Hasil Pencarian  ::  Simpan CSV :: Kembali

"The capabilities of artificial neural network (ANN) : generalization, adaptive, and tolerant became a basis in choosing the pattern recognition methods of Javanese charahters...."

"Sejak awal ditemukannya komputer hingga kini, manusia berinteraksi dengan komputer melalui papan ketik (keyboard). Upaya untuk memberikan kemampuan guna mengenali ucapan oleh komputer akan memperluas lingkup penggunaanya. Meciptakan komputer yang dapat mengenali ucapan manusia merupakan hal yang kompleks dan melibatkan berbagai disiplin ilmu. Dalam skripsi ini akan digrnikan perancangan sistem pengenalan ucapan untuk mengenali ke-6 vokal dalam Bahasa Indonesia dan kata dalam bahasa Indonesia dengan metoda-metoda yang sebagian besar merupakan peniruan dari fungsi (kemampuan) manusia. Metoda-metoda yang digunakan meliputi pemisahan sinyal ucapan dengan bukan ucapan (kesenyapan atau derau latar belakang). Ekstraksi ciri dengan pengkodean prediksi linear (Linear Predictive Code, LPQ yang dapat dengan baik merepresentasikan produksi suara manusia. Jaringan Saraf Tiruan ART 2 yang bersifat adaptif digunakan untuk pengenalan vokal, serta Hidden Markov Model digunakan untuk pengenalan kata karena dapat mendeteksi informasi dari masukan yang temporal."

"Fase kuning lampu lalu lintas menimbulkan zona dilema yang mempengaruhi reaksi pengemudi dalam menentukan sikap untuk berhenti atau meneruskan perjalanan. Kendaraan yang berada dalam zona dilema dapat terlibat melakukan pelanggaran lampu lalu lintas karena terlambat merespon fase kuning lampu lalu lintas. Penelitian ini mengembangkan algoritma IBR dalam sistem pelacakan nirkabel diskrit (DWT system) untuk pemantau pergerakan kendaraan di persimpangan yang dilengkapi lampu lalu-lintas. Algoritma IBR dipergunakan untuk memprediksi pelanggaran lampu lalu-lintas. Prediksi dilakukan berdasar waktu pindai oleh tiga sensor pencacah kendaraan untuk mendapatkan besaran parameter kecepatan, percepatan. Parameter kecepatan dan percepatan dipergunakan untuk mendapatkan batas-batas zona dilema. Hasil simulasi menunjukkan bahwa algoritma IBR dapat meningkatkan keberhasilan prediksi pelanggaran lampu lalu lintas pada sisa nyala lampu kuning antara 1 sampai 4 detik. Diperoleh peningkatan ketepatan prediksi pelanggaran lampu lalu lintas mencapai 6,87% lebih tinggi dibanding dengan hasil penelitian sejenis yang dilakukan oleh peneliti terdahulu.

---

Yellow phase of traffic lights cause a dilemma zone that affects the driver reaction to determine attitude to stop or to go on. The vehicles that are in a dilemma zone able to engage red light running since late response to the yellow phase of traffic light. This research develop a IBR algorithms on the discrete wireless tracking system (the DWT system) to monitor the movement of vehicles at intersections.

The IBR algorithm is used to predict the red light runnings. Predictions made based on detection time of the three vehicle counter sensors to obstain the magnitudes of speed and acceleration parameters. Velocity and acceleration parameters used to obtain the dilemma zone boundaries.

Simulation results show that the IBR algorithm improves the success of violation prediction during the period of the yellow light between 1 to 4 seconds. The experiments also exhibits that the accuracy of the red light running prediction increases up to 6.87% is higher than previous research works that have been studied during this work."

