Garuda - Garba Rujukan Digital

Metode Segmentasi Paru-paru dan Jantung Pada Citra X-Ray Thorax Ainatul Mardhiyah; Agus Harjoko
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 1, No 2 (2011): October
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

AbstrakSegmentasi citra merupakan salah satu tahapan dalam pengolahan citra yang penting, terutama dalam dunia medis. Apabila seorang dokter atau ahli radiologi salah dalam melakukan proses pembacaan citra maka akan berpengaruh terhadap diagnosa suatu penyakit. Penelitian ini, menggunakan citra x-ray thorax dengan format grayscale dan ukuran 256x256, agar segmentasi berjalan dengan maksimal dilakukan proses awal (preprocessing) menggunakan metode Gaussian Lowpass Filter. Selanjutnya citra hasil preprocessing dikelompokkan menggunakan metode K-Means Clustering dimana pengelompokan tersebut dilakukan berdasarkan perbedaan nilai piksel pada citra. Hasil dari pengelompokan tersebut membentuk objek paru-paru. Selanjutnya dilakukan segmentasi dengan menggunakan metode Geometric Active Contour. Pada metode ini, kurva akan mengempis atau mengembang sesuai dengan bentuk tepi luar dari paru-paru. Segmentasi jantung menggunakan metode template matching dikarenakan dengan menggunakan K-means Clustering dengan K = 2, objek jantung belum bisa tersegmentasi. Ujicoba sistem dilakukan dengan metode ROC (Receiver Operating Characteristic), dari 40 data citra x-ray thorax menggunakan metode k-means clustering untuk K=2 dan Geometric Active Contour sistem dapat mensegmentasi paru-paru kiri dengan prosentase akurasi 90.03%, sensitifitas 62.05%, dan spesifitas 94.62%. Paru-paru kanan dengan prosentase akurasi 88.35%, sensitifitas 63.71%, dan spesifitas 93.48%. Segmentasi jantung dengan template matching didapatkan presentase akurasi 94.33%, sensitifitas 64.65%, dan spesifitas 98.13%.Kata kunci— segmentasi citra, x-ray thorax, k-means clustering, geometric active contour, template matching Abstract Image segmentation is an important technology for image processing, especially in the medical world. If a doctor or radiologist doing wrong in the process of reading the image it will affect the diagnosis of a disease. This research uses x-ray thorax in grayscale and 256x256 pixel. In order to maximum image segmentation is necessary to start the process (preprocessing) using Gaussian Lowpass Filter method. Further image preprocessing results are grouped using K-Means Clustering method in which the grouping based on the difference in image pixel values . Furthermore, segmentation using Geometric Active Contour method. In this method, the curve will deflate into accordance with the form the lung edge. Heart segmentation using template method because k-means clustering with K = 2 cannot segment it. Tests performed using method of system ROC (Receiver Operating Characteristic), from 40 x-ray image using k-means clustering with K = 2 and Geometric active contour system can segment the left lung, with a percentage accuracy of 90.03%, sensitivity 62.05%, and spesifity 94.62%. Right lung, with a percentage accuracy of 8.35%, sensitivity 63.71%, and spesifity 93.48%. Heart segmentation using template matching system can segment the heart, accuracy 94.33%, sensitivity 64.55%, and spesifity 98.13%. Keywords—image segmentation, x-ray thorax, k-means clustering, geometric active contour, template matching

Sistem Pendeteksian Marker pada Analisis Gait Menggunakan Pengolahan Citra Digital David Ariano; Agus Harjoko
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 3, No 2 (2013): October
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

