Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKPengenalan wajah merupakan salah satu topik pada ilmu pengolahan citra yang sering dikembangkan. Salah satu dari metode pengenalan wajah ialah dengan menggunakan jaringan saraf tiruan. Jaringan saraf tiruan mengenali wajah-wajah dengan cara mempelajari wajah-wajah yang disediakan untuk pembelajaran. Metode pembelajaran yang digunakan pada tulisan ini ialah dengan lapisan tersembunyi berbentuk hemisfer yang merupakan pengembangan dari metodebackpropagation dengan data masukan yang direduksi oleh algoritma PCA. Metode ini menggunakan informasi sudut wajah pada citra sebagai parameter masukan selain data citra wajah tersebut. Seiring dengan majunya teknologi pengambilan gambar, metode ini dapat digunakan untuk mengenali wajah secara tiga dimensi.

---

ABSTRACTFace recognition is one of most discussed topics in image processing. A method used for face recognition is using artificial neural networks. Artificial neural network recognizes faces by learning the faces given to train. The learning method proposed in this paper is using hemispheric structure hidden layer which is an improvement of backpropagation algorithm with reduced data as input using principal component analysis algorithm. This method needs face’s angle on the image as parameter inputs instead of only face data. As the technology of capturing image growing, this method can be applied as an algorithm for 3D face recognition."

"[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. ]"

"ABSTRAKMetode Eigenface diimplementasikan pada sistem otentikasi kontinu yang digunakan dalam sistem pengenalan wajah. Proses dimulai sistem dengan deteksi warna kulit, wajah serta kedua mata pengguna melalui suatu kamera. Piksel citra wajah disimpan dan diolah menjadi bentuk vektor fitur. Vektor fitur dari citra uji dan citra latih disubstraksikan dan dinormalisasikan demi mendapatkan jarak Euclidean terdekat sebagai hasil pengenalan. Sistem diuji pada enam parameter pengujian yaitu pengujian terhadap perubahan resolusi, pengujian terhadap noise, pengujian terhadap citra iluminasi rendah, pengujian terhadap perubahan etnis, serta pengujian secara kontinu. Nilai rata-rata akurasi pengenalan yang dicapai oleh rancangan ini berkisar 85.62% pada 240 citra data latih.

---

ABSTRACTEigenface method is being implemented in continuous authentication system to recognize faces. The system in this implementation is able to detect user’s skin color, face, and eyes through a camera. Each pixel in the input and template pictures is then stored and converted into feature vectors. Feature vector from the input and template images are then subtracted to find the nearest Euclidean distance which is the recognition result. The five test parameters used are variation of image resolution, noise, low-illuminated test image, user’s ethnicity, and continuous test. This system is able to achieve have up to 85.62% recognition accuracy rate with 240 training data images."

"Citra berkabut terjadi jika cahaya yang diterima oleh media optik dihamburkan dengan media yang keruh, seperti asap dan tetesan air. Citra berkabut dapat direstorasi menjadi citra tanpa kabut dengan proses image dehazing. Salah satu metode untuk melakukan image dehazing adalah statistical prior. Statistical prior digunakan ketika informasi yang diketahui hanyalah citra berkabut, untuk mengestimasi parameter yang tidak diketahui, seperti airlight dan transmisi. Pada penelitian ini penulis menggunakan dua metode statistical prior, yaitu Dark Channel Prior dan Two Peak Channel Prior. Untuk mendapatkan hasil terbaik, penulis melakukan optimasi parameter pada kedua metode yang digunakan. Untuk mendapatkan kualitas hasil image dehazing terbaik, penulis merancang sebuah kerangka kerja (framework usulan dari modifikasi metode Dark Channel Prior yang melibatkan pemisahan daerah langit dan non-langit dan optimasi parameter. Performa metode diuji dengan menggunakan metrik root mean square error (RMSE) dan structural similarity index measure (SSIM). Didapatkan hasil dimana metode usulan mendapatkan hasil evaluasi terbaik, dengan RMSE sebesar 0.063 dan SSIM sebesar 0.942 Untuk dataset SOTS Outdoor. Sementara untuk dataset O-Haze, metode usulan mendapatkan hasil evaluasi terbaik juga dengan RMSE sebesar 0.147 dan SSIM sebesar 0.811.

