Article Per Year (5 Year)
p-Index From 2021 - 2026
6.41
P-Index
This Author published in this journals
All Journal Jurnal Edukasi dan Penelitian Informatika (JEPIN) ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Jurnal Ilmiah FIFO JMM (Jurnal Masyarakat Mandiri) JURNAL EDUCAZIONE : Jurnal Pendidikan, Pembelajaran dan Bimbingan dan konseling JMECS (Journal of Measurements, Electronics, Communications, and Systems) bit-Tech Jurnal Teknologi Dan Sistem Informasi Bisnis MUKADIMAH: Jurnal Pendidikan, Sejarah, dan Ilmu-ilmu Sosial Jurnal Manajemen Bisnis dan Kewirausahaan Jurnal Abdi Insani Almufi Jurnal Pengabdian kepada Masyarakat SinarFe7 eProceedings of Engineering Enrichment: Journal of Multidisciplinary Research and Development Jurnal Inovasi Pendidikan Jurnal Humaniora, Ekonomi Syariah dan Muamalah Jurnal Wacana Kinerja: Kajian Praktis-Akademis Kinerja dan Administrasi Pelayanan Publik JEES: Journal of Education and Educational Sciences
Rita Purnamasari
Universitas Telkom
Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Social Sciences Other

Published : 84 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 59 Documents
Search
Journal : eProceedings of Engineering

 1   2   3   4   5 
Perumusan Sidik Ibu Jari Berjenis Loop Dengan Menggunakan Metode Wdfs Siti Lainatul Afifah; MMohamad Ramdhani Ramdhani; Rita Purnamasari
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

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

Abstract

Rumus sidik jari merupakan salah satu cara untuk mengidentifikasi seseorang. Dalam dunia kepolisian rumus sidik jari digunakan juga untuk mengidentifikasi seseorang. Sampai saat ini pihak kepolisian masih menggunakan cara konvensional dalam pembuatan rumus sidik jari. Oleh karena itu perlu adanya perangkat lunak yang dapat membuat rumus sidik jari secara otomatis. Tugas akhir ini dirancang untuk membuat rumus sidik ibu jari secara otomatis dengan menggunakan metode WDFs. Dalam pembuatan rumus sidik ibu jari ada beberapa parameter yang harus diperhatikan yaitu letak titik core, delta dan ridge counting. Berdasarkan proses pengujian yang telah dilakukan, tingkat keberhasilan dalam pendeteksian core mencapai 49.33%, delta 55.33%, dan ridge counting 7.78%. Dari hasil tingkat keberhasilan dalam perumusan sidik ibu jari hanya mencapai 9.11%, dikarenakan beberapa faktor yaitu semakin besar noise yang ada pada gambar sidik ibu jari maka gambar sidik ibu jari semakin sulit untuk diproses oleh sistem, kualitas sidik ibu jari yang terlalu kering dan basah pada saat pengambilan sample dapat mempengaruhi letak titik core, delta, dan ridge counting pada sidik ibu jari tidak terlihat dengan jelas, terdapat garis-garis kecil pada sidik ibu sehingga pada saat proses filter garis tersebut terdeteksi dan mengakibat timbulnya garis baru selain garis sidik jari, sehingga hasil pendeteksian titik core, delta, ridge counting, dan rumus sidik ibu jari tidak semua nya bisa terdeteksi dengan benar. Kata kunci: Perumusan sidik ibu jari, WDFs, Loop
Deteksi Kelainan Tulang Belakang Berdasarkan Citra Medis Digital Dengan Menggunakan Gray Level Co-occurrence Matrix (glcm) Dan K-nearest Neighbor (knn) Yudhi Afriyana; Rita Purnamasari; Raditiana Patmasari
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 Kelengkungan dan postur tulang belakang sangat penting dalam mengukur tingkat masalah kesehatan pada tubuh manusia. Kondisi postur tulang belakang yang salah dapat mempengaruhi kesehatan pada tubuh seperti ketegangan pada otot dan sakit pada punggung. Skoliosis adalah salah satu kelainan pada tulang yang membuat tulang belakang dapat melengkung ke sisi kiri dan kanan. Sehingga kelainan tersebut dapat mengganggu efektifitas pada fungsi tulang belakang tersebut. Tugas akhir ini bertujuan untuk membuat sebuah sistem yang dapat mendeteksi kelainan pada tulang belakang pada hasil citra rontgen, sehingga sistem dapat secara otomatis memilah kelaianan skoliosis sesuai dengan arah kemiringannya dan dokter hanya tinggal menentukan besar derajat kemiringannya. Dibuatnya sistem ini diharapkan dapat membantu proses pemilahan data klasifikasi citra rontgen, sehingga diharapkan dapat membantu proses pengklasifikasian data dengan cepat dan akurat. Pada Tugas Akhir ini citra yang digunakan merupakan