Hasil Pencarian  ::  Simpan CSV :: Kembali

"Klasifikasi citra multispektral dengan resolusi spasial terbatas mempunyai kendala pada penentuan garis batas obyek yang kurang akurat, seperti pada citra multispektral yang dihasilkan Landsat yang mempunyai resolusi 30x30m. Kendala ini dapat diatasi dengan tersedianya kanal pankromatik yang memiliki resolusi 15x15m, misalnya pada Landsat ETM (Enhanced Thematic Mapper) atau IKONOS.Penggabungan informasi kanal multispektral dan kanal pankromatik dapat dilakukan dengan teknik fusi informasi atau teknik fusi berbasis piksel. Penelitian tugas akhir ini menerapkan dan menguji hasil fusi berbasis piksel pada proses visualisasi dan klasifikasi citra. Teknik fusi yang diterapkan adalah teknik IHS (Intensity Hue Saturation), Brovey, Wavelet dengan fungsi basis Daubechies, serta metode band overlay sebagai pembanding. Citra yang digunakan adalah citra yang didapat dari satelit Landsat dan kanal pankromatik pada Landsat ETM.Hasil perbandingan menunjukkan bahwa metode fusi citra yang menggunakan input citra multispektral dan pankromatik (yaitu metode IHS) menghasilkan tingkat akurasi yang paling baik untuk proses klasifikasi, sedangkan metodewavelet menghasilkan tingkat akurasi yang paling rendah."

"Indonesia memproduksi lebih dari 700 ribu ton biji kopi, menjadikannya negara keempat terbesar penghasil kopi di dunia. Di dalam biji kopi sendiri, terkandung berbagai zat kimia yang bermanfaat bagi kesehatan seperti kafein, chlorogenic  acid (CA), dan trigonelline. Kadar masing-masing zat kimia ini bergantung pada varietas biji kopi serta tingkat penyangraiannya. Sebuah metode terbaru untuk meninjau sifat dari suatu biji kopi secara efisien dan non-destruktif adalah menggunakan Convolutional Neural Network (CNN), yaitu metode pembelajaran mesin (Machine learning) yang meninjau citra dari target yang diberikan. Jenis citra yang diberikan pada suatu model CNN dapat berupa citra multispektral yang terdiri dari banyak panjang gelombang. Citra semacam ini memiliki lebih banyak informasi karena jumlah pita gelombang yang lebih banyak, serta terdapat panjang gelombang yang tidak kasat mata. Penelitian ini bertujuan untuk merancang dan membangun sistem klasifikasi varietas dan tingkat penyangraian biji kopi berbasis citra multispektral dengan menggunakan pemodelan Convolutional Neural Network dengan input citra multispektral dan output majemuk. Citra multispektral yang dipakai menggunakan terdiri atas citra RGB (Red, Green, Blue), dan OCN (Orange, Cyan, NIR). Hasil akurasi pengujian tertinggi dicapai menggunakan arsitektur SqueezeNet, input citra RGB sajam dengan akurasi 95,49% untuk klasifikasi varietas, dan 99,02% untuk tingkat penyangraian. Melalui penelitian ini, perancangan sistem multi output berbasis citra multispektral mampu mengklasifikasikan tingkat penyangraian dan varietas secara bersamaan.

---

Indonesia produces more than 700 thousand tons of coffee beans, making it the fourth largest coffee producing country in the world. Coffee beans themselves contain various chemicals that are beneficial for health, such as caffeine, chlorogenic acid (CA), and trigonelline. The levels of each of these chemicals depend on the coffee bean variety and the level of roasting. A new method for reviewing the properties of a coffee bean efficiently and non-destructively is using a Convolutional Neural Network (CNN), which is a machine learning method that reviews the image of a given target. The type of image given to a CNN model can be a multispectral image consisting of many wavelengths. This kind of image has more information because there are more wave bands, and there are wavelengths that are not visible to the eye. This research aims to design and build a classification system of varieties and roasting levels of multispectral image-based coffee beans using Convolutional Neural Network modeling with multispectral image input and compound output. The multispectral images used consist of RGB (Red, Green, Blue), and OCN (Orange, Cyan, NIR) images. The highest test accuracy results were achieved using SqueezeNet architecture, input RGB sharp image with 95.49% accuracy for variety classification, and 99.02% for roasting rate. Through this research, the design of a multispectral image-based multi-output system is able to classify roasting level and variety simultaneously."

