Hasil Pencarian  ::  Simpan CSV :: Kembali

"Sudah sejak lama tanda tangan menjadi salah satu cara untuk melakukan otentikasi dalam kehidupan sehari-hari mulai dari pengesahan dokumen, surat- surat penting bahkan untuk transaksi perbankan. Namun tingkat keamanan dari penggunaan tanda tangan ini tergolong rendah karena tanda tangan dapat ditiru dengan mudah. Seiring dengan perkembangan teknologi, digunakan teknik verifikasi tanda tangan online untuk meningkatkan keamanan dalam otentikasi tanda tangan. Penelitian ini akan menganalisa performa sistem verifikasi tanda tangan online dengan menggunakan algoritma SVM dan GMM pada database SVC 2004 yang mengandung 7 fitur pada setiap tanda tangan. Database ini memiliki 40 dataset tanda tangan dimana setiap dataset terdiri dari 20 tanda tangan asli dan 20 tanda tangan tiruan atau 1600 tanda tangan secara keseluruhan. Berdasarkan hasil simulasi dengan menggunakan 10 data training, sistem verifikasi GMM menghasilkan FRR sebesar 4,5%, FAR 3% dan waktu komputasi rata-rata 21,3 detik sedangkan pada SVM dihasilkan FRR 2,625%, FAR 1,25% dan waktu komputasi rata-rata 1,84 detik.

---

For a long time, signature has become one of many authentication methods that commonly used in daily life such as document and other obligations authentication, even for banking transaction. However the use of signature could be classified as low level security authentication because it can easily forged. With the advanced of technology, online signature verification has been used to increase the security level in signature authentication.

This research will analyze the performance of online signature verification using SVM and GMM algorithm on SVC 2004 signature database which contains 7 features of each signature. The database has 40 contributors who sign 20 authentic signatures, while 20 other are forged ones. In total the database has 1600 signatures.

Based on simulation results using 10 training data, signature verification using GMM resulted in 4,5% FRR, 3% FAR and average computation time of 21,3 seconds, while SVM has 2,625% FRR, 1,25% FAR and average computation time 1,84 second."

"Penggunaan pin dan password bahkan token sudah dianggap ketinggalan zaman sehingga negara berkembang banyak mengembangkan metode transaksi berbasis biometrik. Biometrik yang merupakan karakterisitik biologis yang banyak digunakan saat ini adalah mata, wajah, dan sidik jari. Wajah dan sidik jari dalam kondisi tertentu dapat berubah dan tidak dapat dikenali oleh sebab itu mata atau tepatnya iris adalah pilihan yang tepat untuk digunakan untuk metode autentikasi mengingat mata manusia tidak mudah berubah. Tugas akhir ini berfokus pada pengembangan sistem yang sudah ada sebelumnya mengenai autentikasi menggunakan metode lokalisasi dan normalisasi half-polar pada iris mata. Pengembangan yang dilakukan adalah agar pengenalan dapat lebih akurat dan cepat menggunakan metode segementasi mata dan normalisasi yang berbeda dengan metode half-polar serta membuat pengenalan dapat dilakukan pada mata kiri dan kanan secara bersamaan mengingat Iris pattern pada kedua mata manusia berbeda. Metode-metode segmentasi iris yang diajukan adalah Zeta-v1, Zeta-v2, Zeta-v3, Zeta-v4, Zeta-v5, Zeta-v6 dan Zeta-v7. Hasil pengujian terbaik dari segi performa waktu ditunjukkan oleh metode Zeta-v7 dengan rata-rata 0.0138427 detik. Hasil Pengujian terbaik dari segi akurasi sistem adalah Zeta-v1, dengan persentase penolakan yang salah bernilai 100 dan persentase penerimaan yang benar bernilai 94,90.

---

The use of pin and password and even tokens is considered outdated, so many countries develop biometric based transaction methods. Biometrics which are the most widely used biological characteristics are the eye, face, and fingerprint. The faces and fingerprints in certain conditions can change and can not be recognized. The eye or precisely the iris is the right choice to use for authentication methods considering that the human rsquo s eye is not easily changed.

This final assignment focuses on the development of previous systems of authentication using localization methods and half polar Normalization of the iris. Development is performed to make the recognition more accurate dan faster while using different eye segmentation and Normalization methods. The recognition methods can be used for left and right eyes considering both eyes in human have different iris pattern.

The proposed iris segmentation methods are Zeta v1, Zeta v2, Zeta v3, Zeta v4, Zeta v5, Zeta v6 dan Zeta v7. The best test result based on time performance presented by the Zeta v7 segmentation which shows the average time performance 0.0138427 seconds. The best result based on accuracy presented by Zeta v1 which show the percentage of wrong rejection 100 and percentage of right acceptance 94,90."

