Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAK

Pada tahun 2013, Badan Pusat Statistik mencatat bahwa telah terjadi 100.106 kasus kecelakaan lalu lintas di Indonesia. Sebagian besar kecelakaan disebabkan oleh faktor manusia, yaitu mengantuk. Sistem pendeteksi kantuk dikembangkan untuk mengatasi hal ini. Sistem pendeteksi kantuk dibangun menggunakan pustaka OpenCV, dengan kombinasi dari beberapa algoritma, yaitu Haar Cascade Classifier, fungsi blur, Canny dan kontur. Algoritma Haar Cascade Classifier digunakan untuk mendeteksi area wajah dan area mata pada pengemudi. Sedangkan kombinasi antara fungsi blur, canny dan kontur digunakan untuk mendeteksi objek mata dan menganalisis sedang terbuka atau tertutupnya mata. Performa sistem pendeteksi kantuk diuji melalui empat variabel, yaitu kernel size, nilai threshold, perbedaan kondisi pencahayaan dan karakteristik mata. Berdasarkan hasil pengujian, kernel size terbaik untuk mendeteksi mata adalah (4,4). Selain itu, nilai threshold terbaik untuk lower threshold dan upper threshold adalah 70-110 dan 210-240. Perbedaan kondisi pencahayaan (pagi, siang, sore dan malam) memiliki pengaruh terhadap sistem dengan tingkat kesalahan sebesar 20%. Karakteristik mata (berkacamata dan tidak berkacamata) memiliki pengaruh terhadap sistem dengan tingkat kesalahan sebesar 16,7%.

---

ABSTRACT

In 2013, Badan Pusat Statistik (Statistics Indonesia) recorded that 100.106 cases of traffic accident have occured in Indonesia. Mostly caused by human error, i.e. drowsiness. Drowsiness detection system is developed to respond this situation. Drowsiness detection system is built through OpenCV library by combining the Haar Cascade Classifier algorithm with blur, canny and contour function. Haar Cascade Classifier was used to detect areas of face and eyes whereas the combination of blur, canny and contour function is used to detect the driver’s eyes and analyze the open or closed driver’s eyes. The performance of drowsiness detection system was tested through four variables; kernel size, threshold value, lighting condition (morning, noon, afternoon and night) and eye’s characteristic (eyeglasses or not). Based on the experiments, the best kernel size to detect the driver’s eyes is 4,4. Then, the best lower threshold and upper threshold are 70-110 and 210-240. Subsequently the light conditions has a 20 % error rate to the system. The eye’s characteristic has a 16,7 % error rate to the system.

"

"ABSTRAKData/informasi merupakan aset berharga yang harus senantiasa dijaga, dilindungi,dan diamankan agar tidak disalahgunakan. Salah satu usaha dalam mengamankandata/informasi tersebut ialah dengan menerapkan konsep steganografi. Tujuan dariskripsi ini adalah menyusun algoritma penyembunyian data rahasia yang berupacitra digital dengan menggunakan metode Haar Discrete Wavelet Transform(DWT) yang dikombinasikan dengan teknik penggabungan dua buah citra yangdisebut dengan alpha blending. Proses dilakukan dalam dua tahap yakni tahapembedding (penyisipan citra rahasia) dan extracting (ekstraksi citra rahasia).Proses embedding melibatkan metode DWT dan alpha blending. Sementara padaproses extracting dilakukan metode DWT, transformasi power law, dan ekstraksialpha blending. Transformasi power law digunakan untuk membentuk citra yangmirip dengan cover image. Hasil dari transformasi ini akan digunakan dalamproses ekstraksi alpha blending untuk memperoleh citra rahasia dari prosesekstraksi. Implementasi program telah dilakukan terhadap data uji berupa citradan diperoleh hasil Peak Signal to Noise Ratio (PSNR) antara stego image dancover image serta PSNR antara secret image dan secret image hasil ekstraksiberkisar pada nilai 40-50dB. Ini menunjukkan bahwa kualitas citra awal tidak jauhberbeda dengan kualitas citra yang telah disisipi data rahasia. Nilai PSNR terbaikdiperoleh saat pada proses alpha blending dan nilai padatransformasi power law. Sehingga secara kasat mata citra awal dan citra yangtelah disisipi data rahasia akan sulit dibedakan.

---

ABSTRACTData/information is a valuable asset that must be mantained, protected, andsecured so it cannot be manipulated. One of many ways to secure the data is toimplement steganography. The purpose of this mini thesis is to design a secretdata hiding algorithm using Haar Discrete Wavelet Transform (DWT) combinedwith alpha blending technique. The algorithm consists of two processes:embedding (to embed secret image to cover image) and extracting (to extractsecret image from stego image). Embedding process involves DWT method andalpha blending process. While extracting process uses DWT, power lawtransformation, and alpha blending extraction. Power law transformation isneeded to generate an image which visually looks like cover image. The resultwill be used on extracting alpha blending process to obtain the secret image. Theimplementation of algorithm has been tested to some sample images and it hasbeen obtained that the Peak Signal to Noise Ratio (PSNR) of stego image is in therange 40-60dB. It shows that the initial image quality is not much different thanthe embedded image. This condition makes the secret image imperceptible. Fromthe experimental result, when and the method results the bestPSNR. So visually, cover image and stego image will be indistinguishable."