. The purpose of this research is to understand the comparison of alpha and beta signal while given a stimulus of horror movie scene, supported by synchronizing heart beat, face expression and habitual act. The result of comparison in this research is that beta signal is more liable in AF7 and AF8 channels, and alpha signals are more liable in TP9 and TP10 channels. The best accuracy of this research with 2 scenario is 77,7% in alpha signal and 77,7% in beta signal. Keywords: EEG, alpha, beta, Principal Component Analysis, KNN
Perancangan Dan Implementasi Sistem Pengendalian Lampu Rumah Berbasis Android Menggunakan Raspberry-pi Adnan Azhary; Inung Wijayanto; Sugondo Hadiyoso
eProceedings of Engineering Vol 3, No 3 (2016): Desember, 2016
Publisher : eProceedings of Engineering

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

Abstract

Pada saat ini pertumbuhan teknologi sangat berkembang pesat dalam berbagai bidang, Salah satunya smart house. Banyak sekali teknologi yang dikembangkan dalam bidang ini, hal ini demi menambah kenyamanan dan keefisienan waktu dalam pengerjaan sesuatu. Salah satunya pengembangan sistem kendali lampu rumah, di antaranya menggunakan remote. Akan tetapi, teknologi tersebut sangat boros karena mengharuskan 1 lampu 1 remote. Aplikasi ini merupakan aplikasi yang digunakan untuk memudahkan pemilik rumah untuk dapat menghidupkan lampu dan mematikan lampu. Hal ini berguna untuk mengurangi biaya tagihan pembayaran listrik, dan menghemat sumber daya alam terbatas. Hasil dari penelitian ini, adalah dari 5 smartphone dengan masing masing 100 kali percobaan di dapat hasil 100% mengikuti perintah, akan tetapi masih menghasilkan delay rata rata terbesar 0.957s. Delay ini di dapat setelah penggantian IC menjadi optocoupler, yang merupakan IC terbaik yang di dapat dari pengujian. Artinya aplikasi ini memenuhi harapan penulis dan berhasi menjalankan fungsinya dengan baik. Kata kunci : Android, Raspberry-PI, Kontrol Lampu
Perancangan Dan Prototipe Sistem Petunjuk Parkir Menggunakan Arduino Dengan Algoritma Teori Permainan Sebagai Penentu Lokasi Parkir Gemilang Kurniawan Soejantono; Iwan Iwut Tritoasmoro; Inung Wijayanto
eProceedings of Engineering Vol 4, No 3 (2017): Desember, 2017
Publisher : eProceedings of Engineering

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

Abstract

Sistem Smart parking dapat mengatasi permasalahan mencari tempat parkir yang kosong, sehingga tidak perlu membuang waktu untuk berkeliling mencari tempat parkir. Permasalahan dalam mencari tempat parkir dapat disebabkan oleh pertumbuhan jumlah kendaraan yang setiap tahun meningkat. Dengan adanya fitur petunjuk tempat parkir akan membantu dalam menunjukan tempat parkir yang kosong dengan optimal. Algoritma Game Theory adalah sebuah urutan langkah pemrograman untuk menyelesaikan masalah bedasarkan perhitungan matematis, dimana smart parking dapat menentukan perbadingan tempat parkir yang kosong bedasarkan kedekatan pintu masuk dengan pemberian skor pada setiap tempat parkir. Pengujian dilakukan dengan 2 jenis yaitu pengujian deteksi parkir dengan perangkat keras dan pengujian algoritma dengan perangkat lunak. Dari hasil simulasi tersebut dapat terlihat bahwa sensor ultrasonik dan LED yang dihubungkan kepada arduino uno dapat menentukan keberadaan mobil atau tidak. . Pada pengujian algoritma Game Theory di lakukan ujicoba dengan berbagai kondisi seperti tempat parkir yang kosong secara acak. Percobaan dilakukan sebanyak 50 kali dengan berbagai kondisi. Hasil pengujian di dapatkan nilai performansi algoritma sebesar 100% berhasil menjalankan petunjuk parkir dengan akurat bedasarkan kedekatan pintu masuk gedung.Kata Kunci : Smart parking, Microcontroller, Arduino Uno, Ultrasonic sensor, Embedded System,Game Theory Algorithm
Deteksi Penyusup Berdasarkan Analisis Depth Frame Menggunakan Kamera Kinect Iqbal Surya Adi Permana; Inung Wijayanto; Eko Susatio
eProceedings of Engineering Vol 3, No 3 (2016): Desember, 2016
Publisher : eProceedings of Engineering