hasil CT imaging dari hasil rontgen yang terdiri dari beberapa proses penghitungan. Sistem menggunakan metode ekstraksi ciri Gray Level Co-Occurance Matrix (GLCM) untuk mendapatkan extract level dari citra alat diagnostik kesehatan dengan format .jpg. Kemudian hasil extract level tersebut diklasifikasikan dengan K-Nearest Neighbor (KNN) sehingga akan dihasilkan 3 klasifikasi yaitu tulang punggung manusia normal, kelainan dekstroskoliosis dan kelainan levoskoliosis. Untuk pengujian ini, dilakukan pengujian dengan 128 citra tulang belakang, dengan komposisi masingmasing kelas citra memilki 53 citra normal, 36 citra dekstroskoliosis, dan 39 citra levoskoliosis. Sehingga didapatkan akurasi terbaik sebesar 84,84% pada sistem yang menggunakan parameter GLCM orde dua dikeempat parameter, jarak sebesar 3 piksel dengan arah (0o , 45o , 90o , 135o ) , dan level kuantisasi 8 , sedangkan pada parameter KNN dengan nilai k = 1 di keempat parameter KNN yang digunakan . Kata kunci: Skoliosis, Gray Level Co-Occurrence Matrix (GLCM), K-Nearest Neighbor (K-NN) ABSTRACT The curvature and posture of the spine is very important in in measuring the level of health problems in the human body. The wrong posture of the spine can affect health in the body such as muscle tension and back pain. Scoliosis is one of the abnormalities in the bones that make the spine curl to the left and right sides. So the abnormality can interfere with the effectiveness of the spine function. This final project aims to create a system that can detect abnormalities in the spine on X-ray images, so that the system can automatically sort the scoliosis gap according to the direction of slope and the doctor only determines the degree of slope. The creation of this system is expected to help sort out X-ray image classification data, so that it is expected to help the data classification process quickly and accurately. In this Final Project, the image used is the result of CT imaging from X-ray results which consists of several counting processes. The system uses the extraction method feature Gray Level Co-Occurance Matrix (GLCM) to get extract level from the image of the health diagnostic tool with the .jpg format. Then the extract level results are classified with K-Nearest Neighbor (KNN) so that there will be 3 classifications namely normal human backbone, dextroscoliosis disorder and levoskoliosis disorder. This testing is conducted using 128 images of spinal, with the composition of each image class having 53 normal images, 36 decstroscoliosis images and 39 levoskoliosis images. So that obtained the best accuracy ISSN : 2355-9365 e-Proceeding of Engineering : Vol.5, No.3 Desember 2018 | Page 4675 2 of 84.84% in a system that uses second-order GLCM parameters in four parameters, a distance of 3 pixels with direction (0o , 45o , 90o , 135o ), and the quantization level of 8, while the KNN parameter with a value of k = 1 in the four KNN parameters used. Keywords: Scoliosis, Gray Level Co-Occurrence Matrix (GLCM), K-Nearest Neighbor (K-NN)
Klasifikasi Tipe Emosi Arousal Pada Sinyal Eeg Dengan Metode Support Vector Machine Nur Arviah Sofyan; Rita Purnamasari; Sugondo Hadiyoso
eProceedings of Engineering Vol 6, No 1 (2019): April 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Perkembangan teknologi Brain Computer Interface saat ini telah menyebar dalam kasus mengklasifikasikan emosi berdasarkan sinyal otak (EEG) pada manusia, yang dalam penelitian ini menggunakan data sekunder dari DEAP. Salah satu parameter emosi yang difokuskan di sini adalah tipe emosi arousal dengan jangkauan dari rendah (uninterested) ke tinggi (excited). Penelitian ini menerapkan Principal Component Analysis sebagai ekstraksi fitur. Tidak hanya itu, ekstraksi fitur juga dilakukan secara statistik. Sedangkan untuk klasifikasi fitur menggunakan Support Vector Machine dengan akurasi maksimum yang hanya mampu mencapai 60% yang menandakan sistem masih membutuhkan perbaikan untuk penelitian selanjutnya. Kata Kunci: EEG, PCA, SVM, deteksi emosi Abstract The development of Brain Computer Interface technology nowadays has spread out in a case of classifying emotions based on brain signal (EEG) in human, which in this work using a set of secondary data from DEAP. One of the emotion parameters being focused on here is arousal with the range from low (uninterested) to high (excited). This study is applying Principal Component Analysis as the feature extraction. Not only that, feature extraction also being done statistically. As for feature classification is using Support Vector Machine with the maximum accuracy that only able to reach 60% which still needs improvements in the system for future works. Keyword : EEG, PCA, SVM, emotion detection
