Hasil Pencarian  ::  Simpan CSV :: Kembali

"Makalah ini membahas pengembangan Sistem Penciuman Elektronik menggunakan 16 buah sensor kuarsa terlapis membran sensitif. Penulis telah mengembangkan Sistem Penciuman Elektronik dengan jumlah sensor sebanyak 4 buah, akan tetapi sistem ini hanya mampu membuat klasifikasi aroma campuran dengan tingkat pengenalan dibawah 40%. Pengembangan sistem dilakukan dengan meningkatkan jumlah sensor untuk memperbesar dimensi ruang pengamatan dan peningkatan frekuensi dasar sensor untuk mendapatkan akurasi yang lebih tinggi.Hasil penelitian menunjukkan bahwa sistem 16 sensor mempunyai kapabilitas yang tinggi untuk klasifikasi aroma campuran. Tingkat pengenalan sistem dengan 16 sensor untuk aroma campuran dengan 6 tingkat konsentrasi alkohol berkisar 89.9%, bila diproses secara terpisah, sedangkan apabila dilaksanakan secara ?batch? akan menghasilkan tingkat pengenalan sekitar 82.4%.

---

An artificial odor recognition system is developed for discriminating odors. This artificial system consisted of 16 quartz resonator crystals as the sensor array, a frequency modulator and a frequency counter for each sensor that are connected directly to a microcomputer. We have already shown that the artificial odor recognition system with 4 sensors is high enough to discriminate simple odor correctly, however, when it was used to discriminate compound odors, the recognition capability of this system is dropped significantly to be about 40%.Results of experiments show that the developed artificial system with 16 sensors could discriminate compound aroma based on 6 gradient of alcohol concentrations with high recognition rate of 89.9% for non batch processing system, and 82.4% for batch processing of the classes of odors."

"To improve the recognition accuracy of a developed artificial odor discrimination system for three mixture fragrance recognition, Fuzzy similarity based Self-Organized Network inspired by Immune Algorithm (F-SONIA) is proposed.Minimum, average, and maximum values of fragrance data acquisition are used to form triangular fuzzy numbers. THen, the fuzzy similarity measure is used to define the relationship between fragrance inputs and connection strengths of hidden units. The fuzzy similarity is defined as the maximum value of the intersection region between triangular fuzzy set of hidden units. In experiments, performances of the proposed method is compared with the conventional self-organized Network inspired by Immune Algorithm (SONIA) and the Fuzzy Learning Vector Quantization (FLVQ). Experiments show that F-SONIA improves recognition accuracy of SONIA by 3-9%. Comparing to the previously developed artificial odor discrimination system that used FLVQ as pattern classifier, the recognition accuracy is increased by 14-15%."

"In this paper, a 3-D face recognition system is developed usinga cylindrical structure of hidden layer neural network and its optimization through genetic algorithms. The cylindrical structure of hidden"

"Salah satu kendala terbesar manusia untuk memahami suatu informasi adalah bahasa. Informasi yang ada saat ini berjumlah sangat banyak dan telah dapat disediakan dalam bermacam-macam bentuk mulai dari yang paling sederhana yaitu teks hingga yang lebih canggih dengan menggunakan berkas suara. Informasi yang disediakan dalam berkas suara akan lebih mudah dimengerti oleh manusia, tetapi tetap saja informasi ini tidak lepas dari permasalahan utama yaitu bahasa. Dengan adanya permasalahan diatas, dilakukanlah pengembangan sistem penerjemahan suara ke suara untuk bahasa Indonesia ke bahasa Inggris yang memungkinkan penerjemahkan berkas suara berbahasa Indonesia menjadi suara dalam bahasa Inggris sehingga kendala pemahaman untuk kedua bahasa tersebut dapat dikurangi. Pengembangan sistem penerjemahan suara ke suara ini melibatkan sistem pengenalan suara yang memungkinkan pengubahan data suara menjadi teks, mesin penerjemah yang memungkinkan komputer untuk melakukan penerjemahan teks dari satu bahasa ke bahasa lain dan sistem sintesis suara yang memungkinkan komputer untuk menghasilkan suara dari teks. Pada penelitian ini, terdapat tiga macam data yang digunakan yaitu rekaman percakapan, rekaman novel dan rekaman menggunakan telepon. Akurasi tertinggi dari hasil yang dikeluarkan oleh sistem pengenalan suara adalah pengenalan kata sebesar 96.10% untuk rekaman percakapan dan pengenalan kalimat sebesar 83.70% untuk rekaman percakapan. Untuk mesin penerjemah, akurasi tertinggi yang diperoleh adalah sebesar 0.38 pada rekaman percakapan, sedangkan akurasi sistem sintesis suara adalah 34% untuk rekaman menggunakan telepon.

