Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :

Bahasa isyarat merupakan suatu tatanan gerakan yang mewakili suatu kosakata pada bahasa tertentu dan memiliki fungsi untuk membantu penyandang tunarungu dalam mengatasi masalah berkomunikasi. Namun tidak semua masyarakat umum menguasai bahasa isyarat. Dari permasalahan tersebut, sistem penerjemah bahasa isyarat diperlukan dalam membantu proses komunikasi penyandang tunarungu. Sistem penerjemah memerlukan sebuah video gerakan bahasa isyarat untuk kemudian dapat dikenali Dalam sebuah video utuh yang berisi satu sequence gerakan kalimat isyarat terdapat dua jenis gerakan yaitu gerakan isyarat (gesture) yang mengandung arti dan gerakan transisi (non gesture). Pada penelitian ini diusulkan metode untuk menngenali gesture dan non gesture pada kalimat SIBI (Sistem Isyarat Bahasa Indonesia) menggunakan Threshold Conditional Random Field (TCRF). Data yang digunakan adalah 2.255 video rekaman gerakan untuk 28 isyarat kalimat pada SIBI yang di peragakan oleh  tiga orang guru dan dua orang murid dari SLB Santi Rama Jakarta. Untuk merepresentasikan data, pada penelitian ini dibandingkan teknik ekstraksi fitur skeleton, image, gabungan (gabungan antara fitur skeleton dan fitur image) dan MobileNetV2. Untuk klasifikasi digunakan metode TCRF dengan variasi nilai threshold dari 1 sampai 4. Berdasarkan hasil eksperimen, masing-masing teknik ekstraksi fitur menghasilkan akurasi terbaik sebesar 72.5% untuk skeleton dengan threshold 2, 70.3% untuk image dengan threshold 2, 68.5% untuk gabungan dengan threshold 2 dan 93.2% untuk MobileNetV2 dengan threshold 1.5. Berdasarkan akurasi tersebut teknik ekstraksi fitur dengan model MobileNetV2 dapat merepresentasikan data lebih baik dibandingkan dengan ekstraksi skeleton, image, dan gabungan

---

Sign language is a series of movements that represent the vocabulary of a particular language and is designed to help the hearing-impaired communicate. However, not everyone is familiar with the sign language gestures, so a sign language translation system would aid communication by allowing more people to understand sign language gestures. A video that contains a sequence of sign sentences with two types of movements, namely sign movements (word-gestures) which have represent language constructs, and transitional movements (transitional-gesture). A method to identify both word-gestures and transitional-gestures in a variant of the Indonesian Sign Language System called Sistem Isyarat Bahasa Indonesia (hereafter referred to as SIBI) sentences based on the Threshold Conditional Random Field (TCRF) was implemented. The dataset on which the model is trained, consists of 2,255 videos containing recorded movements for 28 commonly used sentences in SIBI, performed by three teachers and two students of the Santi Rama School (Sekolah Luar Biasa), a school for hearing-impaired students. Several feature extraction techniques were tested, including skeleton, image, skeleton-image combination and MobileNetV2. The classification method uses TCRF with variations in TCRF threshold values between 1 to 4 to recognize word-gestures and transitional-gestures, then deleting frames with transitional-gestures label, and obtaining accuracy from LSTM that recognizes words from the per-frame word-gesture label. The best accuracies achieved by each method were 72.5% for skeleton technique with a TCRF threshold of 2; 70.3% for image technique with a TCRF threshold of 2; 68.5 % for skeleton-image combination, with a TCRF threshold of 2; and 93.2% for MobileNetV2 with threshold 1.5. Using MobileNetV2 as a feature extractor yields significantly better results than previous feature extraction methods.

