Article Per Year (5 Year)
p-Index From 2019 - 2024
3.929
P-Index
This Author published in this journals
All Journal JETT (Jurnal Elektro dan Telekomunikasi Terapan) JOIV : International Journal on Informatics Visualization JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING Jurnal Ilmiah FIFO TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika IJAIT (International Journal of Applied Information Technology) Journal of Computer, Electronic, and Telecommunication (COMPLETE) Jurnal Ilmiah Teknik Elektro eProceedings of Engineering Jurnal Ilmiah Agroust
Suryo Adhi Wibowo
Universitas Telkom
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering

Published : 33 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 33 Documents
Search

 1   2   3   4 
Pengenalan Manusia Berbasis Pada Single-gait Menggunakan Metode Modifikasi Latent Conditional Random Field (l-crf) Aldo Tripolyta; Suryo Adhi Wibowo; Rissa Rahmania
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Pengenalan gait merupakan salah satu bagian dari computer vision yang berfungsi untuk mengenali subjek (manusia) dengan jarak tertentu tanpa memperhatikan aspek biometrik seperti iris, wajah, dan sidik jari. Latent Conditional Random Field (L-CRF) merupakan salah satu algoritma pengenalan single-gait dengan hasil yang lebih baik. Walaupun hasil performansi akurasi subjek dengan kondisi berjalan normal (#NM) yang lebih baik, tapi masih terdapat masalah performansi akurasi terhadap kondisi berjalan lain seperti membawa tas (#BG) dan memakai jas (#CL). Modifikasi Latent Conditional Random Field (mL-CRF) merupakan salah satu metode yang masih berkaitan dengan L-CRF, tapi memiliki perbedaan pada parameter pairwise. Keunggulannya adalah hasil yang lebih baik dalam melatih dan menguji data dari domain yang identik. Penelitian ini menggunakan silhouette frames pada data set CASIA gait database B yang berisi 124 subjek dengan 110 sequence tiap subjek. Proses pengolahan data mL- CRF dilakukan berdasarkan sampel training (LT74 & MT62) dan 11 sudut pengamatan yang akan dibandingkan dengan L-CRF tanpa modifikasi, serta penelitian-penelitian sebelumnya. Pada penelitian ini, LT74 pada mL-CRF merupakan sampel training yang paling baik yang menghasilkan peningkatan akurasi sebesar 0,89% (#NM), 1,32% (#BG), 1,54% (#CL) terhadap L- CRF tanpa modifikasi. Kata Kunci: Gait, CASIA-B, L-CRF, silhouette frames. Abstract Gait recognition is a part of computer vision that serves to recognize a subject (human) with a certain distance without regard to biometric aspects such as iris, face, and fingerprint. Latent Conditional Random Field (L-CRF) is one of the single-gait recognition algorithms with better results. Although the results of the accuracy of the subject's performance with normal running conditions (#NM) are better, but there are still problems in the accuracy of performance with other running conditions such as carrying a bag (#BG) and wearing a coat (#CL). Latent Conditional Random Field (mL-CRF) modification is one method that is still related to L-CRF, but has differences in pairwise parameters. Its advantages are better results in training and testing data from identical domains. This study uses the silhouette frames in the CASIA data set linked to the B database containing 124 subjects with 110 sequences per subject. The processing of mL- CRF data is done based on training samples (LT74 & MT62) and 11 observation angles that will be compared with L-CRF without modification, as well as previous studies. In this study, the LT74 on mL-CRF was the best training sample which resulted in an increase in accuracy of 0.89% (#NM), 1.32% (#BG), 1.54% (#CL) against L-CRF without modification. Keyword : Gait, CASIA-B, L-CRF, silhouette frames.
