Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal eProceedings of Engineering
Tjokorda Agung Budi Wiharja
Telkom University
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Analisis dan Implementasi Scale Invariant Feature Transform (SIFT) pada Sistem Autentikasi Menggunakan Pembuluh Vena Ghofinka Putri; Tjokorda Agung Budi Wiharja; Siti Sa'adah
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Pertumbuhan data yang semakin meningkat setiap harinya memicu pencurian data pribadi oleh pihak yang tidak bertanggung jawab. Guna mengatasi hal tersebut, sistem identifikasi biometrik menggunakan pembuluh darah vena yang terletak di dalam telapak tangan manusia menjadi isu hangat dalam meningkatkan keamanan dalam pengaksesan data. Citra inputan berupa foto telapak tangan diambil menggunakan near- infrared (NIR), sehingga pola pembuluh darah akan terlihat seperti garis hitam. Tahap pertama adalah menentukan wilayah yang akan dianalisa, kemudian citra tersebut akan melewati tahap preprocessing untuk mendapatkan pola pembuluh venanya. Selanjutnya dilakukan proses ekstraksi ciri untuk mendapatkan fitur unik dari citra hasil preprocessing. Pada tugas akhir ini metode ekstraksi ciri yang akan digunakan adalah Scale Invariant Feature Transform (SIFT). Dalam banyak hal di bidang pengenal objek, SIFT telah mampu menunjukkan performa terbaiknya. Diharapkan dengan menerapkan metode ini dapat memberikan performansi yang baik pada sistem autentikasi biometrik menggunakan pembuluh vena. Berdasarkan hasil penelitian yang dilakukan, sistem mampu mengidentifkasi 8 dari 10 orang dengan tepat. Dengan menerapkan metode SIFT ini, dihasilkan nilai Equal Error Rate (EER) sebesar 45% dari penggunaan database CASIA. Kata kunci : biometrik, pembuluh vena, sift
Sistem Pengenalan Individu berbasis Pembuluh Darah Telapak Tangan Menggunakan Sampling Point Approach dan Iterative Closest Point Dwi Prasetya Sujoko; Tjokorda Agung Budi Wiharja; Febryanti Sthevanie
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Biometrika adalah studi mengenai pengenalan individu dengan menggunakan ciri fisik dan kebiasaan. Biometrika merupakan sistem pengenalan individu yang lebih aman dibandingkan dengan pengenalan identitas tanpa biometrika. Pengenalan individu berdasarkan password, kartu pengenal, kode PIN lebih rentan dari pemalsuan dan kesalahan manusia. Ciri fisik untuk sistem biometrika iris mata, wajah, sidik jari, telapak tangan dan pembuluh darah. Sistem biometrika menggunakan pembuluh darah merupakan ciri biometrika yang baik untuk identifikasi manusia. Pembuluh darah telapak tangan memiliki karakteristik yang berbeda- beda setiap individu. Posisi pembuluh darah yang berada di bawah lapisan kulit membuatnya sulit untuk dipalsukan. Pada penelitian ini sistem biometrika menggunakan pembuluh darah telapak tangan dilakukan dengan metode pencocokan iterative closest point (ICP). Metode ICP dapat menangani masalah translasi dan rotasi dari citra gambar. Penelitian menunjukkan sistem biometrika ini mencapai akurasi 94 %. Kata kunci : pembuluh darah telapak tangan, biometrika, iterative closest point
Pengenalan Ekspresi Wajah Manusia dengan Metode Local Directional Pattern dan Artificial Immune Recognition System Riyad Rivandi; Tjokorda Agung Budi Wiharja; Anditya Arifianto
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Ekspresi wajah manusia merupakan aspek yang memiliki peran besar dalam mempengaruhi konteks dalam komunikasi verbal, sehingga automasi bidang ini menjadi salah satu sasaran dalam pengembangan disiplin ilmu komputer. Tugas akhir ini bertujuan mengimplementasikan serta menganalisis performansi dari rekognisi ekspresi wajah manusia dengan metode ekstraksi Local Directional Pattern (LDP) serta klasifikasi Artificial Immune Recognition System (AIRS). Kombinasi kedua metode ini digunakan untuk mengklasifikasi objek berupa citra wajah tampak depan. Pemelitian menunjukkan bahwa sistem yang dibangun memiliki akurasi tertinggi yaitu 71.14% pada pada sistem yang menggunakan LDP dengan k=3 dan input dipecah menjadi 7x7 bagian serta parameter dari AIRS berupa clone rate=5, mutation rate=1, stimulation threshold=0.9 dan resource=200. Kata Kunci: Local Directional Pattern (LDP), Artificial Immune Recognition System (AIRS), facial expression recognition, feature extractio
Expression Recognition based on Local Directional Pattern in the Eye Region and Artificial Neural Network Rama Patria Himawan; Tjokorda Agung Budi Wiharja; Anditya Arifianto
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Artificial face expression recognition is a research topic that was started ever since 90s. On this paper, writer will elaborate all the supporting algorithm used on the experiment, starting from eye-region detection using Haar cascade classifier (Haar) and Harris corres corner detection (Harris), up to expression recognition based on Local Directional Pattern (LDP) and Artificial Neural Network.(ANN) Haar is a segmentation method based on Integral Image and classifying method named Adaptive Boosting. Haar is pretty accurate algorithm to segment an Image of face, from its background. However its performance to segment an eye-region could still be increased, hence the additional usage of Harris. LDP Feature Extraction is an 8-directional-edge- response based feature extraction on each pixel. The final output of this process is a histogram of LDP-code on each area of the Input Image. Artificial Neural Network is a supervised learning derived from standard linear perceptron. Especially on the usage of hidden layer, which allows the system to classify a dataset that wasn’t linearly separable. On this experiment, the training phase will utilize back- propagation algorithm. Keywords: Face recognition, local transititional pattern, contrast feature extraction, multi-layer perceptron, supervised learning, backpropagation, Haar, Harris, corner detection, eye region detection.
Pengenalan Angka Tulisan Tangan Dengan Menggunakan Local Binary Pattern Variance Dan Klasifikasi K-nearest Neighbour Nurul Ilmi; Tjokorda Agung Budi Wiharja; Kurniawan Nur Ramadani
eProceedings of Engineering Vol 2, No 3 (2015): Desember, 2015
Publisher : eProceedings of Engineering