"ABSTRAKTesis ini membahas tentang pembelajaran keterampilan produktif Bahasa Inggris secara terintegrasi dengan menggunakan media debat Parlementer Inggris. Penelitian ini bertujuan untuk mengetahui apakah debat Parlementer Inggris dapat diimplementasikan pada pemelajaran bahasa Inggris secara formal dan mampu meningkatkan kemampuan debat, akurasi keterampilan berbicara dan keterampilan menulis pemelajar. Penelitian ini menggunakan metode campuran yang menerapkan pra-eksperimen Design One Group Pretest-Posttest. Data penelitian diperoleh dari nilai tes sebelum dan sesudah mendapat perlakuan, kemudian dicari signifikansinya dengan menggunakan uji t dan N-gain. Hasil penelitian menunjukkan bahwa debat Parlementer Inggris dapat diimplementasikan pada pembelajaran bahasa Inggris secara formal serta mampu meningkatkan kemampuan debat, akurasi keterampilan berbicara dan keterampilan menulis. Hasil penelitian juga menunjukkan bahwa peningkatan pada kemampuan debat terendah, keterampilan menulis sedang dan akurasi keterampilan berbicara tertinggi. Mahasiswa menganggap kegiatan debat Parlementer Inggris dapat mengasah kemampuan berpikir kritis dan kreatif, menambah wawasan dan kepercayaan diri untuk mengemukakan pendapat. Hasil dari penelitian ini menghasilkan alternatif pembelajaran keterampilan bahasa secara terintegrasi dengan menggunakan media debat Parlementer Inggris pada pemelajaran formal.

---

ABSTRACTThis thesis discusses teaching productive English skills in an integrated way by using British Parliamentary debate as a platform. The aim of the study is twofold. First, it examines how British Parliamentary debate can be implemented in a formal English language learning. Secondly, it investigates the improvement gained from the teaching program to the extent of the students' debating ability, speaking accuracy, and writing skills. This research is an exploratory mixed-method which employed pre-experimental research using design one group pretest-posttest, questionnaire, and field notes. The research data were obtained from pretest to posttest score, then the significance was searched using the t test and N-gain. The results indicate that British Parliamentary debate could be implemented in a formal English language learning and was able to improve students' debate ability, speaking accuracy and writing skills. The results also showed that the debate skills made the slightest improvement. Improvement in writing was moderate, while students' speaking accuracy improved the most. The results from the questionnaire indicate students' positive perception in that British Parliamentary debate activities helped to improve their critical and creative thinking, knowledge, and confidence in expressing their opinions. The study suggests the use of British Parliamentary debate for teaching English skills in an integrated way in a formal learning context."

"Japanese letter (kana) is a unique and highly complex character compared to usual Roman's letter, particularly in its hand written form. Japanese letter can be grouped into hiragana and katakana, where both have different writing rules...."

"Dalam bidang pengenalan citra wajah dua dimensi telah diujikan sistemjaringan saraf tiruan hibrida (JST-Hibrida) dan Averaging Representation berbasiskan Eigenface dan Fisherface. Dalam pengujiannya, JST-Hibrida memiliki kemampuan pengenalan yang lebih buruk dibandingkan Averaging Representation. Dalam penelitiannya, penulis mengimplementasikan jaringan saraf tiruan propagasi balik (JST-PB) yang ternyata memiliki kemampuan pengenalan di atas JST-Hibrida dan Averaging Representation. Untuk meningkatkan kinerja jaringan dan sekaligus mengoptimasi struktur jaringan maka digunakan algoritma genetika untuk memangkas koneksi-koneksiyang tidak diperlukan. Algoritma genetika ternyata mampu menemukan solusi yang bagus dengan jumlah koneksi yang lebih kecil.Dalam pengujiannya dipergunakan berbagai citra wajah dua dimensidengan berbagai variasi ekspresi dan pencahayaan. Metode yang digunakan untuk mereduksi dimensi citra adalah metode Fisherface. Metode Fisherface dapat mengenali wajah, baik untuk berbagai variasi cahaya dan ekspresi wajah. Hasil pengujian menunjukkan bahwa Algoritma Genetika mampu meningkatkan kemampuan pengenalan JST-PB terhadap citra wajah dua dimensi."

"Teknologi telah membantu manusia untuk menyelesaikan berbagai masalah. Salah satu perkembangan yang paling penting adalah perkembangan teknologi penglihatan komputer. Bagi tuna netra yang hidup di kawasan perkotaan, hidup mandiri bukan pilihan yang mustahil. Dan bertransaksi dengan menggunakan uang kertas merupakan bagian dari kemandirian tersebut. Teknologi pengenalan citra melalui penglihatan komputer dapat membantu tuna netra untuk mengenali uang kertas. Sistem pengenalan uang kertas pada penelitian ini menggunakan metode Bag of Word sebagai metode klasifikasi denominasi uang kertas. Geometric Verification diimplementasikan untuk mengatasi kelemahan metode Bag of Words di sisi konsistensi spasial dari fitur citra pada saat pengenalan. Untuk mengetahui performa dari sistem, sistem diuji dengan menggunakan empat parameter uji. Parameter uji yang digunakan adalah variasi resolusi citra uji, variasi salt and pepper noise, variasi gaussian noise, dan variasi jumlah citra yang digunakan pada proses voting untuk klasifikasi. Berdasarkan hasil pengujian, sistem bekerja dengan baik dengan akurasi mencapai 82.86% dengan dataset sejumlah 714 citra.