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

Abstract

Permasalahan sistem keamanan selalu dikembangkan sejalan dengan perkembangan teknologi informasi. Otomatisasi keamanan dengan berdasarkan Analysis Depth Frame merupakan salah satu alternatif yang dapat menggantikan kamera CCTV dikarenakan Kinect Camera memiliki fitur infrared sehingga dapat memproses gerakan yang bersumber baik dari gambar atau video walaupun dalam kondisi yang gelap sekalipun. Proses kerja sistem ini sangat dipengaruhi oleh ketepatan dan keakuratan dalam pengolahan gerakan yang kemudian akan diidentifikasi sebagai perbandingan antar frame suatu citra dengan memberi batas toleransi dan juga luas cakupan kamera yang digunakan menggunakan metode NSSD (Normalized Sum-Squared Differences) dan kemudian hasilnya dilanjutkan kepada sistem untuk dapat menjalankan suatu perintah pengamanan berupa pengaktifan alarm yang biasa kita sebut sebagai Early Warning System. Upaya implementasi sistem keamanan seperti ini diharapkan dapat mengkolaborasikan antara perangkat computer dan kamera Kinect yang kemudian diaplikasikan sebagai pengontrol keamanan benda bernilai sejarah/harga jual tinggi yang berada dalam instansi ataupun museum. Hasil yang didapat dari pengujian terhadap sistem adalah didapatkan pada penggunaan metode ini bersifat akurat dengan rata-rata nilai frame per second adalah 77,81 dan juga sistem ini tidak terpengaruh terhadap jenis resolusi dikarenakan pada setiap proses NSSD dilakukan proses normalisasi angka sesuai dengan resolusi input yang digunakan. Kondisi ideal pengujian sistem adalah berada didalam ruangan dengan obyek pengamatan yang tidak bersifat reflektif atau glossy. Kata kunci: NSSD (Normalize Sum-Square Different), Early Warning System, Kinect Camera, Depth Frame
Perancangan Dan Implementasi Audio Meter Pada Platform Android Wahyu Lukman Hasan; Inung Wijayanto; Eko Susatio
eProceedings of Engineering Vol 3, No 3 (2016): Desember, 2016
Publisher : eProceedings of Engineering

