Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKEvolusi interaksi manusia dengan mesin sudah dimulai sejak beberapa dekade yang lalu. Antarmuka pengguna User Interface, UI manusia dengan mesin selalu berkembang ke arah yang memudahkan penggunanya. Bermula dari Command Line Interfaces atau CLI Antarmuka Perintah Baris , kemudian berkembang ke arah Graphical User Interfaces atau GUI Antarmuka Grafik, gambar yang saat ini lumrah kita gunakan, hingga UI yang akan mudah dikenali oleh pengguna yang awam, yakni Natural User Interfaces atau NUI Antarmuka Natural . Dua jenis NUI yang banyak digunakan adalah gestur tubuh dan suara. Penelitian ini melaporkan pengembangan sistem kendali gerak quadcopter berbasis gestur tubuh dengan menggunakan sensor gerak Kinect. Kinect yang merupakan perangkat dengan kamera dan proyektor inframerah mampu mendeteksi pergerakan tubuh manusia dan menerjemahkannya ke dalam skeleton, yakni titik-titik sendi tubuh yang dihubungkan oleh garis. Sepuluh titik sendi ini kemudian dijadikan parameter dalam algoritma sistem kendali. Kombinasi dua hingga tiga titik sendi digunakan untuk mengendalikan satu gerakan dasar. Gerakan quadcopter yang dirancang meliputi tujuh gerakan dasar serta serangkaian perintah tugas terbang Task Command quadcopter. Masing-masing perintah terbang memiliki sebuah gestur yang diwakili 2-3 titik sendi yang ditetapkan sebagai input perintah gerak. Setiap gestur yang telah ditetapkan memiliki parameter tertentu. Ketika parameter tersebut terpenuhi, maka perintah terbang akan dikirim kepada quadcopter, dan perintah tersebut dianggap sebagai input kendali. Penelitian ini juga melaporkan tingkat keberhasilan masing-masing perintah gerak dasar, yang mana tingkat keberhasilan dari ketujuh gerak dasar tadi bervariasi antara 80,8 hingga 96,0.

---

ABSTRAKHuman Machine interaction evolution has started a few decades ago. Human Machine user interface has been developed to be an easy tool to use by the user. Begins from Command Line Interface CLI to Graphical User Interface or GUI, which is very common to use and latest, the User Interface which will be easily recognizable for common user called Natural User Interface NUI . The two most widely used types of NUIs are body gesture and sound. This research reports a developed system of Quadcopter control system based on body gesture using Kinect motion sensor. Kinect is a device with camera and infra red projector that can detect human body movement and translate it to skeleton, i.e. joint points of the body connected by lines. This ten joint points become parameter in control system algorithm. Combination of two or three is used to controlling one basic movement. The designed Quadcopter movement consists of 7 basic movement and series of task commands of Quadcopter. Each flying command has a specified gesture represented by two or three joint point which set as an input of a command movement. Each gesture that has been set has specified parameter. When it fulfilled, the a flying command will be sent to the Quadcopter, and that command is considered as control input. This study also reports success rates of each basic movement, which from the seven basic movement is varied from 80,8 until 96,0 . "

"SIBI merupakan bahasa isyarat resmi yang digunakan di Indonesia. Penggunaan SIBI seringkali ditemukan permasalahan karena banyaknya gerakan isyarat yang harus diingat. Penelitian ini bertujuan untuk mengenali gerakan isyarat SIBI dengan cara mengekstraksi fitur tangan dan wajah yang kemudian diklasifikasikan menggunakan Bidirectional Long ShortTerm Memory (BiLSTM). Ekstraksi fitur yang digunakan dalam penelitian ini adalah Deep Convolutional Neural Network (DeepCNN) seperti ResNet50 dan MobileNetV2, di mana kedua model tersebut digunakan sebagai pembanding. Penelitian ini juga membandingkan performa dan waktu komputasi antara kedua model tersebut yang diharapkan dapat diterapkan pada smartphone nantinya, dimana model tersebut akan diimplementasikan. Hasil penelitian menunjukkan bahwa penggunaan model ResNet50-BiLSTM memiliki kinerja yang lebih baik dibandingkan dengan MobileNetV2-BiLSTM yaitu 99,89%. Namun jika akan diaplikasikan pada arsitektur mobile, MobileNetV2-BiLSTM lebih unggul karena memiliki waktu komputasi yang lebih cepat dengan performa yang tidak jauh berbeda jika dibandingkan dengan ResNet50-BiLSTM.

---

SIBI is a sign language that is officially used in Indonesia. The use of SIBI is often found to be a problem because of the many gestures that have to be remembered. This study aims to recognize SIBI gestures by extracting hand and facial features which are then classified using Bidirectional Long ShortTerm Memory (BiLSTM). The feature extraction used in this research is Deep Convolutional Neural Network (DeepCNN) such as ResNet50 and MobileNetV2, where both models are used as a comparison. This study also compares the performance and computational time between the two models which is expected to be applied to smartphones later, where both models can now be implemented on smartphones. The results showed that the use of ResNet50-BiLSTM model have better performance than MobileNetV2-BiLSTM which is 99.89\%. However, if it will be applied to mobile architecture, MobileNetV2-BiLSTM is superior because it has a faster computational time with a performance that is not significantly different when compared to ResNet50-BiLSTM."

