Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Identifikasi wajah berdasarkan ciri bibir berpengaruh pada keberhasilan pencarian citra wajah orang dikarenakan adanya variasi bentuk bibir yang dapat menjadi pembeda tiap individu. Untuk mempercepat pencarian pelaku kriminal, sebuah sistem aplikasi identifikasi wajah berdasarkan ciri bibir menjadi suatu kebutuhan. Sistem tersebut harus dapat mengekstrak ciri bibir dari sebuah citra digital menggunakan metode ekstraksi ciri yang akurat dan cepat. Penelitian ini melakukan studi analisis kinerja metode eigenface dengan eigen fuzzy set (himpunan fuzzy eigen) untuk ekstraksi ciri bibir dalam sistem identifikasi wajah. Eigenface adalah metode ekstraksi ciri yang telah terbukti keberhasilannya dalam mengekstrak ciri wajah, sedangkan metode eigen fuzzy set dikembangkan berdasarkan teori himpunan fuzzy dan dapat digunakan untuk analisa citra. Metode deteksi bibir otomatis berdasarkan ciri warna juga dievaluasi efektifitasnya untuk perolehan citra dalam penelitian ini. Analisis dilakukan dengan metode analisis statistik desktiptif dan statistik inferensi. Uji coba dilakukan untuk dua skenario yang dibedakan berdasarkan citra bibir hasil segmentasi manual dan otomatis. Hasil uji coba menunjukkan bahwa hasil deteksi otomatis hanya efektif mendeteksi bibir sebanyak 61.4% dan precision-recall perolehan wajah pada skenario 2 lebih rendah dari skenario 1. Metode eigen fuzzy set memiliki waktu komputasi lebih rendah dibandingkan metode eigenface. Sedangkan nilai precision-recall tertinggi dihasilkan oleh metode eigenface dengan rata-rata nilai 0.22%. Dari hasil ini disimpulkan bahwa metode ekstraksi ciri eigenface lebih efektif dibandingkan eigen fuzzy set. Sistem identifikasi wajah dengan metode eigenface untuk ekstraksi ciri kedepannya dapat dikembangkan menjadi sistem identifikasi wajah berbasis komponen wajah.

Abstrak :
Deteksi obyek manusia umumnya digunakan pada aplikasi sistem pengawasan untuk keamanan tempat-tempat vital misalnya bandara, bursa efek, bank, dan tempat lainnya. Oleh karena itu, diperlukan suatu metode deteksi obyek manusia yang mempunyai keakuratan tinggi dan waktu deteksi yang cepat. Metode deteksi obyek yang dikenal mempunyai keakuratan tinggi adalah Support Vector Machine (SVM), tetapi metode ini memerlukan waktu lama pada proses deteksi. Metode deteksi obyek yang dikenal mempunyai waktu deteksi yang cepat adalah Boosting namun tingkat akurasi pada metode ini lebih rendah dibandingkan dengan metode SVM. Penelitian ini mengusulkan metode Boosting dengan fungsi pengklasifikasi dasar kernel untuk deteksi obyek manusia atau disebut dengan metode K Boosting. Metode Boosting merupakan suatu metode yang handal dalam mengkombinasikan beberapa pengklasifikasi dasar untuk menciptakan pengklasifikasi kuat yang mempunyai tingkat akurasi lebih tinggi. Metode ini memberikan hasil yang lebih akurat, jika fungsi yang digunakan pada pengklasifikasi dasar mempunyai tingkat akurasi tinggi. Oleh karena itu, penelitian ini mengusulkan kernel sebagai fungsi pengklasifikasi dasarnya. Fungsi kernel digunakan pada metode SVM yang telah terbukti mempunyai keakuratan tinggi. Pada proses deteksi, metode K Boosting menggunakan konsep seperti pada metode Boosting yaitu mengkombinasikan hasil beberapa pengklasifikasi dasar sehingga metode ini mempunyai waktu deteksti yang cepat. Penelitian ini juga mengusulkan enam skenario ujicoba untuk mengukur kinerja metode K Boosting dan dibandingkan dengan metode SVM dan Boosting. Data pelatihan yang digunakan terdiri dari citra yang mempunyai obyek manusia dengan variasi tipe pakaian yang dikenakan dan citra dengan latar belakang natural, gedung, jalan raya, atau taman yang tidak mempunyai obyek manusia. Hasil ujicoba menunjukkan tingkat akurasi deteksi metode K Boosting dan SVM rata-rata lebih dari 80%, sedangkan metode Boosting rata-rata lebih dari 45%. Hasil ujicoba juga menunjukkan waktu deteksi metode K Boosting dan metode Boosting pada variasi data pengujian sekitar 0,015 detik. Sedangkan waktu deteksi metode SVM pada data pengujian sekitar 7 detik. Penelitian ini dapat digunakan sebagai dasar untuk dikembangkan menjadi suatu aplikasi nyata seperti aplikasi sistem pengawasan.