Peningkatan Performansi Kernel-based Object Tracking Menggunakan Type-2 Fuzzy Logic Muhammad Alief Hidayah Baso; Suryo Adhi Wibowo; Ledya Novamizanti
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Object tracking merupakan salah satu bidang pada computer vision yang mempelajari tentang cara melacak suatu objek yang bergerak pada suatu ruang, yang dimana sekarang sedang berkembang dengan pesat. Object tracking dalam pengaplikasiannya digunakan dalam melacak gerakan benda maupun manusia dan augmented reality. Namun dalam pengaplikasiannya object tracking masih memiliki banyak tantangan dalam mendeteksi suatu objek. Pada kernel-based object tracking, kemiripan warna (background clutters) dan pergerakan cepat dari objek (motion blur) merupakan faktor utama penyebab terjadinya kegagalan pelacakan dan juga pada kernel-based object tracking belum dapat mendeteksi kegagalan dalam pelacakan. Sehingga pada algoritma koreksi kegagalan diterapkan pada kernel-based menggunakan type-2 fuzzy logic. Kernel-based object tracking merupakan suatu metode pelacakan objek yang memprediksi lokasi objek berdasarkan histogram warna yang memiliki probabilitas tertinggi. Dalam pengaplikasiannya metode kernel-based kurang akurat dalam mendeteksi objek dikarenakan kemiripan warna background dengan objek yang di tracking serta tracker tetap akan melakukan tracking dengan prediksi yang salah sehingga digunakan type-2 fuzzy logic untuk menganalisis terjadinya kegagalan sesuai dengan rules yang telah ditentukan sebelumnya dan melakukan koreksi pada saat object tracking. Dimana output dari metode kernel-based menjadi input dari type-2 fuzzy logic. Hasil dari algoritma sistem yang dibuat ini dapat meningkatkan kinerja dari metode kernel-based dari algoritma diuji menggunakan Object Tracking Benchmark 50 (OTB-50) berdasarkan parameter precision plot dan success plot. Dari hasil percobaan yang telah dilakukan, algoritma yang diusulkan menghasilkan performa sebesar 0.001 lebih presisi dibandingkan dengan kernel-based object tracking berdasarkan parameter precision plot dan memiliki tingkat kesuksesan lebih besar 0.003 diukur berdasarkan parameter success plot. Kata kunci : Object Tracking, Kernel-based, Type-2 Fuzzy Logic, Computer Vision Abstract Object tracking is one area in computer vision that learns about how to track an object that moves in a space, which is now growing rapidly. Object tracking in application is used in tracking both object movements and humans and augmented reality. But in application object tracking still has many challenges in detecting an object. In the kernel-based object tracking, color similarity (background clutters) and fast motion of objects (motion blur) are the main factors causing tracking failure and also on the kernel-based object tracking that have not been able to detect failures in training. So that the failure correction algorithm is applied to kernel-based using type-2 fuzzy logic. kernel-based object tracking is a method of tracking objects that predicts the location of an object based on a color histogram that has the highest probability. In its application the kernel-based method is less accurate in detecting objects because the similarity of background colors with objects that are tracked and tracker will still track incorrect predictions so that Type-2 fuzzy logic is used to analyze the occurrence of failure according to predetermined rules and do correction when object tracking. Where the output of the kernel-based method is an input of type-2 fuzzy logic. The results of this system algorithm can improve the performance of the kernel based method of the algorithm tested using a Object Tracking Benchmark 50 (OTB50) based on the parameters of the Precision Plot and Success Plot. From the results of experiments that have been done, the proposed algorithm produces a performance of 0.001 more precise than kernel-based object tracking based on precision plot parameters and has a success rate greater than 0.003 measured based on success plot parameter. ISSN : 2355-9365 e-Proceeding of Engineering : Vol.6, No.2 Agustus 2019 | Page 4409 Keywords: Object Tracking, Kernel-based, Type-2 Fuzzy Logic, Computer Vision
Analisis Metode Pengurangan Latar Belakang Berbasis Mixture Of Gaussian Pada Kasus Deteksi Objek Dini Himmah Al Aliyyah Al Aliyyah; Suryo Adhi Wibowo; Rissa Rahmania
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Pengolahan video merupakan salah satu cabang utama pada proses pengambilan gambar yang di dalamnya terdapat latar belakang dan latar depan. Sebagai topik semakin penelitian, background subtraction telah menarik perhatian beberapa tahun terakhir. Pada penelitian ini digunakan metode background subtraction berdasarkan Online Mixture of Gaussians dengan Matrix Factorization (OMoGMF) pada video yang sudah diekstrak menjadi beberapa frame. Penelitian ini menggunakan 2400 frame dataset yang berbeda. Dataset yang digunakan berupa data Sofa, Backdoor, Bus station, Skating, Office, dan Pendestarian dengan masing masing dataset memiliki 400 frame. Dataset berupa kumpulan frame RGB. Proses background substraction diawali dengan preprocessing yaitu mengubah frame RGB mejadi