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

Abstract

Kesehatan adalah salah satu aspek penting dalam kehidupan manusia. Salah satunya adalah kesehatan pendengaran. Seringkali kita tidak sadar bahwa kegiatan yang biasa kita lakukan sehari-hari dapat merusak kesehatan pendengaran kita. Kerusakan pendengaran baik secara sementara atau secara permanen disebabkan oleh kebisingan. Sumber kebisingan dapat berasal dari kendaraan bermotor, kawasan industri atau pabrik, pesawat terbang, kereta api, tempat-tempat umum, dan tempat niaga. Untuk menjaga agar lingkungan kita dari kebisingan yang berlebih yaitu dengan melakukan pengukuran kebisingan. Pengukuran kebisingan yang akurat dapat dilakukan dengan Sound Level Meter. Namun Sound Level Meter memiliki harga yang relatif mahal dan kurang fleksibel untuk dibawa karena memiliki ukuran yang cukup besar. Dalam Tugas akhir ini akan dibuat aplikasi android Audio Meter yang dapat digunakan untuk mengukur kebisingan. Proses pengujian keberhasilan sistem Audio Meter adalah dengan cara menghitung akurasi. Akurasi sistem yang dihasilkan dengan menggunakan device pemodelan setelah melakukan kalibrasi mencapai 99,58 % sedangkan rata- rata tingkat akurasi yang dihasilkan oleh aplikasi sejenis adalah 96 % dengan kondisi pengukuran yang sama Kata kunci : Pengukuran Kebisingan, Audio Meter, Sound Level Meter, Android
Analisis Perbandingan Pola Sinyal Delta Dan Theta Eeg 5 Channel Terhadap Efek Yang Ditimbulkan Pada Seseorang Saat Diberikan Stimulus Berupa Potongan Film Horor Ana Durrotul Isma; Inung Wijayanto; Sugondo Hadiyoso
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Saat menonton film horor, tubuh memberikan respon berupa rasa takut. Rasa takut tersebut dapat mengakibatkan naik turunnya aktivitas otak yang menghasilkan sinyal otak dengan karakteristik tertentu. Aktivitas saat menghasilkan sinyal otak tersebut dapat terekam dengan menggunakan alat Electroencephalogram. Berdasarkan rentang frekuensinya, sinyal otak dibagi menjadi 5 yaitu delta, theta, alpha, beta, dan gamma. Pada jurnal ini dirancang sebuah sistem untuk membandingkan pola sinyal kondisi normal, mulai takut, dan sangat takut berdasarkan pola sinyal delta dan theta ketika seseorang diberikan stimulus berupa potongan film horor serta mengklasifikasi kondisi. Ekstraksi ciri yang digunakan yaitu Discrete Wavelet Transform (DWT) dan klasifikasi yang digunakan yaitu K-Nearest Neighbor (KNN). Hasil perbandingan pola sinyal kondisi normal dan takut menunjukkan bahwa untuk sinyal delta pada kedua kondisi tersebut memiliki frekuensi kerja yang sama pada semua kanal, sedangkan untuk sinyal theta pada kedua kondisi tersebut memiliki frekuensi kerja yang berbeda dan perbedaan terbesar berada pada kanal PZ. Hasil pengujian menunjukkan akurasi tertinggi sinyal delta berada pada kanal AF3 dan PZ dengan akurasi sebesar 61.11% dan sinyal theta berada pada kanal T7 dan PZ dengan akurasi sebesar 55.56%. Kata kunci: EEG, DWT, K-NN, film horor Abstract While watching horror movie, human body gives a response in a form of fear. Fear itself can conduce a fluctuation in brain activity and results a certain signal characteristic. The activity of brain waves can be recorded by Electroencephalogram. Based on the signal’s frequency, brain signals can be classified into 5, those are delta, theta, alpha, beta and gamma. In this journal, it is designed a system to compare and classify a different patterns of signals in condition of normal, getting scared, and really scared based on delta and theta signals of someone when given a stimulus of a horror movie scene. The feature extraction that is used in this research is Discrete Wavelet Transform (DWT) and using K-Nearest Neighbor (K-NN) as the classification method. The result from signal pattern comparison shows that on delta signal the frequencies strat working at the same frequency on every channels, on theta signal the frequencies start working at the different frequency and the highest difference is on PZ channel. The testing results show that the highest delta signal accuracy is one the AF3 and PZ channels with an accuracy of 61.11% and the theta signal is on the T7 and PZ channels with an accuracy of 55.56%. Keyword: EEG, DWT, K-NN, horror movie
Implementasi Salient Object Detection Pada Sistem Estimasi Berat Badan Manusia Berbasis Pengolahan Citra Digital Siti Nur Fatihah; Inung Wijayanto; Ratri Dwi Atmaja