"Banyak dari kita tidak mengerti cara membaca bahasa tubuh dan tidak menyadari bahwa gerakan fisik kita berbicara kepada orang lain. Buku ini berisi teknik membaca sinyal bahasa tubuh untuk mencapai kesuksesan di setiap area kehidupan. Dengan pengalaman selama lebih dari tiga puluh tahun di bidangnya, serta dilengkapi penelitian mutakhir di bidang biologi evolusioner, psikologi, dan teknologi medis yang menunjukkan apa yang terjadi di otak, Allan dan Barbara Pease menguji setiap komponen bahasa tubuh dan memberitahu Anda kosakata dasar untuk membaca sikap dan emosi melalui perilaku.Buku ini akan membantu Anda menemukan:Bagaimana telapak tangan dan berjabat tangan dapat digunakan untuk memperoleh kendaliGerakan yang paling sering dilakukan oleh pendustaBagaimana posisi kaki mengungkapkan apa yang dilakukan oleh pikiranSikap dan isyarat yang sering dilakukan oleh pasangan kekasihSinyal rahasia dari riasan wajahKeajaiban senyuman termasuk saran tersenyum untuk wanitaBuku ini akan memperkaya komunikasi Anda dan membantu Anda memahami orang lain dan juga diri Anda sendiri."

"Para roboticist selalu berusaha agar robot dapat menghampiri bentuk dan kemampuan manusia sehingga robot dapat berinteraksi bersama manusia dengan baik. Untuk dapat berinteraksi dengan manusia, robot sebisa mungkin dibuat agar memiliki gerakan yang mirip dengan manusia. Imitation Learning atau sering disebut dengan Motion Capture, adalah salah satu teknik pengendalian robot humanoid dengan manusia sebagai aktor dan robot sebagai agen yang akan mengimitasi gerakan aktor. Metode ini menawarkan kefleksibelan dan kemudahan dalam mememodifikasi sistem robot. Pada penelitian ini telah dikembangkan sebuah sistem motion capture untuk mentransformasikan gerakan lengan manusia ke lengan robot humanoid secara real time, dengan setiap lengan terdiri dari 3 DOF serta dilakukan perancangan database motion agar robot dapat melakukan gerakan yang telah dilakukannya. Proses tracking dengan Microsoft Kinect dilakukan pada rate frekuensi 20 Hz dengan dengan satu loop proses komputasi mapping membutuhkan waktu rata-rata 340 us. Rata-rata error pendeteksian vektor skeleton yang dideteksi adalah 1.74 cm.

---

The roboticist always trying to get the robot to approach the form and abilities so that the robot can interact with humans as well. To be able to interact with humans, robot made as much as possible in order to have similar movement to human. Imitation Learning or often called Motion Capture, is one of the humanoid robot control techniques with human as an actor and the robot as an agent who will imitate the movement of the actor. This method offers flexibility and ease to modify robot system.

In this research, we have developed a motion capture system to transform human arm movement to humanoid robot in real time, with each arm consisting of 3 DOF and we have designed database motion so that robot can redo the movement which it can do previously. Tracking process with Microsoft Kinect performed at frequency of 20 Hz with a single loop computation mapping process takes an average of 340 us. The average error detection of skeleton vector is 1.74 cm."

"Seni tari pada umumnya dilakukan oleh manusia dan diturunkan ke generasi muda sebagai bentuk pelestarian tarian tersebut. Sebagai bentuk lain dari pelestarian seni tari digunakanlah Robot Humanoid. Robot akan akan melakukan pembelajaran gerakan manusia (imitation learning) melalui kemera Microsoft Kinect, yang dapat menangkap gerakan manusia (motion capture). Gerakan tersebut juga dikompensasi untuk penyeimbangan robot dengan metode Zero Moment Point (ZMP). Sistem ini dilakukan dengan framework dari Robot Operating System (ROS) dan berhasil melakukan imitation learning dengan rate 5Hz pada pengiriman data ke joint robot serta waktu sampling sekitar 10Hz.

---

The art of dance is generally performed by humans and handed down to the younger generation as a way to preserve the dance. As another form of preservation is used Humanoid Robot. The Robot will be imitation learning of human movement through the Microsoft Kinect camera, which can capture human motion (motion capture). The movement is also compensated for balancing robot with Zero Moment Point (ZMP) method. This system is done with the framework of the Robot Operating System (ROS) and managed to imitation learning with rate 5Hz for sending data and the sampling time 10Hz."