---

Hazy images occur when the light received by the optical device is scattered by turbid media such as smoke and water droplets. Hazy images can be restored to its clear version by the image dehazing process. It is possible to perform image dehazing using statistical priors. Statistical priors are used when the only known information is the hazy image itself, to estimate the unknown parameters. In this study, the author used two statistical priors, namely Dark Channel Prior and Two Peak Channel Prior. To obtain the best possible results, the author attempted to optimize the parameters of the used methods. Furthermore, to obtain the best possible quality of image dehazing results, the Author proposed a framework using a modification of the Dark Channel Prior method, which involved separating the sky and non-sky areas and parameter optimization. The method performance was evaluated using the root mean square error (RMSE) and structural similarity index measure (SSIM). The results obtained show that the proposed method is able to get the best evaluation results, with an RMSE of 0.063 and SSIM of 0.942 for SOTS Outdoor dataset. For the O-Haze dataset, the proposed method also gets the best evaluation results with an RMSE of 0.147 and an SSIM of 0.811."

"Dalam dunia sekarang ini pemodelan sistem menjadi hal yang penting dalam pengembangan dunia teknologi. Berbagai cara telah dilakukan untuk membuat algoritma pemodelan sistem yang baik dan tantangan yang dihadapi pun semakin banyak. Salah satunya tantangan yang perlu dihadapi adalah adanya sistem yang kompleks. Dalam contoh praktis, penggunaan model sistem multivariabel dalam menggambarkan sistem sungguhan sudah menjadi hal yang umum untuk memenuhi tuntutan zaman. Salah satu usaha untuk dapat memodelkan sistem multivariabel adalah dengan menggunakan algoritma machine learning dengan struktur artificial neural network. Algoritma ini memiliki kemampuan untuk dapat meningkatkan performanya secara otomatis sehingga diharapkan dapat membangun pemodelan yang terbaik untuk sistem yang ingin dimodelkan secara otomatis juga sehingga dapat memudahkan kerja manusia tanpa harus membangun persamaan matematis secara manual terlebih dahulu. Studi ini ingin memelajari hasil yang didapatkan dari percobaan pemodelan sistem dinamik pesawat terbang dengan menggunakan artificial neural network dan menjadikan hasil studi tersebut bahan pengembangan lebih lanjut dalam teknologi pemodelan sistem menggunakan artificial neural network.

---

In the modern world, system modelling becomes an important part of technology development. Various ways have been done to create good system modelling algorithms and with that more and more challenge comes. One of the challenges that need to be faced is the existence of complex systems. For example, using multivariable system model to represent real world system is becoming common nowadays to fulfil demands. One effort to model a multivariable system is to use machine learning algorithms with artificial neural network structures. This algorithm has the capability to be able to improve its performance automatically so it is expected to build the best model parameter for the system that wants to be modelled. Also, this helps to make modelling easier for human without having to build a mathematical equation manually first. This study wanted to present the results from experimental modelling of aircraft dynamic systems by using artificial neural network and with that contribute to the development of system modelling technology using artificial neural network."