"Kopi telah menjadi komoditas ekspor non migas yang memberikan kontribusi terhadap devisa negara dalam jumlah yang tidak sedikit. Nilai ekspor kopi sendiri pada kancah internasional bergantung kepada 2 faktor utama, yaitu jenis atau varietas biji kopi dan tingkat kelayakan atau kualitas dari biji kopi. Upaya untuk mengklasifikasikan kedua faktor tersebut masih cenderung dilakukan secara manual oleh para petani kopi. Atas pertimbangan inilah, penulis hendak menggunakan metode lain, yakni penggunaan model CNN (Convolutional Neural Network) dengan basis masukan berupa citra normal (spektrum RGB) dan citra multispektral (spektrum OCN). Selain itu, penulis juga hendak membandingkan performa dari 2 arsitektur model CNN yang berbeda, yakni ResNet18 terhadap SqueezeNet. Input dari kedua arsitektur ini berupa kombinasi dari citra normal, citra multispektral, atau citra yang telah diregistrasikan (1 citra dengan 6 channel berbeda). Hasil akurasi tertinggi dicapai oleh arsitektur ResNet18 dengan input citra normal (RGB) yang memberikan akurasi sebesar 89% untuk klasifikasi varietas biji kopi hijau, serta 97% untuk klasifikasi tingkatan kualitas biji kopi. Meski demikian, arsitektur ini mampu untuk melakukan klasifikasi multi-output secara bersamaan walaupun terdapat sedikit pengurangan pada tingkat akurasi yang didapatkan.

---

Coffee has become one of the non-oil and gas export commodity, providing numerous amount of Indonesia’s foreign income. Within the international market, the export value of coffee beans rely on 2 aspects, its variety and its quality. The attempts to classify coffee beans are done manually by the farmers. Therefore, the writer attempts to design a new method, using convolutional neural networks with normal (RGB spectrum image) and multispectral images (OCN spectrum image) as its inputs. The writer also wishes to analyze and compare 2 different CNN architectures performance in this case; ResNet18 towards SqueezeNet. Considering the combination of the inputs; normal images, multispectral images, or the registered images (images with 6 different channels). The highest accuracy acquired from the ResNet18 CNN model architecture using normal images (RGB) is as following: 86% for green coffee beans varieties classification, and 96% for green coffee beans. These architectures are also capable of performing multi-class output classification despite the trade-off in accuracy gained."

"Identifikasi jenis material atap bangunan sangat dilakukan untuk bermacam pemanfaatan dari pemodelan cuaca mikro hingga analisis resiko bencana. Penelitian identifikasi jenis material atap bangunan telah dilakukan dengan menggunakan data hiperspektral, data lapangan, laboratorium serta data satelit penginderaan jauh masih memerlukan peningkatan akurasi. Penelitian ini bertujuan untuk mengembangkan metode spektroskopi reflektansi menggunakan kombinasi kanal spektral pada fusi data satelit penginderaan jauh resolusi resolusi spasial sangat tinggi (50 cm) dengan menerapkan koreksi spekular, masking vegetasi serta machine learning Random Forest untuk meningkatkan akurasi identifikasi jenis material atap bangunan. Metode yang dikembangkan menghasilkan akurasi untuk material aluminium, asbes, keramik, beton, genteng pasir besi dengan akurasi total 97.48% dengan nilai Kappa 0,958. Fusi data Pleiades dan Landsat-8 dilakukan untuk memperoleh data SWIR dengan panjang gelombang 2107–2294 nm dan resolusi spasial 50 cm untuk analisis spektral, sehingga identifikasi jenis material atap bangunan asbes dapat diidentifikasi dengan akurasi 95%. Koreksi spekular dan masking vegetasi meningkatkan akurasi identifikasi jenis material atap bangunan 8-12% sebagai perbaikan koreksi radiometrik dalam pengolahan data resolusi sangat tinggi.