Analisis Sinyal Radar Cuaca Menggunakan Discrete Cosine Transform Wibisono Sabdo Utomo; Rita Purnamasari; Sofia Saidah
eProceedings of Engineering Vol 6, No 1 (2019): April 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Hujan merupakan salah satu fenomena cuaca yang merupakan jatuhnya cairan yang jatuh dari atmosfer yang berwujud cair maupun beku ke permukaan bumi. Radar merupakan teknologi yang sagat bermanfaat bagi manusia, dimana radar dapat menentukan sesuatu pada jarak tertentu, dan prinsip kerja pada radar seperti prinsip kerja pada otak lumba-lumba. Radar sangat sering digunakan untuk menentukan cuaca setiap hari. Dan umat manusia sangat membutuhkan radar untuk menjalankan aktifitas, sebagai pemantauan dini bencana yang akan terjadi agar kerusakan dapat diminimalisir . Tugas akhir ini bertujuan untuk membahas tentang bagaimana pengolahan sinyal radar cuaca yang akan menggunakan metoda DCT (Discrete Cosine Transform). Hasil pengolahan akan dihitung bagaimana performansinya dengan perhitungan yang telah ditentukan, data yang terdapat pada web tersebut yang nantinya akan diambil sampel sebagai pembanding dengan hasil yang sudah menggunakan metoda DCT, yang dimana tanggal, waktu, dan tipe telah ditentukan. Perbandingan yang akan dilakukan adalah membandingkan bagaimana optimasi pengolahan sinyal menggunakan DCT dimulai dari proses sampai data diterima, dan juga ketepatan atau hasil yang diterima apakah mengalami perubahan atau tidak. Penggunaan block size sangat mempengaruhi nilai performansi. Dari data yang di uji terlihat block size 4x4 memiliki performansi terbaik dari 7 block size yang di uji dengan nilai SNR 308.934, PSNR 283.194, dan waktu yang dibutuhkan untuk melakukan kompresinya 48.4186 detik. Kata kunci: IDRA, DCT (Discrete Wavelet Transform), 4TU.Center for Reasearch Data Abstract Radar is a technology that is very beneficial for humans, where radar can determine something at a certain distance, and the working principle on radar is like the working principle of a dolphin brain. Radar is very often used to determine the weather every day. And humanity really needs radar to carry out activities, as early monitoring of disasters that will occur so that damage can be minimized. This final project aims to discuss how to process weather radar signals that will use the DCT (Discrete Cosine Transform) method. The processing results will be calculated how the performance with the predetermined calculations, the data contained on the web which will be sampled as a comparison with the results that have used the DCT method, where the date, time and type have been determined. The comparison that will be made is to compare how the optimization of signal processing using DCT starts from the process until the data is received, and also the accuracy or the results received whether it changes or not. The use of block size greatly affects the value of performance. From the data tested, the block size 4x4 has the best performance out of the 7 block sizes tested with the values of SNR 308,934, PSNR 283,194, and the time needed to compress 48.4186 seconds. Keywords: IDRA, DCT (Discrete Wavelet Transform), 4TU.Center for Reasearch Data
Analisis Sinyal Radar Cuaca Menggunakan Discrete Wavelet Transform Aliefiya Rachman; Rita Purnamasari; Sofia Saidah