---

The biggest challenge for human to understand information is language barrier. Nowadays, the number of information has grown rapidly and the information is available from text to multimedia such as audio or speech. The information presented in a speech document can be understood more easily by human; however, this information is difficult to be translated into another language. The development of Indonesia - English speech to speech translation system enables the translation of Indonesian speech into English speech. The development of speech to speech translation system involves the speech recognition system which enables the conversion of speech data into text, machine translation system which enables the computer to translate texts form one language to another and a speech synthesis system which enables the computer to produce speech form texts. There are three kinds of speech data that are used on this research: conversation and novel sentences recorded using a speech recorder and conversation sentences recorded using mobile telephone. The highest accuracy for speech recognition system`s output is 96.10% for the word recognition and 83.70% for the sentence recognition on conversation speech. For the machine translation, the highest accuracy is 0.38 for conversation recorded using a speech recorder, while the speech synthesis system achieves the highest accuracy of 34% for the conversation recorded using mobile telephone."

"Dalam makalah ini, penulis mengajukan metodologi baru dalam sistem pengenalan wajah 3-D dengan menggunakan penambahan garis ciri pada metode perhitungan jarak terpendek dalam ruang ciri. Penambahan garis ciri ini dilakukan dengan memperbanyak jumlah garis ciri tanpa menambahkan titik ciri baru, dengan membentuk sebuah garis ciri baru dari setiap titik ciri terhadap setiap garis ciri yang dibentuk dari setiap dua buah titik ciri. Dengan penambahan garis ciri ini, sistem akan memperoleh tambahan informasi variasi ciri obyek, sehingga tingkat pengenalan sistem dapat meningkat.Dalam makalah ini, penulis juga mengembangkan metode TK-LSebagian1 dan TK-LSebagian2 sebagai metode untuk mentransformasikan citra wajah 3-D dari ruang citra spatial ke dalam representasi ruang eigennya. Data percobaan dalam penelitian menggunakan citra wajah orang Indonesia dalam berbagai sudut pandang pengamatan dan ekspresi. Pengujian terhadap sistem dilakukan untuk mengenali wajah dengan sudut pandang pengamatan yang berbeda dengan citra wajah yang dilatihkan sebelumnya. Hasil penelitian menunjukkan bahwa tingkat pengenalan tertinggi akan diperoleh sistem dengan menggunakan TK-LSebagian2 dan metode penambahan garis ciri yaitu sebesar 99.17%.

---

3-D Face Recognition System using Additional Feature Lines in Nearest Feature Line Method in Eigenspace Representation. In this paper, the authors propose a new method in 3-D face recognition system using additional feature lines in Nearest Feature Line method, called the Modified Nearest Feature Line method. The additional feature lines can be acquired by projecting each feature point to other feature lines in the same class without increasing the number of feature points. With these additional lines, the system will have the ability to capture more variations of face images, so it can increase the recognition rate of the system.The authors also propose KL-TSubspace1 and KL-TSubspace2 as methods in transforming the 3-D face images from its spatial domain to their eigenspace domain. The experiments use the 3-D human faces of Indonesian people in various expressions and positions. Then, the system is applied to recognize unknown face images with different viewpoints. Experimental results shown that the system using KL-TSubspace2 and Modified Nearest Feature Line method can have the highest recognition rate of 99.17%."

"Sistem keamanan parkir merupakan salah satu hal penting yang perlu diperhatikan dalam mengelola sebuah tempat umum. Sistem parkir yang terdapat saat ini kebanyakan bersifat manual dan masih memerlukan banyak tenaga kerja untuk melakukan proses verifikasi keamanan. Salah satu solusi yang dapat dilakukan adalah dengan melakukan otomatisasi dalam proses verifikasi keamanan dalam sistem parkir tersebut menggunakan pengenalan terhadap pelat nomor dan biometri yang berupa wajah. Pada penelitian ini akan dibuat sebuah system keamanan parkir yang dapat digunakan secara mudah dan efisien untuk menjalankan proses verifikasi keamanan dalam sebuah tempat parkir. Sistem ini akan melakukan manajemen keamanan dengan melakukan pengecekan terhadap pengendara yang memasuki sebuah wilayah dengan membandingkan pelat nomor dan wajah ketika masuk dan keluar dari tempat tersebut menggunakan pengolahan citra dan deep learning. Sistem ini akan mengurangi biaya yang dibutuhkan untuk membuat tempat parkir yang aman dan meningkatkan efisiensi waktu dalam proses verifikasi keamanan dalam sebuah tempat parkir pada tempat umum.

---

Parking security system is one of the important things that need to be considered in managing public spaces. The existing parking system mostly has a manual system and still needs someone to do a security verification process. One solution that can be done is to automate the security verification process in the parking system using plate number and face recognition. In this research a parking security system will be created that can be used easily and efficiently to do a security verification process in a parking lot in public spaces. This system will do the security management by checking driver that entering an area by comparing license plates and faces when entering and leaving the place using image processing and deep learning. This system will reduce the costs needed to make a secure parking space and increase time efficiency in the process of security verification for a parking space in a public place."