Hasil Pencarian  ::  Simpan CSV :: Kembali

"Sistem pengenalan wajah yang menggunakan pendekatan klasik sejauh ini belum dapat memberikan hasil optimal jika dihadapkan pada tantangan oklusi. Tantangan oklusi yang dikaji pada penelitian ini adalah saat wajah menggunakan masker. Jika seseorang menggunakan aplikasi sistem pengenalan wajah dengan harus membuka masker terlebih dahulu di tempat umum tentunya sangat berbahaya untuk keselamatan dan kesehatan semua pihak. Sehingga dibutuhkan sistem pengenalan wajah yang memiliki performa sistem yang tinggi dengan tantangan oklusi masker. Penelitian ini membangun sistem pengenalan wajah bermasker dengan pendekatan holistic dan partial face. Metode ekstraksi fitur yang digunakan adalah penggabungan metode kurvatur yang menggunakan turunan parsial orde satu dan dua dengan metode analitik seperti gray level co-occurrence matrix (GLCM) dan multi-resolution analysis (MRA) seperti transformasi wavelet diskrit (DWT), scale-space (SS) dan wavelet packet transform (WPT). Pada penelitian ini juga ditemukan kriteria baru (keterbaruan penelitian) yang dinamakan curvature best basis (CBB) untuk memilih basis pada algoritma best basis di dalam WPT. Kriteria baru pemilihan basis terbaik bersifat dinamis dan menggunakan nilai tertinggi dari ukuran statistik standar deviasi dari kurvatur rerata pada koefisien wavelet. Basis terbaik bekerja sebagai fitur terekstraksi yang bekerja di dalam sistem pengenalan. Penelitian ini dievaluasi menggunakan dataset RFFMDS v1.0, RFFMDS v2.0 EYB, dan UBIPr. Hasil penelitian menunjukkan bahwa sistem pengenalan wajah dengan tantangan oklusi masker berhasil dibangun menggunakan pendekatan holistic dengan akurasi pengenalan sistem sebesar 98,11% dan dengan pendekatan partial face dengan akurasi sebesar 98,80%. Kedua hasil akurasi terbaik ini diperoleh dengan metode curvature best basis. Performa sistem pengenalan yang menggunakan metode curvature best basis dengan pendekatan holistic maupun partial face menunjukkan performa tertinggi dibandingkan dengan performa penelitian sebelumnya.

---

The face recognition system has not been able to produce satisfactory results when it applies classical approach to handle occlusion problems. This research evaluated masked face as the occlusion problem. If someone wants to use the face recognition system, he or she needs to take off the mask to accurately use the device. This becomes a risk for the safety to all party. The needs to have a stable high performance face recognition system has arisen. This research built the face recognition system with two approaches, holistic approach and partial face approach. The feature extraction method was combination of curvature of the first and second order of partial derivative and analytical methods such as gray level co-occurrence matrix (GLCM) and multi-resolution analysis (MRA) of discrete wavelet transform (DWT), scale-space (SS), and wavelet packet transform (WPT). A new dynamic criterion inside WPT has been proposed using the highest standard deviation from the mean curvature of wavelet coefficients. The single selected best basis works as extracted feature inside recognition system and it is called curvature best basis. The recognition system was evaluated using RFFMDS v1.0, RFFMDS v1.0 EYB, and UBIPr datasets. The results showed that the accuracy of the holistic approach was 98,11% and the accuracy of the partial face approach was 98,80% for the masked face recognition system. Both results derived from the proposed curvature best basis. The recognition system’s performance with curvature best basis overcome the results from previous works."