eProceedings of Engineering Vol 6, No 1 (2019): April 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak IDRA (IRCTR Drizzle Radar) adalah radar resolusi tinggi yang dibangun oleh IRCTR (International Research Centre for Telecommunications-Transmission and Radar) di Belanda. IDRA ditujukan untuk pengamatan terperinci distribusi spasial dan temporal dari hujan atau gerimis. Pada penelitian ini, pengolahan sinyal pada radar IDRA ditambahkan metode DWT (Discrete Wavelet Transform) dan IDWT (Invers Discrete Wavelet Transform) sebagai fungsi kompresi dan dekompresi. Metode wavelet dapat digunakan untuk menunjukkan kelakukan sementara (temporal), untuk meningkatkan kualitas data, dapat juga digunakan untuk mendeteksi kejadian-kejadian tertentu.  Tujuan akhir dari penelitian ini adalah untuk mencari performansi dari refklektifitas radar setelah ditambahkan metode wavelet pada pengolahan sinyalnya. Performansi dari reflektifitas radar didapat dari nilai MSE, PSNR, dan SNR yang dilakukan pada proses pengujian .  Kata kunci: IDRA, DWT (Discrete Wavelet Transform), 4TU.Center for Reasearch Data Abstract IDRA (IRCTR Drizzle Radar) is a high resolution radar built by IRCTR (International Research Center for Telecommunications-Transmission and Radar) in the Netherlands. IDRA is intended for detailed observation of the spatial and temporal distribution of rain or drizzle.  The Research of signal processing on IDRA radar is added by DWT (Discrete Wavelet Transform) and IDWT (Inverse Discrete Wavelet Transform) methods as a compression function. The research is validated with actual data that already exists on the web (4TU.Center for Research Data). From the web, several data samples have been taken, processed by adding DWT and IDWT methods to the data. After processing, the performance value between sample data and decompression data is calculated. Keywords: IDRA, DWT (Discrete Wavelet Transform), 4TU.Center for Reasearch Data
Klasifikasi Efek Familiarity Pada Sinyal Eeg Manusia Menggunakan Metode Hjorth Descriptor : Classification Of Familiarity Effects In Human Eeg Signal Using Hjorth Descriptor Method Hannissa Sanggarini; Rita Purnamasari; Sugondo Hadiyoso
eProceedings of Engineering Vol 6, No 1 (2019): April 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Dalam Human-Computer Interaction, audiovisual sangat berpengaruh bagi kondisi fisiologis yang mempengaruhi perasaan manusia. Hal ini dapat dilihat dari kemampuan manusia yang mampu merasakan perasaan yang berbeda-beda saat melihat tayangan video musik. Perasaan ini muncul akibat stimulus yang dihasilkan dari tayangan video musik tersebut sehingga terjadi fluktuasi aktifitas otak dan menghasilkan karakteristik sinyal otak tertentu. Dengan menggunakan Electroencephalogram (EEG), dilakukan klasifikasi karakteristik sinyal otak pada kategori familiarity. Familiarity adalah keadaan saat manusia mengenali sesuatu. Penelitian ini menggunakan data sekunder yang diambil dari DEAP: A Database for Emotion Analysis using Physiological Signals. Data yang diambil dari DEAP berjumlah 32 data yang telah melalui beberapa tahap pre-processing, maka data dapat langsung diproses dengan menggunakan metode Hjorth Descriptor untuk ekstraksi ciri dan metode Multilayer Perceptron (MLP) untuk klasifikasi. Pengujian dilakukan dengan skenario dimana data dari 29 data yang digunakan, 15 data digunakan sebagai data latih dan 14 data digunakan sebagai data uji. Dari hasil pengujian yang dilakukan, didapatkan akurasi terbaik pada kondisi balance class sebesar 78.57% pada percobaan 1, 2 dan 27 dengan kombinasi ciri Hjorth Descriptor activity, mobility dan complexity. Digunakan juga dua hidden layer dengan 12 neurons pada tiap hidden layer serta epoch berjumlah 1.000 epochs pada MLP. Kata Kunci: EEG, familiar, Hjorth Descriptor, Multilayer Perceptron. Abstract In Human-Computer Interaction, audiovisual is very influential for physiological condition that affects human’s feelings. This can be seen from human ability to feel different feelings while watching music video. This feeling occured because of the stimulus elicited from the music video, so that brain activity fluctuation happened and obtained certain brain signals characteristics. By using Electroencephalogram (EEG), we did a classification of brain signal characteristics in familiarity category. Familiarity is a state when human recognize something. This research is using secondary data taken from DEAP: A Database for Emotion Analysis using Physiological Signals. Data taken from deap is the amount of 32 and has been through several pre-processing methods, so data can go straight to be processed using Hjorth Descriptor as the feature extraction method and Multilayer Perceptron (MLP) as the classifier method. The test is done with scenario where from 29 data used, 15 data is used as training data and 14 data is used as testing data. From the test result, the best accuracy is gained in balance class is 78.57% in trial 1, 2 and 27 with Hjorth Descriptor feature combinations of activity, mobility and complexity. Two hidden layers with 12 neurons in each hidden layer and epoch with the amount of 1000 is also used in MLP. Keywords: EEG, familiar, Hjorth Descriptor, Multilayer Perceptron
