Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal eProceedings of Engineering
Hertog Nugroho
Telkom University
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Automatic Feature Reduction Framework For Identification Process In Palm Vein Recognition Prasti Eko Yunanto; Hertog Nugroho; Tjokorda Agung Budi Wirayuda
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

Abstract Feature or dimensionality reduction has become one of fundamental problem in the field of pattern recogni- tion such as biometrics. The choosing number of fea- ture or dimension has become one challenge. Instead choosing number of feature manually, in this paper, we proposed an automatic feature reduction by using a cas- caded feature reduction schemes based on variance or- der of the DCT feature space and eigenvalue of k-PCA in the palm vein recognition. Based on experiment re- sults, our proposed scheme can achieve recognition rate above 0.92 accuracy which uses fewer features and can reduce time process significantly until 99.5% comparing with traditional manual feature reduction method.
Pengenalan Isyarat Tangan Menggunakan Algoritma Pyramidal Lucas Kanade Dan Histogram Of Oriented Gradients Gustav Nugraha; Hertog Nugroho; Tjokorda Agung Budi Wirayuda
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

Isyarat tangan merupakan salah satu metode interaksi manusia dan komputer yang populer digunakan saat ini. Terdapat isyarat tangan statis yang hanya menggunakan perubahan posture tangan dan dinamis yang secara bersamaan menggunakan perubahan posture tangan dan pola gerakan tangan. Untuk mengenali isyarat tangan statis dan dinamis maka diperlukan metode yang mampu mendeskripsikan posture tangan dan mendeskripsikan pola gerakan tangan. Dalam penelitian ini, Histogram of Oriented Gradients adalah metode yang digunakan untuk mendeskripsikan posture tangan dan Pyramidal Lucas Kanade dipilih untuk mengestimasi optical flow yang digunakan untuk mendeskripsikan pola pergerakan tangan dalam bentuk sebuah Motion Descriptor. Pendekatan Bag of Features akan digunakan untuk mendapatkan descriptor akhir dari sebuah video untuk HOG, dan klasifikasi akan dilakukan dengan menggunakan Support Vector Machine. Sistem yang telah dibuat diuji dengan dataset yang terdiri dari 6 isyarat tangan. Pengujian dengan metode k-fold cross validation menunjukkan akurasi rata-rata 95.73% pada dataset yang terdiri dari 240 video yang terdiri dari isyarat tangan dari 2 orang yang berbeda. Kata kunci : Isyarat Tangan, Histogram of Oriented Gradients, Pyramidal Lucas Kanade, Optical Flow, Bag of Features
Sistem Pengenal Individu Berbasis Gabungan Palmprint Dan Palm Geometry Menggunakan Pengukuran Geometris Palm Dan Gabor Filter Muhammad Reza Rukmana; Hertog Nugroho; Tjokorda Agung Budi Wahyudi
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

Biometrics adalah salah satu bidang dalam computer science yang berkembang pesat belakangan ini. Dalam salah satu penerepannya, biometrics digunakan untuk mengidentifikasi citra dalam proses otentikasi. Karena alasan keandalan, jenis biometrics system yang sekarang banyak digunakan adalah yang multimodal. Isu utama dalam peneltian-penelitian terhadap sistem biometrik palm adalah merancang sistem yang paling efisien dan menghasilkan akurasi yang tinggi pada dataset yang dinamis. Kombinasi Palmprint dan palm geometry adalah kombinasi fitur yang dipilih untuk digunakan dalam penelitian ini. Kedua fitur memiliki keunggulan yaitu dapat diekstrak dari satu citra, sehingga memudahkan proses enrollment. Penelitian ini menggunakan ekstraksi fitur geometris dan Gabor Filter pada palmprint. Manhattan Distance digunakan untuk proses matching. Penelusuran titik-titik penting dan Region of Interest (ROI) dilakukan dengan menggunakan algoritma Competitive Hand Valley Detection. Perhitungan akurasi akan dilakukan terhadap 600 citra palm dari dataset yang diambil dari database Casia Multispectral Palmprint yang berasal dari 100 user. Pada pengujian awal digunakan 4 citra sebagai citra training dan 2 citra sebagai citra testing. Pada pengujian selanjutnya digunakan juga perbandingan data training dan testing 3:3 dan 2:4. Sistem ini menghasilkan FRR sebesar 1.76%, FAR sebesar 1.51%, dan error rate sebesar 3.27% pada perbandingan data training dan testing 4:2. Kata Kunci : Multimodal Biometrics, Palmprint, Palm Geometry, Gabor Filter, Competitive Hand Valley Detection
Nighttime Motorcycle Detection For Sparse Traffic Images Pov Vandeth; Jimy Tirtawangsa; Hertog Nugroho
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

Traffic accidents mostly occur at night. It is understandable since at night, we have low visibility. Effort to reduce accidents at night have been reported by developing tools to detect nearby vehicles to avoid crashes. However, most of them worked only on detecting cars. They did not focus on motorcycle due to its lack of a pair of lamps lighting features usually utilized in detecting cars. Meanwhile, motorcycle consists of a rider, a taillight, and area surrounding license plate in the nighttime traffic images. To get these properties, we propose four features (red pixel, edge pixel, edge ROI, and active contour) that are extracted from red and edge maps. The red map is used for recognizing the spreading out of taillight on the image. The edge map is used to recognize the rider, back part of the motorcycle, and the whole curve of object. To see the effectiveness of our features, we selected 3 commonly used classifiers (Artificial Neural Network, Decision Tree Algorithm, and Support Vector Machine) in the experiment. The result shows that some classifiers have achieved more than 80% accuracy rate.
Co-Authors Gustav Nugraha Jimy Tirtawangsa Muhammad Reza Rukmana Pov Vandeth Prasti Eko Yunanto Tjokorda Agung Budi Wahyudi Tjokorda Agung Budi Wirayuda