Rian Rahmanda Putra
Universitas Indo Global Mandiri

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

Sistem Klasifikasi Jenis Gas Alkohol dan Butana Menggunakan Metode Suport Vector Machine Husnawati Husnawati; Rian Rahmanda Putra
Annual Research Seminar (ARS) Vol 4, No 1 (2018): ARS 2018
Publisher : Annual Research Seminar (ARS)

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

Abstract

Penyebaran  gas  berbahaya  dapat mempengaruhi keseimbangan ekosistem, jenis gas yang tersebar dapat  terdeteksi melalui hidung manusia, akan tetapi  bila  penyebaran  gas  tersebut  terhirup  manusia maka  akan  memiliki  efek  yang  buruk  dalam  jangka panjang  maupun  singkat  terhadap  manusia  tersebut. Pada penelitian ini akan dirancang sebuah sistem yang dapat  mengklasifikasi  jenis  gas  berdasarkan  tingkat konsentrasi  gas  yang  terdeteksi menggunakan  metode Support  Vector  Machine  (SVM).  Jenis  gas  yang  diuji adalah  alcohol  dan  butana  pengujian  dilakukan menggunakan sensor gas MQ dengan mengenalkan pola gas  terhadap  sistem  melalui  data  training.  Hasil  yang diperoleh  pada  penelitian  ini  menunjukkan  bahwa sistem  klasifikasi  jenis  gas  alcohol  dan  butana menggunakan  metode  SVM  dapat  mengenali  gas  yang terdeteksi  dengan  baik  berdasarkan  pola  dan  tingkat konsentrasi gas yang menyebar di udara. 
Penerapan Metode State Chart pada Sistem Kendali Autopilot Kapal Laut dengan Jalur Virtual Rian Rahmanda Putra; Husnawati Husnawati; Rossi Passarella
Annual Research Seminar (ARS) Vol 4, No 1 (2018): ARS 2018
Publisher : Annual Research Seminar (ARS)

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

Abstract

Indonesia merupakan wilayah maritim yang luas perairannya lebih besar dibandingkan dengan luas daratan, oleh karena itu banyak digunakan transportasi laut sebagai pengiriman barang dan penyebrangan antar pulau dengan menggunakan alat transportasi yang berupa kapal. Banyak kecelakaan yang terjadi pada kapal laut disebabkan oleh sistem navigasi dari kapal yang masih manual. Pada penelitian ini akan dirancang sebuah sistem kendali autopilot pada kapal laut dengan menggunakan metode state chart. Pengujian kapal dilakukan pada jalur virtual yang selanjutnya dapat dipantau melalui PC, sehingga sistem pengendalian kapal dapat berjalan secara otomatis. Hasil yang diperoleh dari penelitian ini menunjukkan bahwa sistem navigasi virtual pada kapal dengan menggunakan metode state chart dapat bekerja dengan baik pada jalur percobaan yang diberikan, hal ini ditunjukkan dengan tingkat akurasi sebesar 81.14%.
Sistem Computer Vision Pengenalan Pola Angka dan Operator Matematika Pada Permainan Kartu Angka Berbasis Jaringan Syaraf Tiruan Perceptron Rian Rahmanda Putra; Fery Antony
Jurnal Informatika Global Vol 9, No 1
Publisher : UNIVERSITAS INDO GLOBAL MANDIRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (524.629 KB) | DOI: 10.36982/jiig.v9i1.441

Abstract

Abstract Computer vision is an image processing by a computer to obtain information from image captured through the camera generally used in real-time application. This paper reports on the results of research conducted on computer vision system designed to be able to recognize the image number (0-9) and mathematical operators (addition (+) and subtraction (-)) in a card number figures. Computer vision system designed in this study consists of a camera on the android phone that used to captured images on the card number and the computer that has artificial neural network perceptron algorithm in identifiying images. Both components of the computer vision system are connected wirelessly through the TCP/IP Protocol. At the training stage of Perceptron ANN, 10 samples for each number and mathematical operators are used. Computer vision system built in this study also have several image processing techniques such as greyscalling, thresholding, cropping and resizing. This techniques is used to filter the information from the images captured by camera in order to get the adequate and smaller image to be processed by ANN Perceptron. Stages of testing performed three times. First testing is given picture numbers 0-3, second testing is given picture number 4-7 and third testing is given number 8-9, addition symbol and subtraction symbol. Based on testing result, system built are able to recognize 10 from 12 image rendered with a success rate of 83.33%.Keywords : Computer vision, perceptron, card number Abstrak Computer vision merupakan proses pengolahan citra oleh computer untuk mendapatkan informasi dari citra yang ditangkap melalui kamera yang umumnya digunakan pada aplikasi waktu nyata. Tulisan ini melaporkan tentang hasil penelitian yang dilakukan tentang sistem computer vision yang dirancang untuk dapat mengenali gambar angka (0-9) dan operator matematika(penjumlahan (+) dan pengurangan (-)) pada permainan kartu angka. Sistem computer vision yang dirancang pada penelitian ini terdiri dari kamera pada ponsel android yang digunakan untuk menangkap gambar pada kartu angka dan komputer yang memiliki algoritama Jaringan Syaraf Tiruan Perceptron dalam melakukan identifikasi gambar. Kedua komponen sistem computer vision tersebut dihubungkan memlaui jaringan wireless melalui protocol TCP/IP. Pada tahapan pelatihan JST perceptron, digunakan 10 sample citra untuk masing – masing angka dan operator matematika yang akan dikenali oleh sistem. Pada penelitian ini juga dilakukan tahapan pemrosesan citra sebelum diolah oleh JST Perceptron baik dalam tahapan pelatihan maupun pada saat sistem dijalankan. Tahapan pengolahan citra yang digunakan pada penelitian ini adalah greyscalling, thresholding, cropping dan resizing. Hal ini dilakukan untuk menyaring informasi pada citra yang ditangkap oleh kamera agar didapatkan citra yang berukuran kecil dengan  informasi yang lengkap untuk diproses oleh JST Perceptron. Pada saat sistem diuji coba, diberikan 4 deret kartu angka di depan kamera. Pada pengujian pertama diberikan gambar angka 0-3, pengujian kedua diberikan gambar angka 4-7 dan pada pengujian ketiga diberikan angka 8-9 serta gambar operator penjumlahan dan pengurangan. Berdasarkan pengujian yang dilakukan, sistem computer vision yang dirancang mampu mengenali 10dari 12 gambar yang diberikan dengan tingkat keberhasilan sebesar 83.33%.Kata Kunci : computer vision, perceptron, kartu angka