---

Identification of the type of building roof material is widely used for various application from micro weather modeling to disaster risk analysis. Research on the identification of the type of building roof material has been carried out using hyperspectral data, field data, laboratories and remote sensing satellite data still requires increased accuracy. This study aims to develop method spectroscopy reflectance using a spectral channel combination on remote sensing satellite data fusion with very high spatial resolution (50 cm) by applying specular correction, vegetation masking and Random Forest machine learning to improve the accuracy of identifying the type of building roof material. The developed method produces accuracy for aluminum, asbestos, ceramic, concrete, iron sand tiles with a total accuracy of 97.48% with a Kappa value of 0.958. Pleiades and Landsat-8 data fusion was carried out to obtain SWIR data with a wavelength of 2107–2294 nm and a spatial resolution of 50 cm for spectral analysis, so that the identification of the type of asbestos roof material can be identified with an accuracy of 95%. Specular correction and vegetation masking increase the accuracy of identifying the type of building roof material by 8-12% as an improvement in radiometric correction in very high spatial resolution (50 cm) data processing."

"Pada era globalisasi yang sangat pesat berkembang, terdapat sebuah cetusan dalam bidang teknologi informasi yaitu media sosial. Dewasa ini, media sosial memiliki peran penting untuk membangun citra manusia sebagai penggunanya, khususnya melalui media visual berupa foto. Latar dari setiap foto yang diunggah adalah faktor yang sangat mendukung untuk pembangunan citra, sehingga bertambahnya angka penciptaan ruang berfoto yang biasa dikenal dengan istilah photogenic space. Salah satu yang menunjang segi estetika dari sebuah photogenic space adalah cahaya. Peran cahaya untuk menciptakan pengalaman dan persepsi visual pada ruang akan sangat mempengaruhi suasana dan kualitas pada foto. Pada penulisan ini, diharapkan akan mendapatkan indikator yang jelas terkait pencahayaan dalam foto sehingga apa yang membentuk sebuah photogenic space bisa lebih jelas terukur. Perbedaan kontras antara subjek dengan latarnya akan menjadi penilaian objektif yang akan diukur pada penulisan ini.Metode pengumpulan data yang digunakan dalam penulisan skripsi ini adalah studi literatur dengan mempelajari teori dari jurnal dan buku tentang pencahayaan, ruang komersil, dan pembangunan citra di media sosial. Sintesis teori yang didapatkan akan ditinjau melalui studi kasus untuk membuktikannya. Studi kasus akan dilakukan menggunakan simulasi dan kuesioner untuk memperkuat argumen.Berdasarkan hasil penelitian didapatkan bahwa penciptaan photogenic space di era ini akan memiliki pengaruh yang besar di media sosial. Dan untuk menciptakan sebuah photogenic space dibutuhkan peran pencahayaan yang bisa menghasilkan kontras antara subjek foto dengan latarnya. Kondisi ini bisa didapatkan dengan mengatur intensitas paparan cahaya serta temperatur warna pada subjek dan latarnya.

---

"

"Fotografi merupakan bagian terintegrasi standard prosedur pemeriksaan forensik dan dapat berperan sebagai petunjuk, keterangan pengganti barang bukti maupun sebagai barang bukti itu sendiri. Dokumentasi fotografi forensik memiliki tujuan menghasilkan gambar yang berkualitas dan akurat. Akurasi gambar dapat dinilai dari kesesuaian antara keadaan sebenarnya (atau setidaknya mendekati) saat pengambilan gambar dan pemeriksaan dilakukan oleh dokter pemeriksa dengan interpretasi orang lain yang melihatnya di waktu yang berbeda. Hasil studi observasional potong lintang menggunakan 55 sampel penelitian gambar digital kamera DSLR didapatkan panjang fokal lensa 50mm memiliki hubungan bermakna (p < 0,05). Sedangkan rentang nilai bukaan lensa (f7,1-f8,0), kecepatan rana (1/100 detik-1/125 detik) dan sensitivitas sensor (ISO = 800-1600) dengan penggunaan cahaya tambahan flashlite dapat dijadikan acuan dasar settingan kamera digital pada pemeriksaan genitalia kasus kekerasan seksual pada anak saat ini. Selain itu, didapatkan kesesuaian keseluruhan interpretasi sedang antara dua ahli forensik (k = 0,457), kesesuaian interpretasi pada area labia minor masih dapat diterima (k = 0,238) dan fourchette posterior (k = 0,230), serta kesesuaian interpretasi kuat pada area hymen (k = 0,643).

