262 research outputs found
Artikel Eva Handayani
No full textStudents are a very important element in educational and teaching activities in schools. Educational institutions are established for the benefit of students. Therefore it needs to get enough attention from the implementation of education in order to achieve the objectives of national education as a whole.Therefore, as a prospective educator later, in order to be able to administer for students so that the learning process runs well it is necessary to understand about the administration of students / students. Therefore, the author tries to make a paper that discusses the administration of students
Two-dimensional analysis of the electrical field distribution in the thorax and reconstruction of a cross-section from its projections
No full text40 leaves : ill. ; 29 cm
Classification of Air-Cured Tobacco Leaf Pests Using Pruning Convolutional Neural Networks and Transfer Learning
Get PDFConvolutional Neural Network (CNN) usually uses a large image dataset with many parameters. Small datasets require a small number of parameters. Existing standard (pre-trained) models such as Alexnet, VGG, Inception, and Resnet have been tested with high accuracy but have many parameters. For small datasets, too many parameters become less efficient and increase computation costs. The high computational costs make the model unsuitable for computers with limited resources such as embedded devices and mobile phones. This research proposes pruning on the depth of resnet50 architecture and adds a dimensionality reduction layer after the pruning point. This approach does not require a complex pruning criteria algorithm, so it is easy to implement. Resnet50 was chosen because it is a good performance with batch normalization and skip connections. We use transfer learning for Resnet50 weight. Pruning is carried out at a depth of the network by cutting at the layer of the activation function. Several pruning points were selected to produce several models with certain parameters. The more networks layer pruned, the smaller the number of parameters produced. We add a layer for channel reduction after pruned network to reduce the number of feature maps before entering the fully connected (FC) layer as a classifier. We retrained a new network using a 2000 tobacco leaf pest dataset split into 1600 training and 400 validation images with 4-classes. The result shows that the accuracy could be maintained equal to the unpruned network up to 100% accuracy and 74.38% reduction rate for the number of parameters. A higher reduction rate of the number of parameters up to 90.62% still provides high accuracy of validation data around 99.3%. These prove that our proposed method effectively maintained accuracy and reduced the number of parameters
SINTESA EKSPRESI WAJAH DENGAN MENGGUNAKAN RADIAL BASIS FUNCTION NETWORK
Get PDF Normal 0 false false false IN X-NONE X-NONE MicrosoftInternetExplorer4
/* Style Definitions */
table.MsoNormalTable
{mso-style-name:"Table Normal";
mso-tstyle-rowband-size:0;
mso-tstyle-colband-size:0;
mso-style-noshow:yes;
mso-style-priority:99;
mso-style-qformat:yes;
mso-style-parent:"";
mso-padding-alt:0cm 5.4pt 0cm 5.4pt;
mso-para-margin:0cm;
mso-para-margin-bottom:.0001pt;
mso-pagination:widow-orphan;
font-size:11.0pt;
font-family:"Calibri","sans-serif";
mso-ascii-font-family:Calibri;
mso-ascii-theme-font:minor-latin;
mso-fareast-font-family:"Times New Roman";
mso-fareast-theme-font:minor-fareast;
mso-hansi-font-family:Calibri;
mso-hansi-theme-font:minor-latin;
mso-bidi-font-family:"Times New Roman";
mso-bidi-theme-font:minor-bidi;}
Pada penelitian yang sebelumnya [4] telah dilakukan penelitian tentang letak-letak (koordinat) facial characteristic points (FCP) yang digunakan sebagai dasar untuk mengenali ekspresi-ekspresi wajah manusia. Diantaranya ada enam ekspresi wajah, yaitu gembira, sedih, marah, takut, terkejut, dan jijik yang digunakan dalam penelitian tersebut. Dengan adanya dasar tersebut, maka dalam penelitian ini penulis berusaha mensintesa ekspresi wajah yang dikategorikan menjadikan enam ekspresi dengan menggunakan facial characteristic points tersebut. Prinsip dasar dari mensintesa ekspresi wajah adalah mencari pemindahan spasial relatif facial characteristic points pada setiap ekspresi. Permasalahan utamanya adalah bagaimana menghasilkan