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Otak dan sistem visual manusia lebih memperhatikan beberapa bagian dari suatu gambar. Perhatian visual telah dipelajari oleh para peneliti dalam fisiologi, psikologi, sistem saraf, dan visi komputer untuk waktu lama. Studi terbaru menunjukkan bahwa perhatian visual membantu pengenalan objek, pelacakan, dan deteksi juga. Dipilihnya Salient Object Detection karena memiliki dua keuntungan. Pertama, membantu objek detektor menangani objek orientasi yang berbeda. Kedua, bentuk yang diusulkan dapat bervariasi agar sesuai dengan objek. Dalam tugas akhir ini, akan diimplementasikan Salient Object Detection pada sistem estimasi berat badan manusia berbasis pengolahan citra digital. Melalui tahapan pre-processing yang dilakukan secara manual dan dilanjutkan dengan proses saliency yang keluarannya adalah citra grayscale. Dari sana, citra akan dihitung pikselnya untuk menjadi masukan dalam perhitungan estimasi berat badan. Pengujian dilakukan dengan menggunakan 48 citra yang diperoleh dari 16 orang. Setelah dilakukan pengujian, teknik saliency tanpa threshold menghasilkan akurasi rata-rata sebesar 84% dengan standar deviasi 13,05 kilogram. Hasil RMSE untuk performansi sistem dengan teknik saliency tanpa threshold adalah 13,3612. Adapun untuk hasil pengujian untuk teknik saliency menggunakan threshold mempunyai akurasi rata-rata sebesar 87% dengan standar deviasi 15,06 kilogram. Hasil RMSE untuk performansi sistem dengan teknik saliency menggunakan threshold adalah 10,9173. Teknik saliency tanpa threshold menghasilkan 56% akurasi yang lebih tinggi dibandingkan dengan teknik saliency menggunakan threshold. Kata Kunci: Berat Badan, Salient Object Detection, Pengolahan Citra Digital Abstract The human brain and visual system pay more attention to some parts of an image. Visual attention has been studied by researchers in physiology, psychology, nervous system, and computer vision for a long time. Recent studies show that visual attention aids object recognition, tracking, and detection as well. Salient Object Detection is chosen because it has two advantages. First, help the detector object handle different orientation objects. Second, the proposed form can vary to suit the object. In this final project, Salient Object Detection will be implemented in human body weight estimation systems based on digital image processing. Through the pre-processing stages which are done manually and continued with the saliency process, the output is a grayscale image. From there, the image will be calculated pixels to be input in calculating the estimated body weight. Testing was carried out using 48 images obtained from 16 people. After testing, the saliency technique without threshold resulted in an average accuracy of 84% with a standard deviation of 13.05 kilograms. RMSE results for system performance with saliency techniques without threshold are 13.3612. As for the test results for the saliency technique using threshold has an average accuracy of 87% with a standard deviation of 15.06 kilograms. RMSE results for system performance with saliency technique using threshold is 10.9173. The saliency technique without threshold produces 56% higher accuracy than the saliency technique using threshold. Keywords: Weight, Salient Object Detection, Digital Image Processing
Analysis Sinyal Alpha Dan Beta Eeg Brainwave Terhadap Perbandingan Konsentrasi Seseorang Pada Kondisi Mendengarkan Musik Dan Merokok Yoza Radyaputra; Inung Wijayanto; Sugondo Hadiyoso
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Konsentrasi merupakan kemampuan memusatkan perhatian setiap individu orang pada suatu objek kegiatan tertentu. Setiap individu manusia memiliki tahap tingkatan konsentrasi yang berbeda–beda sesuai dengan beberapa faktornya, oleh sebab itu dibutuhkan pemicu rangsangan dari luar untuk meningkatkan serta memaksimalkan tingkat konsentrasi otak di kondisi seperti mendengarkan musik klasik dan merokok. Metode yang digunakan dalam penelitian ini ialah Principal Component Analysis (PCA) sebagai metode Ekstraksi ciri dengan mengekstraksi sinyal terhadap gelombang alpha dan beta untuk mendapatlan suatu ciri yang dibutuhkan pada tahap selanjutnya dalam menjalankan proses klasifikasi menggunakan metode K-Nearest Neighbor (K-NN) Pada penelitian ini digunakan jumlah sebanyak 18 data dengan pembagian 9 sebagai data latih dan 9 sebagai data uji untuk 2 stimulus berbeda. Hasil dari tingkat akurasi menunjukan bahwa berdasarkan pengujian pada pemberian stimulus mendengarkan musik terdapat pada kanal TP9 yang merupakan kanal terbaik mencapai angka sebesar 77.78% untuk sinyal alfa dan 88.89% untuk sinyal beta, sedangkan pengujian pada pemberian stimulus