Claim Missing Document
Check
Articles

Found 6 Documents
Search
Journal : Prosiding Seminar Nasional Sains dan Teknologi Terapan

MENGUKUR TINGAKAT IMAGE ENHANCEMENT METODE BILINER INTERPOLATION PADA CITRA ZOOM MENGGUNAKAN EKSTRASI TEKSTUR BERBASIS HISTOGRAM Nugroho, Hendro; Hakimah, Maftahatul; Azinar, Azmuri Wahyu
Prosiding Seminar Nasional Sains dan Teknologi Terapan Pendekatan Multidisiplin Menuju Teknologi dan Industri yang Berkelanjutan
Publisher : Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (175.892 KB)

Abstract

Penenggunaan kamera webcam yang sering digunakan oleh user dalam pengambilan foto berupa foto maupun video untuk publikasi media. Akan tetapi kamera webcam yang memiliki desain yang sangat standar sehingga hasil didapat tidaklah bagus. Untuk memperbaiki kualitas citra (Image Enhancement) diperlukan metode Interpolation Bilinear dalam hal penelitian ini yang diambil adalah citra pada kamera webcam yang dimana citra tersebut mengalami proses zooming. Citra yang mengalami proses zooming dengan skala 2 dilakukan proses image enhancement untuk menghilangkan efek bergerigi pada citra yang dizoom. Proses Image Enhancement antara lain 1)cropping, 2)zoom, 3)Bilinear Interpolation, 4) histogram ekualisasi. Untuk mengetahui tingakat keberhasilan image enhancement dilakukan proses evaluasi yang menggunakan metode ekstraksi tekstur basis histogram dengan menggunakan fitur rata-rata intensitas. Dalam hal ini hasil yang didapat dalam proses image enhancement dihasilkan sebaran intensitas citra pada saat di zoom ataupun sebelum di zoom memiliki nilai yang sama.
Deteksi Wajah dan Mata dengan Menggunakan Metode Fitur Haar-Like pada Kamera WebCam Nugroho, Hendro; Kurniawan, Muchamad; Saidatin, Naili
Prosiding Seminar Nasional Sains dan Teknologi Terapan 2019: Menuju Penerapan Teknologi Terbarukan pada Industri 4.0: Perubahan Industri dan Transformasi P
Publisher : Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (314.541 KB)

Abstract

Detekesi objek pada komputer vision merupakan hal yang penting, terutama tentang deteksi wajah. Didalam penelitian ini, dilakukan penelitian deteksi wajah dan mata yang digunakan objek orang itu melihat kamera webcam atau tidak. Untuk menunjang penelitian ini, pendekatan metode yang digunakan adalah Haar-Like Fitur. Langkah-langkah penelitian ini adalah input video dari kamera webcam, proses grayscale, penambahan area deteksi, metode Haar-Like fitur, hasil deteksi objek wajah dan mata. Hasil dari deteksi wajah dan mata didapat berupa hasil pada objek terdeteksi wajah dan mata pada saat objek melihat kamera Webcam. Hasil yang tidak berhasil deteksi wajah dan mata disebabkan oleh objek memakai kacamata dan tidak melihat kamera webcam
Implementasi Shape Feature dan K-Nearest Neighbor untuk Klasifikasi Tanda Tangan Kurniawan, Muchamad; Saidatin, Naili; Nugroho, Hendro
Prosiding Seminar Nasional Sains dan Teknologi Terapan 2020: Memberdayakan Riset dan Inovasi untuk Teknologi yang Berkelanjutan
Publisher : Institut Teknologi Adhi Tama Surabaya

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

Abstract

Salah satu bukti yang digunakan untuk verifikasi identitas seseorang adalah melalui tanda tangan yang mengandung karakter khusus dan bentuk-bentuk tambahan. Penggunaan tanda tangan sering dijumpai pada beberapa kegiatan  khususnya dalam bidang administrasi. Pada penelitian ini dilakukan pengenalan tanda tangan dengan menggunakan dua pola segmentasi yaitu square dan triangle, yang bertujuan untuk mengetahui pengaruh pengenalan pola terhadap tingkat akurasi keaslian tanda tangan dan klasifikasi tanda tangan. Dalam pembuatan sistem ini diterapkan klasifikasi  tanda  tangan  secara  off-line dengan mengambil  sebuah  image tanda tangan  sebagai  input  yang  akan  digunakan  dalam proses  selanjutnya.  Proses pengolahan citra digital  diawali  dengan proses prepocesing pada citra digital , dilanjutkan dengan proses fitur ekstraksi dan terakhir proses klasifikasi dengan metode K-Nearest Neighbor (K-NN). Berdasarkan hasil klasifikasi didapatkan dengan melakukan dua pendekatan pemotongan citra hasil yang didapatkan tidak jauh berbeda, baik persegi atau segitiga mempunyai akurasi yang cukup bagus diatas 95%. Hasil lebih bagus didapatkan dari pendekatan segitiga, pendetakan ini secara konsisten menghasilkan akurasi 98.25%.
Pengenalan Pola Dengan Penggunaan Metode Ekestraksi Fitur Zernike Moment Pada Citra Aksara Jawa Kontemporer dan Aksara Jawa Kawi Nugroho, Hendro; Hakimah, Maftahatul; Augusta, Taufan
Prosiding Seminar Nasional Sains dan Teknologi Terapan 2021: Peluang dan Tantangan Peningkatan Riset dan Teknologi di Era Pasca Covid-19
Publisher : Institut Teknologi Adhi Tama Surabaya