"ABSTRAKPenelitian ini melaporkan tingkat keberhasilan dari sistem speech recognition yang diimplementasikan ke dalam quadcopter sebagai kendali geraknya. Pada sistem speech recognition digunakan metode mel frequency cepstral coefficient MFCC sebagai feature extraction yang kemudian akan di-training menggunakan metode recursive neural network RNN . Metode MFCC sendiri merupakan salah satu metode feature extraction yang paling banyak digunakan untuk speech recognition. Metode tersebut memiliki tingkat keberhasilan yang cukup besar sekitar 80 - 95 . Pada penelitian ini akan digunakan database yang sudah ada dan database yang baru. Database yang sudah ada akan digunakan sebagai media pengukur tingkat keberhasilan metode RNN. Database yang baru akan dibuat menggunakan bahasa indonesia dan kemudian dibandingkan tingkat keberhasilannya dengan hasil dari database yang sudah ada. Suara yang masuk dari microphone akan diolah pada laptop yang telah memiliki modul DSP dengan metode MFCC untuk mendapatkan nilai karakteristiknya. Nilai karakteristik tersebut kemudian akan di-training menggunakan RNN yang hasilnya berupa perintah. Perintah tersebut akan menjadi input kendali bagi single board computer SBC yang hasilnya berupa pergerakan quadcopter.

---

ABSTRACTThis research reports a success rate of speech recognition systems that are implemented into quadcopter as motion control. Speech recognition system is using mel frequency cepstral coefficient method MFCC as feature extraction that will be trained using recursive neural network method RNN . MFCC method is one of the feature extraction method that most used for speech recognition. This method has a success rates about 80 95 . This research will use the existing database and the new database. Existing database will be used for measure the success rate of RNN method. The new database will be created using Indonesian language and then the success rate will be compared with results from an existing database. Sound input from the microphone will be processed on a laptop that has a DSP module with MFCC method to get the characteristic values. The characteristic values then will be trained using the RNN which result is command. The command will become a control input to the single board computer SBC which result is the movement of quadcopter."

"Beginning kinect programming with the Microsoft Kinect SDK also provides building blocks and ideas for mashing up the Kinect with other technologies to create art, interactive games, 3D models and enhanced office automation. You'll learn the fundamental code basic to almost all Kinect applications. You'll learn to integrate that code with other tools and manipulate data to create amazing Kinect applications. Beginning Kinect Programming with the Microsoft Kinect SDK is your gateway into the exciting world of three-dimensional, real-time computer interaction. Helps you create a proper development environment for Kinect applications. Covers the basics of three-dimensional vision, skeleton tracking, gesture recognition, and audio. Provides fun examples that keep you engaged and learning."

"Quadcopter merupakan wahana terbang yang memiliki 4 rotor bersifat underactuated. Sifat quadcopter yang merupakan sistem yang kompleks akibat coupling antar variabelnya menjadikan desain pengendali yang cukup rumit. Diperlukan adanya pengendali yang mudah untuk dapat diaplikasikan pada quadcopter. Untuk melakukan percobaan pengaplikasian pengendali pada quadcopter, sistem pengendali tersebut harus dilakukan percobaan pada simulasi untuk mengetahui hasilnya. Oleh karena itu, peneliti mengusulkan pengendalian DIC yang berbasis deep neural networks (DNN) dan long-short term memory (LSTM) diujikan pada simulator sebelum akhirnya pada quadcopter asli. LSTM digunakan memiliki arsitektur pendukung untuk data sekuensial sebagaimana pergerakan trajektori. Sistem kendali dengan LSTM ini dihasilkan galat MSE yang lebih rendah dibanding DNN. Kinerja LSTM lebih baik dibandingkan dengan DNN. Selain itu, terdapat beberapa faktor – faktor terjadi peningkatan galat ketika diintegrasikan pada simulator Gazebo untuk bahan evaluasi terhadap pengendali berbasis yang sama diaplikasikan pada quadcopter aslinya.

---

Quadcopter is a flying vehicle that has 4 rotors that are underactuated. The nature of the quadcopter which is a complex system due to the coupling between the variables makes the controller design quite complicated. An easy controller is needed to be applied to the quadcopter. In order to experiment with the application of the controller on the quadcopter, the control system must be experimented with in a simulation to find out the results. Therefore, the researcher proposes that DIC control based on Deep Neural Network and Long-Short Term Memory be tested on a simulator before finally on a real quadcopter. LSTM is used to have a supporting architecture for sequential data as well as trajectory movement. The controller with this LSTM produces a lower MSE error than DNN. LSTM performance is better compared to DNN. In addition, there are several factors that increase the error when integrated into the simulator for evaluation of the same based controller applied to the original quadcopter."

"Time-of-flight Cameras and microsoft kinect™ closely examines the technology and general characteristics of time-of-flight range cameras, and outlines the best methods for maximizing the data captured by these devices. This book also analyzes the calibration issues that some end-users may face when using these type of cameras for research, and suggests methods for improving the real-time 3D reconstruction of dynamic and static scenes."