"Masalah pencocokan untai terbagi menjadi dua yakni pencocokan untai eksak dan hampiran. Pada skripsi ini, masalah pencocokan untai yang dibahas adalah pencocokan untai eksak. Inti dari masalah pencocokan untai eksak adalah mencari semua posisi kemunculan suatu untai pada untai yang lain. Salah satu ukuran yang membedakan dua buah untai adalah jarak Hamming. Jika diberikan dua buah untai, misalkan x dan y dengan panjang yang sama, maka jarak Hamming antara keduanya adalah banyaknya karakter pada untai x yang berbeda dengan karakter pada untai y pada posisi yang bersesuaian. Dalam pencocokan untai eksak, panjang untai yang akan dicocokan tidak akan selalu sama sehingga jarak Hamming antara keduanya tidak dapat dihitung. Dengan merangkaikan sejumlah untai hampa pada untai yang lebih pendek sehingga panjangnya menjadi sama, jarak Hamming antara keduanya barulah dapat dihitung. Dengan pemikiran inilah akhirnya ukuran jarak Hamming digunakan dalam pencocokan untai eksak untuk mencari semua posisi kemunculan suatu untai pada untai lain yang lebih panjang.

---

String matching problem is divided into exact and approximate string matching. In this thesis, we discuss the exact string matching. The main problem of exact string matching is to find all position of a string in other string. The measure that used in this thesis is Hamming distance. Given two strings namely the x and y with the equal length, Hamming distance of the two is the number of positions at which the corresponding characters are different. In string matching problem, Hamming distance between them can?t always be calculated because the strings are not always have the same length. By concating a number of empty string with shortest string until the length to be same, then Hamming distance could be calculated. Finally, Hamming distance measure is used by exact string matching to find all position of a string in other string."

"Perusahaan Daerah Air Minum (PDAM) adalah salah satu unit usaha milik daerah, yang bergerak dalam distribusi air bersih bagi masyarakat umum yang terdapat di setiap provinsi, kabupaten, dan kotamadya di seluruh Indonesia. Setiap tahunnya dilakukan penilaian kerja PDAM oleh Badan Peningkatan Penyelengaraan Sistem Penyediaan Air Minum (BPPSPAM). Penilaian kerja Badan Usaha Milik Daerah (BUMD) penyelenggara SPAM merupakan upaya untuk melihat dan mengukur tingkat kinerja manajemen dalam mengelola perusahaan yang bertujuan untuk mengetahui sejauh mana efisiensi dan efektifitas pengelolaannya. Penilaian kinerja ini menggunakan empat aspek dimana setiap aspeknya memiliki indikator-indikator penilaian. Aspek yang pertama adalah aspek keuangan dengan indikator Return of Equity (ROE), rasio operasi, rasio kas, efektivitas penagihan, dan solvabilitas. Selanjutnya adalah aspek pelayanan dengan indikator-indikator, yaitu cakupan pelayanan teknis, pertumbuhan pelanggan, tingkat penyelesaian pengaduan, kualitas air pelanggan, dan konsumsi air domestik. Aspek yang ketiga adalah aspek operasional dengan indikator efisiensi produk, tingkat kehilangan air, jam operasi layanan, tekanan air pada sambungan pelanggan, dan penggantian dan (atau) kalibrasi meter air pelanggan. Aspek yang terakhir adalah aspek sumber daya manusia dengan indikator rasio pegawai, rasio diklat pegawai, dan rasio beban diklat terhadap beban pegawai. Indikator-indikator tersebut kemudian dihitung dan setiap unit PDAM dikelompokkan menjadi tiga kelompok yaitu sehat, kurang sehat, dan sakit. Pada penelitian ini dilakukan pengelompokan ulang dengan menggunakan metode clustering untuk menentukan berapa kelompok yang mungkin dihasilkan berdasarkan indikator-indikator tersebut. Indikator-indikator yang dipakai pada penelitian ini adalah Return of EquityROE), efektivitas penagihan, jam operasional, rasio pegawai, cakupan pelayanan teknis, pertumbuhan pelanggan, tingkat kehilangan air, tarif rata-rata, profit margin, rasio pelayanan, dan rasio kas. Penelitian ini menghasilkan kelompok-kelompok yang lebih rinci dibandingkan dengan kelompok yang sebelumnya. Penelitian ini juga membandingkan hasil clustering tersebut dengan pengelompokan yang sudah diterapkan oleh BPPSPAM.