"Wajah merupakan salah satu bagian dari manusia yang bersifat unik. Namun demikian wajah memiliki sifat fleksibel. Secara psikologi, wajah manusia memiliki enam konfigurasi dasar : netral, gembira, sedih, marah, senyum, dan kaget. Seseorang dapat saja dikenali berdasarkan konfigurasi dasar dari wajah karena keunikannya. Dalam penelitian ini dirancang suatu sistem pengenalan wajah melalui jaringan neural buatan berbasis eigenfaces. Eigenfaces merupakan salah satu metode ekstraksi ciri dari wajah yang dapat dilakukan dengan Cara kroping holistik atau parsial. Ekstraksi ciri holistik merupakan cara pengambilan ciri wajah dengan suatu kroping yang meliputi seluruh komponen utama wajah, sedangkan ekstraksi ciri parsial merupakan cara pengambilan ciri wajah dengan kroping pada setiap komponen utama wajah. Komponen utama wajah dalam hal meliputi hidung, mata kanan, mata kiri, dan mulut. Melalui metode eigenfaces sebagai pra-prosesing, dapat diperoleh ciri wajah sebagai masukan bagi jaringan neural buatan. Sistem jaringan neural yang digunakan adalah jaringan perseptron lapis jamak dengan pembelajaran propagasi balik murni, dan gabungan swa-organisasi dan propagasi balik (hibrid). Penggunaan dua model pembelajaran ini dimaksudkan untuk membandingkan tingkat pengenalan diantaranya. Dengan melakukan perubahan metode dan pemilihan parameter tertentu seperti metode inisialisasi bobot dan bias, fungsi error, momentum, laju pembelajaran, dan jumlah neuron lapis tersembunyi, standar propagasi balik dapat ditingkatkan kemampuannya. Pembelajaran dengan jaringan hibrid meningkatkan kinerja jaringan, baik konvergensi maupun generalisasi dibanding propagasi batik murni. Namun demikian, untuk menggunakan jaringan hibrid, perlu pemilihan beberapa nilai parameter seselektif mungkin yaitu pemilihan nilai ambang, penyearah, laju pembelajaran, dan momentum. Hasil uji coba dengan kedua model pembelajaran menunjukkan bahwa eigenfaces merupakan cara yang cukup representatif untuk ekstaksi dan reduksi ciri pola wajah. Dengan mengambil eigenfaces yang besesuaian dengan nilai eigen 0.1, dengan perbandingan pola training dan testing 50% : 50%, sistem mampu mengenali sekumpulan wajah hingga di atas 90%, dan pengenalan dapat ditingkatkan lagi dengan memperbesar perbandingan poly training/testing.

---

The face is one of the unique parts of a human being. However, the face has a flexible nature. Psychologically, the human face has six basic configurations: neutral, happy, sad, angry, smiling, and surprised. A person can be recognized based on the basic configuration of the face because of its uniqueness. In this study, a facial recognition system was designed through an artificial neural network based on eigenfaces. Eigenfaces is one of the methods of extracting facial features that can be done by holistic or partial cropping. Holistic feature extraction is a method of taking facial features with a cropping that includes all the main components of the face, while partial feature extraction is a method of taking facial features with cropping on each main component of the face. The main components of the face in terms of nose, right eye, left eye, and mouth. Through the eigenfaces method as pre-processing, facial features can be obtained as input for the artificial neural network. The neural network system used is a multi-layer perceptron network with pure backpropagation learning, and a combination of self-organization and backpropagation (hybrid). The use of these two learning models is intended to compare the level of recognition between them. By changing the method and selecting certain parameters such as the weight and bias initialization method, error function, momentum, learning rate, and the number of hidden layer neurons, the standard backpropagation can be improved. Learning with a hybrid network improves network performance, both convergence and generalization compared to pure batik propagation. However, to use a hybrid network, it is necessary to select several parameter values ​​as selectively as possible, namely the selection of threshold values, rectifiers, learning rates, and momentum. The results of the trial with both learning models show that eigenfaces are a fairly representative way for the extraction and reduction of facial pattern features. By taking eigenfaces that correspond to an eigenvalue of 0.1, with a training and testing pattern ratio of 50%: 50%, the system is able to recognize a group of faces up to above 90%, and recognition can be improved again by increasing the poly training/testing ratio."

