Article Per Year (5 Year)
p-Index From 2019 - 2024
0.61
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Indonesia Symposium on Computing IJoICT (International Journal on Information and Communication Technology) Charity : Jurnal Pengabdian Masyarakat I-Com : Indonesian Community Journal eProceedings of Engineering Community Service Seminar and Community Engagement (COSECANT)
Bedy Purnama
Telkom University
Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Public Health Social Sciences Other

Published : 18 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 18 Documents
Search

 1   2 
Penghitungan Kepadatan Kendaraan di Jalan Tol Menggunakan Metode Gaussian Mixture Model dan Kalman Filter Muhammad Jendro Yuwono; Bedy Purnama; Febryanti Sthevanie
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.  
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.
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.
Korelasi antara Nilai Latihan Soal Berpikir Komputasional dan Hasil Tantangan Bebras pada Siswa sebagai Bagian dari Peningkatan Kesiapan Guru dalam Gerakan PANDAI Muhammad Arzaki; Ema Rachmawati; Ade Romadhony; Bambang Pudjoatmodjo; Dodi Wisaksono Sudiharto; Putu Harry Gunawan; Agung Toto Wibowo; Selly Meliana; Rimba Whidiana Whidiana Ciptasari; Fazmah Arif Yulianto; Fat’hah Noor Prawira; Bedy Purnama
Charity : Jurnal Pengabdian Masyarakat Vol 5 No 2a (2022): Special Issue
Publisher : PPM Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/charity.v5i2a.5071

Abstract

Salah satu konsep dasar dalam pembelajaran Informatika adalah Berpikir Komputasional (BK) yang merupakan cara berpikir dan menyelesaikan masalah secara sistematis dan logis. Pada September-Desember 2021, Biro Bebras Universitas Telkom mengadakan rangkaian kegiatan pengabdian kepada masyarakat melalui gerakan PANDAI (Pengajar untuk Era Digital Indonesia) dengan tujuan untuk meningkatkan kompetensi guru dalam mengintegrasikan BK pada mata pelajaran yang diampunya. Untuk mengukur keberhasilan rangkaian lokakarya yang telah dilaksanakan, dilakukan analisis secara kuantitatif terhadap korelasi antara nilai yang diperoleh siswa ketika latihan terbimbing dengan guru dan nilai yang diperoleh siswa pada tantangan Bebras. Dari hasil analisis yang dilakukan terhadap 242 siswa, diperoleh nilai rata-rata latihan terbimbing adalah 73,28 dan nilai rata-rata tantangan Bebras adalah 38,65. Perbedaan nilai yang cukup signifikan ini juga didukung oleh fakta bahwa korelasi antara nilai latihan terbimbing dan nilai tantangan Bebras adalah sebesar 0,189.
Klasifikasi Kendaraan Roda Empat Dengan Ekstraksi Ciri Hybrid Berbasis Jaringan Syaraf Tiruan Gryaningrum Widi Pangestuti; Koredianto Usman; Bedy Purnama
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

Kepadatan volume kendaraan sudah menimbulkan efek yang buruk. Kemacetan dan pencemaran lingkungan adalah dampak yang sulit dihindari dari bertambahnya kendaraan bermotor di berbagai daerah. Untuk mempermudah pengolahan data statistik pertumbuhan kendaraan diperlukan sebuah program yang dapat mengelompokkan kendaraan-kendaraan tersebut secara otomatis. Dalam Tugas Akhir ini kendaraan beroda empat atau lebih akan dikelompokkan ke dalam tiga kelompok yaitu sedan, mini bus, dan mobil besar. Untuk membedakan ketiga jenis tersebut diperlukan ciri yang bisa membedakan ketiga kelompok tersebut dengan baik. Metode ekstraksi ciri hybrid yang digunakan adalah dengan menggabungkan ciri ukuran dan warna dari setiap kendaraan. Selanjutnya akan dilatih dan diuji dengan menggunakan algoritma jaringan syaraf tiruan Radial Basis Function (JST RBF). Klasifikasi kendaraan didapat setelah melalui berbagai tahap preprocesing hingga menghasilkan objek kendaraan saja. Setelah itu dilakukan pencarian nilai parameter JST RBF agar memberikan hasil yang maksimal. Nilai spread 0.4 dan jumlah pusat maksimal dapat memberikan hasil yang cukup baik. Hasil pengujian pun akhirnya dapat mencapai nilai akurasi sebesar 77.52%. Kata kunci : klasifikasi kendaraan, ekstraksi ciri hybrid, JST RBF
Analisis dan Penerapan Perhitungan Orang Menggunakan Metode Histogram Of Oriented Gradients-Local Binary Pattern Dengan Deteksi Kepala-Bahu Studi Kasus: Perhitungan Orang Dalam Kelas Rivan Ardyanto Sutoyo; Bedy Purnama; Febryanti Sthevanie
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Menghitung jumlah orang (people counting) yang berada dalam video merupakan salah satu fungsionalitas yang saat ini sedang dikembangkan para peneliti di dunia computer vision. People Counting memiliki berbagai macam manfaat seperti sistem pengawasan keamanan, estimasi jumlah kepadatan manusia, analisis bisnis di sebuah tempat, dan masih banyak lagi manfaatnya. Adapun studi kasus yang dipakai untuk pembuatan Tugas Akhir ini yaitu menghitung jumlah orang di dalam kelas dengan menggunakan kombinasi metode Histogram Of Oriented Gradients (HOG) dan Local Binary Pattern (LBP) untuk deteksi kepala dan bahu dari seorang individu. HOG-LBP digunakan untuk fitur ekstraksi untuk identifikasi objek. Kemudian perhitungan orang dilakukan dengan cakupan individu yang berada di dalam video. Keluaran dari sistem ini adalah sistem dapat menunjukkan jumlah orang dalam ruang kelas serta menunjukkan lokasi masing-masing dari individu tersebut berdasarkan kepala dan bahu. Dari hasil penelitian dengan menggunakan metode Multilevel HOG-LBP didapatkan rata-rata hasil akurasi orang duduk berjarak satu sebesar 93.53% dan rata-rata akurasi data orang duduk berdampingan sebesar 80.33%. Kata Kunci: people counting, histogram of oriented, local binary pattern, kepala,bahu
Penghitungan Kepadatan Kendaraan Di Jalan Tol Menggunakan Metode Gaussian Mixture Model Dan Kalman Filter Muhammad Jendro Yuwono; Bedy Purnama; Febryanti Sthevanie
eProceedings of Engineering Vol 2, No 3 (2015): Desember, 2015
Publisher : eProceedings of Engineering