AbstrakAnalisis gait adalah ilmu pengetahuan yang mempelajari tentang kemampuan atau cara bergerak hewan atau manusia. Dalam bidang kedokteran, analisis gait digunakan untuk menentukan penanganan dan terapi bagi pasien rehabilitasi medik. Untuk melakukan analisis gait dibutuhkan laboratorium gait yang dapat mengolah data dari objek yang diamati, tetapi dibutuhkan peralatan khusus untuk mengolah data parameter gait tersebut. Dalam penelitian ini, dibuat suatu alternatif lain dari perekaman paramater gait dengan menggunakan teknologi pengolahan citra digital. Sebuah kamera video digunakan untuk merekam citra objek small gait cycle pada sebuah ruangan dengan pencahayaan yang berasal dari sinar UV. Perekaman citra dilakukan dengan menempatkan marker pada kaki kanan objek untuk pinggul, lutut, dan matakaki sebagai acuan dari parameter gait yang sering diamati.Deteksi blob akan digunakan untuk memisahkan citra marker dengan latar belakangnya. Parameter gait dihitung dengan menggunakan metode euclidean distance. Model yang digunakan adalah citra biner. Dalam pengujian sistem yang dilakukan, kecepatan berjalan objek yang terbaik adalah 0,8 m/s pada sebuah lintasan lurus sejauh 2,35 m. Kamera diposisikan tegak lurus terhadap lintasan objek dengan jarak 3,26 m pada latar belakang hitam dengan daya pencahayaan 80 watt yang berasal dari lampu UV. Kata kunci—Analisis gait, deteksi blob, deteksi marker, euclidean distance Abstract Gait analysis is a study about walking pattern of human or animal. In the field of medicine, gait analysis is used to determine treatment and rehabilitation of medical therapy for patients. To perform gait analysis required a gait laboratory to process the data from the object being observed and the special equipment is needed to process data such gait parameters.In this research, designed an alternative to record gait parameters by using digital image processing technology. A video camera is used to record the image of small gait cycle in a room with lighting from UV rays. Marker placed on certain points of body based on gait parameters that are often observed like hip, knee, and ankle. Blob detection will be used to separate the image of the marker with the background. Gait parameters are calculated using the euclidean distance. The model used is a binary image.Result of this system, the best walking speed object is 0.8 m/s on a straight track 2.35 m length. The camera was positioned perpendicular to the trajectory of objects at a distance 3.26 m on a black background with 80 watts UV lamps lighting. Keywords— Gait analysis, blob detection, marker detection, euclidean distance

Purwarupa Sistem Tracking Sungai Menggunakan Unmanned Aerial Vehicle Dien Rahmawati; Agus Harjoko; Raden Sumiharto
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 3, No 2 (2013): October
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

AbstrakTelah dibuat purwarupa sistem tracking sungai menggunakan UAV. Sistem tracking sungai ini dibuat dengan memanfaatkan computer vision. Metode yang digunakan dalam sistem ini adalah dengan menggunakan metode moment, thresholding, dilasi. Sebelum dilakukan pengolahan citra, tahapan yang dilakukan adalah pengambilan video sungai. Pada pengolahan citra, video sungai yang akan diproses diambil selanjutnya dilakukan preprocessing citra, kemudian dilanjutkan dengan thresholding dan dilasi untuk mendeteksi warna sungai, dilanjutkan dengan metode moment untuk tracking sungai, dan yang terakhir menampilkan hasil dari tracking sungai. Pemrograman yang digunakan dalam pembuatan tracking sungai ini adalah OpenCV 2.3.1 dan menggunakan Visual Studio 2010. Bahasa pemrograman yang digunakan adalah bahasa C++. Pengujian dilakukan menggunakan video sungai yang diambil secara langsung dan dari Youtube. Sungai yang digunakan memiliki rentang warna nilai HSV 50,3,15- 180,32,169 dan lingkungan sekitar sungai berupa vegetasi. Dari hasil pengujian tracking sungai, metode moment yang digunakan dapat memberikan hasil yang terbaik apabila hasil segmentasi warna sungai baik, dan sebaliknya untuk hasil kondisi yang buruk. Arah pengambilan video sungai berpengaruh terhadap hasil tracking sungai. Hal-hal yang berpengaruh terhadap keberhasilan metode ini antara lain lingkungan sungai, warna sungai, pencahayaan lingkungan, dan arah kamera. Hasil akhir dari sistem tracking sungai ini adalah koordinat posisi. Kata kunci— tracking sungai, pemrosesan video, moment, deteksi warna, openCV AbstractHave created a prototype of river tracking system using a UAV .The river tracking system created by using computer vision. The method used this system are moment method, thresholding, dilation. Prior to image processing, the steps being taken are making a river’s video. On image processing, river’s video to be processed captured image preprocessing is then performed, followed by thresholding and dilation to detect the color of the river, followed by a moment method for tracking the river, and the latter displays the results of tracking the river. Programming is used in this system are OpenCV 2.3.1 and using Visual Studio 2010. The programming language used is C++ language.Testing is done by using river’s video and taken directly from Youtube. River used has its HSV color values are in range 50,3,15 - 180,32,169) and the environment around the river in the form of vegetation. From the test results river tracking, moment method is used to give the best results when both rivers the color segmentation result, and contrary to the results of a bad condition. Camera direction for river’s video taking effect on the results of river tracking. The things that affect the success of this method include the river environment, river’s color, environmental lighting, and camera direction. The result of this river tracking system is position coordinates. Keywords— river tracking, video processing, moment, thresholding, color detection, openCV