"Latar Belakang: Estetika wajah merupakan hal penting yang dapat meningkatkan daya tarik dan kepercayaan diri seseorang. Salah satu indikator estetika wajah adalah profil wajah yang harmonis dan proporsional. Profil wajah merupakan salah satu hal yang pertama kali dilihat oleh ortodontis. Penilaian terhadap hal tersebut bersifat subjektif dan bergantung pada persepsi. Ortodontis perlu mempertimbangkan parameter dan persepsi pasien dalam melakukan perawatan ortodonti. Tujuan: Memperoleh nilai rerata profil wajah yang masih dikatakan lurus menurut orang awam di Indonesia berdasarkan analisis Legan dan Burstone. Metode: Penelitian ini merupakan penelitian analitik observasional dengan desain potong lintang. Subjek penelitian ini adalah orang awam laki-laki dan perempuan yang masing-masing berjumlah 78 orang. Data diuji menggunakan uji Mann-Whitney U. Hasil: Persepsi orang awam terhadap perubahan titik Sn dan Pg’ pada model laki-laki dan perempuan menunjukkan bahwa ada perbedaan yang bermakna (p<0,05). Tidak ada perbedaan yang bermakna persepsi orang awam laki-laki terhadap profil wajah model laki-laki dan perempuan dengan variasi titik Sn dan Pg’ (p>0,05). Tidak ada perbedaan yang bermakna persepsi orang awam perempuan terhadap profil wajah model laki-laki dan perempuan dengan variasi titik Sn dan Pg’ (p>0,05). Tidak ada perbedaan yang bermakna antara persepsi orang awam laki-laki dan perempuan terhadap profil wajah model laki-laki dengan variasi titik Sn dan Pg’ (p>0,05). Tidak ada perbedaan yang bermakna antara persepsi orang awam laki-laki dan perempuan terhadap profil wajah model perempuan dengan variasi titik Sn dan Pg’ (p>0,05). Kesimpulan: Rentang rata-rata profil wajah yang dikatakan lurus menurut orang awam di Indonesia berdasarkan analisis Legan dan Burstone adalah 9,23°-14,87° untuk variasi titik Sn dan 8,97°-13,96° untuk variasi titik Pg’.

---

Background: Facial aesthetics is an important thing that can increase a person's attractiveness and confidence. One key indicator of facial aesthetics is a harmonious and proportional facial profile, which is often the first feature assessed by orthodontists. The assessment of this is subjective and depends on perception. Orthodontists need to consider the patient's parameters and perceptions in performing orthodontic treatments. Objectives: To determine the average range of facial profiles perceived as straight by the laypeople in Indonesia based on Legan and Burstone's analysis. Methods: This study was an observational analytic with a cross-sectional design. The subjects of this study are 78 male and 78 female participants. Data were analyzed using the Mann-Whitney U test. Results: Laypeople’s perception regarding variations in Sn and Pg’ points on male and female facial models showed statistically significant differences (p<0.05). There was no statistically significant differences in male participants' perceptions of male and female facial profiles across Sn and Pg’ variations (p>0.05). There was no statistically significant differences in female participants' perceptions of male and female facial profiles with Sn and Pg’ variations (p>0.05). There was no statistically significant differences between male and female participants' perceptions of male facial profiles with Sn and Pg’ variations (p>0.05), nor of female facial profiles with Sn and Pg’ variations (p>0.05). Conclusion: The average range of facial profiles perceived as straight by the laypeople in Indonesia, based on Legan and Burstone's analysis, is 9.23°-14.87° for Sn variations and 8.97°-13.96° for Pg’ variations."

"Researches on computer vision are greatly developed today. The main idea is to make machine be able to recognize an object. One of practical application on computer vission for example is real time face recognition system...."

"Penelitian ini, secara umum, ditujukan untuk mengetahui persepsi masyarakat Cina moderen terhadap konsep tradisional Confucianism tentang wajah (lian atau mianzi). Secara khusus, penelitian ini mengungkap bagaimana persepsi tersebut tercermin dalam pola komunikasi antarpersonal mereka. 100 orang Shanghai terlibat dalam penelitian ini, 50 orang diambil dari daerah perkotaan dan 50 orang dari pedesaan. Mereka merepresentasikan berbagai latar belakang sosial yang berbeda, meliputi usia, jenis kelamin, tempat tinggal, dan pekerjaan. Data penelitian dikumpulkan melalui wawancara semi-terstruktur, kemudian dianalisis dengan menggunakan kerangka ajaran Confucianism tentang sifat-sifat yang mendasari konsep wajah. Sifat-sifat itu meliputi relasional, komunal/sosial, hirarkis, dan moral.Analisis data menunjukan bahwa dalam keseluruhan interaksi berbahasanya, para responden sangat memperhatikan nilai-nilai yang terkandung dalam konsep wajah seperti terkandung dalam Confucianism. Diketahui bahwa dari keempat sifat wajah itu, integritas moral de menjadi acuan paling penting untuk menilai apakah seseorang itu masih memiliki wajah atau justru sebaliknya. Hilangnya moralitas berarti hilangnya sifat-sifat manusiawi pada seseorang.