grayscale. Hasil tersebut kemudian dilakukan proses OMoGMF dan menghasilkan data valid berupa citra pendeteksi objek dimana latar depan dan latar belakang terpisah secara baik. Data valid diuji dengan mengubah parameter pada proses OMoGMF. Parameter yang diubah berupa speed update basis matriks dengan nilai 0.9, dan 0.99 dimana pada setiap parameter dilakukan perubahan threshold dengan nilai 0.01, 0.1, dan 1 yang dilakukan pengulangan sebesar 1 kali, 10 kali, dan 20 kali. Hasil yang didapat berupa nilai precision (%). Hasil tersebut dianalisis dan ditentukan parameter mana yang terbaik. Pada penelitian ini didapatkan sistem optimal pada parameter update basis matriks sebesar 0.99, threshold 0.01 dan pengulangan sebesar 20 kali. Kata kunci : Background Subtraction, Mixture of Gaussian, Matrix Factorization Abstract Video processing is one of the main branches in the process of taking pictures in which there is a background and foreground. As the topic of research progresses, background subtraction has attracted the attention of recent years. This research uses background subtraction method based on Online Mixture of Gaussians with Matrix Factorization (OMoGMF) on videos that have been extracted into several frames. This study uses 2400 different dataset frames. Dataset used in the form of data Sofa, Backdoor, Bus station, Skating, Office, and Conservation with each dataset has 400 frames. The dataset is a collection of RGB frames. The background substraction process begins with preprocessing, which changes the RGB frame into grayscale. The results are then carried out OMoGMF process and produce valid data in the form of object detection imagery where the foreground and background are well separated. Valid data is tested by changing parameters in the OMoGMF process. The parameters changed in the form of a matrix base speed update with values of 0.9, and 0.99 where in each parameter a threshold change with a value of 0.01, 0.1, and 1 is repeated 1 time, 10 times, and 20 times. The results obtained are precision (%). The results are analyzed and determined which parameter is the best. In this study, it was found that the optimal system on the parameter update base matrix was 0.99, threshold 0.01 and repetition of 20 time. Keyword: Background Subtraction, Mixture of Gaussian, Matrix Factorization
Analisis Performansi Image Retrieval Berdasarkan Color Feature Dan Scale Invariant Feature Transform Viky Premeita Mitayani; Suryo Adhi Wibowo; Rissa Rahmania
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Berkembangnya kemajuan teknologi berpengaruh kepada gaya hidup yang terjadi pada masyarakat, contohnya sosial media yang banyak menggunakan citra sebagai objeknya. Karena banyakanya citra yang ada, sulit untuk mencari citra yang ingin ditemukan, dengan begitu Image Retrieval terbentuk sebagai teknik pengambilan citra dengan skala yang besar. Dalam kehidupan sehari-hari Image Retrieval sudah banyak dijumpai contohnya adalah Google Images yang berfungsi sebagai mesin pencari dengan menggunakan data citra. Berdasarkan permasalahan tersebut, dalam Tugas Akhir ini penulis merancang sistem dengan menggunakan metode Color Feature dan Scale Invariant Feature Transform untuk dapat menemukan data citra yang dicari. Color Feature merupakan metode yang digunakan untuk mengidentifikasi warna. Scale Invariant Feature Transform merupakan fitur untuk mendeteksi algoritma yang terdapat dalam citra. Namun penulis tidak menggunakan metode tersebut secara terpisah, metode yang digunakan dalam Tugas Akhir ini menggabungkan dua metode tersebut untuk mengoptimalkan pengambilan citra. Hasil yang diharapkan dalam penelitian ni adalah peningkatan akurasi dalam pengambilan data citra dalam skala yang besar, dengan harapan mendapat nilai Korelasi yang tinggi sehingga penelitian ini dapat dimanfaatkan untuk penelitian selanjutnya di waktu yang akan datang. Kata Kunci : image retrieval, scale invariant feature transform, color feature. Abstract The development of technological advances affects the lifestyle that occurs in society, for example, social media that uses a lot of images as objects. Because of the many existing images, it is difficult to find the image you want to find, so Image Retrieval is formed as a large-scale image retrieval technique. In everyday life Image Retrieval has often been found for example is Google Images which functions as a search engine using image data. Based on these problems, in this Final Project the author designs a system using the Color Feature and Scale Invariant Feature Transform methods to be able to find the image data sought. Color Feature is a method used to identify colors. Scale Invariant Feature Transform is a feature to detect the algorithm contained in the image. But the authors do not use these methods separately, the method used in this Final Project combines the two methods to optimize image capture. The expected result in this research is an increase in accuracy in image capture data on a large scale, with the hope of getting a high Korelasi so that this study can be utilized for further research in the future. Keywords: image retrieval, scale invariant feature transform, color feature.