Abstrak :
Penelitian ini mengembangkan Uji Korelasi Computer Aided Diagnosis CAD radiografi paru anak dengan menggunakan metode segmentasi Markov Random Field MRF untuk membantu mendeteksi abnormalitas paru dengan kecenderungan infeksi. Metode MRF mencari abnormalitas berdasarkan nilai piksel citra. Metode MRF dikerjakan dengan empat variasi yaitu MRF tanpa filter, median filter MRF, wiener filter MRF dan adapthisteq MRF. ROC hasil segmentasi wiener filter relatif lebih tinggi dari tanpa filter. Hasil ROC wiener filter menunjukkan nilai akurasi akurasi akurasi 81,4 , sensitivitas 82,0 , spesifitas 80,0 , presisi 91,1 dan overall error 18,6 . Sedangkan ROC untuk tanpa filter maupun filter yang lain menunjukkan lebih rendah dari nilai ROC wiener filter. Namun perbedaan ROC untuk setiap jenis tingkat keberhasilan tidak lebih dari 5 , artinya keempat metode MRF masih dapat diimplementasikan. Nilai piksel paru abnormal dengan metode MRF tanpa filter, median filter MRF, dan adapthisteq MRF sama yaitu 205-255. Nilai piksel paru abnormal dengan metode wiener filter MRF yaitu 197-255. Citra paru belum dapat menentukan secara definitif penyakit infeksi paru pada anak. ...... This study developed a correlation test Computer Aided Diagnosis CAD radiographic of children pulmonary using segmentation Markov Random Field MRF method to detect lung abnormalities with infection trends. MRF method searched abnormalities by value of the image pixel. MRF method used four variations, namely MRF without a filter, median filter MRF, wiener filter MRF, and adapthisteq MRF. ROC segmentation results wiener filter is relatively higher than without a filter. ROC wiener filter results show the value of accuracy 81.4 , sensitivity 82.0 , specificity 80.0 , precision 91.1 and overall error of 18.6 . While the ROC for unfiltered and filter others show lower than the value of ROC wiener filter. However, differences in ROC for any kind of success rate is not more than 5 , meaning that all four methods MRF can still be implemented. Abnormal lung pixel value with MRF method without filter, median filter MRF, and adapthisteq MRF same namely 205 255. Abnormal lung pixel values by the method of wiener filter MRF is 197 255. Radiographic of children pulmonary can not definitively determine lung infections in children.

Abstrak :
Sebagai karakter yang mengakibatkan variabilitas properti mekanis, sifat heterogenitas beton perlu dipertimbangkan karena mempengaruhi perilaku material. Salah satu metode untuk memperhitungkan sifat tersebut adalah random field yang digenerasi dengan Turning Band Method (TBM) pada aplikasi berbasis finite element, Cast3M. Objek pemodelan pada penelitian ini adalah beton polos berukuran 15 x 15 x 15 cm3, beton polos 10 x 10 x 50 cm3, dan beton dengan tulangan tunggal 10 x 10 x 50 cm3. Studi numerik dilakukan dengan mengaplikasikan beban tekan pada setiap sampel kubus dan beban tarik pada sampel balok. Model kerusakan Mazars diimplementasikan untuk mempelajari perilaku keruntuhan pada masing-masing sampel terhadap variasi parameter ukuran mesh dan panjang korelasi. Hasil pemodelan menunjukkan bahwa penggunaan TBM sangat berpengaruh pada pola keruntuhan dari setiap sampel. Parameter ukuran mesh dan panjang korelasi memiliki pengaruh yang signifikan terhadap propagasi dan sensitivitas kerusakan serta estimasi properti mekanis. Pemodelan dengan ukuran mesh 1 cm dan 2,5 cm terhadap masing-masing panjang korelasi menghasilkan pola keruntuhan yang bervariasi. Perbandingan hasil pemodelan beton polos 15 x 15 x 15 cm3 yang diuji tekan dengan studi eksperimental menunjukkan bahwa pola keruntuhan dengan mesh 1 cm mendekati kerusakan pada sampel pengujian. Sedangkan, perbandingan hasil pemodelan beton tulangan tunggal 10 x 10 x 50 cm3 dengan sampel pengujian di laboratorium menunjukkan bahwa penggunaan panjang korelasi 1 cm dan 3 cm memiliki pola kerusakan yang memiliki kemiripan masing-masing terhadap sampel ER1 dan ER2. ...... As a character that results in the variability of mechanical properties, the heterogeneity of concrete needs to be considered because it affects the behavior of the material. One of the methods to take into account these properties is a random field that is generated by the Turning Band Method (TBM) on a finite element based application, Cast3M. The modeling objects in this study were plain concrete with dimension of 15 x 15 x 15 cm3, plain concrete 10 x 10 x 50 cm3, and concrete with single reinforcement 10 x 10 x 50 cm3. Numerical studies were carried out by applying compressive loads to the cube sample and tensile loads to the beam samples. The Mazars damage model is implemented to study the damage behavior of each sample with varying parameters of mesh dimension and correlation length. The modeling results show that the use of TBM greatly influences the failure pattern of each sample. Parameters of mesh size and correlation length have a significant effect on the propagation and damage sensitivity as well as the estimation of mechanical properties. Modelling with 1 cm and 2.5 cm size of mesh for each correlation length produces a variety of damage patterns. Comparison of modelling results of plain concrete 15 x 15 x 15 cm3 tested in compression with experimental studies reveals that the pattern of failure with a mesh of 1 cm is close to the damage in the laboratory test sample. Meanwhile, a comparison of the results of the 10 x 10 x 50 cm3 single-reinforced concrete modelling with samples tested in the laboratory indicates that the use of a correlation length of 1 cm and 3 cm has a pattern of damage that has similarities to the ER1 and ER2 samples, respectively.

