Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKPengenalan pola wajah 3D dengan bilangan crisp tidak dapat diimplementasikan pada dunia nyata dikarenakan aplikasi tersebut mengabaikan parameter-parameter yang akan terjadi di dunia nyata. Ketika parameter-paramerter tersebut menjadi input, performa dari pengenalan pola wajah dengan bilangan crisp akan sangat rendah. Karena itu untuk mengatasi masalah parameter-parameter tersebut, digunakan bilangan fuzzy untuk menghadapi parameter-parmeter yang bilangan crisp tidak bisa atasi. Pengenalan pola wajah dengan bilangan fuzzy akan menggunakan metode fuzzy manifold dan fuzzy nearest distance. Performa pengenalan wajah dengan metode fuzzy manifold dan fuzzy nearest distance menunjukkan hasil yang sangat baik, mean recognition rate yang didapatkan dari percobaan sebesar 88.88%. Nilai tersebut sudah menunjukkan keuntungan penggunaan bilangan fuzzy sebagai implementasi pengenalan pola wajah.

---

ABSTRACTFace Recognition using crisps can’t be implemented in the real world because it is ignoring parameters that is happen in the real world. When the parameters become input, the performance of face recognition using crisp will be very poor. Therefore, to solve the problems that’s connected with the parameters, we use fuzzy to deal with problems that’s happen when using crisp. Face recognition using fuzzy will use these two methods, fuzzy manifold method and fuzzy nearest distance. Face recognition using fuzzy manifold and fuzzy nearest distance are showing good performance, the mean value of recognition rate that we get from the simulation is 88.88 %. The value of recognition rate already shows the advantage of using fuzzy for face recognition implementation."

"[Dewasa ini, teknologi berkembang dengan sangat pesat, salah satu contoh teknologi yang sedang marak beberapa tahun belakangan ini adalah 3D face recognition. Teknologi ini menggabungkan data biometrik berupa wajah orang yang diambil dari beberapa sudut (horizontal dan vertikal) dan jaringan saraf tiruan. Untuk memperbaiki tingkat rekognisi yang rendah pada saat menggunakan data crisp, maka digunakanlah metode fuzzy. Percobaan akan dilakukan sebanyak tiga kali karena terdapat tiga cluster yang masing-masing cluster terdiri dari beberapa set orang. Pertama-tama, data akan diolah secara bertahap pada fase fuzzification dimulai dari parameter ekspresi, orang, dan sudut. Tahapan selanjutnya adalah membuat referensi pada fase fuzzy manifold untuk kemudian digunakan pada fase fuzzy nearest distance. Pada fase fuzzy nearest distance akan dicari jarak terpendek dari data testing dengan referensi yang sudah ada. Hasil keluaran dari sistem ini adalah kombinasi sudut horizontal dan vertikal dari tiap-tiap cluster yang nantinya akan dimasukkan kedalam Jaringan Saraf Tiruan (JST) dengan lapis tersembunyi berstruktur hemisfer untuk mendapatkan tingkat rekognisi. Secara keseluruhan rata-rata tingkat rekognisi setiap cluster sudah bisa mencapai 80%. Hal ini menunjukkan sistem sudah cukup optimal dalam mengenali pola wajah yang ada. ;The development of technology is growing rapidly, one of the examples of the technology that is emerging in recent years is 3D face recognition. This technology combines biometric data in form of faces which are taken from several angles (combination of horizontal and vertical angles) and artificial neural network. In order to improve the low recognition rate from crisp data, fuzzy method is used. The experiment will be performed three times because there are three cluster which are consist of several set of person. Firstly, the data will be processed step by step in fuzzification phase starting from the level of expression continued with the level of face and lastly is the level of person. With the use fuzzification, the crisp data can be converted into fuzzy. The next step is to make references in fuzzy manifold phase in order to be used in fuzzy nearest distance phase. In fuzzy nearest distance phase, the shortest distance between the testing data the references will be processed in artificial neural network with hemispheric structured hidden layer. Generally, the average of the all recognition rate can reach up to 80% which means that the system can recognize the face pattern quite good. ;The development of technology is growing rapidly, one of the examples of the technology that is emerging in recent years is 3D face recognition. This technology combines biometric data in form of faces which are taken from several angles (combination of horizontal and vertical angles) and artificial neural network. In order to improve the low recognition rate from crisp data, fuzzy method is used. The experiment will be performed three times because there are three cluster which are consist of several set of person. Firstly, the data will be processed step by step in fuzzification phase starting from the level of expression continued with the level of face and lastly is the level of person. With the use fuzzification, the crisp data can be converted into fuzzy. The next step is to make references in fuzzy manifold phase in order to be used in fuzzy nearest distance phase. In fuzzy nearest distance phase, the shortest distance between the testing data the references will be processed in artificial neural network with hemispheric structured hidden layer. Generally, the average of the all recognition rate can reach up to 80% which means that the system can recognize the face pattern quite good. , The development of technology is growing rapidly, one of the examples of the technology that is emerging in recent years is 3D face recognition. This technology combines biometric data in form of faces which are taken from several angles (combination of horizontal and vertical angles) and artificial neural network. In order to improve the low recognition rate from crisp data, fuzzy method is used. The experiment will be performed three times because there are three cluster which are consist of several set of person. Firstly, the data will be processed step by step in fuzzification phase starting from the level of expression continued with the level of face and lastly is the level of person. With the use fuzzification, the crisp data can be converted into fuzzy. The next step is to make references in fuzzy manifold phase in order to be used in fuzzy nearest distance phase. In fuzzy nearest distance phase, the shortest distance between the testing data the references will be processed in artificial neural network with hemispheric structured hidden layer. Generally, the average of the all recognition rate can reach up to 80% which means that the system can recognize the face pattern quite good. ]"