---

Regional Water Use Company (Perusahaan Daerah Air Minum/PDAM) is one of the regional-owned business unit, which is engaged in the distribution of clean water for the general public in Indonesia. Every year a PDAM work assessment is carried out by the BPPSPAM. This work assessment is an effort to see and measure the level of management performance in managing the company which aims to determine the extent of efficiency and effectiveness of its management. This performance appraisal uses four aspects where each aspect has assessment indicators. The first aspect is the financial aspects with the indicators of Return of Equity (ROE), operating ratio, cash ratio, collection effectiveness, and solvency. The second one is the service aspects with indicators, namely technical service coverage, customer growth, complaint resolution rate, customer water quality, and domestic water consumption. The third one is the operational aspects with indicators of product efficiency, non-revenue water, service operating hours, water pressure at customer connection, and replacement (or) calibration of customer water meters. And the last one is the human resources aspects with indicators of employee ratio, employee training ratio, and the ratio of training expenses to employee expenses. These indicators are then calculated and PDAM units are grouped into three groups, namely healthy, unhealthy, and sick. In this study, regrouping was carried out using the clustering method to determine how many groups might be generated based on some of these indicators. The indicators used in this study are Return of Equity (ROE), billing effectiveness, operation hours, employee ratio, technical service coverage, customer growth, water loss rate, average fee, profit margin, service ratio, and cash ratio. This study also compares the results of the clustering with the grouping by BPPSPAM. This study resulted in more detailed groups than the previous groups."

"This paper presents a numerical analysis of gas flow in the annular combustion chamber of a Proto X-3 Bioenergy micro gas turbine for green building applications. The computational fluids dynamics (CFD) simulation was conducted in two dimensions, turbulent flow and gas phase combustion, with the goal of comparing the effects of different models in real conditions. Two different turbulence models, standard (STD) k-? and renormalization group (RNG) k-?, were applied for simulations. The fuel used was biogas produced from animal waste. Fuel consumption was assumed to be 100 kJ/s for simulations. The results of the simulations were analyzed and compared for reference. The temperature and the mass fraction of CH4, H2, O2, and CO2 distributions gave almost the same results for both models; therefore, both models (STD k-? and RNG k-?) could be used to represent the combustion process phenomenon without many significant differences."

"Pelat membran merupakan salah satu struktur yang sering digunakan dalam analisis struktur suatu bangunan. Menganalisa pelat membran dapat dilakukan dengan berbagai macam cara, seperti elemen hingga. Namun dalam analisa pelat membran menggunakan metode elemen hingga yang telah sering digunakan membutuhkan waktu yang lama untuk menggambar struktur dan menganalisanya karena dilakukan secara terpisah. Dengan menggunakan analisa isogeometrik yang menggabungkan CAD dan FEA membuat analisa struktur bangunan tidak akan memakan waktu yang lama. Dalam analisa isogeometrik dasar dari perhitungan menggunakan B-Spline dan NURBS (Non Uniform Rational B-Spline) yang merupakan dasar pada program CAD. Hasil yang diberikan dari analisa isogeometrik dengan berbagai macam kasus pada pelat membran memberikan nilai konvergensi yang cukup baik. Jika dibandingkan dengan analisa elemen hingga pun hasil yang didapat lebih baik karena dalam analisa isogeometrik meshing yang dihasilkan dari control point lebih mendekati geometri riil struktutrnya.

---

Membrane plate is one of the structures that is often used in the analysis of the structure of a building. Analyzing membrane plates can be done in various ways, such as finite elements. However, in analyzing plates using the element method which is often used it takes a long time to structure and analyze them separately. By using isogeometric analysis collected by CAD and FEA, it will not take a long time to analyze the structure of a building. In basic isogeometric analysis the calculations use B-Spline and NURBS (Non Uniform Rational B-Spline) which are the basis of the CAD program. The results given from isogeometric analysis with various types of cases on membrane plates provide a fairly good convergence value. When compared with finite element analysis the results obtained are better because in the isogeometric analysis the meshing generated from the control point is closer to the real geometry of the structure."