Identifikasi Usia Pada Area Pulpa Gigi Berdasarkan Radiograf Panoramik Dengan Metode Statistical Moments Descriptor Dan Klasifikasi Artificial Neural Network Dyah Avita Sari; Suryo Adhi Wibowo; Yurika Ambar Lita
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Indonesia merupakan negara yang penduduknya cukup banyak yang tidak memiliki dokumen kelahiran, hal ini merupakan masalah yang cukup serius. Untuk itu perlu adanya proses identifikasi untuk mengetahui estimasi umur seseorang. Banyak sekali proses identifikasi individu, tetapi masih ada yang tidak bisa digunakan pada kondisi tertentu. Salah satu cara untuk mengidentifikasi estimasi umur seseorang yaitu dengan cara identifikasi menggunakan gigi karena gigi adalah organ tubuh yang cukup kuat dan tidak mudah terkikis atau hancur. Berdasarkan permasalahan tersebut, pada Tugas Akhir ini penulis merancang suatu sistem yang dapat mengidentifikasi usia pada area pulpa gigi kaninus (rahang bawah dan atas sebelah kanan) dari usia 5 sampai 60 tahun. Data yang digunakan pada penelitian ini adalah citra radiograf panoramik. Sistem yang dirancang pada Tugas Akhir ini menggunakan metode Statistical Moments Descriptor dan klasifikasi Artificial Neural Network. Jumlah data yang digunakan adalah 681 citra, yang dikelompokan menjadi 28 kelas dan tiap kelasnya berisi 2 rentan usia. Nilai accuracy tertinggi yang diperoleh dari sistem ini adalah 89,7 % dengan computation time 26,870 (s) dari variasi parameter training = 80%, validation = 10%, testing = 10%, hidden layer= 3 dan hidden neuron= 70. Kata Kunci : Artificial Neural Network, Statistical Moments Descriptor, Citra Radiograf Panoramik Abstract Indonesia is a country which mostly its people have no birth document, so that it is a quite serious problem. For this reason, we need to do an identification process to determine the estimated age of a someone. There are so many individual identification processes, yet few of them still cannot be able to operate in any situation . The way for identifying someones age forecast is using a tooth because the tooth is a organ which is strong enough, so it woud not be easily eroded or destroyed. Based on those problems, in this Final Project the researcher designed a system that can identify the age in the pulp area of the canine teeth (lower and upper right jaw) from the ages of 5 to 60 years. The data used in this study is the image of a panoramic radiograph. The designed system in this Final Project used Statistical Moments Descriptor method and classification of Artificial Neural Network. The amount of data used are 681 images, which are grouped into 28 classes and each class contained 2 age susceptible. The highest accuracy value obtained from this system is 89,7% by 26,870 seconds of computation time with variations in train parameters = 80 %, validation = 10%, testing = 10%, hidden layer = 3 and hidden neurons = 70. Key Word : Artificial Neural Network, Statistical Moments Descriptor, Panoramic Radiograph Image
Analisis Performansi Image Registration Pair Mode Berbasis Sparse Representation Dwiki Kurniawan; Suryo Adhi Wibowo; Rissa Rahmania