"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. ."

"Saat ini teknologi 3D printing telah dikembangkan pada bidang farmasi khususnya teknologi produksi sediaan padat yang disebut tablet 3D printing. Hal ini dapat mendukung tujuan personalisasi sediaan farmasi khususnya terkait dosis obat. Salah satu metode yang dapat digunakan untuk personalisasi dosis obat untuk pasien yaitu tablet 3D printing. Penetapan dosis dibuat dengan merancang tablet 3D printing dengan volume tertentu menggunakan perangkat lunak untuk menyesuaikan dosis yang dibutuhkan. Penulisan ini bertujuan untuk mengkaji beberapa polimer yang dapat digunakan sebagai filamen dengan metode fused deposition modeling untuk pembuatan tablet 3D printing dan menganalisis profil pelepasan obat dari tablet 3D printing tersebut. Kajian ini berfokus untuk mempelajari karakteristik yang terdapat pada beberapa polimer yaitu poli asam laktat, polivinil alkohol, poli kaprolakton, polivinil pirolidon, poletilen oksida, etilen vinil asetat, etil selulosa, hidroksipropilmetil selulosa, dan hidroksipropil selulosa berupa sifat termoplastik, biodegradasi, dan sifat mekaniknya agar dapat diaplikasikan pada fused deposition modeling 3D printing. Selain itu, dipelajari pula pelepasan obat dari matriks tablet 3D printing. Hasil-hasil penelitian menunjukkan bahwa polimer yang dapat digunakan harus memiliki sifat termoplastik dan biodegradable. Polimer di atas dapat digunakan untuk membentuk filamen untuk pembuatan tablet 3D printing. Pilihan polimer yang digunakan berpengaruh pada profil pelepasan obat dari tablet 3D printing. Oleh karena itu, diajukan gagasan untuk membuat tablet dengan teknologi 3D printing dapat memfasilitasi modifikasi bentuk, ukuran, dosis dan profil pelepasan obat dari tablet. Tablet 3D printing dapat dikembangkan lebih lanjut menggunakan metode ini sehingga tujuan personalisasi obat dapat terwujud.

---

Currently 3D printing technology has been developed into the pharmaceutical field, especially solid preparations technology namely 3D printed tablets. This can support the purpose of personalizing medicine, especially related to drug dosages. Determination of dosage is made by designing tablets with certain volume using software to adjust the required dose. The purpose of this paper is to review several polymers that can be used in 3D printing with the fused deposition modeling as filament forming for the manufacture of 3D printed tablets and to analyze various types of drug release profiles. This review focuses on studying the characteristics found in several polymers, polylactic acid, polyvinyl alcohol, polycaprolactone, polyvinyl pyrrolidone, polyethylene oxide, ethylene vinyl acetate, ethyl cellulose, hydroxypropylmethyl cellulose, and hydroxypropyl cellulose in the form of thermoplastic, biodegradable, and mechanical properties so that they can applied in fused deposition modeling 3D printing technique. In addition, the drug release profile from 3D printed tablet is also studied. Research results show that polymers that can be used must have thermoplastic properties and are biodegradable. The polymers that have been mentioned can be used to form filaments for making 3D printed tablets. Drug release profile is very dependent on the polymer used on 3D printed tablets. Tablets made with this technology can be modified in both shape and size that affect the drug release profile from the matrix. 3D printed tablets has the potential to be developed using this method so that the goal of drug personalization can be realized."