Implementasi Pengenalan Wajah Menggunakan PCA (Principal Component Analysis) Dian Esti Pratiwi; Agus Harjoko
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 3, No 2 (2013): October
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

AbstrakSistem identifikasi berkembang dengan cepat. Perkembangan tersebut mendorong kemajuan sistem keamanan berbasis biometrik. Pengenalan wajah adalah salah satu sistem identifikasi yang dikembangkan berdasarkan perbedaan ciri wajah seseorang berbasis biometrik yang memiliki keakuratan tinggi.Eigenface merupakan salah satu metode pengenalan wajah berdasarkan Principal Component Analysis (PCA) yang mudah diimplementasikan. Eigenface dimulai dengan pemrosesan awal untuk mendapatkan hasil citra yang lebih baik. Setelah itu menghitung eigenvector dan eigenvalue dari citra wajah untuk dilakukan proses training image. Proses training wajah yaitu mencari eigenvector, eigenvalue dan average image yang diproyeksikan ke dalam subruang PCA. Proyeksi ke dalam subruang PCA digunakan untuk menyederhanakan data citra yang tersimpan. Perbandingan terkecil proyeksi PCA antara file database dan input menentukan hasil nama pengguna. Perbandingan nilai terkecil dicari menggunakan Nearest Neighbor. Program pengenalan wajah menampilkan salah satu nama pengguna yang telah tersimpan dalam database. Pengujian menggunakan ekspresi senyum dan tanpa ekspresi pada delapan orang dan 16 wajah. Prosentase keberhasilan proses pengenalan wajah adalah 82,81%. Beberapa faktor yang mempengaruhi keberhasilan pengenalan yaitu pencahayaan pada wajah, jarak wajah dengan webcam, banyaknya gambar wajah orang yang tersimpan dan performa komputer yang digunakan. Kata kunci— Eigenface, eigenvector, eigenvalue, average image Abstract Identification system grow quickly. The development encourage security system progress based biometric. Face recognition is one of the identification system is developed based on different characteristic of a person’s face based biometric which has a high accuracy. Eigenface is one method of face recognition based on PCA (Principal Component Analysis) which easy to implement. It begin with initial processing to get a better image. Then computing eigenvector and eigenvalue from face image for further training image process. Training process is finding the eigenvector, eigenvalue and average image to be projected into the PCA subspace. Projection into the PCA subspace is used to simplify the image data stored. The smallest PCA projection comparison between the database and the input file is determinants the result of username. Smallest value comparison searched using Nearest Neighbor. Face recognition program show one of username that has been stored in a database. The test using smile expression and without expression in eight people and 16 faces. The percentage of successful face recognition process is 82,81%. Several factors that influence the success of the recognition are lighting on the face, the face distance with a webcam, sum face image of people saved and used computer performance. Keywords— Eigenface, eigenvector, eigenvalue, average image

Pemrosesan Citra Digital untuk Klasifikasi Mutu Buah Pisang Menggunakan Jaringan Saraf Tiruan Yanuar Putu Wiharja; Agus Harjoko
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 4, No 1 (2014): April
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Buah pisang memasok kebutuhan tidak hanya pasar dalam negeri, tetapi juga pasar internasional. Oleh karena itu, mutu buah pisang harus selalu dijaga. Saat ini sortasi mutu pisang masih dilakukan secara manual oleh manusia, akibatnya menghasilkan keragaman mutu yang kurang baik. Untuk itu diperlukan suatu sistem yang dapat mengklasifikasikan mutu buah pisang menggunakan pengolahan citra digital dan jaringan saraf tiruan.Citra pisang diambil dengan kamera digital dan diolah menggunakan Matlab. Pemrosesan citra digital digunakan untuk mengekstrak fitur warna dan tekstur buah pisang. Sedangkan jaringan saraf tiruan digunakan untuk klasifikasi mutu pisang. Penelitian ini menggunakan 125 pisang untuk data pelatihan dan 100 pisang untuk data pengujian. Mutu pisang dibagi menjadi 5 kelas, yaitu kelas Super, kelas A, kelas B, luar mutu I dan luar mutu II.Parameter yang digunakan untuk masukan jaringan saraf yaitu luas cacat, nilai red, green, blue, energy, homogeneity, dan contrast. Konfigurasi terbaik model jaringan backpropagation untuk sistem klasifikasi mutu pisang adalah dengan laju pembelajaran sebesar 0,3 dan jumlah neuron pada lapisan tersembunyi sebanyak 10 neuron. Dengan konfigurasi tersebut, sistem mampu mengklasifikasikan mutu dengan tingkat keberhasilan sebesar 94 % dari 100 data uji pisang. Kata kunci—klasifikasi mutu pisang, pengolahan citra digital, jaringan saraf tiruan. Bananas does not only supply the domestic market, but also the international market. Therefore, the quality of bananas should be maintained. Currently,quality sorting process of bananas are still done manually by humans, consequently the result is not good. So we need a system that can classify quality of bananas by using image processing and artificial neural network.Banana image captured by a digital camera and processed using Matlab. Digital image processing is used to extract color and texture features of banana. While artificial neural networks used for classification of the quality of bananas. This study uses 125 bananas for training data and 100 bananas for testing data. Quality of bananas are divided into 5 classes, Super,class A, class B, external quality I and external quality II.Input parameters used for the neural network are area defects, red, green, blue, energy, homogeneity, and contrast. Best configuration of backpropagation network model for a classification system of banana quality is the learning rate of 0.3 and 10 neurons in the hidden layer. With the best configuration, the system is able to classify the quality of banana fruit with 94% accuracy rate from 100 bananas test data. Keywords—classification of banana quality, digitalimage processing, artificial neuralnetworks.