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Pengukuran kesamaan atau similarity measure adalah hal penting dalam image registration. Dalam penelitian kali ini penulis mengukur kesamaan dari dua buah gambar yang salah satunya sudah diregistrasikan dimana gambar pertama menjadi groundtruth. Pengukuran kesamaan telah banyak diteliti sebelumnya dengan banyak metode dengan hasil yang baik, tetapi masih ditemukan beberapa celah dimana pengukuran kesamaan tidak bisa diterapkan di semua kondisi. Sparse Representation (SR) adalah salah satu metode dalam pengukuran kesamaan di image registration dimana metode ini menghitung melalui indeks sparsness dari gambar. Keunggulan dari metode SR ini adalah akurasi dari kemiripan/kesamaan dari gambar masukan yang bisa terhitung dengan baik. Metode SR ini juga cukup kuat dalam menangani gambar dalam intensitas distorsi yang besar, yang banyak terdapat dalam gambar medis, gambar jarak yang jauh yang disebabkan perbedaan modalitas akuisisi dan kondisi iluminasi. Hasil yang didapatkan dalam penelitian ini antara lain nilai Root Mean Square Error (RMSE) dengan nilai terbaik sebesar 39,5825, nilai Peak-Signal to NoiseRatio (PSNR) dengan nilai terbaik 16,18 dB, nilai Structural Similarity Index (SSIM) dengan nilai terbaik 0,8318, nilai Correlation Coefficient (CC) dengan nilai terbaik 0,732, dan nilai Coherence dengan nilai terbaik 0,268. Kata Kunci: image registration, sparse representation, gambar panchromatic, gambar multispectral, pengukuran kesamaan. Abstract Similarity measure is an important thing in image registration. In this study the authors measures the similarity of the two images, one of which was registered where the first image became the groundtruth. Similarity measure have been studied previously with many methods with good results, but there are still some gaps where similarity measurements cannot be applied in all conditions. Sparse Representation (SR) is one method in measuring similarity in image registration where this method counts the sparseness’ index of images. The advantage of this SR method is the accuracy of the similarities of the input images that can be counted well. The SR method is also strong enough to handle images in a large intensity of distortion, which is often found in medical images, long distance imagescaused by differences in acquisition modalities and illumination conditions. The results obtained in this study include the value of Root Mean Square Error (RMSE) with the best value is 39,5825 the value of Peak Signal to NoiseRatio (PSNR) with the best value is 16,16 dB, the value of the Structural Similarity Index (SSIM) is 0,8313, the value of Correlation Coefficient (CC) with the best value is 0,732, and the value of Coherence with the best value is 0,268. Keywords : image registration, sparse representation, panchromatic image, multispectral image, similarity measure
Analisis Performansi Deteksi Objek Pada Metode Complex YOLOv4 Untuk Autonomous Driving Hanaluthfina Nurhadiati; Suryo Adhi Wibowo; Agus Pratondo
eProceedings of Engineering Vol 9, No 6 (2022): Desember 2022
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak— Dalam beberapa tahun terakhir, deteksi objek 3 dimensi (3D) telah diimplementasikan secara luas dan membawa inovasi baru pada sains dan teknologi terkini. Salah satunya pada autonomous driving. Autonomous driving adalah sebutan bagi kendaaran yang dapat mengemudikan kendaraan tanpa kendali manusia. Algoritma deteksi objek merupakan peran utama dalam mengidentifikasi serta memprediksi objek disekitar kendaraan. Kekhawatiran keamanan dan kebutuhan akan estimasi yang akurat secara real-time menyebabkan munculnya sistem deteksi menggunakan Light Detection and Ranging (LiDAR). Tugas Akhir ini menganalisis pengaruh pada modifikasi hyperparameter algoritma yang digunakan untuk meningkatkan performansi deteksi objek pada autonomous driving. Algoritma deteksi objek yang digunakan yaitu Complex YOLOv4. Data input pada metode Complex YOLOv4 berupa 3D point cloud dari LiDar. Hasil keluaran dari penelitian ini berupa model modifikasi