Abstrak :
Sistem perolehan citra merupakan bidang penelitian yang berkembang pesat seiring dengan semakin banyaknya jumlah koleksi citra. Zoran telah mengembangkan sistem perolehan citra dengan menggunakan atribut tingkat rendah yaitu spasial warna. Namun pada sistem tersebut masih ditemukan satu kekurangan yaitu pendekatan yang digunakan adalah crisp, dengan pendekatan ini ada citra-citra yang relevan tetapi citra tersebut tidak diperoleh yang seharusnya dapat diperoleh. Pada penelitian ini diusulkan logika fuzzy sebagai pendekatan untuk merepresentasikan spasial warna pada sistem perolehan citra. Fungsi keanggotaan fuzzy yang diusulkan untuk memodelkan kedua puluh dua spasial warna Zoran adalah fungsi gaussian dua dimensi (2D). Kedua puluh dua spasial warna tersebut adalah : tengah, pinggir, tepi kiri, tepi kanan, tepi atas, tepi bawah, kiri atas, kiri bawah, kanan atas, kanan bawah, seperempat kiri atas, seperempat kiri bawah, seperempat kanan atas, seperempat kanan bawah, setengah kanan, setengah kiri, setengah atas, setengah bawah, horisontal, vertikal, diagonal menaik serong ke kanan, diagonal menurun serong ke kanan. Hasil uji coba memperlihatkan bahwa sistem ini berhasil memperbaiki pendekatan sebelumnya dalam merepresentasikan kueri spasial warna. Diharapkan rancangan sistem ini bisa memberikan kueri yang lebih alami kepada pengguna.

Abstrak :
Tesis ini mengusulkan metode Boosting yang termodifikasi berbasiskan AdaBoost M2 untuk melakukan klasifikasi obyek multikelas dengan menambahkan fungsi indikator pada faktor pengubah bobot. Metode ini diimplementasikan dalam sistem penghitung pengunjung untuk dapat mendeteksi dan membedakan pengunjung berdasarkan kendaraannya, menjejakinya, dan kemudian menghitung jumlahnya. Hasil ujicoba menunjukkan bahwa rata-rata akurasi AdaBoost M2 lebih tinggi 1.6% dibandingkan metode yang diusulkan dan tingkat false detection metode yang diajukan rata-rata dua kali lipat dari metode AdaBoost M2. Meskipun demikian, sistem penghitung pengunjung yang mengimplementasikan kedua metode tersebut memiliki akurasi penghitungan dan kecepatan deteksi yang hampir sama. Dari hasil ujicoba, terlihat bahwa penambahan fungsi indikator tidak memiliki pengaruh signifikan terhadap hasil klasifikasi, melainkan menjadi penyebab tingginya tingkat false detection pada metode yang diajukan.

