Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Teknik ITS
Kusuma, Hendra
Departemen Teknik Elektro Institut Teknologi Sepuluh Nopember Surabaya
Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Rancang Bangun Sistem Pendeteksi Keaslian Uang Kertas Rupiah Menggunakan Sinar UV dengan Metode Machine Learning Zulfiansyah, Alvin Daffa Kumara; Kusuma, Hendra; Attamimi, Muhammad
Jurnal Teknik ITS Vol 12, No 2 (2023)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373539.v12i2.118320

Abstract

Sistem pendeteksi keaslian uang kertas rupiah merupakan metode yang dibutuhkan karena uang merupakan materi penting sehingga sering terjadi tindak kriminalitas. Metode yang sering digunakan adalah image processing untuk scaling dan color conversion, segmentasi untuk mendapatkan pola tertentu, atau dengan memperhatikan ciri fisik uang kertas rupiah, seperti tekstur dan pola terawang. Namun, metode-metode tersebut dapat dikatakan kurang efektif apabila terjadi peningkatan pemalsuan uang kertas rupiah dalam bentuk fisik. Sehingga penulis merancang sistem counting yang menggunakan sinar ultraviolet untuk menampilkan hidden pattern sebagai fitur khusus mendeteksi keaslian uang dengan metode machine learning dan menambahkan sistem counting buatan sendiri dengan fitur rotation invariant untuk melakukan pendeteksian lebih dari satu lembar uang kertas rupiah. Perpaduan image processing dan machine learning pada penelitian ini mampu memberikan hasil pengujian prototipe dengan metode k-NN dan CNN memberikan persentase keberhasilan prediksi sebesar lebih dari 90% dibandingkan dengan SVM, Random Forest, dan Naive Bayes yang kurang dari 85%. Mekanik prototipe ini mampu melakukan pendeteksian kurang dari 4 detik dengan 10 lembar uang kertas yang dideteksi. Dengan meningkatkan metode detection yang lebih expert, seperti deep learning dengan model yang fleksibel jika ingin digunakan dalam pendeteksi mata uang selain rupiah.
Sistem Pengikut Manusia pada Robot Servis Menggunakan Model YOLO dan Kamera Stereo Ramadhan, Muhammad Ilham; Purwanto, Djoko; Kusuma, Hendra; Kusuma, Hendra
Jurnal Teknik ITS Vol 12, No 3 (2023)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373539.v12i3.118869

Abstract

Kemampuan mengikuti seseorang merupakan fitur penting bagi robot servis yang bekerja berdampingan dengan manusia. Untuk merancang sistem pengikut manusia pada robot servis, diperlukan akurasi yang tinggi tapi juga tanpa mengorbankan kecepatan komputasi agar sistem berjalan secara real-time. Penelitian ini bertujuan untuk merancang sebuah sistem pengikut manusia untuk robot servis dengan memanfaatkan model pendeteksi objek You Only Look Once (YOLO) dan kamera stereo. Sistem ini dirancang agar robot dapat menjaga jarak yang tetap dari target yang diikuti dan menjaga orientasinya sehingga target tetap berada di tengah pandangan robot. Perancangan sistem ini juga memanfaatkan algoritma pelacak dari OpenCV yang dikoreksi dengan model YOLOv7 setiap 20 frame untuk menghasilkan proses yang lebih cepat. Pengontrol PID digunakan untuk menghasilkan kecepatan linear dan angular robot berdasarkan jarak relatif orang yang dijadikan target dari robot dan posisinya pada frame. Robot Operating System (ROS) digunakan untuk mem-publish kecepatan pada node yang sesuai. Berdasarkan hasil pengujian algoritma pelacak, pelacak Boosting memiliki hasil terbaik untuk digunakan. Selanjutnya, sistem ini diuji untuk mengontrol robot servis di dalam ruangan dengan berbagai variasi kondisi. Dari pengujian-pengujian tersebut, robot berhasil untuk mengikuti seseorang dengan eror RMS sebesar 41,88 mm dan standar deviasi sebesar 35,59 mm saat robot berhenti di jarak 1 m dari target. Nilai eror terbesar yang didapat bernilai 320,369 mm yang terjadi ketika sistem dijalankan pada ruangan gelap. Sistem ini berjalan dengan frame rate rata-rata sebesar 17,18 FPS.
Co-Authors Attamimi, Muhammad Kusuma, Hendra Purwanto, Djoko Ramadhan, Muhammad Ilham Zulfiansyah, Alvin Daffa Kumara