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

Abstract

akan metode ekstraksi ciri Local Binary Pattern Variance dan Klasifikasi K-Nearest Neighbour. Sistem ini diterapkan pada citra angka tulisan tangan pada formulir C1 Komisi Pemilihan Umum (KPU) untuk mempermudah petugas KPU dalam proses penginputan data hasil Pemilu ke sebuah database computer. Sistem ini terdiri dari beberapa tahap, yaitu pengumpulan data, pre-processing, ekstraksi ciri dan klasifikasi. Pengujian pada sistem pengenalan angka tulisan tangan ini menunjukkan bahwa metode Local Binary Pattern Variance dapat mengenali karakter tulisan tangan pada MNIST dengan akurasi 89,81% dengan menggunakan parameter terbaik radius 4, 256 dan 64 bin histogram, pembagian 9 region pada citra dan mengambil 10 tetangga terdekat pada tahap klasifikasi K-NN. Namun, pada saat melakukan pengenalan pada data uji dari formulir C1 akurasi yang dihasilkan menurun, yaitu sebesar 70,9091% dengan menggunakan data latih C1 Kata kunci : Pengenalan angka tulisan tangan, Local Binary Pattern Variance (LBPV), K-Nearest Neighbour, formulir C1 KPU.
Co-Authors Anditya Arifianto Dwi Prasetya Sujoko Febryanti Sthevanie Ghofinka Putri Kurniawan Nur Ramadani Nurul Ilmi Rama Patria Himawan Riyad Rivandi Siti Sa'adah