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 93.04%, dengan menggunakan parameter – parameter metode Gaussian Mixture Model yaitu Model GMM sebesar 5 modes, Threshold sebesar 0.5. 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. Kata kunci: CCTV, vehicle counting, jalan tol, statistic kepadatan, Gaussian Mixture Model, Kalman Filter.
Klasifikasi Kepadatan Lalu Lintas Berbasis Multitracking Object Dengan Menggunakan Metode Particle Filter Hafidz Al Djohari; Tjokorda Agung Budi Wirayuda; Bedy Purnama
eProceedings of Engineering Vol 2, No 2 (2015): Agustus, 2015
Publisher : eProceedings of Engineering

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

Abstract

Abstrak— Penentuan kepadatan lalu lintas menggunakan kamera saat ini digunakan hanya sebatas pengawasan secara visual. Namun sebenarnya terdapat parameter yang menjadi acuan baku untuk menentukan karakteristik kepadatan arus lalu lintas salah satunya kecepatan rata-rata tiap kendaraan. Hal ini sudah diatur dalam Peraturan Menteri Perhubungan Nomor : KM 14 Tahun 2006. Untuk menentukan kecepatan kendaraan digunakan metode object tracking untuk mendapatkan jumlah frame yang dilalui tiap objek dari batas yang sudah ditentukan. Praticle Filter digunakan sebagai metode object tracking karena dapat memperkecil wilayah telusur objek terutama dengan menggunakan particle filter berbasis warna. Selain itu juga dibutuhkan metode untuk mendeteksi kendaraan yang digunakan sebagai acuan dari particle filter. Meotde yang digunakan untuk menangani masalah pendeteksian objek menggunakan Gaussian Mixture Model, metode ini memiliki hasil keluaran berupa citra hitam putih dengan citra putih merupakan citra yang dideteksi sebagai objek. Partikel yang menempel pada tiap objek digunakan untuk mendapatkan titik centroid. Titik centroid dari tiap objek diambil sebagai acuan posisi. Dengan menggabungkan dua metode ini didapatkan tingkat akurasi dalam menghitung jumlah kendaraan sebesar 91,22% dan akurasi dalam menentukan kecepatan kendaraan sebesar 94,41% sedangkan justifikasi tingkat kepadatan memiliki kecocokan yang tinggi dan tingkat kecocokan terhadap pelayanan arus lalu lintas sebesar 66,67% dari video yang diujikan. Kata kunci : kepadatan lalu lintas, jalan tol, object tracking, vehicle tracking, vehicle counting, particle filter. Abstract— Determination of the density of traffic using the current camera used was limited to visual inspection. But actually there are parameters that become the standard reference for determining the characteristics of traffic density is a average speed of each vehicle. It is already stipulated in the Regulation of the Minister of Transportation No. KM 14 of 2006. To determine the vehicle speed object tracking method is used to get the number of frames that traversed each object of a specified limit. Praticle Filter is used as a method of object tracking because it can reduce the search area, especially by using color-based particle filter. It also needed a method to detect the vehicle used as a reference of the particle filter. Meotde used to deal with object detection using Gaussian Mixture Models, this method has the output in the form of a black and white image with a white image is an image that is detected as an object. Particles which attached to each object is used to get the centroid point. The centroid of each object taken as a reference position. By combining these two methods, obtained accuracy in counting the number of vehicles amounted to 91.22% and the accuracy in determining the speed of vehicles by 94.41% while the justification density has a high compatibility and suitability to service traffic flows amounted to 66.67% of the video being tested. Keywords: traffic density, road tolls, object tracking, vehicle tracking, vehicle counting, particle filter.
Implementasi Dan Analisis Penghitungan Orang Berbasis Deteksi Muka Menggunakan Gaussian Mixture Model Dan Haar-like Feature Pada Video Reza Dwi Ansari; Bedy Purnama; Febryanti Sthevanie