---

This thesis proposes a modified Boosting method based on AdaBoost M2 byadding indicator function to the weight update factor for classifying multiclass objects. The proposed method is implemented on a visitor counter system to make it capable for detecting incoming objects (i.e., walking person, motorcycle, or car), track them, and count their number. Experimental result shows that AdaBoost M2 is 1.6% more accurate compared to the proposed method on average, and the proposed method has twice false detection rate compared to AdaBoost M2. Nevertheless, the visitor counter systems which implemented these two methods have same accuracy and detection speed. From the experimental result, it can be seen that adding indicator function doesn?t affect the classification result. Instead, the high false detection rate is the result of the indicator function.

Abstrak :
Dalam ilmu forensik, gigi merupakan bagian tubuh yang digunakan untuk melakukan pengenalan seseorang ketika bagian tubuh lain telah rusak dan sulit dikenali. Pengenalan gigi dilakukan dengan membandingkan fitur yang ada pada gigi korban dengan fitur-fitur yang ada pada data gigi yang tersimpan. Pengenalan dengan cara tersebut memerlukan waktu yang lama, sehingga pengadaan metode pengenalan otomatis dengan menggunakan mesin sangat dibutuhkan.

Saat ini, beberapa metode pengenalan telah dikembangkan untuk mengenali gambar gigi yang berbentuk citra dental radiograph. Sayangnya, beberapa metode yang dikembangkan membutuhkan kualitas citra dental radiograph yang baik, sehingga penggunaannya masih sangat terbatas pada citra dengan kualitas tertentu. Oleh karena itu, peneliti mengajukan sebuah metode pengenalan yang dapat mengenali citra dental radiograph meskipun citra tersebut memiliki kualitas yang kurang baik. Metode yang dikembangkan akan meningkatkan kualitas citra dengan bantuan sistem inferensi fuzzy. Citra yang telah ditingkatkan kualitasnya tersebut kemudian akan dicari bentuknya dan dibandingkan dengan bentuk-bentuk gigi yang ada. Dari perbandingan tersebut akan dibuat peringkat kesamaan bentuk antara sebuah gigi dengan data yang tersimpan. Peringkat tersebut akan berguna untuk membantu seorang ahli forensik dalam mengenali seseorang

---

In forensic science, dental records are used to recognize someone when his/her body has been damaged and difficult to identify. Dental identification is done by matching the entire feature of victim?s dental condition and dental record from the police database. This process needs long time to finish, so procurement of automatic dental recognition method is very required.

Today, some automatic recognition methods have been developed to recognize dental record in form of dental radiograph image. Unfortunately, the methods need high quality dental radiograph image, which means it cannot be used to recognize all kind of image. Therefore, the researcher proposed a new method which can recognize all kind of dental radiograph images; even the image is a low quality image. The method proposed using fuzzy inference system to improve the quality of the dental radiograph image, before extract the shape of the dental and compare the extracted shape with some other extracted shape in police database. The methods measure the similarity of the image, and rank it based on the similarity value that help the forensic expert to indentify the victim.

Abstrak :
Model basis data relasional telah terbukti sebagai model yang tepat dalam sistem manajemen informasi dan telah diterapkan dalam berbagai aplikasi. Penggunaan model basis data relasional sangat efektif untuk data yang pasti dan tidak ambigu. Namun demikian, aplikasi dunia nyata seringkali mengandung informasi yang tidak tepat dan tidak pasti di dalamya. Model basis data relasional yang ada saat ini tidak dapat mengakomodasi informasi yang tidak sempurna tersebut. Oleh sebab itu, diperlukan sebuah model basis data relasional baru yang dapat memenuhi kebutuhan itu. Kombinasi antara teknologi basis data dan teknik fuzzy menghasilkan sebuah konsep bernama basis data fuzzy. Penelitian pada Tugas Akhir ini telah mengembangkan Sistem Basis Data Fuzzy yang berjalan diatas DBMS konvensional. Modul utama yang dikembangkan adalah fuzzy interpreter yang dapat mentransformasikan query fuzzy yang diberikan pengguna ke dalam query crisp sehingga bisa dieksekusi pada DBMS. Modul ini juga mentransformasikan hasil crisp yang diberikan basis data ke hasil fuzzy untuk diberikan kembali ke pengguna. Dalam basis data konvensional, operasi union dan intersection adalah dua operasi himpunan yang penting karena sering digunakan. Penelitian pada Tugas Akhir ini telah sukses mengaplikasikan operasi-operasi fuzzy union dan fuzzy intersection pada fuzzy interpreter Sistem Basis Data Fuzzy. Tugas Akhir ini membuktikan bahwa basis data fuzzy lebih baik daripada basis data konvensional karena dapat memberikan hasil yang lebih lengkap dan mengatasi permasalahan pada beberapa kasus dunia nyata yang tidak bisa dilakukan oleh basis data konvensional.