---

Technology has helped people to solve various problems. One of the most important development is computer vision technology. For blind people who live in urban areas, to live independently is not an impossible option. And transaction using physical banknote is part of the independence. Image recognition technology through computer vision can help blind people to recognize the banknote. The banknote recognition system in this study is using Bag of Word as a method for classifying banknotes denomination. Geometric Verification is implemented to overcome the shortcomings of Bag of Words method in spatial consistency of image features during recognition. To determine the performance of the system, the system was tested by using four test parameters. Test parameters used is a variation of test image resolution, salt and pepper noise variations, gaussian noise variations, and variations in the number of images selected for the voting process of the classification. Based on test results, the system works well with the accuracy up to 82.86% with a 714 images dataset."

"ABSTRAKJalan merupakan prasarana perhubungan darat yang sangat penting dalam transportasi. Karena itu perawatan jalan sangat diperlukan. Salah satu faktor yang diperlukan dalam manajemen perawatan jalan adalah pengenalan pola retak jalan.Pada skripsi ini dibuat suatu perangkat lunak yang dapat mengenali pola retak jalan berda-sarkan tipenya yaitu alligator, diagonal, longitudinal. dan transversal_ serta jalan yang tanpa retak. Jalan yang digunakan sebagai data dalam skripsi ini hanyalah jalan dengan perkerasan aspal.Jaringan saraf tiruan merupakan implementasi dari jaringan saraf mahluk hidup dalam hal pengenalan pola yang dibuat ke dalam suatu perangkat lunak. Jaringan syaraf tiruan yang digunakan dalam skripsi ini adalah jaringan saraf tiruan propagasi balik. Jaringan ini banyak sekali dipakai untuk pengenalan pola karena kemampuannya dalam hal membedakan data-data yang terpisah secara tidak linier."

"Sistem pengenalan wajah dapat memberikan hasil yang tepat pada kondisi wajah normal, tetapi dalam lingkungan yang tidak dibatasi menyebabkan hasil pengenalan wajah menjadi tidak akurat, baik pada verifikasi maupun identifikasi. Salah satu masalah yang sering ditemui dalam sistem pengenalan wajah dan terkait dengan sifat intra-class variance pada wajah adalah pose. Penelitian ini bertujuan untuk melakukan pengenalan wajah berdasarkan pose invariant dengan mengimplementasikan Spatial Transformer Netwok (STN) pada arsitektur jaringan ringan MobileFaceNet. STN digunakan sebagai metode penyelarasan wajah untuk menangani variasi pose pada citra input. Berdasarkan evaluasi model, model Single-STN MobileFaceNet memberikan akurasi, AUC dan EER berturut-turut 73.64%, 82.18%, dan 0.2636. Kenaikannya sebesar 1.21% untuk akurasi, 1.56% untuk AUC dan untuk EER turun sebesar 0.0121 dari model Baseline. Penambahan STN pada jaringan ringan MobileFaceNet mempengaruhi hasil verifikasi wajah, tetapi kurang signifikan. Akan tetapi, berdasarkan hasil uji signifikansi McNemar, tidak ada perbedaan yang signifikan dengan adanya metode penyelarasan wajah STN pada model Single-STN MobileFaceNet. Terdapat beberapa kasus pose yang tidak dapat ditangani dengan baik oleh model, seperti pose menengadah atau menengok ke kanan/kiri. Berdasarkan evaluasi robustness model, nilai akurasi, AUC dan EER yang dihasilkan model Single-STN MobileFaceNet berturut-turut 96.86%, 98.51%, 0.0314. Model Single-STN MobileFaceNet termasuk model yang memiliki kinerja baik dalam pengenalan wajah, model mampu membedakan pasangan citra match dan non-match dengan baik pada dataset CFP