terhadap konfigurasi jaringan Complex YOLOv4 dengan nilai performansi terbaik. Dalam Tugas Akhir ini digunakan KITTI Vision Benchmark sebagai dataset training. Skema pengujian Tugas Akhir ini berfokus pada kinerja dua hyperparameter yang dipakai yaitu epoch dan network size. Skema pengujian dengan performansi terbaik didapatkan pada skema III dengan nilai mAP sebesar 58.3%. berdasarkan hasil mAP tersebut, modifikasi terhadap ukuran network size dan penggunaan jumlah epoch yang tinggi dapat mempengaruhi performansi dan kinerja deteksi objek untuk autonomous driving. Kata kunci— Complex YOLOv4, Object Detection, Autonomous Driving, Epoch, Network Size
Analisis Kinerja Hand Tracking-by-detection Untuk Teknologi Hologram Interaktif Menggunakan Model Hidden Markov Devita Rahma Apriliani; Suryo Adhi Wibowo; Rissa Rahmania
eProceedings of Engineering Vol 7, No 1 (2020): April 2020
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

ABSTRAK Hologram merupakan proyeksi 3-Dimensi dari suatu objek yang diproyeksikan pada permukaan 2- Dimensi. Image hologram dapat diaplikasikan dalam berbagai hal seperti untuk pembelajaran, hiburan, dan lainlain. Human Computer Interaction (HCI) adalah studi yang mempelajari bagaimana manusia berinteraksi dengan komputer dan sejauh mana komputer dapat dikembangkan atau tidak dikembangkan untuk berinteraksi dengan manusia. Hand tracking-by-detection dapat diimplementasikan dalam interaksi antara manusia dengan hologram. Pada tugas akhir ini dirancang sistem untuk melakukan hand tracking-by-detection dengan menggunakan Hidden Markov Model. Deteksi tangan pada sistem ini dilakukan menggunakan haar-like features. State sequence yang akan dijadikan masukan untuk HMM didapat dari proses deteksi. Pada tugas akhir ini digunakan 2 gesture tangan yaitu open dan close. Pengujian dilakukan dengan menggunakan dataset dengan data positif sebanyak 1600 dan 1800. Analisis dilakukan berdasarkan parameter presisi, IoU, dan akurasi. Dari hasil pengujian didapatkan nilai presisi 5,3015, IoU sebesar 0,5221, dan akurasi sebesar 56,67% untuk keadaan close dan nilai presisi 14,9993, IoU sebesar 0,5288, dan akurasi sebesar 68,72% untuk keaadaan open sedangkan akurasi sistem kelesuruhan tertinggi sebesar 96,33%. Kata Kunci: Hologram, Human Computer Interaction, Tracking-by-Detection, Hidden Markov Model, haarlike feature. ABSTRACT Hologram is a 3-dimensional projection of an object projected on 2-dimensional surface. Holographic image can be applied in various fields such as education, entertainment, etc. Human Computer Interaction is a study about how human interact with computer and how far computer can be developed or not to interact with human. Hand tracking-by-detection can be implemented in interaction between human and hologram. In this final project, a system is designed to do hand tracking-by-detection using Hidden Markov Model. Hand detection in this system is done using haar-like features. State sequence that would be used as input in HMM is obtained in detection process. This final project using 2 hand gesture, open and close. The test on the system was carried out using datasets with 1600 and 1800 positive data and 800 and 900 negative data. Analysis are done based on precision, IoU, and accuracy parameters. From the test result, achieved precision 5,3015, IoU 0,5221, and accuracy 56,67% for closed hand, and precision 14,9993, IoU 0,5288, and accuracy 68,72% for open hand with the highest accuracy obtained for whole system is 96,33%. Keywords: Hologram, Human Computer Interaction, Tracking-by-Detection, Hidden Markov Model, haarlike feature.