wajah dengan ekspresi tertentu dari sebuah citra input wajah tanpa ekspresi. Dengan menggunakan 30 pasang perpindahan titik FCP, dilakukan training terhadap Radial Basis Function Network (RBFN) 6 x n x 60 (6 input yang merupakan kadar dari keenam ekspresi, n hidden unit, dan 60 output yang merupakan 30 pasang perpindahan FCP, dimana n adalah variabel). RBFN yang telah ditraining dapat menghasilkan perpindahan FCP sesudai dengan ekspresi yang diinputkan. Informasi pemindahan FCP ini kemudian dimasukkan ke dalam algoritma Image Warping bersama-sama dengan citra input wajah tanpa ekspresi untuk menghasilkan citra wajah berekspresi tertentu. Kata kunci : Facial Characteristic Points, Radial Basis Function Network, Sintesa Ekspresi Wajah</p
MULTITARGET TRACKING MENGGUNAKAN MULTIPLE HYPOTHESIS TRACKING DENGAN CLUSTERING TIME WINDOW DATA RADAR
Get PDFSistem radar dibagi menjadi dua jenis yaitu sistem radar sipil dan sistem radar militer. Kedua jenis sistem radar tersebut memiliki kesamaan yaitu telah digunakan untuk pemantauan lalu lintas udara. Pesawat yang dipantau di udara saat ini mengalami jumlah peningkatan yang besar sehingga untuk memudahkan pemantauannya diperlukan suatu sistem yang dinamakan multitarget aircraft tracking. Penelitian ini bertujuan untuk mendapatkan algoritma multitarget tracking (MTT) yang valid, yaitu dengan menggunakan kombinasi preprocessing data radar dengan clustering time window (CTW) dan algoritma Multiple Hypothesis Tracking (MHT).Penelitian ini diawali dengan penyiapan data rekaman radar yang direkam langsung. Kemudian data rekaman tersebut disimulasikan dengan algoritma yang telah dirancang. Pengecekan kemampuan algoritma tersebut dilakukan dengan membandingkannya dengan MHT tanpa clustering time window. Uji coba dilakukan dengan memakai data rekaman berdurasi kurang lebih 18 menit. Uji coba tersebut menghasilkan nilai correct target sebesar 87.66%, undetected target sebesar 12.81%, maintain target sebesar 80.5% dan inexisting target sebesar 23.65%. Dari hasil uji coba menunjukkan bahwa metode yang diusulkan lebih bagus jika dibandingkan dengan metode MHT tanpa CTW
ANALISIS KEBUTUHAN SARANA DAN PRASARANA : Studi Kasus di SMP Tutwuri Handayani Cimahi
Get PDFPenelitian ini berjudul ”Analisis Kebutuhan Sarana dan Prasarana (Studi Kasus di SMP Tutwuri Handayani Cimahi)”. Latar belakang penelitian ini didasarkan pada ketersediaan sarana dan prasarana di sekolah yang belum sepenuhnya mengikuti aturan yang berlaku. Tujuan penelitian ini adalah untuk menggambarkan tentang ketersediaan sarana dan prasarana di SMP Tutwuri Handayani Cimahi. Metode yang akan digunakan dalam penelitian ini adalah metode deskriptif dengan pendekatan kualitatif. Hal ini berdasrakan pada kondisi dan konteks masalah yang dikaji, yaitu mengenai gambaran sarana dan prasarana di sekolah dan sejauh mana tingkat ketercapaian standar sarana dan prasarana. Untuk pengumpulan data, peneliti menggunakan observasi, wawancara, dan dokumentasi. Data yang diperoleh di lapangan dilakukan analisis data untuk mendapatkan temuan penelitian. Keabsahan data diuji dengan kredibilitas data dan konfirmabilitas. Temuan penelitian yaitu kondisi sarana dan prasarana di SMP Tutwuri Handayani yang cukup baik dan sesuai dengan standar sarana dan prasarana pendidikan. Namun masih ada beberapa hal yang harus diperhatikan dalam penggunaan media pembelajaran agar digunakan sebaik mungkin. Upaya pemenuhan fasilitas pendidikan sekolah tersebut dilakukan dengan cara menganalisis alternatif pemecahan masalah melalui penilaian kekuatan dan kelemahan setiap alternatif pemecahan. Hasil yang diperlihatkan berdasarkan komponen alternatif pemecahan memperlihatkan bahwa komponen pelibatan dunia usaha dan industri menjadi pilihan pertama untuk menyelesaikan permasalahan keterbatasan sarana prasarana. Penulis dapat menyimpulkan bahwa proses pemenuhan sarana dan prasarana yang dilakukan sekolah dapat dikatakan cukup baik namun belum secara keseluruhan mengikuti aturan yang berlaku dan penulis dapat merekomendasikan pelaksanaan pemenuhan standar sarana dan prasarana di SMP Tutwuri Handayani Cimahi.;--This research entitled " Need Analysis of School Facilities at SMP Tutwuri Handayani". The background of this research is based on the availability of facilities and infrastructure in schools that have not fully followed the applicable rules. The