merokok terdapat pada kanal AF7 yang merupakan kanal terbaik mencapai angka sebesar 88.89% untuk sinyal alfa dan 77.78% untuk sinyal beta Kata Kunci: Elektroensephalogram, Principal Component Analysis , K-Nearest Neighbor, Gelombang Alpha, Gelombang Beta. Abstract Concentration is the ability to focus on a specific object. Every people have a different concentration level based on some factors. Therefore, a stimulus is needed to maximize the concentration in a form of condition. Such as listening to classic music and smoking cigarettes. The method that is used in this research is Principal Component Analysis (PCA) as the feature extraction by extracting the signal to alpha and beta waves to obtain a feature which is needed on the next step. Which is classification step using K-Nearest Neighbor (K-NN). This research’s used amount of 18 data with 9 training data and 9 testing data for both 2 different stimulus . The accuracy result is shown based on testing with TP9 channel while listening music is 77.78% for alpha signal and 88.89% for beta signal, then based on testing with AF7 channel while inhaling cigarettes is 88.89% for alpha signal and 77.78 for beta signal. Keywords: EEG, alpha, beta, Principal Component Analysis, KNN
Klasifikasi Retinopati Diabetik Non-proliferatif Dan Proliferatif Berdasarkan Citra Fundus Menggunakan Metode Jaringan Saraf Tiruan Backpropagation Rani Harnila; Ratri Dwi Atmaja; Inung Wijayanto
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Retinopati diabetik merupakan komplikasi mikrovaskular retina mata yang ditemukan pada penderita diabetes melitus. Jika terus berlanjut, retinopati diabetik akan menjadi penyebab kebutaan. Retinopati diabetik memiliki tiga tipe sesuai dengan tingkat keparahan penderitanya, yaitu normal, non-proliferatif (NPDR), dan proliferatif (PDR). Seiring berkembangnya bidang teknologi, memungkinkan pengembangan suatu sistem berbasis pengolahan citra digital yang dapat mengklasifikasi tingkat keparahan retinopati diabetik. Tugas akhir ini, memanfaatkan pengolahan citra digital untuk klasifikasi tingkat keparahan retinopati diabetik berdasarkan citra fundus. Klasifikasi tersebut dibagi menjadi lima kelas, yaitu normal, non-proliferatif (meliputi mild, moderate, dan severe), serta proliferatif. Metode ekstraksi ciri yang digunakan adalah Gray Level Co-occurrence Matrix (GLCM) dan Jaringan Saraf Tiruan (JST) Backpropagation sebagai algoritma klasifikasi. Berdasarkan pengujian yang telah dilakukan, didapatkan akurasi terbaik sebesar 86.67% dengan jumlah data latih sebanyak 60 data. Parameter terbaik menggunakan citra seragam yang tidak dipotong, citra kanal merah, memiliki offset 0°, dengan proses klasifikasi menggunakan fungsi aktivasi tansig, jumlah neuron pada hidden layer sebanyak 200 buah, learning rate 0.01, epoch sebanyak 1000 kali, dan algoritma pelatihan menggunakan trainlm. Kata Kunci: Retinopati diabetik, NPDR, PDR, JST Backpropagation Abstract Diabetic retinopathy is a microvascular complication of the eye's retina found in people with diabetes mellitus. If it persists, diabetic retinopathy will be the cause of blindness. Diabetic retinopathy has three types according to the sufferer's severity, such as normal, non-proliferative (NPDR), and proliferative (PDR). It is inevitable that as technology develops, it may allow the development of a digital image processing system that can classify this diabetic retinopathy's severity. This final project, utilizing digital image processing to classify the diabetic retinopathy's severity based on fundus image. This classification is divided into five classes, such as normal, non-proliferative (including mild, moderate, and severe), and proliferative. The method of feature extraction used is Gray Level Co-occurrence Matrix (GLCM) and Artificial Neural Network (ANN) Backpropagation as a classification algorithm. Based on the tests that have been done, reached the best accuracy amount 86.67% with the number of train data as much as 60 data. The best parameter using the same uncut images, red canal images, 0° offset, that classify by tansig activation function, 200 neurons for hidden layer, learning rate 0.01, 1000 times epoch, and training algorithm using trainlm. Keywords: Diabetic Retinopathy, NPRD, PRD, ANN Backpropagation
Implementasi Aplikasi Pengenalan Jenis Kelamin Berdasarkan Citra Wajah Dengan Metode Support Vector Machine Secara Real Time Khairul Sani; Inung Wijayanto; Eko Susatio
eProceedings of Engineering Vol 3, No 3 (2016): Desember, 2016
Publisher : eProceedings of Engineering

