Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Simetris

Peningkatan Deteksi Posisi Wajah Manusia dengan Metode Normal PDF berbasis Algoritma Viola-Jones Pramunendar, Ricardus Anggi; Megantara, Rama Aria; Alzami, Farrikh; Prabowo, Dwi Puji; Pergiwati, Dewi; Sinaga, Daurat
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 15, No 1 (2024): JURNAL SIMETRIS VOLUME 15 NO 1 TAHUN 2024
Publisher : Fakultas Teknik Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24176/simet.v15i1.10617

Abstract

Deteksi kulit manusia dalam pengolahan citra memiliki peran penting dalam aplikasi seperti analisis gerakan, pencarian citra berbasis konten, interaksi manusia komputer, dan analisis pelacakan gerakan manusia. Meskipun banyak penelitian telah dilakukan, masih ada kendala dalam menghadapi variasi warna kulit manusia yang kompleks. Dalam penelitian ini, diusulkan peningkatan kinerja deteksi kulit manusia dengan memanfaatkan algoritma deteksi wajah Viola-Jones untuk menentukan posisi wajah dalam citra. Selain itu, diterapkan juga teknik pemisahan region kasar dan halus pada wajah guna meningkatkan hasil deteksi kulit manusia. Penggunaan Normal PDF digunakan untuk mencari probabilitas piksel kulit dalam citra. Metode yang diusulkan berhasil mencapai tingkat akurasi tinggi, di mana sebagian besar citra uji memiliki akurasi di atas 90%. Meskipun terdapat beberapa citra yang memiliki akurasi lebih rendah dibandingkan metode sebelumnya, secara keseluruhan metode yang diusulkan mampu meningkatkan kinerja deteksi kulit manusia. Oleh karena itu, penelitian ini memberikan kontribusi berharga dalam pengembangan metode deteksi kulit manusia yang lebih baik.
Pemanfaatan Metode CNN Menggunakan Arsitektur Alexnet untuk Peningkatan Kinerja Klasifikasi Penyakit Daun Tomat Prabowo, Dwi Puji; Bastian, Henry; Muqoddas, Ali; Pramunendar, Ricardus Anggi; Agustina, Feri
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 15, No 2 (2024): JURNAL SIMETRIS VOLUME 15 NO 2 TAHUN 2024
Publisher : Fakultas Teknik Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24176/simet.v15i2.12529

Abstract

Tomat adalah salah satu komoditas hortikultura dengan nilai ekonomi yang tinggi, tantang yang dihadapi oleh petani salah satunya dalah kerentanan penyakit tomat terhadap penyakit. Identifikasi secara visual pada daun sulit diuraikan dengan sekali pandang, sehingga menyebabkan asumsi yang tidak akurat tentang penyakit tersebut. Akibatnya, mekanisme pencegahan yang dilakukan petani menjadi tidak efektif dan berdampak merugikan. Penelitian ini mengusulkan identifikasi penyakit tomat secara automatis menggunakan metode Convolution Neural Network. Dalam makalah ini kami melakukan evaluasi pada metode CNN dengan arsitektur Alexnet dengan konfigurasi layer untuk mencari hasil kinerja terbaik dari penggunaan parameter tersebut pada architektur Alexnet. Pada penelitian ini juga melakukan analisis yang diperoleh dari hubungan antara parameter yang digunakan terhadap kinerja akurasi, dan analisis terhadap dampak penggunaan parameter dengan jumlah dataset daun tomat dari dataset PlantVillage.