Layar Proyeksi Hologram Interaktif Dengan Kinerja Hand Gesture Detection Dan Tracking Model Reinforcement Learning Muthia Saada; Suryo Adhi Wibowo; Iwan Iwut Tritoasmoro
eProceedings of Engineering Vol 7, No 2 (2020): Agustus 2020
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Teknologi hologram adalah bentuk topografi yang merekam gambar dalam visual 3 dimensi dan diproyeksikan pada permukaan 2 dimensi. Gambar hologram dapat digunakan untuk hiburan, pembelajaran dan lain – lain. Hologram sendiri juga bisa menjadi teknologi untuk penyampaian informasi. Human computer interaction (HCI) adalah ilmu yang mempelajari bagaimana manusia dan komputer dapat berinteraksi. Pada tugas akhir ini, dirancang layar proyeksi yang menampilkan gambar seolah-olah 3 dimensi yang bisa berinteraksi dengan gerakan tangan (hand gesture). Sistem ini bergerak secara real time untuk pengenalan dan deteksi gerakan tangan yang ditentukan pengguna yang diambil menggunakan kamera webcam. Di sistem ini digunakan SURF untuk mendapatkan fitur bag of visual words dari tangan pengguna. fitur itu nanti akan digunakan untuk memprediksi tangan pengguna. Sistem dapat meningkatkan keakuratannya selama waktu pengujian dengan menggunakan metode reinforcement learning yaitu disini pengguna memiliki kemampuan untuk memberikan umpan balik positif atau negatif untuk setiap prediksi sistem sebelumnya dan sistem akan memperbarui sendiri selama waktu pengujian untuk hasil prediksi yang lebih baik. Pada Tugas Akhir ini pengujian dilakukan dalam 3 tahap, 30 frames, 40 frames dan 50 frames serta dilakukan penerapan konfigurasi jarak tangan terhadap kamera. Berdasarkan percobaan yang dilakukan nilai akurasi yang didapat terus meningkat dalam tiap tahapnya. Didapatkan hasil terbaik untuk akurasi prediksi gesture tangan saat menggunakan data 50 frames sebesar 98.70%. Proses HCI pada hologram saat memasukkan gestur unik dari tangan pengguna bisa untuk membuka google, instagram, dan video di youtubeKata Kunci: Hologram, Hand Gesture Detection, Webcam, 3D, Reinforcement Learning, HCI
PENGARUH PEMBERIAN NAUNGAN DENGAN INTENSITAS CAHAYA YANG BERBEDA TERHADAP PERTUMBUHAN DAN HASIL BERBAGAI JENIS TANAMAN SAWI (Brassica juncea L) Suryo Adhi Wibowo; Yacobus Sunaryo; Djoko Heru Pamungkas
JURNAL ILMIAH AGROUST Vol 2 No 1 (2018): Maret
Publisher : Universitas Sarjanawiyata Tamansiswa

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

This study aimed to determine the influence of shading and light intensity on several types of mustard plants. This research was conducted from April to May 2017 in Sumberejo Village, Semin Subdistrict, Gunungkidul Regency. This study was carried out by experimental factorial 3x3 aranged by split plot design wuth three replications , the first factor was the shading intensity: without shading, 50% shading, 75% shading and the second factor was the various of mustard plant that was consisted of green mustard, collard, and mustard spoon. The results of this study showed that there was interaction betwen shading and varians type of mustard plant on  fresh weight of plants, dry weight of the roots, and fresh weight of the plants of hectare. There was no interaction at plants height, leaf number, board leaf, fresh root weight, root dry weight, but shading with different intensity significantly affected the amount of chlorophyll, fresh weight of plant, root dry weight and weight of hectare. The 50% shading showed the best growth and result compared with 75% shading and without shading
Co-Authors Agniya Tazkiya Aulia Agus Pratondo Akhmad Yusuf Nasirudin Aldo Tripolyta Alvaro Septra Dominggo Nauw Angga Rusdinar Anky Aditya P Annisa Istiqomah Atina Nur Azizah Bambang Hidayat Bambang Hidayat Bambang Setia Nugroho Casi Setianingsih Dany Eka Saputra Devita Rahma Apriliani Dini Himmah Al Aliyyah Al Aliyyah Djoko Heru Pamungkas Dwiki Kurniawan Dyah Avita Sari Fahmi Oscandar Fahmi Oscandar Faiz Nashrullah Farah Hana Kusumaputri Felix Corputty Fiky Yosef Suratman Fityanul Akhyar Gelar Budiman Hanaluthfina Nurhadiati Hashfi Fadhillah Iwan Iwut Tritoasmoro JANGKUNG RAHARJO Koredianto Usman Kusuma Nindia Rizki Ledya Novamizanti Liyana Faiza Lulud Annisa Ainun Mahmuddah Lyra Vega Ugi Muhammad Alief Hidayah Baso Muthia Saada Nadya Sindi Safitri Oriza Intani Prasaja Wibawa Utama Putri Utami Hafgianti Raditiana Patmasari Ricky Hilmi Sudrajad Rissa Rahmania Rissa Rahmania Rissa Rahmania Rissa Rahmania Rita Purnamasari Tembang Florian Falah Viky Premeita Mitayani Vivian Alfionita Sutama Wiwit Ratri Wulandari Yacobus Sunaryo Yurika Ambar Lita Yuti Malinda