Layar Sentuh Berbasis FTIR (Frustrated Total Internal Reflection) Sebagai Papan Tulis Elektronik Afriyani Soraya Sari; Agus Harjoko; Triyogatama Wahyu Widodo
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 4, No 2 (2014): October
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Abstrak Teknologi berkembang dengan kian pesat dan telah diterapkan disegala aspek dan bidang. Dunia pendidikan pun menjadi salah satu target pengembangan teknologi tersebut. Sebagai contoh konkrit adalah digunakannya dukungan teknologi audio visual dalam upaya meningkatkan efektifitas proses pengajaran.Penelitian ini bertujuan untuk mengimplementasikan salah satu metode layar sentuh berbasis Frustrated Total Internal Reflection (FTIR) sebagai papan tulis elektronik. Sistem ini dibangun dari layar akrilik, LED inframerah, proyektor LCD, webcam inframerah, CCV (Community Core Vision) sebagai software pengolah citra serta program aplikasi papan tulis yang dibuat dengan Adobe Flash. Mekanisme kerja sistem cukup sederhana, yakni ketika jari pengguna ditekankan pada layar akrilik, akan timbul distorsi pada titik sentuh sehingga webcam dapat menangkap blob yang terbentuk dari gerakan tersebut menggunakan CCV, dimana data dari CCV tersebut digunakan sebagai input masukan untuk papan tulis elektronik. Hasil dari penelitian ini adalah sebuah papan tulis elektronik yang diwujudkan dalam bentuk perangkat lunak dan perangkat keras. Pengujian model dilakukan dengan uji efektifitas fungsional sistem sebagai papan tulis elektronik. Hasil pengujian dengan variasi pencahayaan didapatkan sistem dapat bekerja optimal dalam ruang tertutup dengan tidak adanya gangguan sinar inframerah lain termasuk cahaya matahari. Kata kunci— Layar Sentuh, FTIR, CCV, Papan tulis elektronik. Abstract The technology has grown rapidly and its application in many aspects and fields. The education became one of the target of these technology development. As an example is the use of audio-visual technology in effort of increasing the effectiveness in teaching process.This research is aimed to implement a touch-screen method based on Frustrated Total Internal Reflection (FTIR) as an Electronic Blackboard. This system is constructed from acrylic screen, infrared LED, LCD projector, infrared webcam, CCV as image processing software and blackboard application program created with Adobe Flash. The mechanism is quite simple, i.e. when the user’s finger touch the acrylic screen, distortion will occur at the touching point so that the webcam can capture the movement of blob uses CCV, where the CCV’s data is used as an input for the Electronic Blackboard.Result from this research is electronic blackboard manifested in the form of software and hardware. The model is tested with the functional system effectiveness as an electronic blackboard. The test result with the variety of lighting conditions, the system can work optimally in a confined space with non interupting infrared light including the sunlight. Keywords— Touch Screen, FTIR, CCV, Electronic Blackboard

Purwarupa Robot Lengan Pemilah Objek Berdasarkan Label Tulisan Secara Realtime Bryan Novega Whildan Bimantaka; Agus Harjoko
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 4, No 2 (2014): October
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