---

Relational database model is proven as good model in information management system and applied in several applications. Relational database model is effective for precise and unambiguous data. However, real world applications often have imprecise and uncertain information. Current relational database model can?t accommodate imperfect information. So that, new database relational model that can accommodate those requirement is needed. Combination between database technology and fuzzy technique produce a fuzzy database concept. Research in this Final Project has developed Fuzzy Database Systems that uses convensional DBMS. Major modul that has developed is fuzzy interpreter that can transform fuzzy query into crisp query so that it can be executed by DBMS. This modul also transform crisp result from database into fuzzy result to the user. In conventional database, union and intersection operations are two important set operations because they often used. Research in this Final Project is successfully implemented fuzzy union and fuzzy intersection operations in fuzzy interpreter Fuzzy Database Systems. This Final Project prove that fuzzy database is better than conventional database because it can give more complete result and solve some real world problems that can?t be solved by conventional database.

Abstrak :
Tugas akhir ini berupaya menganalisis metode pengukuran kemiripan dan perbedaan rantai DNA dengan menggunakan dasar fuzzy genom dan ruang fuzzy polinukleotida. Analisis dilakukan dengan cara menerapkan metode yang dianalisis dalam sebuah aplikasi sederhana dalam bahasa pemograman JAVA. Aplikasi yang dibuat bertujuan dapat memberikan nilai kemiripan dan perbedaan dua rantai DNA. Sampel data yang diambil adalah rantai DNA virus influenza yang telah dipetakan genomnya serta telah diketahui subtipenya. Virus yang menjadi pembanding utama yaitu virus influenza dengan subtipe H5N1. Selain itu, data yang diambil yaitu virus-virus lain yang tersedia juga di dari NCBI (National Center for Biotechnology Information). Hasil menunjukkan bahwa virus dengan tipe yang sama yaitu virus influenza memiliki nilai kemiripan yang lebih besar dan jarak yang kecil. Pengukuran yang dilakukan tidak mampu membedakan subtipe sesama virus influenza. Akan tetapi, pengukuran virus influenza dengan jenis virus lainnya memiliki nilai kemiripan yang relatif lebih rendah dan jarak yang jauh. Hasil tersebut memungkinkan untuk membedakan virus influenza dengan jenis virus lain. Metode yang digunakan dapat digunakan sebagai salah satu ciri untuk mengklasifikasi jenis virus tertentu.

---

This thesis attempts to analyze the methods to measure similarity and distance between DNA sequences based on the theory of fuzzy genomes and fuzzy polynucleotide spaces. The analyzing is done using an application coded by JAVA language. The application implements the methods to measure similarity and distance between two DNA sequences. Influenza virus which its genomes has already been mapped and subtype known is used as sample data. The main DNA sequence comparator is the DNA of influenza virus with subtype H5N1. Besides that, other virus data is taken from same source (NCBI - National Center for Biotechnology Information) as samples. The results show that viruses with same type have high similarity value and low distance value. The measure cannot classify subtype in influenza virus. However, the measurements of influenza virus with other kind of virus have relatively low similarity value and high distance value. This result creates a possibility to differ virus influenza and other virus. The methods can be used as a feature for virus classification.