Identifikasi Individu Berdasarkan Pola Sidik Bibir Dengan Metode Multi-level Gradient Vector Dan Klasifikasi K-nearest Neighbor (k-nn) Untuk Aplikasi Bidang Forensik Biometrik Savitri Amalia; Rita Purnamasari; Murnisari Dardjan
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Kasus pembunuhan maupun perampokan masih sering terjadi di Indonesia, dan dalam kasus kasus tersebut dapat memakan korban jiwa sehingga diperlukan adanya penyelidikan untuk mengidentifikasi pelaku maupun korban, tetapi dengan kondisi tertentu mendapatkan identitas seseorang tidak dapat dilakukan. Kondisi-kondisi tersebut contohnya tidak dapat menemukan sidik jari maupun DNA dari pelaku. Pada kasus kasus seperti ini sidik bibir dapat dijadikan alat untuk mengidentifikasi pelaku maupun korban. Tugas Akhir ini memiliki tujuan yaitu mengetahui parameter serta metode yang yang lebih baik dari metode pada penelitian sebelumnya. Sistem yang akan dirancang menggunakan Multi-level Gradient Vector sebagai metode ekstraksi ciri dan K-Nearest Neighbor (K-NN) sebagai klasifier. Citra sidik bibir yang digunakan merupakan hasil akuisisi dengan menggunakan kamera mirrorless sony a5100, dengan tata cara pengambilan foto formal. Jumlah data yang digunakan ialah 400 foto dari 40 individu dimana masing-masing individu menghasilkan 10 foto, dengan pembagian 320 foto sebagai data latih dan 80 foto sebagai data uji. Hasil dari penelitian ini adalah sistem deteksi individu yang mampu menampilkan nama dari individu tersebut. Performansi yang dihasilkan dari sistem ialah akurasi tertinggi 91.25%, waktu komputasi 3.25 detik dengan parameter cell 4 x 4, block 2 x 2, bin 9 dan menggunakan pengukuran jarak Euclidean dengan nilai k=1. Kata kunci : Odontologi Forensik, Sidik bibir, Multi-level Gradient Vector, K-Nearest Neighbor, Identifikasi Abstract The case of murder or robbery is still common in Indonesia, and in some case we need for investigation to identify the perpetrators or victims, but under certain conditions cannot get Identity. Like these conditions may not find the fingerprint or the DNA of the perpetrator. In this case the lip print can be used as a tool to identify the perpetrator or victim. This final task has a goal of knowing the parameters and methods that are better than the previous research method. The system will be designed using Multi-level Gradient Vector as the featureextraction method and K-Nearest Neighbor (K-NN) as a clasifier. The lip print image used was the result of the acquisition using a Sony a5100 mirrorless camera, with a formal photo-taking procedure. The amount of data used is 400 photos from 40 individuals where each individual produces 10 photos, with a division of 320 photos as a training data and 80 photos as test data. The result of this research is Individual detection system which is able to display the name of the individual. The resulting from the system is the highest accuracy of 91.25%, computational time of 3.25 seconds with the cell parameters 4 x 4, block 2 x 2, bin 9 and using Euclidean distance measurement with a value of k = 1. Keywords: forensic odontology, lip print, Multi-level Gradient Vector, K-Nearest Neighbor, identification.
Deteksi Pola Gigitan Untuk Mengidentifikasi Jenis Kelamin Menggunakan Metode Active Contour Dan Klasifikasi Decision Tree Untuk Aplikasi Bidang Forensik Biometrik. Annaria Anggi Putri Siagian; Rita Purnamasari; Fahmi Oscandar