AbstrakSaat ini, perkembangan teknologi robotika tidak hanya pada bidang industri, namun juga mulai merambah dunia pendidikan. Salah satu contohnya adalah kompetisi International Robot Contest (IRC) kategori robot humanoid pada misi pemilahan objek. Bagian tubuh dari robot humanoid yang terpenting dalam pemilahan objek adalah webcam yang digunakan untuk identifikasi objek, dan lengan robot yang digunakan untuk mengambil objek.Pada penelitian ini, dibuat sebuah robot lengan yang memiliki 4 DOF dan 1 gripper, dengan webcam sebagai sensornya. Robot lengan akan mencari objek bola, kubus, atau kaleng yang tampak dalam jangkauannya, kemudian mengambil objek tersebut dan meletakkannya pada label tulisannya yang telah ditentukan lokasinya. Pengolahan citra digital dilakukan oleh komputer menggunakan pustaka OpenCV. Setelah objek dikenali, robot akan bergerak menggunakan metode inverse kinematics geometri. Proses membaca label tulisan dilakukan dengan menggunakan pustaka Tesseract.Pengujian pada penelitian ini, pada pengujian pengaruh intensitas cahaya, diperoleh kinerja terbaik untuk identifikasi objek, pada saat intensitas cahaya antara 1,59 cd sampai 15,92 cd untuk objek bola, antara 3,18 cd – 3,98 cd dengan threshold 50 – 200 untuk kaleng, dan antara 2,39 cd – 3,98 cd dengan threshold 50 – 200 untuk kubus. Ketepatan pengambilan objek mencapai 86,67%, dan ketepatan penempatan objek mencapai 100%. Kata kunci—robot lengan, pemilah objek, pengolahan citra digital, OpenCV, Tesseract. AbstractThe developments of technology not only in industrialized world, but also the world of education. One example is International Robot Contest (IRC) on humanoid category on object classifying mission.The main part of humanoid robot are both the webcam to identify the objects, and the arm of the robot itself to retrieve the object.In this study, has been made an arm robot which has 4 DOF, 1 gripper, and a webcam as the sensor. The arm robot will find the object whether ball, can, or cube within reach, take the object and put it on its label which has been located. The digital image processing is done by a computer using OpenCV library. Once the object is identified, then the robot will move by applying geometry inverse kinematics method. While the text label identification is done by using Tesseract.The tests in this study are done by testing the influence of light intensity during object identification, object retrieval and object placement accuracy testing. The light intensity testing shown the best result at 1,59 cd – 15,92 cd for the ball, 3,18 cd – 3,98 cd with threshold 50 – 200 for the can, and 2,39 cd – 3,98 cd with the threshold 50 - 200 for the cube. The object retrieval accuracy is 86,67%, and the object placement accuracy is 100%. Keywords—arm robot, object classifier, digital image processing, OpenCV, Tesseract

Pengenalan Nomor Seri Tabung Gas Medis Menggunakan Jaringan Syaraf Tiruan Back Propagation Adhi Prahara; Agus Harjoko
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 4, No 2 (2014): October
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

AbstrakOptical Character Recognition (OCR) merupakan aplikasi dalam pengenalan pola untuk mengenali karakter pada citra digital. Dalam penelitian ini, OCR digunakan untuk mengenali nomor seri pada tabung gas medis. Tabung gas medis memiliki nomor seri yang ditulis dengan cat pada badan tabung gas. Oleh karena itu, tampilan karakter nomor serinya rentan terhadap derau seperti retakan cat pada nomor seri maupun latar belakangnya. Selain itu, nomor serinya ada yang tidak ditulis dengan cetakan standar sehingga bentuk karakternya seperti karakter tulisan tangan. Metode yang digunakan dalam sistem ini meliputi perbaikan citra, segmentasi karakter, dan pengenalan karakter nomor seri. Perbaikan citra dilakukan dengan menerapkan filter bilateral untuk menghaluskan citra dan menajamkan tepian. Segmentasi karakter menggunakan metode thresholding pada label warna latar belakang dan nomor seri yang didapat dari klastering dengan K-means. Pengenalan nomor seri menggunakan jaringan syaraf tiruan back propagation pada citra karakter nomor seri hasil segmentasi karakter.Pengujian dilakukan dengan 20 citra sampel nomor seri tabung medis. Hasil pengujian menunjukkan keakuratan deteksi 95,05%, kesalahan deteksi 1,98% dan keakuratan pengenalan 91,09%. Akurasi pengenalan dipengaruhi oleh adanya derau seperti kondisi plat tabung gas, false positif, dan kelengkapan latar belakang. Kata kunci—Nomor seri, OCR, K-means, Filter bilateral, JST Back Propagation AbstractOptical Character Recognition (OCR) is an application in pattern recognition to recognize characters on the digital image. In this study, OCR is used to recognize serial number on medical gas cylinders. Medical gas cylinders have serial numbers written with paint on the body of the gas cylinder. Therefore, the serial numbers is susceptible to noise such as paint cracks on serial numbers and background. In addition, there are serial numbers written with non-standard mold so the shapes of its character like a handwriting characters. The method used in the system are image enhancement, character segmentation and serial number recognition. Image enhancement is done by applying bilateral filter to refine image and sharpen image edges. Character segmentation is done by thresholding serial numbers and background color labels obtained from K-means clustering. Serial number recognition is done by applying back propagation neural network on characters serial number obtained from character segmentation.The tests conducted with 20 serial number of medical gas cylinders image samples. The test results showed 95,05% detection accuracy with 1,98% error and 91,09% recognition accuracy. Accuracy mainly influenced by noise such as plate conditions, false positives, and completeness of the background. Keywords—Serial number, OCR, K-means, Bilateral filter, Backpropagation ANN