---

The face recognition system can give precise results in normal facial conditions, but in an unconstrained environment it can result inaccurate face recognition, both in verification and identification. One of the problems that are often encountered in face recognition system and related to intra-class variance on the face is pose. This study aims to perform face recognition based on pose invariant by implementing Spatial Transformer Netwok (STN) on MobileFaceNet lightweight network architecture. STN is used as a face alignment method to handle pose variations in the input image. Based on the evaluation of the model, the Single-STN MobileFaceNet model provides accuracy, AUC and EER of 73.64%, 82.18%, and 0.2636, respectively. The increase is 1.21% for accuracy, 1.56% for AUC and for EER it is down by 0.0121 from the Baseline model. The addition of STN to the MobileFaceNet lightweight network affects the face verification results, but is less significant. However, based on the results of the McNemar significance test, there is no significant difference with the STN face alignment method in the Single-STN MobileFaceNet model. There are some cases of poses that cannot be handled well by the model, such as looking up or looking to the right/left. Based on the evaluation of the robustness of the model, the values ​​of accuracy, AUC and EER generated by the Single-STN MobileFaceNet model are 96.86%, 98.51%, 0.0314, respectively. The Single-STN MobileFaceNet model includes a model that has good performance in face recognition. This model is able to distinguish match and non-match image well on the CFP dataset."

"Emosi atau perasaan manusia adalah salah satu faktor yang tidak dapat dikendalikan dalam aktivitas apapun. Tidak sedikit juga pekerjaan yang seringkali berkaitan dengan emosi manusia terutama di industri hiburan dan juga kesehatan. Oleh karena itu, 1 dekade kebelakang banyak riset yang dilakukan untuk mempelajari emosi manusia secara langsung maupun menggunakan teknologi. Pengembangan model speech emotion recognition berbahasa Indonesia masih sangat sedikit dan oleh karena itu dibutuhkan perbandingan secara spesifik pada penelitian ini diantara dua model classifier yaitu Convolutional Neural Network (CNN) dan juga Multilayer Perceptron (MLP) untuk menentukan model yang menghasilkan akurasi terbaik dalam memprediksi emosi dari suara manusia. Dalam speech recognition secara umum, salah satu faktor penting dalam mendapatkan model dengan akurasi terbaik adalah metode ekstraksi fiturnya. Oleh karena itu, penelitian ini menggunakan 3 fitur untuk melakukan pelatihan terhadap model yaitu Mel-frequency Cepstral Coefficients (MFCC), Mel-Spectrogram dan chroma. Dari 3 fitur ini, divariasikan dan menghasilkan 7 metode ekstraksi yang berbeda untuk digunakan sebagai input pelatihan model. Terakhir, untuk memastikan bahwa model sudah menggunakan parameter terbaik, dilakukan eksperimen dengan membandingkan model yang menggunakan batch size serta activation function yang berbeda. Ditemukan bahwa dengan menggunakan CNN dan fitur gabungan antara MFCC, mel-spectrogram dan juga chroma menghasilkan model dengan skor akurasi 50.6% sedangkan menggunakan MLP dengan fitur yang sama menghasilkan model dengan skor akurasi 58.47%.

---

Emotions or human feelings are one of the factors that cannot be controlled in any activity. There are also many jobs that are often related to human emotions, especially in the entertainment and health industries. The development of speech emotion recognition models in Indonesian is still very little and therefore a specific comparison is needed in this study between two classifier models, namely Convolutional Neural Network (CNN) and Multilayer Perceptron (MLP) to determine the model that produces the best accuracy in predicting the emotion of the human voice.

In speech recognition in general, one of the important factors in acquiring a model with the best accuracy is the feature extraction method. Therefore, this study uses 3 features to train the model, namely Mel-frequency Cepstral Coefficients (MFCC), Mel-Spectrogram and chroma. From these 3 features, they were varied and resulted in 7 different extraction methods to be used as model training inputs.

Finally, to ensure that the model has used the best parameters, an experiment was conducted by comparing models using different batch sizes and activation functions. It was found that using CNN and the combined features of MFCC, mel-spectrogram and also chroma resulted in a model with an accuracy score of 50.6% while using MLP with the same features resulted in a model with an accuracy score of 58.47%."