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Tindak kriminal kerap kali terjadi dan dapat menimbulkan jatuhnya korban jiwa. Banyak sekali pelaku dari tindak kriminal yang sulit untuk diidentifikasi atau dalam keadaan anonymous sehingga memerlukan proses identifikasi. Identifikasi akan menjadi sulit apabila pelaku tidak meninggalkan sebuah sidik khas yang, sidik tersebut dapat berupa sidik jari, sehelai rambut, ataupun bite marks. Maka dari itu, identifikasi biometrik menjadi peran penting dalam proses pencarian identitas pelaku. Bite mark merupakan suatu gambaran dari anatomi gigi yang sangat khas, yang bila ditemukan di tubuh jenazah, kita dapat mengidentifikasi identitas pemilik dari bite mark tersebut. Hambatan untuk proses identifikasi bite mark yaitu prosesnya yang membutuhkan waktu yang lama jika dilakukan dengan menggunakan kasat mata. Pengolahan citra pola bite mark sangat dibutuhkan untuk mendapatkan ketepatan identifikasi jenis kelamin pelaku atau korban kriminalitas dengan waktu yang lebih efisien. Pada Tugas Akhir ini, digunakan metode ekstraksi ciri Geometric Active Contour (GAC) dan metode klasifikasi Decision Tree. Jumlah sample yang digunakan pada penelitian kali ini adalah 240 citra, yang kemudian dibagi menjadi 140 sample ciri latih dan 100 sample ciri uji. Hasil yang didapat dari penelitian ini adalah parameter Intercanine, Intermolar, Canine Depth, dan Molar Depth baru serta nilai akurasi sebesar 97% dan waktu komputasi 95 detik/citra. Kata kunci : Bite Mark, Geometric Active Contour, Decision Tree. Abstract Acts of crime keep on happening which could cause casualties. Lots of these criminal perpetrators are hard to identify, therefore it needs an identification process to find the real culprit. The identification process would be difficult if the perpetrators didn’t leave anything at the crime scene, it could be either their fingerprints, a stray of their hair, or even their bite marks on the victim’s body or on the things at the crime scenes. Therefore, biometrical identification is an important role in finding the perpetrators’ identities. Bite marks is actually a representation of teeth’s anatomy that has very special characteristic, that if found on or from a dead body can be used to help us identify the victim or the suspect of the crime. The problem in bite marks identification nowadays, is that it takes extra time to process with the traditional way. Image segmenting of the bite marks is very ISSN : 2355-9365 e-Proceeding of Engineering : Vol.6, No.2 Agustus 2019 | Page 3863 much needed to get a more accurate result of the victim’s gender, which will of course shorten the time of the process. In this final project, the method used for characteristic extraction is Geometric Active Contour (GAC) and Decision Tree as its Classification Method. The number of Samples used are 240 images, which are separated into 140 images for training database and 100 images for testing database. The result of this project are new bite marks Intercanine, Intermolar, Canine Depth, and Molar Depth new parameters. Also resulted in 97% system accuracy and 95 seconds/image in computing time. Keywords: Bite Marks, Geometric Active Contour, Decision Tree.
Klasifikasi Emosi Berdasarkan Sinyal Eeg Dengan Menggunakan Metode Algoritma Genetika Dan Independent Component Analysis Bimo Rian Tri Nugroho; Rita Purnamasari; Sugondo Hadiyoso
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Dalam mengambil keputusan, emosi mempengaruhi hasil keputusan tersebut. Contoh saat senang, penilaian suatu hal akan cenderung baik karena menyukai hal tersebut, sebaliknya jika sedih, penilaian suatu hal akan cenderung kurang baik. Pada penelitian sebelumnya emosi dinilai dari sumber fisiologis yaitu sinyal Electroencephalographic (EEG) dari otak. EEG memperoleh sinyal yang berasal dari neuron-neuron yang bekerja pada otak. Rekaman EEG timbul saat terjadi aktivitas listrik pada otak. Data diperoleh melalui media video yang diberikan kepada peserta untuk mengetahui emosi yang terjadi pada peserta. Dalam penelitian ini sinyal EEG diambil dari penelitian DEAP : A database for Emotion Analysis using physiological Signals dan diproses oleh Independent Component Analysis (ICA). Data yang digunakan sudah melalui tahap pre-processing yang berasal dari database. Data dari database mempunyai beberapa tingkatan yaitu arousal, valence, liking, dominance, dan familiarity. Tingkat yang diambil hanya dari valence. Dengan menggunakan ICA untuk mendapatkan matriks setiap percobaan, kemudian dari matriks tersebut diambil ekstraksi fitur yang kemudian digunakan sebagai data latih dan data uji. Hasil fitur