Bedy Purnama
School Of Computing, Telkom University

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

Found 3 Documents
Search

Identifikasi Telapak Tangan Menggunakan 2DPCA plus PCA dan K-Nearest Neighbour Bedy Purnama; Ditari Salsabila E.
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2013
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

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

Abstract

Biometrik merupakan pengenalan seseorang berdasarkan anatomi ataupun karakteristik tingkah laku. Identifikasi telapak tangan sebagai teknik biometrik memiliki kelebihan yaitu membutuhkan resolusi citra yang kecil, biaya alat yang murah, tidak bersifat intrusif, serta memiliki tingkat akurasi yang tinggi. Paper ini akan membahas identifikasi telapak tangan menggunakan metode 2DPCA plus PCA. Principal Component Analysis (PCA) merupakan teknik ekstraksi fitur yang memiliki kelebihan dari segi kompresi data. Metode 2 Dimensional Principal Component Analysis (2DPCA) memiliki kelebihan dari PCA dari segi akurasi dan kompleksitas waktu, namun memiliki kekurangan yaitu membutuhkan banyak koefisien dalam menyimpan data. Penggabungan kedua metode tersebut menghasilkan metode yaitu 2DPCA plus PCA. Pada percobaan, klasifikasi dilakukan dengan menggunakan K-Nearest Neighbour (KNN). Analisis dilakukan dengan membandingkan performansi metode 2DPCA plus PCA dengan metode lainnya yaitu 2DPCA dan PCA.
Penghitungan Kepadatan Kendaraan di Jalan Tol Menggunakan Metode Gaussian Mixture Model dan Kalman Filter Febryanti Sthevanie; Bedy Purnama; Muhammad Jendro Yuwono
Indonesia Symposium on Computing Indonesia Symposium on Computing 2015
Publisher : Indonesia Symposium on Computing

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

Abstract

Tingkat kepadatan volume kendaraan yang terdapat di jalan tol menjadi acuan dalam mengetahui informasi kepadatan kendaraan di jalan tol. Untuk mengetahui cara penghitungan ataupun cara pendeteksian kepadatan kendaraan terserbut, perlu adanya metode yang efisien untuk mengetahui tingkat kepadatan kendaraan yang melintas di jalan tol. Karena pemantauan yang dilakukan oleh pihak kepolisian, dinas perhubungan, maupun pihak penyelenggara jalan tol saat ini menggunakan berbasis video pengintai yang masih dipantau oleh manusia / orang secara manual. Maka dari itu perlu adanya sistem yang dapat menghitung kepadatan objek kendaraan yang terdapat di jalan tol. Seperti yang telah dilakukan pada penelitian sebelumnya dimana metode yang digunakan adalah edge detection, mampu menghasilkan tingkat akurasi hingga 80% dalam menghitung kepadatan kendaraan di jalan tol[6]. Metode edge detection menggunakan resource yang tinggi dalam keperluan komputasi, ini menjadi kelemahan penggunaan edge detection sebagai metode dalam kasus tersebut[6]. Dalam hal ini penelitian bertujuan untuk mengimpementasikan metode Gaussian Mixture Model dan Kalman Filter dalam kasus penghitungan kendaraan di jalan tol. metode GMM digunakan untuk mensubstraksi background dan foreground. Serta metode Kalman Filter yang digunakan untuk tracking kecepatan untuk memenuhi standar klasifikasi kepadatan jalan tol di Indonesia[8]. Dari hasil penelitian diperoleh tingkat akurasi rata rata sebesar 90.79%, dengan menggunakan parameter – parameter metode Gaussian Mixture Model yaitu Model GMM sebesar 3 threads, Threshold sebesar 0.05 dan Learning Rate sebesar 0.04. Dan parameter yang digunakan pada metode Kalman Filter yaitu state covariance matrix sebesar [1 1], process noise matrix sebesar [25 10] dan measurement noise sebesar 25.  
Indonesian Vehicles Number Plates Recognition System Using Multi Layer Perceptron Neural Network and Connected Component Labelling Andre Sitompul; Mahmud Dwi Sulistiyo; Bedy Purnama
International Journal on Information and Communication Technology (IJoICT) Vol. 1 No. 1 (2015): December 2015
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/IJOICT.2015.11.1

Abstract

In recent years, the amount of vehicle in Indonesia has been increasing rapidly. This surely, if it is conducted conventionally, challenges the upholder in recognizing and detecting the lawbreakers vehicle. The objective of this research aims to create the system which can automatically recognize vehicles number plates. This is also expected to be able to assist the upholder to take an action against the lawbreaker. The method used are sliding concentric windows and connected component for detecting and segmenting each of character on vehicles number plates. Further, multi-layer perceptron neural network classification model is used to identify each of character on it.The system has been tested using variety of vehicles number plate images and succesfully recognize 180 of 224 characters images (80.35%). Based on the computation of each character, the accuracy of the system, throughout tested vehicles number plate images, can reach 95.69% (1509 of 1577 characters can be identified).The tested system has shown prospective results, thus the technique used on this research can be implemented through vehicles number plate recognition system in Indonesia.