purpose of this study was to describe the availability of facilities and infrastructure at SMP Tutwuri Handayani. The method that will be used in this research is descriptive method with a qualitative approach. This is based on the conditions and context of the problem being studied, namely regarding the description of facilities and infrastructure at the school and the extent to which the standard of facilities and infrastructure is reached. For data collection, researchers used observation, interviews, and documentation. Data obtained in the field were analyzed using data to obtain research findings. The validity of the data was tested with data credibility and confirmation. Research findings are the condition of the facilities and infrastructure at SMP Tutwuri Handayani which is quite good and in accordance with the standards of educational facilities and infrastructure. But there are still some things that must be considered in the use of learning media so that they are used as best as possible. Efforts to fulfill the school education facilities are carried out by analyzing alternative solutions to problems through assessing the strengths and weaknesses of each alternative solution. The results shown based on the alternative components of the solution show that the component of business and industry involvement is the first choice to solve the problem of limited infrastructure. The author can conclude that the process of fulfilling the facilities and infrastructure carried out by the school can be said to be quite good but not yet in full compliance with the applicable rules and the author can recommend the implementation of the standard of facilities and infrastructure at SMP Tutwuri Handayani
Improved Stroke Detection at Early Stages Using Haar Wavelets and Laplacian Pyramid
Get PDFStroke merupakan pembunuh nomor tiga di dunia, namun hanya sedikit metode tentang deteksi dini. Oleh karena itu dibutuhkan metode untuk mendeteksi hal tersebut. Penelitian ini mengusulkan sebuah metode gabungan untuk mendeteksi dua jenis stroke secara simultan. Haar wavelets untuk mendeteksi stroke hemoragik dan Laplacian pyramid untuk mendeteksi stroke iskemik. Tahapan dalam penelitian ini terdiri dari pra proses tahap 1 dan 2, Haar wavelets, Laplacian pyramid, dan perbaikan kualitas citra. Pra proses adalah menghilangkan bagian tulang tengkorak, reduksi derau, perbaikan kontras, dan menghilangkan bagian selain citra otak. Kemudian dilakukan perbaikan citra. Selanjutnya Haar wavelet digunakan untuk ekstraksi daerah hemoragik sedangkan Laplacian pyramid untuk ekstraksi daerah iskemik. Tahapan terakhir adalah menghitung fitur Grey Level Cooccurrence Matrix (GLCM) sebagai fitur untuk proses klasifikasi. Hasil visualisasi diproses lanjut untuk ekstrasi fitur menggunakan GLCM dengan 12 fitur dan kemudian GLCM dengan 4 fitur. Untuk proses klasifikasi digunakan SVM dan KNN, sedangkan pengukuran performa menggunakan akurasi. Jumlah data hemoragik dan iskemik adalah 45 citra yang dibagi menjadi 2 bagian, 28 citra untuk pengujian dan 17 citra untuk pelatihan. Hasil akhir menunjukkan akurasi tertinggi yang dicapai menggunakan SVM adalah 82% dan KNN adalah 88%
Kombinasi Sinyal EEG dan Giroskop untuk Kendali Mobil Virtual dengan Menggunakan Modifikasi ICA dan SVM
Get PDFAbstract. Electroencephalogram (EEG) signals has been widely researched and developed in many fields of science. EEG signals could be classified into useful information for the application of Brain Computer Interface topic (BCI). In this research, we focus in a topic about driving a car using EEG signal. There are many approaches in EEG signal classification, but some approaches do not robust EEG signals that have many artifacts and have been recorded in real time. This research aims to classify EEG signals to obtain more optimal results, especially EEG signals with many artifacts and can be recorded in realtime. This research uses Emotiv EPOC device to record EEG signals in realtime. In this research, we propose the combination of Automatic Artifact Removal (AAR) and Support Vector Machine (SVM) which has 71% of accuracy that can be applied to drive a virtual car.Keyword: EEG signal classification, automatic artifact removal, brain computer interface Abstrak. Penelitian berbasis sinyal Electroencephalogram (EEG) telah banyak diteliti dan dikembangkan