yang didapat diklasifikasikan oleh Support Vector Machine (SVM) dan Genetic Algorithm (GA) agar memperoleh akurasi serta kondisi emosi yang dialami saat senang atau sedih. Dalam penelitian yang dilakukan, hasil klasifikasi hanya menggunakan SVM memperoleh akurasi sebesar 56.25% dan klasifikasi menggunakan SVM yang dioptimalisasi oleh GA memperoleh akurasi sebesar 77.2727%. Hal ini menunjukan bahwa klasifikasi SVM yang dioptimalisasi oleh GA memberikan hasil akurasi yang lebih baik dibandingkan klasifikasi jika hanya menggunakan SVM. Hasil akurasi yang dapatkan menunjukan hasil klasifikasi emosi antara senang dan sedih. Kata Kunci : EEG, DEAP, ICA, GA, SVM Abstract In making decisions, emotions influence the outcome of the decision. For example, when feels happy, evaluating something can be tend to be good, on the contrary when feels sad, the assessment of something can be tend to be bad. In previous studies, emotions were assessed from physiological sources is Electroencephalographic (EEG) signals from the brain. EEGs get signals that come from neurons that work in the brain. EEG footage appears when electrical activity occurs in the brain. Data is obtained through video media given to participants to find out the emotions that occur in participants. In this study EEG signals were taken from the DEAP study: Database for Emotion Analysis using physiological signals and processed by Independent Component Analysis (ICA). The data used has been preprocessing originating from the database. Data from the database has several levels of arousal, valence, likes, domination, and familiarity. The level taken is only from valence. By using ICA to get the matrix of each experiment, then the feature extraction is taken from the matrix which is then used as training data and test data. The results of the features obtained are classified by Support Vector Machine (SVM) and Genetic Algorithm (GA) in order to obtain the accuracy and emotional conditions experienced when happy or sad. In the research conducted, the classification results using only SVM obtained an accuracy of 56.25% and the classification using SVM optimized by GA obtained an accuracy of 77.2727%. This shows that SVM classification optimized by GA provides better accuracy results than classification only using SVM. The accuracy results obtained show the classification of emotions between happy and sad. Keyword : EEG, DEAP, ICA, GA, SVM
Identifikasi Jenis Kelamin Berdasarkan Teraan Gigitan Berbasis Pemugaran Citra Dengan Metode Gray Level Co-occurence Matrix (glcm) Dan Klasifikasi Support Vector Machine (svm) Yonita Ersalina Leksono; Rita Purnamasari; Yuti Malinda
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Odontologi forensik merupakan cabang dari ilmu kedokteran gigi dalam kepentingan peradilan sebagai bukti penyidikan untuk memecahkan masalah hukum dan kejahatan. Salah satu contoh identifikasi yang dilakukan oleh kedokteran gigi forensik yaitu melalui identifikasi bite mark. Tanda bite mark yang ditemukan dalam tubuh biasanya ada pada kasus pencurian, pemerkosaan, pembunuhan dan kejahatan yang lainnya. Bentuk bite mark yang dimiliki oleh setiap individu berbeda-beda oleh sebab itu melalui identifikasi bite mark bisa mendapatkan informasi jenis kelamin pelaku atau korban kejahatan. Pada Tugas Akhir ini akan dibuat perancangan dan penelitian sebuah simulasi yang akan mengeidentifikasi jenis kelamin dengan menggunakan citra digital berdasarkan citra bite mark. Dengan menggunakan metode ekstrasi ciri Gray Level Co-Occurence Matrix ( GLCM ), Image Registration untuk memperbaiki kualitas citra, dan klasifikasi menggunakan Support Vector Machine ( SVM ). Dan di tugas akhir ini diharapkan dapat membuat sebuah sistem citra digital untuk identifikasi jenis kelamin berdasarkan pola bite mark. Parameter yang diuji dan dianalisis adalah parameter orde dua, jarak dan arah kuantisasi GLCM, pengujian kernel SVM dan pengujian jarak antar kaninus. Berdasarkan pengujian ini nilai akurasi dan waktu komputasi sebesar 77% dan 0,01870 sekon. Kata kunci : Odontologi Forensik, Bite mark, Gray Level Co-Occurence Matrix (GLCM), Image Registration, Support Vector Machine (SVM) Abstract Forensic odontology is a branch of dentistry in the interests of the judiciary