---

This study aims to investigate the Chinese perceptions about the traditional Confucius concepts mianzi/lian ?face? in the context of the world that is changing. In particular, the study focuses on how such perceptions are reflected in their interpersonal communication. Data was collected through direct semi-structured interviews with the respondents, guided by a set of questions regarding the situations they might hypothetically find themselves. Shanghai was chosen as the site for this study because, among other places in China, it has undergone considerable changes. 100 Shanghainese were involved in the study; 50 were city dwellers and 50 villagers, representing their various social backgrounds. The data were analysed by using the Chinese cultural notions underlying the concepts of face: relational, communal, hierarchical, and moral. Analyses show that the respondents often avoid conflicts with their interlocutors, even if they were put in very unfortunate circumstances. These face-favouring acts are indicative of their closed observance of the norms and hence the concepts of face, by which they could gain, maintain, and enhance their own face. In return, they would be regarded as members of the society with polite behaviours and with other good moral characters.The study concludes that although China is changing, the conceptions and practices of the traditional concepts mianzi/lian "face" among Chinese have remained constant. This is because into these concepts are attached the most basic concepts of humanity; the absence of the concepts of face in the mind of human beings can mean the loss of humanity as a whole."

"ABSTRAKDeteksi dan pengenalan wajah merupakan salah satu pengolah citra yang dapat digunakan untuk surveillance pada UAV. Namun kasus pengenalan wajah dan deteksi wajah ini merupakan pekerjaan yang sangat sulit dilakukan karena komputer harus dapat melakukan lokalisasi wajah dengan baik kemudian melakukan klasifikasi wajah. Tesis ini membahas penelitian metode deep learning yaitu deteksi wajah dengan menggunakan metode RCNN dan pengenalan wajah dengan menggunakan metode CNN. Eksperimen dengan menggunakan variasi sudut wajah dan jarak wajah terhadap kamera dilakukan untuk mengamati pengaruh parameter terhadap performa model. Hasil penelitian menunjukkan bahwa model RCNN dengan menggunakan satu wajah subjek dapat digunakan untuk melakukan deteksi wajah pada subjek dengan recognition rate sebesar 74% pada parameter IoU > 0.5. Nilai recognition rate pada sistem terintegrasi deteksi danpengenalan wajah sangat tergantung dari hasil prediksi area wajah yang dihasilkan dari model RCNN. Percobaan membuktikan bahwa jarak subjek kamera mempengaruhi recognition rate dari model deteksi wajah.

---

ABSTRACTFace detection and recognition is an image processor that can be used for surveillance on UAVs. However, the case of face recognition and face detection is a very difficult job to do because the computer must be able to do localization of the face well then do face classification. This thesis discusses the research of deep learning methods, namely face detection using the RCNN method and face recognition using the CNN method. Experiments using variations in face angle and face distance to the camera were conducted to observe the effect of parameters on the performance of the model. The results showed that the RCNN model using one subject's face could be used to detect faces on subjects with a recognition rate of 74% on the IoU parameter > 0.5. The value of recognition rate in the integrated detection and face recognition system is highly dependent on the results of the prediction of face areas generated from the RCNN model. Experiments prove that the distance of the camera subject affects the recognition rate of the face detection model."

"Sculptured surface machining technology is increasing its role in modern manufacturing. Products? surfaces become more complicated each day and require technology that is able to perform machining processes more accurately, precisely and take lesser time and cost. Nowadays, CAM helps so much on these matters. One of the difficulties in performing sculptured surface machining process is machining on feature which can not be reached by ordinary 3 axis machining process, called closed bounded volume (CBV).The thesis is discussing the development of algorithm that not only can analyze a model as a whole, but also can automatically detect CBV on a model, which is a 3D faceted model, through Paired Normal Vectors Bucketing (PNVB). And the algorithm also automatically generates tool path for multi axis roughing on the CBV. The algorithm development and the model analysis are worked based on faceted model in STL file format. As the result, the algorithm has successfully detected CBV in a complex-shaped model and listed the tool?s coordinates and orientations during machining process on the CBV."