pada berbagai bidang ilmu pengetahuan. Sinyal EEG dapat diklasifikasikan ke dalam bentuk informasi untuk pengaplikasian topik Brain Computer Interface (BCI). Pada penelitian ini difokuskan pada topik pengendalian mobil menggunakan perintah sinyal EEG. Terdapat beberapa pendekatan dalam klasifikasi sinyal EEG, tetapi beberapa pendekatan tersebut tidak robust terhadap sinyal EEG yang memiliki banyak artefak dan direkam secara realtime. Penelitian ini bertujuan untuk mengklasifikasikan sinyal EEG dengan hasil lebih optimal, khususnya pada sinyal EEG yang memiliki banyak artefak dan direkam secara realtime. Penelitian ini menggunakan perangkat Emotiv EPOC untuk merekam sinyal EEG secara realtime. Pada penelitian ini diusulkan kombinasi Automatic Artifact Removal (AAR) dan Support Vector Machine (SVM) yang menghasilkan hasil akurasi sebesar 71% untuk klasifikasi sinyal EEG pada kasus pengendalian mobil virtual.Kata Kunci: EEG signal classification, automatic artifact removal, brain computer interface</jats:p
Urban Road Materials Identification using Narrow Near Infrared Vision System
Get PDFAn urban road materials vision system using narrow band near infrared imaging indexes were proposed. This proposed imaging indexes were enhancement for previous work on autonomous multispectral road sensing method. Each urban road material has different near infrared spectral patterns which is as the base of its spectral identification. The new proposed imaging indexes, which using similar formula of NDVI, was normalized with narrow band near infrared spectrum range of 720nm to 1000nm of wavelength, were used to identify concretes, aggregates/sands/rocks, clay, natural dry fibers and bitumen/asphalt that make up most of urban road materials. This paper proposes imaging indexes evaluation from experiment results to identify those urban road materials. There were seven narrow band optical filter sets with the center spectrum at 710nm, 730nm, 750nm, 800nm, 870nm, 905nm and 970nm. Normalization band used was 720nm using high pass optical filter. The proposed multi-spectral imaging indexes were able to show the potential to classify the selected urban road materials, another approach may need to clearly distinguish between concrete and aggregates. The comparison to the previous imaging indexes (NDVI, NDGR, NDBR) were presented that used for urban road materials identification
KLASIFIKASI EEG EPILEPSI MENGGUNAKAN SINGULAR SPECTRUM ANALYSIS, POWER SPECTRAL DENSITY DAN CONVOLUTION NEURAL NETWORK
Get PDFEpilepsi merupakan gangguan sistem syaraf otak manusia dan menyebabkan berbagai reaksi terhadap tubuh manusia. Epilepsi dapat dideteksi dengan menggunakan Electroencephalogram (EEG). Pengamatan EEG secara visual tidak mungkin dilakukan secara rutin, sehingga dibutuhkan deteksi otomatis pada EEG. Sistem deteksi EEG secara otomatis terdiri dari 2 langkah, yaitu ekstraksi fitur dan klasifikasi. Power Spectral Density (PSD) adalah metode ekstraksi fitur yang sering dipakai untuk memunculkan karakteristik EEG dengan mengelompokkan energi pada EEG. Pada proses klasifikasi metode Convolution Neural Network (CNN) dapat mereduksi fitur hasil PSD dan digunakan mengklasifikasikan multiclass dari EEG. Namun, data EEG memiliki kecenderungan bercampur noise berupa sinyal yang lain saat perekaman, oleh karena itu sebelum data EEG diklasifikasikan, perlu dilakukan pengolahan terlebih dahulu. Pada penelitian ini diusulkan penggabungan metode Singular Spectrum Analysis (SSA) untuk penghilang noise, PSD sebagai ekstraksi fitur dan CNN sebagai klasifier. Penelitian ini dilakukan melalui beberapa fase, pertama adalah menghilangkan noise yang bercampur dengan sinyal EEG menggunakan SSA. Selanjutnya ekstraksi fitur menggunakan PSD untuk diambil energi dari sinyalnya, dan terakhir diklasifikasi dengan CNN. Pengujian klasifikasi akan dilakukan ke 500 sinyal dengan target 5 kelas dan 3 kelas. Untuk mengetahui performa terhadap metode yang diusulkan, akan dilakukan pengujian antara gabungan PSD dengan CNN yang akan dibandingkan dengan gabungan SSA, PSD dan CNN.Berdasarkan hasil uji coba, metode diusulkan yaitu SSA, PSD dan CNN dapat meningkatkan rata-rata hasil akurasi klasifikasi sebesar 1,2% dari 93,2% menjadi 94,4%, untuk kasus 3 kelas dan meningkatkan 13,4% dari 78,6% menjadi 92%, untuk kasus 5 kelas dibandingkan metode PSD dengan CNN.</p
- …