"Penelitian ini merupakan kelanjutan dari penelitian sebelumnya yang menggunakan Nearest Feature Line (NFL) sebagai metode klasifikasi penentuan sudut pandang sebuah obyek. Pada penelitian sebelumnya telah ditunjukkan bahwa dengan mengurangi banyaknya garis yang tidak perlu dalam menghubungkan titik-titik ciri dalam ruang eigen mampu meningkatkan tingkat pengenalan sistem. Hal ini disebabkan karena semakin banyak garis ciri yang terbentuk akan menyebabkan semakin besarnya kemungkinan terjadinya kesalahan penentuan sudut pandang.

Pada penelitian sebelumnya juga telah dikembangkan klasifikasi sudut pandang dengan menggunakan metode pendekatan sudut presisi. Pendekatan ini mampu meningkatkan tingkat pengenalan sistem bila dibandingkan dengan metode pendekatan sudut pewakil yang telah dikembangkan pada penelitian sebelumnya karena mampu menentukan sudut dari titik uji yang jatuh di perpanjangan garis ciri Sistem penentu sudut pandang ini terdiri dari 2 subsistem yaitu pembentukan ruang ciri dan klasifikasi sudut pandang.

Dalam pembentukan ruang ciri, penulis melakukan perbandingan antara pembentukan ruang ciri berdasarkan kelas wajah data pelatihan dan pembentukan ruang ciri berdasarkan kelas wajah data pelatihan dan kelompok sudut horizontal/vertikal yang sama. Sedangkan dalam klasifikasi sudut pandang penulis melakukan perbandingan antara penggunaan interpolasi linier dengan interpolasi spline sebagai fungsi untuk membentuk garis ciri dengan menghubungkan titik-titik ciri yang ada dalam ruang ciri.

Dalam penelitian ini penulis menggunakan Bezier spline dan Cardinal spline sebagai interpolasi spline Berdasarkan eksperimen dalam penelitian ini, pembentukan ruang ciri berdasarkan kelas wajah data pelatihan atau pembentukan ruang ciri berdasarkan kelas wajah data pelatihan dan kelompok sudut horizontal/vertikal yang sama tidak mempengaruhi tingkat pengenalan sistem secara signifikan. Hal ini disebabkan karena perbedaan proporsi kumulatif yang digunakan pada proses pembentukan setiap ruang ciri. Namun penggunaan jenis interpolasi sebagai fungsi pembentuk garis ciri mempengaruhi tingkat pengenalan sistem. Dengan menggunakan interpolasi spline pengenalan sistem penentu sudut pandang dapat meningkat bila dibandingkan dengan menggunakan interpolasi linier. "

"In this paper, we study linear approaches for 3D model acquisition from non-calibrated images. First, the intrinsic andextrinsic camera calibration is taken into consideration. In particular, we study the use of a specific calibrationprimitive: the parallelepiped. Parallelepipeds are frequently present in man-made environments and naturally encode theaffine structure of the scene. Any information about their euclidean structure (angles or ratios of edge lengths), possiblycombined with information about camera parameters is useful to obtain the euclidean reconstruction. We propose anelegant formalism to incorporate such information, in which camera parameters are dual to parallelepiped parameters,i.e. any knowledge about one entity provides constraints on the parameters of the others. Consequently, an image aparallelepiped with known Euclidean structure allows to compute the intrinsic camera parameters, and reciprocally, acalibrated image of a parallelepiped allows to recover its euclidean shape (up to size). On the conceptual level, thisduality can be seen as an alternative way to understand camera calibration: usually, calibration is considered to beequivalent to localizing the absolute conic or quadric in an image, whereas here we show that other primitives, such ascanonic parallelepipeds, can be used as well. While the main contributions of this work concern the estimation ofcamera and parallelepiped parameters. The complete system allows both calibration and 3D model acquisition from asmall number of arbitrary images with a reasonable amount of user interaction."

"Biosensor mendeteksi zat kimia tertenu melalui reasi biokimia. Zat biokimia bereaksi dengan analit dan diubah menjadi sinyal litrik oleh tranduser. Elektroda terstruktur 3D akan dapat berinteraksi lebih banyak dengan analit. Hipotesisnya adalah bahwa elektroda berstruktur sarang lebah 3D akan menghasilkan hasil yang lebih baik karena integritas strukturalnya. Penelitian ini dilaksanakan melalui perangkat lunak simulasi, dan hasilnya kotak menghasilkan hasil yang lebih baik sedangkan hexagon menghasilkan lebih buruk. Namun, integritas structural segi enam mampu menghasilkan hasil lebih konsistensi bahkan dengan perubahan ketebalan.