---

Photography is an integrated part of standard forensic examination procedures and can act as a guide, substitute information for evidence as well as evidence itself. Forensic photography documentation aims to produce quality and accurate images. Image accuracy can be assessed from the conformity of the actual situation (or at least approaching) when shooting an image and doctors examinations with the interpretation of other people who see it at different times. The results of a cross-sectional observational study using 55 DSLR camera digital image research samples obtained that 50mm lens focal length had a significant relationship (p <0.05). While the range of lens aperture (f7,1-f8,0), shutter speed (1/100 seconds-1/125 seconds) and sensor sensitivity (ISO = 800-1600) with additional use of flashlite can be used as a basic reference for digital camera settings on child sexual violence cases examination. In addition, it was found that the overall interpretation conformity was moderate between two forensic experts (k = 0.457), interpretation conformity could still be fair in the minor labia (k = 0.238) and posterior fourchette (k = 0.230), also substantial in the hymen (k = 0.643)."

"Latar Belakang: Fotografi kedokteran gigi semakin umum digunakan dalam praktik. Salah satu tujuan fotografi kedokteran gigi adalah untuk evaluasi perawatan. Kualitas foto digital dipengaruhi oleh resolusi foto. Restorasi GIC sering digunakan pada gigi anak dan perlu dievaluasi secara berkala. Di era digital ini, evaluasi restorasi melalui foto digital menjadi pilihan. Evaluasi restorasi menggunakan kriteria FDI efektif digunakan dalam klinis. Tujuan: Untuk membandingkan perbedaan resolusi foto digital dan klinis sebagai media evaluasi restorasi GIC pada gigi sulung. Metode Penelitian: Terdapat 40 buah gigi molar pertama sulung rahang bawah dari 31 pasien anak usia 4-9 tahun di RSKGM FKG UI. Seluruh gigi diperiksa dan dievaluasi secara klinis, kemudian diambil foto menggunakan kamera dSLR sebanyak tiga kali dengan resolusi rendah (8 MP), resolusi sedang (15,3 MP), dan resolusi tinggi (32 MP). Kemudian hasil foto dievaluasi. Restorasi GIC klinis dan foto digital dievaluasi menggunakan kriteria FDI. Seluruh data yang terkumpul dianalisa dengan uji komparatif kategorik Pearson Chi-Square dengan kemaknaan p<0,05. Hasil: Dengan uji komparatif, didapatkan hasil berbeda tidak bermakna secara statistik pada kelompok klinis dengan foto digital resolusi rendah, sedang, dan tinggi sebagai media evaluasi restorasi GIC pada gigi sulung. Kesimpulan: Fotografi digital dapat menjadi alat yang berguna untuk menilai status restorasi. Foto digital dapat mewakili keadaan klinis restorasi GIC gigi sulung. Dalam pemanfaatannya pada praktik kedokteran gigi, penelitian ini merekomendasikan untuk menggunakan foto digital di antara resolusi rendah dan sedang (8-15,3 MP) sebagai media evaluasi restorasi GIC pada gigi sulung, yaitu setara dengan kamera smartphone ataupun kamera poket.

---

Background: Dental photography is increasingly being used in practice. One of the purposes of dental photography is for treatment evaluation. Photo resolution affects the picture quality. GIC restorations are frequently used on pediatric teeth and need to be evaluated periodically. In this digital era, evaluation of restoration through digital photos is an option. Evaluation of restorations using FDI criteria is effective in clinical use. Purpose: To compare differences in digital photo resolution and clinical as an evaluation of GIC restioration in primary teeth. Material and Methods: There were 40 mandibular primary first molars from 31 pediatric patients aged 4-9 years at RSKGM FKG UI. All teeth were examined and clinically evaluated, then three photos were taken using a dSLR camera with low resolution (8 MP), medium resolution (15 MP), and high resolution (32 MP). Then the photos are evaluated. Clinical GIC restorations and digital photographs were evaluated using FDI criteria. All collected data were analyzed using the Pearson Chi-Square categorical comparative test with a significance p<0.05. Result: With comparative test, there were no statistically significant differences in clinical groups with low resolution, clinical with medium resolution, and clinical with high resolution as media for evaluating GIC restorations in primary teeth. Conclusion: Digital photography can be used as a supporting tool to evaluate reatoration status. Digital photos can represent the clinical state of GIC restorations. In dental practice, this study recommends using digital photos between low and medium resolution (8-15.3 MP) as media for evaluating GIC restorations in primary teeth, which are equivalent to smartphone cameras or pocket cameras."