Purwarupa Pengoperasian TV Dengan Mendeteksi Isyarat Jari Berbasis Pengolahan Citra Digital Handreas Okta Wibawa; Agus Harjoko
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 5, No 1 (2015): April
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

The development computer technology and electronics very rapidly at this time makes people start looking for other solutions to perform activities easier and more practical. Technologies are developed and can be used at this time it is possible to facilitate the activities human beings to operate TV with finger gesture. In this research, digital image processing of technology can be used to operate TV using webcam and computer as image processing. Input this research is hand image that catched by webcam on computer. Then hand image processed through image processing system to obtain results form value fingers. This value indicates the number equal to number fingers detected by webcam camera on monitor screen. Microcontroller function is receives serial data from results image processing and serves serial data conversion value into instructions can operate TV. Color model used in research is HSV. First step testing this research is setting room in order to capture image for get best results in any room. Results of the research found best value for testing operation TV with finger gesture is : for value light intensity is 12 lux, best distance is 70 cm and best baskground is blue.

Sistem Identifikasi Relief pada Situs Bersejarah Menggunakan Perangkat Mobile Android (Studi Kasus Candi Borobudur) Rajif Agung Yunmar; Agus Harjoko
IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol 8, No 2 (2014): July
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijccs.6541

Abstrak Bangsa yang besar adalah bangsa yang menghargai sejarah dan asal usulnya. Relief yang terdapat pada candi Borobudur menggambarkan banyak cerita, termasuk sejarah dan asal usul bangsa ini. Mulai dari cerita kehidupan kalangan kerajaan, kehidupan masyarakat, dan adat istiadat pada saat bangunan candi tersebut dibuat, dsb. Penelitian ini merancang sebuah perangkat lunak mobile Android untuk identifikasi citra relief Candi Borobudur sehingga dapat membantu wisatawan dalam menerjemahkan pesan dan informasi yang terkandung didalamnya. Metode ekstraksi ciri yang digunakan adalah Speeded-Up Robust Feature (SURF) dan hierarchical k-means tree nearest-neighbor untuk identifikasinya. Pengujian identifikasi citra relief dilakukan dengan berbagai macam variasi, yaitu sudut, jarak, rotasi, intensitas cahaya dan keutuhan citra masukan untuk melihat pengaruhnya terhadap hasil pengenalan citra relief tersebut. Metode identifikasi yang diajukan memberikan hasil pengenalan sebesar 93.30% dengan rata-rata waktu komputasi 59.55 detik. Abstract The great nation built from people who can respects they history and origins. Reliefs at Borobudur temple contained many stories, including the history and origins of this nation. Starting from the life story of the royal, society, and customs at the time of the building of the temple was made, and so on. This study develops mobile Android software for identification of Borobudur Temple relief image object so that it can help travelers in translating the story and the information contained therein. Feature extraction method used is speeded-Up Robust Feature (SURF) and hierarchical k-means tree nearest-neighbor for identification. Identification testing of relief images is done by different variations, ie angle, distance, rotation, intensity of the light and wholeness of image input to see the effect on the relief image recognition results. The proposed identification method gives recognition results of 93.30% and the average computation time for 59.55 seconds.

Title

Found 13 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 13 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 13 Documents
Search