Abstrak :
ABSTRAK DNA adalah materi genetik yang unik terhadap satu individu, jika individu tersebut tidak memiliki saudara kembar identik. Oleh karena itu, DNA dapat digunakan untuk identifikasi individu. Ketika identifikasi perlu untuk dilakukan, sering terjadi kasus dimana individu yang akan diidentifikasi sulit dikenali misalnya karena korban dimutilasi atau terjadi bencana alam yang membuat korban bencana menjadi rusak berat. Untuk mengenali sampel biologis yang rusak tersebut perlu dilakukan tes DNA (DNA Profiling). Kadang walaupun dapat dilakukan tes DNA, akan tetapi profil DNA yang didapat sudah terdegradasi, karena sampel rusak atau DNA sudah terkontaminasi sel mikro. Untuk kasus seperti itu, selain diperlukan perbaikan di laboratorium juga diperlukan penghitungan nilai kemiripan DNA antarprofil yang lebih baik, sehingga informasi yang mengandung nilai kemiripan tidak hilang. Inilah ide awal mengapa dilakukan penghitungan kemiripan DNA menggunakan logika fuzzy. Di sisi lain, jika terdapat banyak individu yang akan diidentifikasi maka laboran akan kesulitan mengidentifikasi dengan cepat, maka diperlukan suatu sistem yang dapat menghitung nilai kemiripan dengan otomatis. Pada penelitian ini, Penulis melakukan perbandingan dimana teknik defuzzifikasi dan metode inferensi yang digunakan berbeda, sehingga dapat dibangun sistem fuzzy yang lebih baik daripada yang sudah ada sebelumnya. ABSTRACT DNA is genetic material which is unique for each individual, except for identical twins. So that, DNA could be a basis for human identification. When identification process is needed, there are cases that the victim is hard to be identified, for example mutilated victims or disaster victims that get heavy body decay. To identify it, we need to do DNA profiling. Even DNA profiling can be done, sometimes DNA profiling has been degraded because of disrepair sample that has been contaminated by micro cell. For this case, DNA needs to be repaired in Laboratory and then do the computation for the similarity value of each DNA profiling, so the similarity information in DNA is not lost. This is the reason why we need to do DNA Profiling using Fuzzy Logic. In the other hand, if there are many individuals that will be identified, it is needed to develop a system that can count the DNA similarity value automatically. On this research, writer is compare between Defuzzification technique and Interference method, so we can build fuzzy system that can show better performance than before.

Abstrak :
Kanker payudara merupakan salah satu jenis kanker yang ganas, deteksi yang lebih awal akan membantu penyembuhan yang lebih baik. Terkait dengan penegakan diagnosis yang akurat pada kanker payudara, salah satu metode dalam bidang patologi adalah analisis imunohistokimia. Salah satu prosedur dalam analisis imunohistokimia adalah menghitung positifitas antigen yang dilakukan dengan menghitung prosentase sel positif dan negatif pada suatu paparan. Selama ini perhitungan positifitas pulasan masih dilakukan secara manual karena pengamatan morfologi imunohistokimia merupakan hal yang penting disamping keterbatasan perangkat bantu yang ada. Proses perhitungan secara manual membutuhkan waktu 5-10 menit dengan akurasi subjektif. Oleh sebab itu, pembuatan perangkat penentu positifitas antigen yang dapat melakukan penghitungan dengan cepat, objektif dan akurasi tinggi sangat penting untuk meningkatkan kualitas diagnosis dokter. Dalam rangka membangun perangkat penentu positifitas antigen tersebut salah satu modul yang harus dipecahkan adalah segmentasi, yaitu bagaimana cara memisahkan bagian citra yang berisi sel positif, negatif dan background. Terdapat dua pendekatan segmentasi yang dapat dilakukan, pertama pendekatan crisp yang diwakili double thresholding dan pendekatan fuzzy yang diwakili oleh fuzzy morphologi. Kinerja dari fuzzy morphologi dan double thresholding telah dibandingkan dalam melakukan segmentasi pulasan imunohistokimia pada citra sel positif kanker payudara. Secara keseluruhan hasil segmentasi dari fuzzy morphologi lebih baik daripada double thresholding kerena tingkat akurasi pendeteksian sel kankernya lebih tinggi dibandingkan dengan metode double thresholding.