"Dalam jangka waktu 2 dekade terakhir, semakin banyak orang bepergian melalui jalur udara. Jumlah penumpang terus bertumbuh, namun pertumbuhan penumpang ini tidak diimbangi dengan pertumbuhan sarana pendukung seperti penambahan runway atau penambahan kapasitas terminal. Dampaknya, antrian bukan hanya terjadi dalam hal take-off / landing pesawat, namun antrian penumpang juga kerap terjadi di dalam terminal penumpang. Hal ini akan tentu akan berdampak terhadap kenyamanan penumpang yang menggunakan jasa bandara. Oleh karena itu, penting untuk memahami dan mensimulasikan pergerakan aliran penumpang untuk menghasilkan proses yang efektif dan efisien bagi penumpang dalam terminal, memprediksi hambatan kapasitas (capacity constraint) terminal dan memprediksi tingkat kepuasan minimum penumpang. Paper ini akan mempresentasikan simulasi model berbasis agen dari pergerakan aliran penumpang dalam security check point 2 di terminal bandara. Hasil dari penelitian ini adalah sebuah model simulasi berbasis agen penerapan antrian virtual pada security check-point dengan melihat pengaruhnya terhadap waktu tunggu penumpang, dan jumlah security lanes yang dibuka. Hasil menunjukkan penerapan antrian virtual mampu meningkatkan kenyamanan penumpang yang menggunakan jasa bandara.

---

In the last two decades, more people traveling using air transportation. Numbers of passengers keep growing, but these passengers growth is not followed by the growing of supporting facilities such as runway or terminal capacity expansion. It results on the queues which happened not only on plane take-off / landing, but also on passenger processes inside terminal building. It gives negative effects to passenger comfort using airport service.

Therefore, it is important to understand and simulate passenger flow movement to generate effective and efficient process for passenger inside terminal, predict terminal capacity constraints and predict passenger minimal level of satisfaction. This paper will present agent based model simulation of passenger in airport terminal security check point 2.

The result of this paper is an agent based model simulation implementation of virtual queuing in security check point by evaluating its impact on passenger waiting time, queue length and number of available security lanes. Result shows that virtual queuing implementation can improve passenger comfort in airport."

"Salah satu perkembangan teknologi yang sedang berkembang pesat adalahteknologi pengenalan pola (patern recognition), seperti pengenalan pola wajah,sidik jari, dan retina mata. Contohnya diaplikasikan pada security system, sistemlogin , dan sebagainya. Pada penelitian ini, diimplementasikan metode barupengenalan pola wajah 3-D (3-D face recognition ) dengan menggunakan metodeFuzzy Manifold. Metode ini tidak melakukan pembelajaran sepertibackpropagation, tetapi dengan membentuk pose estimation dan mencari nilaijarak terdekat fuzzy (Fuzzy-Nearest Distance Calculation) untuk membandingkandata yang masuk terhadap kedekantannya dengan kelas tertentu. Selain metodetersebut, diimplementasikan juga metode Fuzzy Dimension Reduction (FDR) datadengan menggunakan Autoassociative Neural Network sehingga dapatdibandingkan hasilnya antara hasil sebelum dan sesudah data di FDR kan. MetodeFuzzy Manifold dan FDR berhasil diterapkan untuk 3-D Face Recognition dengandengan recognition rate yang cukup tinggi mencapai 85%, kecepatan komputasiyang tinggi dan robust.

---

One of the increasing tecnology is patern recognition, like odor recognition, face,

finger print, and retina. For example, is aplicated in security system, login system,

and etc. In this research, will be implemented new method 3-D face recognition

using Fuzzy Manifold. This method does not do learning like backpropagation, but

with make pose estimation and seek value of fuzzy-nearest distance to compare

data input toward nearest with a class. The other method, also implemented Fuzzy

Dimention Reduction (FDR) using Autoassociative Neural network so can be

compared the result between after reducted and before. Fuzzy Manifold and FDR

method is successful to be implemented for 3-D face recognition with recognition

rate is high enough reach 85% , high computation speed, and robust. ."

"Suatu sistem biometrik sangat penting untuk identifikasi dan verifikasi suatu individu dengan berbagai tujuan. Biometrik iris merupakan salah satu tipe biometrik dengan tingkat akurasi yang tinggi tetapi banyak pemakaian memori. Tahap pencocokan merupakan salah satu bagian dari sistem biometik iris yang memakai banyak memori sehingga berpengaruh pada waktu proses.Dalam skripsi ini, akan disimulasikan algoritma Incremental Dissimilarity Approximation (IDA) yang akan dibandinkan dengan algoritma vector quantization (VQ). IDA merupakan algoritma pencocokan cepat berdasarkan ketidaksamaan fungsi norm Lp dimana akan menjadi syarat untuk batas pencarian pencocokan. Hasil simulasi menunjukkan bahwa IDA tidak cocok untuk diaplikasikan pada sistem biometrik iris.Performa yang ditunjukkan sama dengan VQ karena variasi vektor pada citra iris masih memenuhi batas pada algoritma IDA. Namun, secara eksperimental telah didapat nilai batas yang optimal untuk sistem biometrik iris sehingga mempersingkat waktu proses. Kode untuk algoritma VQ dan IDA dikembangkan dengan program MATLAB.