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

Abstract

Pada tugas akhir ini akan dirancang aplikasi sistem identifikasi untuk pengenalan jenis kelamin berdasarkan citra wajah secara real time. Dalam aplikasi tersebut menggunakan karakteristik wajah untuk mengidentifikasi jenis kelamin seseorang. Pengenalan jenis kelamin dapat dilakukan melalui tahap deteksi wajah, ekstraksi ciri dan pengenalan jenis kelamin. Metode yang akan digunakan untuk mengenali ciri dari wajah seseorang adalah fitur geometri, Gray Level Co-occurance Matrix (GLCM) dan Segmentation based Fractal Texture Analysis (SFTA). Dan untuk proses klasifikasinya menggunakan metode Support Vector Machine (SVM) untuk membedakan antara pria atau wanita. Tujuan dari tugas akhir ini adalah membuat aplikasi pengenalan jenis kelamin berdasarkan wajah secara real time yang diharapkan mencapai akurasi sekitar 90% dan mampu mengklasifikasi jenis kelamin seseorang dari pola wajah manusia. Kata kunci : deteksi wajah, ekstraksi ciri, pengenalan jenis kelamin, Fitur Geometri, Gray Level Co-occurance Matrix, Segmentation based Fractal Texture Analysis, Support Vector Machine, biometric
Co-Authors Achmad Muzahid Achmad Rizal Achmad Rizal Adisaputra, Rangga Adnan Azhary Ahmad Hilmi Ahmad Muammar Agusti Akbar Budi Wikanta Aldo Setiawan Alif, M.Nurfadli Alrizqi, Naufal Dwi Ana Durrotul Isma Andhita Nurul Khasanah Andi Muhammad Wahyu Safaat Angga Rusdinar ANGGUNMEKA LUHUR PRASASTI Atiffan Ramadhiat Azahra, Yasmin Azis, Qitfirul Abdul Azriel Gilbert Samuel Rogito Azzahra, Salwa Bagus Tri Astadi Balova , Fathrurrizqa Bambang Hidayat Bara, Alfianto Teofilus Bayu Erviga Yulanda Setiawan Budhi Irawan Daivalana Mahadika Priatama Denny Darlis Didin Bramastya Diliana, Faizza Haya Eko Susatio Elia Kurniawati Fardiyanti, Defitriana Fathrurrizqa Balova Faturachman Faturachman Fauzia Anis Sekar Ningrum Firdaus, Alvaro Ahmad Firmanda Robi Fitriah Halimah Gadama, Melsan Gelar Budiman Gemilang Kurniawan Soejantono Goenadiningrat, Jeahan Fitria Hakim, Nurina Listya Hendriadi Mukri HUMAIRANI, ANNISA Hurianti Vidyaningtyas I Nyoman Apraz Ramatryana Ilham Fadhlurrohman Ilva Herdayanti Indah Ratu Aulia Indra Bari Yulio Indrarini Dyah Irawati Iqbal Eshar Dwi Pourindra Iqbal Surya Adi Permana Irsyad Abdul Basit Iwan Iwut Tritoasmoro Jangkung Raharjo Jannah, Sabila Hayyinun Jasmine, Diva Dhila Jauhari, Muhammad I Jehan Pratama Herdaning Karina Permatasari Khairul Sani Kurnia Ismanto, Rima Ananda Leanna Vidya Yovita Lokahita, Lulu Luthfi Muhammad Pahlevi M. Fadhil Abdullah Meidatomo , Muhammad Haykal Meidi Mahendra Rahmatullah Melati Wahyutami Milan Adila Amalia Mohamad Ilham Abdurrahman Muhammad Adnan Muhammad Ary Murti Muhammad Ridho Putra Muzahid, Achmad Nadya Silva Arline Nasution, Seri Wahyuni Nizhar Arya Hamitha Novian Permana Nur Afifah Nur Ibrahim Nur Pratama, Yohanes Juan Nurina Listya Hakim Olivia Rossiana Pahira, Ela Diranda Pandu Jati Utomo Pelita Santi Permana, Andri Satia Prakoso, Mochamad Rafi Alfian Prasetio Nugroho Putra, I Gusti Ngurah R. A. Putri, Athaliqa Ananda Putri, Indah Amalia R. Dhenake Aghni Bunga R. S. Deanto R. Yunendah Nur Fu’adah Raditiana Patmasari Rahayu Lubis Rahmaniar, Thalita Dewi Ramdani, Ahmad Zaky Rani Harnila Ratri Dwi Atmaja Rayani Budi Andhini Rayyan Budhiarta Reny Yuliani Arnis Revi Febriana Simanjuntak Rita Magdalena Rita Purnamasari Rivan Radian Suryadi Rizal Fachrudin Maulana Rizky Gilang Gumilar Rogito, Azriel Gilbert Samuel Sa'idah, Sofia Safitri, Ayu Sekar Satrio Nur Adhi Gyat Sa’idah, Sofia Sidqi, Anka Siti Nur Fatihah Sofia Sa’idah SOFIA SAIDAH Subiakto, Septiaini Dela Suci Aulia Sugondo Hadiyoso Sulistyo, Tobias Mikha Sunarso Sunarso Syahnas, Aulia Teguh Musaharpa Gunawan Triadi Triadi Unang Sunarya Utami, Ayu Tuty Varian Mohammad Sutama Wahyu Lukman Hasan Wibowo, Raiyan Adi Wirakusuma, Muhammad P. Y. P. Gautama Yasmin Azahra Yoza Radyaputra YULI SUN HARIYANI Zulfikar F.M. Ramli