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

Abstract

Tulisan aksara Jawa Kawi dan aksara Jawa Kontemporer telah berkembang di Indonesia sejak abad ke-8. Perkembangan kedua tulisan tersebut dipengaruhi akan adat dan budaya. Karena perkembangan tulisan tersebut, maka penenlitan ini dilakukan pengenalan pola dari kemiripan mulai dari awal aksara Jawa yaitu aksara Kawi dengan aksara Jawa Kontemporer. Pengenalan pola yang dilakukan menggunakan metode Zernike Moment. Proses pengenalan pola citra aksara Jawa Kawi dengan aksara Jawa Kontemprore dilakukan beberapa langkah yaitu (1) input citra, (2) praprosesing, (3) Zernike Momnet, (4) mencari nilai kemiripan, dan (5) Hasil. Dari hasil penelitian tersebut ternyata terdapat kemiripan antara tulisan aksara Jawa Kontemporer “HA” dengan aksara Kawi “HO”
Pengenalan Pola Citra Ekspresi Wajah Manusia Menggunakan Masker Dengan Metode Convolutional Neural Network (CNN) Wicaksono, Redi Nurdin; Nugroho, Hendro; Yuliastuti, Gusti Eka
Prosiding Seminar Nasional Sains dan Teknologi Terapan 2023: Transformasi Riset, Inovasi dan Kreativitas Menuju Smart Technology dan Smart Energy
Publisher : Institut Teknologi Adhi Tama Surabaya

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

Abstract

Pengenalan ekspresi wajah (face emoticon recognition) dapat dilihat pada dahi, mata, pipi, bibir, dan dagu. Pada tahun 2019, terjadi pandemi COVID-19 yang dimana manusia wajib menggunakan masker, sehingga menjadi bahan penelitian yang menarik untuk pengenalan emosi wajah menggunakan masker. Pada penelitian ini dataset yang digunakan adalah citra ekspresi wajah menggunakan masker dengan ekspresi marah, jijik, takut, senang, sedih, terkejut dan netral. Jumlah data citra ekspresi wajah dibagi menjadi 30% data uji dan 70% data latih. Metode yang digunakan untuk fave emotional recognition menggunakan Convolution Neurol Network (CNN). CNN digunakan untuk mengekstraksi fitur citra wajah menggunakan masker berupa fitur mata, dahi, dan alis. Untuk mendapatkan nilai akurasi, maka penelitian ini menggunakan perbandingan citra tidak wajah tidak menggunakan masker dan menggunakan masker untuk mendapatkan nilai loss. Hasil penelitian ini menghasilkan nilai akurasi yang tinggi sebesar 72,8% dan nilai loss yang kecil sebesar 0,11%, pada wajah tidak menggunakan masker. Sedangkan ekspresi wajah menggunakan masker nilai akurasi sebesat 68,5% dan nilai loss sebesar 0,12%.
Sistem Rekomendasi Tempat Makan Berbasis Konten Berdasarkan Metode Best Match 25 Lucene (BM25L) Wardhana, Septiyawan Rosetya; Audrey, Talitha Naifa; Nugroho, Hendro
Prosiding Seminar Nasional Sains dan Teknologi Terapan 2024: Menjembatani Energi Berkelanjutan dan Ekonomi Hijau melalui Transformasi Riset dan Teknologi T
Publisher : Institut Teknologi Adhi Tama Surabaya

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

Abstract

Sistem rekomendasi adalah sistem yang dirancang untuk memberikan rekomendasi dari suatu produk dengan tujuan membantu pengguna dalam melakukan pengambilan keputusan. Tempat makan yang beragam dan kurangnya rekomendasi kuliner yang mencakup jenis makanan, variasi menu, harga, fasilitas, jam operasional, serta lokasi yang menjadi permasalahan bagi warga lokal dan wisatawan dalam menentukan tempat makan yang sesuai. Untuk mengatasi permasalahan tersebut, dalam penelitian ini diusulkan pengembangan sistem rekomendasi tempat makan berbasis konten dengan metode Best Match 25 Lucene (BM25L) di Pamekasan. Sistem ini membantu pengguna menemukan tempat makan sesuai preferensi mereka berdasarkan menu yang ditawarkan. Data diperoleh dari sumber publik seperti Google dan Instagram serta observasi langsung. Metode BM25L dipilih karena kemampuannya mengatasi pengaruh panjang dokumen pada peringkat, sehingga menghasilkan nilai yang lebih akurat. Pengujian menggunakan precision @k oleh 10 pengguna menunjukkan precision @10 sebesar 0,93 dan precision @20 sebesar 0,84. Perbedaan ini terjadi karena hasil yang lebih relevan biasanya muncul di posisi awal. Sistem rekomendasi dioptimalkan untuk menampilkan hasil paling relevan di peringkat 1-10, sehingga hasil pertama lebih akurat. Ketika jumlah hasil yang dievaluasi meningkat menjadi 20, relevansi rata-rata menurun. Ini menunjukkan bahwa sistem mampu memberikan hasil sangat akurat pada jumlah hasil yang lebih kecil namun tetap relevan pada hasil yang lebih besar. Dengan sistem ini, pengguna dapat dengan mudah menemukan tempat makan yang diinginkan