eProceedings of Engineering Vol 2, No 2 (2015): Agustus, 2015
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Sistem penghitungan orang otomatis telah banyak digunakan di beberapa tempat umum, baik untuk aplikasi komersial maupun untuk keamanan. Jumlah orang yang didapat dalam periode waktu tertentu bermanfaat untuk sistem pengawasan, analisis pengunjung, strategi pemasaran, dan lain sebagainya. Dalam tugas akhir ini metode deteksi wajah digunakan untuk penghitungan orang pada input data video. Local binary pattern (LBP) merupakan salah satu metode yang dapat digunakan dalam pendeteksian wajah. Metode ini membutuhkan jumlah dan varian sampel. Sampel tersebut berupa citra wajah dan citra bukan wajah yang selanjutnya akan dikomputasi untuk proses training dataset wajah. Untuk membantu meningkatkan akurasi deteksi, digunakan Adaptive Gaussian Mixture Model untuk segmentasi background dan foreground. Hasil training dan ekstraksi foreground akan digunakan dalam pendeteksian wajah. Proses penghitungan orang menggunakan garis hitung atau Line of Interest (LOI). Apabila muka orang yang terdeteksi berjalan melewati garis perhitungan dan mendekati kamera, maka akan dihitung oleh sistem. Dengan metode-metode tersebut, tingkat akurasi sistem untuk penghitungan orang didapat 100% untuk lima dari tujuh video uji. Performansi sistem berjalan cukup baik untuk memproses video uji dengan rata-rata pemrosesan 18-29 fps. Kata kunci : fitur LBP, background subtraction, Adaptive Gaussian Mixture Model, penghitungan orang
Penerapan dan Analisis Perhitungan Orang dengan Metode Codebook Studi kasus : Perhitungan orang dalam sebuah antrian Farid Hidayat; Bedy Purnama; Febryanti Sthevanie
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Pada era sekarang perekaman video menggunakan CCTV merupakan teknologi yang sangat baik untuk melakukan pengawasan dan pengenalan. Salah satu kegunaanya yakni melakukan perhitungan orang dalam video untuk melakukan estimasi keramaian pada tempat yang memiliki antrian lebih dari satu. Contohnya pada tempat rekreasi seperti Dufan, Trans Studio Bandung, dan Wisata Bahari Lomongan. Sehingga pengunjung dapat melihat tempat hiburan mana yang sedang sepi ataupun ramai. Studi kasus yang digunakan yakni melakukan perhitungan pada kasus satu antrian sehingga nantinya dapat diimplementasikan pada kasus yang lebih komplek seperti kasus yang telah dijelaskan diatas. Dalam penelitian Tugas Akhir ini diimplementasikan dengan menggunakan metode codebook. Metode codebook digunakan untuk melakukan proses pemisahan background dan foreground sehingga didapatkan blob image. Blob image sendiri nantinya akan digunakan untuk melakukan proses ekstraksi manusia menggunakan aspect ratio. Dari hasil pengujian didapatkan bahwa perhitungan dengan metode codebook dilanjutkan ekstraksi manusia menggunakan aspect ratio mempu mengenali obyek manusia dengan akurasi 86% sesuai dengan kasus yang diujikan. Kata kunci : Perhitungan orang, Antrian, Blob image, Codebook, Region of Interest(ROI), Aspect ratio
Co-Authors Ade Romadhony Ade Romadhony Agung Toto Wibowo Agung Toto Wibowo Andre Sitompul Angga Rusdinar Bambang Pudjoatmodjo Bambang Pudjotatmodjo Danu Hary Prakoso Ditari Salsabila E. Dodi Wisaksono Sudiharto Dodi Wisaksono Sudiharto Ema Rachmawati Ema Rachmawati Ema Rachmawati Farid Hidayat Fat'hah Noor Prawira Fat’hah Noor Prawira Fat’hah Noor Prawira Fazmah Arif Yulianto Fazmah Arif Yulianto Febryanti Sthevanie Gryaningrum Widi Pangestuti Hafidz Al Djohari Imamul Akhyar Koredianto Usman Mahmud Dwi Sulistiyo Marliani Harahap Muhammad Arzaki Muhammad Arzaki Muhammad Jendro Yuwono Muhammad Jendro Yuwono Muhammad Shafhi Kasyfillah Putu Harry Gunawan Reza Dwi Ansari Rimba Whidiana Ciptasari Rimba Whidiana Ciptasari Rivan Ardyanto Sutoyo Selly Meliana Sonia Dian Maniswari Tito Prihambodo Tjokorda Agung Budi Wirayuda