"Pengenalan wajah merupakan teknologi yang berkembang sangat pesat. Pengenalan wajah mampu menghasilkan beragam informasi mengenai identitas seseorang dengan cepat dan akurat. Salah satunya, mampu memberikan informasi mengenai jenis kelamin dari setiap orang yaitu sebagai pria atau wanita. Proses klasifikasi pria atau wanita ini menjadi hal yang sangat penting dalam berbagai bidang, seperti bisnis berbasis online, kontrol akses, absensi kehadiran, sistem keamanan, identifikasi individu yang tidak dikenal, dan lain-lain. Dalam penelitian ini digunakan Fisher Score sebagai metode pemilihan fitur, dan Support Vector Machine SVM sebagai metode klasifikasi untuk mengukur tingkat akurasi dan running time dari klasifikasi pria atau wanita dengan data yang digunakan berasal dari Computer Science Research Projects. Hasil akurasi dari klasifikasi SVM kernel polynomial d = 4 dengan pemilihan fitur Fisher Score mencapai tingkat akurasi tertinggi yaitu 100 pada 3000 fitur dengan data training 90 . Sedangkan hasil akurasi terbaik dari klasifikasi SVM tanpa pemilihan fitur mencapai 77.5 pada data training 80.

---

Face recognition is a technology that is growing very rapidly. Face recognition is able to produce various information about the identity of a person quickly and accurately. One of the utility of face recognition is the ability to provide information about the gender of each person as a male or female. The process of classifying male or female is of paramount importance in many areas, such as online based businesses, access control, attendance, security systems, identification of unknown individuals, and so on. In this study Fisher Score is used as a feature selection method, and Support Vector Machine SVM as a classification method to measure the accuracy and running time of male or female classification with data used from Computer Science Research Projects. Accuracy results from SVM polynomial kernel classification d 4 with Fisher Score feature selection reaches the highest accuracy level of 100 at 3000 features with 90 training data. While the best accuracy results from SVM classification without feature selection reached 77.5 in 80 training data."

"Dengan beredarnya pandemi corona-virus (Covid-19) menuntut masyarakat untuk menjaga protokol kesehatan saat bepergian, salah satunya adalah menggunakan masker untuk mengurangi risiko terkena virus. Penggunaan masker juga disarankan oleh World Health Organization (WHO) agar digunakan saat beraktivitas dengan orang lain. Dengan mengacu hal tersebut, banyak perubahan yang terjadi pada teknologi yang digunakan sehari-hari, salah satunya adalah untuk sistem absensi. Apabila sebelum adanya Covid-19 absensi mahasiswa masih menggunakan buku tulis atau fingerprint, kini lebih baik beralih ke dalam sistem absensi berbasis face recognition dengan memanfaatkan salah satu algoritma deep learning, yaitu metode Convolutional Neural Network (CNN) untuk mengindentifikasi wajah seorang mahasiswa yang telah terdaftar. Dengan mengaplikasikan sistem absensi ini, memungkinkan mahasiswa untuk melakukan absensi tanpa terjadinya sentuhan langsung melalui media tangan. Bahasa pemrograman yang digunakan pada pengembangan aplikasi sistem absensi merupakan bahasa Python dengan implementasi Single Shot Detection (SSD) dan fitur ekstraksi ResNet. Evaluasi pengukuran pada sistem dilakukan pada situasi yang mempengaruhi kejelasan gambar dan model jumlah titik karakteristik yang berbeda.

---

With the spread of the corona-virus (Covid-19) pandemic, it requires the public to maintain health protocols when traveling, one of them is to use masks to reduce the risk of infected the virus. The use of masks is also recommended by the World Health Organization (WHO) to be used when doing activities with other people. Because of this, many changes have occurred in the technology that used in daily, one of them is the attendance system. If before Covid-19 student attendance was still using notebooks or fingerprints, now it is better to switch to a face recognition-based attendance system by utilizing one of the algorithm deep learning, namely the Convolutional Neural Network (CNN) method to identify the face of a student who has been recorded in. By applying this attendance system, it allows students to take attendance without direct touch through hand media. The programming language used in making attendance system applications is Python with Single Shot Detection (SSD) implementation and ResNet extraction feature. Evaluation of measurements on the system is carried out on situations that affect image clarity and the model number of different characteristic points."