Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : MDP Student Conference

Klasifikasi Kinship Keluarga Hollywood Dengan Metode Visual Geometry Group-Support Vector Machine Jericho Jericho; Yohannes Yohannes
MDP Student Conference Vol 2 No 1 (2023): The 2nd MDP Student Conference 2023
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1800.169 KB) | DOI: 10.35957/mdp-sc.v2i1.4310

Abstract

Kinship merupakan hubungan yang penting untuk keluarga dan didapatkan melalui keturunan dari orang tua kepada anaknya. Keturunan ini disebut dengan genetik, yaitu suatu gen yang dapat diberikan kepada anaknya, gen tersebut dapat berpengaruh kepada anaknya karena dapat memberikan fitur yang mirip dengan orang tuanya seperti, warna rambut, warna mata, dan seterusnya. Ada banyak penelitian yang dapat menentukan hubungan tersebut seperti tes DNA, tetapi proses DNA ini sangat lama dan mahal, sehingga penelitian ini dilakukan. Penelitian ini menggunakan metode VGG-SVM dengan menggunakan bahasa pemrogramaan Python. Dataset yang digunakan adalah Family101 yang terdiri dari 13703 gambar, dan akan dibagi menjadi data training dan testing dengan rasio 80:20. Pengujian untuk penelitian ini adalah dengan menggunakan PCA dan tanpa PCA dan menghasilkan nilai accuracy, precision, dan recall. Hasil akurasi terbesar adalah 89,3% dengan tanpa PCA yang berbeda 0,7% dengan PCA, hasil presisi terbesar adalah 85%, dan hasil recall terbesar adalah 80,4%.
Implementasi Arsitektur VGG-Unet Dalam Melakukan Segmentasi Keretakan pada Citra Bangunan Jimmy Aprilyanto; Yohannes Yohannes
MDP Student Conference Vol 2 No 1 (2023): The 2nd MDP Student Conference 2023
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1404.071 KB) | DOI: 10.35957/mdp-sc.v2i1.4311

Abstract

Retak adalah manifestasi permukaan yang disebabkan oleh gaya atau kombinasi gaya yang bekerja melebihi kapasitas yang dapat ditampung oleh suatu bangunan atau komponen materialnya. Proses pendeteksian retakan pada bangunan biasanya dilakukan secara manual, namun pendeteksian secara manual memiliki banyak kekurangan seperti keamanan, waktu dan sebagainya. Dalam studi ini, penulis menggunakan Convolutional Neural Network (CNN) arsitektur VGG-UNet dan Optimizer Adam, RMSprop, dan SGD untuk mendeteksi retakan pada citra bangunan. Kumpulan data yang digunakan dalam penelitian pendeteksian retakan ini adalah kumpulan data segmentasi retakan yang terdiri dari 11.298 citra masing-masing citra asli dan citra ground truth. Dataset dibagi menjadi 9.603 data latih dan 1.695 data uji. Optimizer Adam memiliki skor tertinggi untuk arsitektur VGG-UNet dengan skor Mean Intersection over Union (MIoU) sebesar 70,35%. Di sisi lain, optimizer SGD mencapai skor terendah dengan nilai MIoU 61,24%.
Verifikasi Kinship Dengan Arsitektur ResNet50 Beni Anthony; Yohannes Yohannes
MDP Student Conference Vol 2 No 1 (2023): The 2nd MDP Student Conference 2023
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1041.988 KB) | DOI: 10.35957/mdp-sc.v2i1.4320

Abstract

Kinship adalah sistem kekerabatan antara dua orang atau lebih yang menunjukkan hubungan antara kedua orang tersebut dalam silsilah keluarga. Kinship secara biologi yang berkaitan dengan hubungan darah sehingga, fitur wajah yang dimiliki oleh seorang anak akan mengikuti fitur wajah dari orangtuanya. Biasanya kinship dapat dideteksi dengan menggunakan tes DNA dengan akurasi yang sangat tinggi. Namun tes DNA ini memerlukan harga yang mahal dan juga memerlukan waktu yang lama untuk mendapatkan hasil dari tes tersebut. Penelitian ini menggunakan dataset Recognize Faces in Wild berjumlah 20080 data yang dibagi menjadi data train sebesar 80% dan data validation sebesar 20% dengan dimensi 224x224 pixel. Objek atau dataset untuk testing berjumlah 6282 data. Pengujian dilakukan dengan menggunakan ResNet50 dengan optimizer beragam sebagai skenario pengujian. Hasil akurasi pengujian terbesar didapat pada skenario pertama yaitu 93% dengan optimizer Adam, diikuti RMSprop dengan akurasi 88% dan SGD yang memiliki akurasi terkecil sebesar 65%.
Penerapan Algoritma $Q Super Quick Recognizer Untuk Pengenalan Angka Muhammad Yudha Setiawan; Yohannes Yohannes; Yoannita Yoannita
MDP Student Conference Vol 2 No 1 (2023): The 2nd MDP Student Conference 2023
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (338.398 KB) | DOI: 10.35957/mdp-sc.v2i1.4370

Abstract

Materi pembelajaran pada umumnya dituliskan pada papan tulis di depan kelas sebagai media pembelajaran, namun dengan menggunakan pen tablet sebagai alat bantu dalam pembelajaran layaknya menggunakan pena dan kertas dapat dilakukan lebih mudah dan menarik. Bagaimana tulisan angka anak-anak itu bisa dikenali yaitu menggunakan algoritma pengenalan gestur untuk mendeteksi apakah benar angka yang ditulis oleh anak-anak itu benar. Algoritma $Q Super Quick Recognizer dapat mengenal gerakan 2D yang dirancang untuk pembuatan prototipe cepat antarmuka pengguna berbasis Gerakan. Pada penelitian ini menggunakan algoritma $Q Super Quick Recognizer pada game pengenalan angka. Dengan tingkat rata-rata akurasi sebesar 99.50% , precision sebesar 97.56% dan Recall 95.50%.