Abstrak :
Part of Speech Tagging (POS Tagging) adalah kegiatan pemberian label kelas kata pada suatu kata. Proses ini pada awalnya dilakukan secara manual. Namun proses part of speech tagging secara manual menghabiskan banyak waktu dan tenaga karena membutuhkan banyak ahli bahasa untuk memberikan tag pada setiap kata. Masalah ini kemudian menjadi pendorong bagi para peneliti untuk membangun metode dan aplikasi yang dapat melakukan part of speech tagging secara otomatis. Penelitian di bidang part of speech tagger untuk Bahasa Indonesia belum terlalu mendapat perhatian, karena sampai saat ini. belum ada suatu aplikasi part of speech tagger untuk Bahasa Indonesia. Maka penulis melakukan penelitian untuk menghasilkan suatu aplikasi part of speech tagger untuk Bahasa Indonesia dengan memanfaatkan tiga metode yaitu Conditional Random Fields, Transformation Based Learning, dan kombinasi kedua metode ini. Penelitian ini menggunakan korpus Bahasa Indonesia yang tersusun atas 49 buah artikel surat kabar dan terdiri atas total 13.465 buah token. Tagset yang digunakan pada penelitian ini terdiri atas 21 jenis tag (21 jenis kelas kata). Tagset ini merupakan modifikasi dari Penn Treebank Tagset.

Abstrak :
Pengenalan entitas bernama (named-entity recognition atau NER) adalah salah satu topik riset di bidang pemrosesan bahasa alami (natural language processing atau NLP). Pengenalan entitas bernama merupakan langkah awal mengubah unstructured text menjadi structured text. Pengenalan entitas bernama berguna untuk mengerjakan NLP task yang lebih high-level seperti ekstraksi informasi (information extraction atau IE), Question Answering (QA), dan lain-lain. Penelitian ini memanfaatkan data berita dan wikipedia masing-masing sebanyak 200 dokumen yang digunakan untuk proses pengujian dan pelatihan. Penelitian ini mencoba mengeksplorasi entitas bernama baru yang tidak sebatas Person, Location, dan Organization. Named entity baru tersebut adalah Event, Product, Nationalities Or Religious or Political groups (NORP), Art, Time, Language, NonHuman or Fictional Character (NHFC), dan Miscellaneous. Jadi, penelitian ini menggunakan 11 entitas bernama. Dalam penelitian ini, permasalahan tersebut dipandang sebagai sequence labelling. Penelitian ini mengusulkan penggunaan model conditional random field sebagai solusi permasalahan ini. Penelitian ini mengusulkan penggunaan fitur tambahan seperti kata sebelum, kata sesudah, kondisi huruf kapital di awal kata, dan lain-lain, serta word embedding. Penelitian ini menghasilkan performa dengan nilai F-measure terbaik sebesar 67.96% untuk data berita dan 67.09% untuk data wikipedia. ......

Abstrak :
This book provides cutting-edge insights into autonomous vehicles and road terrain classification, and introduces a more rational and practical method for identifying road terrain. It presents the MRF algorithm, which combines the various sensors classification results to improve the forward LRF for predicting upcoming road terrain types. The comparison between the predicting LRF and its corresponding MRF show that the MRF multiple-sensor fusion method is extremely robust and effective in terms of classifying road terrain. The book also demonstrates numerous applications of road terrain classification for various environments and types of autonomous vehicle, and includes abundant illustrations and models to make the comparison tables and figures more accessible.