---

Biosensor detect certain chemical substances through a biochemical reaction. The biochemical substance reacts with the analyte and it converts into electrical signal by a transducer. A 3D structured electrode would be able to interact more with the analyte. The hypothesis is that a 3D honeycomb-structured electrode would produce a better outcome due to its structural integrity. The research was commenced through a simulation software, and the result was that square produce the better outcome meanwhile hexagon produce the worst. However, the structural integrity of a hexagon was able to produce more of a consistent even with the change of thickness."

"

Perkembangan additive manufacturing dan/atau 3D printing yang sangat pesat tidak hanya memengaruhi bidang manufaktur saja tetapi turut serta memberi pengaruh terhadap bidang kesehatan. Hal ini ditunjukkan dengan mulainya 3D printing diperkenalkan secara klinis untuk pengembangan biomaterial dan biofabrikasi. Adapun keberadaan alat fabrikasi 3D printing, terutama Fused Deposition Modelling (FDM), semakin mudah dijumpai. Sehingga, 3D printing ini menjadi teknologi yang semakin bernilai terutama untuk menghadapi era yang serba cepat. 4D printing merupakan konsep dimana fabrikasi struktur dilakukan secara lapis dan kemudian mengalami perubahan bentuk pasca pemberian stimulus eksternal. Konsep tersebut turut memiliki peluang untuk diimplementasikan terutama pada aplikasi biomedik. Sehingga, diharapkan bahwa 4D printing dapat mengoptimalkan fabrikasi dan pengaplikasian alat kesehatan saat perawatan dilakukan. Di samping itu, Polylactic acid (PLA) sebagai salah satu polimer yang populer digunakan dalam struktur 4D printing memiliki karakteristik yang tepat untuk aplikasi tersebut. Dengan demikian, agar dapat mengetahui konsistensi hasil fabrikasi dan fenomena yang terjadi pada struktur 4D printing dengan material PLA, kalibrasi alat fabrikasi FDM serta perancangan dan fabrikasi struktur dilakukan. Kedua hal tersebut mengindikasikan bahwa parameter proses yang lebih rinci dapat menghasilkan struktur yang sesuai dengan desain. Selain itu, struktur yang dihasilkan memiliki kemampuan untuk bertransformasi secara melengkung pada dua dimensi (bending 2D).

 

---

The rapid development of additive manufacturing and/or 3D printing not only affects manufacturing sector but also giving influence towards healthcare field. This is indicated by the beginning of 3D printing introduced clinically for the development of biomaterials and bio fabrication. The presence of 3D printing fabrication machine, especially the Fused Deposition Modelling (FDM) printer, even easier to find. This makes the 3D printing becomes increasingly valuable technology while facing this fast-paced era. 4D printing is a fabrication concept by building the structure layer by layer and then undergoes such a shape transformation due to external stimulus. The concept also has a chance to be applied in biomedical application. Therefore, it is expected that 4D printing could optimize the fabrication and application of medical devices when treatment is carried out. In addition, Polylactic acid (PLA), one of the popular polymers used in the 4D printing, has excellent characteristics for the application. Thus, in order to know the consistency of fabrication results and the phenomena that occur in the PLA 4D printed structure, the calibration of FDM fabrication tools, structural design and fabrication is conducted. Both of those indicate that more detailed process parameters can produce structures that are in accordance with the design. In addition, the resulting structure has the ability in order to transform in a curved manner (bending 2D).

"

"Klasifikasi data citra Ultrasonograf (USG) tumor payudara telah dilakukan dengan menggunakan Adaptive Neuro Fuzzy Inference System (ANFIS). Untuk klasifikasi diberikan pasangan-pasangan input fungsi keanggotaan (MFs) antara 0 - 0,1 dengan output pasien tumor/kanker sangat parah; input MFs 0,11 - 0,2 dengan output pasien tumor/kanker parah; input MFs 0,21 - 0,4 dengan output pasien tumor/kanker tidak parah; dan input 0,41 - 1 dengan output pasien sehat. Klasifikasi dilakukan terhadap data citra ultrasonografi baik pada pasien sehat maupun pada pasien yang memiliki kelainan, dan memberikan persentase kebenaran data training sebesar 87 %. Rule base dibuat dengan menggunakan sistem pakar (expert system) dengan 8 aturan dan training data FMS dilakukan dengan menggunakan metode backpropagation."