as evidence of investigation to solve legal and crime problems. One example of identification carried out by forensic dentistry is through identification of bite mark. Bite mark marks found in the body usually occur in cases of theft, rape, murder and other crimes. The shape of a bite mark that is owned by each individual is different, therefore identification of a bite mark can obtain information on the sex of the perpetrator or victim of the crime. In this Final Project design and research will be made a simulation that will identify gender by using a digital image based on the image of a bite mark. By using the method of extracting the Gray Level Co-Occurence Matrix (GLCM) feature, Image Registration to improve image quality, and classification using Support Vector Machine (SVM). And in this final project, it is expected to create a digital image system for gender identification based on a bite mark pattern. The parameters tested and analyzed were second order parameters, distance and quantification of GLCM, SVM kernel testing and inter canine distance testing. Based on the result of testing the best accuracy obtained is 77% and computation time of 0,01870 seconds. Keywords: Odontologi Forensik, Bite mark, Gray Level Co-Occurence Matrix (GLCM), Image Registration, Support Vector Machine (SVM)
Co-Authors Abdurrahman Rahim Thaha Aditia Tarigan Aditia, Tarigan Agung Adinegoro Aji Fajar Suryo Antoro Alfin, Khoerunnisa Alfin, Muhammad Aliefiya Rachman Anam, Nasehun Anatasya Bella Anatasya Bella Andriyan Bayu Suksmono, Andriyan Bayu Angga Rus Dinar Annaria Anggi Putri Siagian Antanita, Yulintyandra Puja Anton Wachidin Widjaja Ardana, Arfio Ariando Ariando Ashiddiqi , Muhamad Hazbi Awlia, Winda Bainuri, Aulia Novria Basudewa, Muhammad Imansyah Bawazir , Ranya Fauzi Bimo Rian Tri Nugroho Citra Fairuz Ghina Dadan Nur Ramadan Darmawan, Galang Aditya Dewi Zakiawati Dimarta, Rafli Caesario Dimata, Rafli Caesario Edwin Rizki Handiarno Efri Suhartono Estananto Fahmi Oscandar Faisal Nur Achsani FARDAN FARDAN, FARDAN Fatur Rizki, Dwiki Feliana Putri Anindyta Efendi Felix Pidha Hilman Fenty Alia Firos Fathul Alam Fitriah Halimah Fityanul Akhyar Gading Aurelia Nabila Lubis Gaol, Satya Wira Fernanda Lumban Gelar Budiman Hannissa Sanggarini Hashfi Fadhillah Hasril Hasril Hendratno, Farhan Ramadhan Putra INDRA PRATAMA PUTRA SALMON Indrarini Dyah Irawati Inung Wijayanto Irawan, Meisi Iwan Iwut Tritoasmoro Janah Eka Widiarni Jony Oktavian Haryanto Kamil, Muhammad Zulvikar Fadlillah KHAERUDIN SALEH Khaerudin Saleh Khairul Anas Kris Sujatmoko Ledya Novamizanti Lubis, Gading Aurelia Nabila M.Fauzi Ishak M.Fauzi Ishak Mahanani, Edo Lutfi Majid, Muhammad Adam Mangesti, Dewi Sri Mas Sarwoko Suraatmadja Mohamad Ramdhani Mua, Edward Christhoper Muhamad Reinaldi Kurniawan Muhammad Fikri Aufa Muhammad Hablul Barri Muhammad Obi Nugraha Munthe , Jhon Alvrian Murnisari Dardjan Murnisari Dardjan Murnisari Dardjan Mustikasari, Ira Nani Murniati Nugraha Nugraha Nugraha Nugraha Nugroho , Haris Tri Nur Arviah Sofyan Nur Ibrahim Nurwan Reza Fachrurrozi Parameswara, Prastama Agung Yusuf Pramuji, Mochammad Chandra Prasojo, M Heru Pratama , M Hidayatullah Pratiwi, Yullia Sartika Putri Purwanto Purwanto Putu Harry Gunawan R. Yunendah Nur Fu’adah Raditiana Patmasari Rahman, Muhammad Harits Rahman, Nurfadilah Ramadhana, Rexy Yusuf Ratnasari, Pungky Eka Ratri Dwi Atmaja Resandy, Refsi Reza Yudistira Rizki Amalia Ulfa Rizki, Chaerul Rustam Rustam Rustam Sandi, Irfan Maulana Kurnia Saputra, Efa Maydhona SAPUTRA, EFA MAYDHONA Sasmi Hidayatul Yulianing Tyas Satria Mandala Savitri Amalia Simamora , Haichel Anggy Paro Simanullang, Charlos Alvaredo Siti Lainatul Afifah Siti Zahrotul Fajriyah Soetedjo, Erlangga Rahmat SOFIA SAIDAH Suci Aulia Sugondo Hadiyoso Suryo Adhi Wibowo Syauqi, Nabil Ali Syifa Nurgaida Yutia Tarigan Aditia Tarigan, Jepanta Taufik Yumna Tilawatila, Wawa Tora Fahrudin Trisucipto, Muhammad Wahid, Gloria Shekinah Florensia Wahidin Wahidin Wibawa, Made Hady Sadya Wibisono Sabdo Utomo Yonita Ersalina Leksono Yoren, Muhammad Ikhlashul Yudhi Afriyana Yudiansyah Yudiansyah Yugo Pratama Yulinda Eliskar Yunita Sri Wulandari, Kristina Yurika Ambar Lita Yurika Ambar Lita Yuti Malinda Yuti Malinda Zakaria, Rizqi Imam Arfa Zariaqwila , DTM Faiq