---

Breast cancer is one type of malignant cancer and the preventif detection will help to get better cure. Related to an accurate diagnosis of breast cancer. One of the methods in pathology is immunohistochemistry analysis. One of the procedures in analyzing immunohistochemistry is by counting antigen which is done by counting the precentage of positive and negative cells in an image. So far the counting of positivity of the stain is still being done manually. It happens because the observation of the morphology of immunohistochemistry is important and because of the unsufficient equipment. The manual process of counting needs 5- 10 minutes with subjective acuracy. So the making of the equipment to determine the antigen positivity which can calculate fast, objectively, and with most accuracy is very important to improve the quality of the doctor?s diagnosis. In making the equipment to determine the antigen positivity, one of the moduls which has to be solved is segmentation; how to seperate the image which contains the positive and negative cells and background. There are two segmentation approaches which can be done. First is crisp approaches which is represented by double thresholding and the fuzzy approaches which is represented by the fuzzy morphology. The performance of the fuzzy morphology has been compared with the double thresholding in doing segmentation of the image of immunohistochemistry stain positive cells in breast cancer. The general result of the fuzzy morphology is better than the double thresholding because it can make more accurate detection than the double thresholding method.

Abstrak :
Bencana sangat sering terjadi di Indonesia, baik diakibatkan tangan manusia maupun kejadian alam. Pada proses identifikasi korban, polisi mempunyai beberapa prosedur standar. Salah satu cara yang paling umum adalah identifikasi menggunakan sidik jari. Namun, teknik ini sulit dilakukan bila korban mengalami cacat/kerusakan tubuh yang parah. Cara alternatif yang biasa digunakan adalah pencocokan dental dengan dental records. Namun, proses ini memakan waktu yang sangat lama sebab polisi harus membandingkan kondisi dental korban (post mortem) dengan dental records (ante mortem). Oleh karena itu, dibuatlah sebuah perangkat lunak yang mampu melakukan identifikasi pencocokan dental dengan otomatis menggunakan citra dental x-ray sebagai masukkan. Pada sistem ini, digunakan Zernike moments sebagai alat ekstraksi ciri. Zernike moments digunakan karena kemampuannya mengenali sebuah citra dengan tepat walaupun citra tersebut mengalami rotasi dan distorsi. Eksperimen yang dilakukan juga akan membandingkan masukkan biner dan grayscale. Sistem terbukti dapat mengenali 100% data uji yang ada pada scenario tertentu, sehingga sistem ini telah dibuktikan sebagai alat yang cukup efektif untuk melakukan identifikasi secara cepat dan tepat. Disasters often happen in Indonesia, it is caused by human and nature. In order to identify the victim of the disaster, police have their own procedures. A common way to identify is by using finger print identification, but it is not often that the victims have badly body decay. The alternate way is using dental matching process. This process is very time consuming because the matching processes have to compare one by one the dental condition of the victim manually. Using dental x-ray as an input, an application to do matching process is developed. The application can automatically identify the victim by doing dental matching process. In this application, Zernike moments are used as feature extraction. Zernike moments are chosen because it has ability to recognize image accurately, even the image has rotated or distorted. The experiment also compare binary and grayscale image as input for Zernike moments. The application can 100% recognize the victim for some case, so it is powerful tool according to its ability to identify victim fast and accurately.