---

A biometric system is really important for identification and verification of a person for a lot of purposes. Biometric iris is one of biometric types that has high accuracy but use lot of memory. The pattern matching is part of iris biometric system that required a lot of memory that affect to the time process.In this paper, Incremental Dissimilarity Approximation (IDA) algorithm will be simulated and compared with vector quantization (VQ) algorithm. IDA is a fast pattern matching based on dissimilarity functions derived from Lp norm for becoming the bounding criterion of pattern matching. The simulation result show that IDA is not suitable to implement for iris biometric system. It has the same performance as VQ because the variety of the vector still satisfy the bounding criterion. However, the experiment has determined the optimal bound for pattern matching in iris biometric system that decrease the time process. The code for VQ and IDA are developed with MATLAB."

"Dengan memperhatikan serta menyusun pola makan, kesehatan tubuh dapat meningkat dikarenakan nutrisi yang didapatkan oleh tubuh. Pemanfaatan machine learning, melalui model deteksi multiobjek, dapat membantu pendeteksian berbagai jenis makanan hanya dengan input sebuah gambar. Dengan terdeteksinya jenis makanan digabungkan dengan output berupa nutrisi yang terkandung dalam makanan dapat membantu dalam mengatur pola makan. Pengaturan pola makan dengan memanfaatkan deteksi objek dapat dilakukan dengan pelatihan sebuah dataset dengan menggunakan algoritma YOLO. Pendeteksian makanan yang dilakukan dengan menggunakan algoritma YOLO memerlukan acuan evaluasi dengan tujuan meningkatkan akurasi dari deteksi yang dilakukan, yang mana merupakan alasan dari pengukuran mAP. Penggunaan arsitektur YOLOv7 terlihat dapat menghasilkan model yang lebih baik dibandingkan YOLOv5 dengan mAP 0,947. Penggabungan YOLOv7 dengan dataset yang berisikan multiclass single image juga berhasil dalam melakukan deteksi multi-object makanan sesuai dengan kategori yang telah ditentukan. Dengan tujuan penggunaan model oleh masyarakat luas, model deteksi jenis makanan diimplementasikan dalam bentuk aplikasi mobile dengan basis Java. Implementasi dalam bentuk aplikasi membuat masyarakat luas dapat memanfaatkan model deteksi objek sebagai salah satu acuan pemilihan pola makan yang lebih sehat.

---

By paying attention to and compiling a diet, body health can improve due to the nutrients the body gets. Utilization of machine learning, through a multi-object detection model, can help detect various types of food only by inputting an image. Diet adjustment using object detection can be done by training a dataset using the YOLO algorithm. Food detection carried out using the YOLO algorithm requires an evaluation reference with the aim of increasing the accuracy of the detection carried out, which is the reason for using mAP.. The use of the YOLOv7 architecture seems to produce a better model than YOLOv5 with a mAP of 0.947. Merging YOLOv7 with a dataset containing multiclass single images was also successful in detecting multi-object food according to predetermined categories. With the aim of using the model by the wider community, a food type detection model is implemented in the form of a mobile application based on Java. Implementation in the form of an application allows the general public to utilize the object detection model as a reference for choosing a healthier diet."

"InSAR merupakan suatu teknik penggunaan sensor radar yang terintegrasi dengan satelit atau pesawat terbang dalam memetakan permukaan bumi dari ketinggian dan rentang waktu tertentu. Kesulitan pada daerah yang akan diamati, seperti daerah yang terkena longsor atau permukaan di sekitar pegunungan, dapat diatasi dengan bantuan metode InSAR yang memiliki keunggulan dalam mengukur deformasi pada daerah yang sangat luas. Metode DInSAR yang digunakan dalam penelitian ini merupakan salah satu teknik yang dirancang untuk mengatasi deformasi tersebut. Diperlukan setidaknya dua gambar SAR di area yang sama untuk menerapkan metode ini. Metode ini akan mereduksi (membedakan) antara interferogram yang dihasilkan dari data yang dibentuk oleh dua citra SAR berupa master dan slave, dengan interferogram yang dibentuk dari DEM. Hasil pengurangan ini akan menunjukkan ada tidaknya deformasi yang terjadi dalam rentang waktu citra SAR yang digunakan. Dari hasil pemetaan terlihat adanya penurunan muka tanah sebesar 16 cm pada periode pascabencana hingga 12 Januari 2017.

---

InSAR is a technique of using radar sensors that are integrated with satellites or aircraft to map the earth's surface from a certain height and time span. Difficulties in the area to be observed, such as areas affected by landslides or the surface around mountains, can be overcome with the help of the InSAR method which has the advantage of measuring deformation over a very large area. The DInSAR method used in this study is a technique designed to overcome this deformation. At least two SAR images in the same area are required to apply this method. This method will reduce (differentiate) the interferogram generated from the data formed by two SAR images in the form of master and slave, with the interferogram formed from the DEM. The results of this reduction will show whether or not there is deformation that occurs within the time span of the SAR image used. From the mapping results, it can be seen that there is a land subsidence of 16 cm in the post-disaster period until January 12, 2017."