Article Per Year (5 Year)
p-Index From 2019 - 2024
1.701
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Teknik Elektro eProceedings of Engineering
Rissa Rahmania
Telkom University
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
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 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.
Co-Authors Aldo Tripolyta Andi Ade Yustika Bambang Setia Nugroho Devita Rahma Apriliani Dini Himmah Al Aliyyah Al Aliyyah Dwiki Kurniawan Efri Suhartono Farah Pranidasari Fiky Yosef Suratman Haidy Anazmar Hani Khairunnisa Heroe Wijanto JANGKUNG RAHARJO Maisaroh Agustina Rahayu Pamungkas Daud Rita Magdalena Suryo Adhi Wibowo Viky Premeita Mitayani