Hasil Pencarian  ::  Simpan CSV :: Kembali

"Telah dibuat suatu rangkaian antar muka dari sensor infra merah yang ditampilkan dalam komputer berupa data output tegangan. Jenis sensor ini termasuk sensor pasif yang tidak memancarkan sinar infra merahnya sendiri. Sistem pendeteksi kendaraan ini bekerja berdasarkan perbedaan temperatur, antara temperatur lingkungan dengan temperatur objek yang melaluinya. Dengan menggunakan ADC, data sensor diubah menjadi data digital dan dikirim ke komputer melalui port printer paralel PC serta diolah menggunakan perangkat lunak berbasis VB 6.0. Data yang diperoleh menunjukkan bahwa perubahan jarak benda dari sensor mempengaruhi sinyal keluaran sensor. Perubahan jarak disimulasikan sebagai ukuran atau jenis kendaraan. Hasil penelitian ini menunjukkan bahwa sensor yang digunakan tidak dapat menentukan besar atau jenis kendaraan.

---

It has been made an interface circuit from infrared sensor and visualized in to a computer as a digital output voltage data. This sensor is a passive sensor that doesn’t emit its own infrared light. This vehicle system works based on temperature differences between the ambient temperatur and the temperatur of the object. The data which resulted from sensor are converted to be digital data by a convertion ADC 0809 and it transfered to the PC by parallel printer port. This system is controlled by a software using VB 6.0. The results give conclusion that many various of distances from the object to sensor and temperatur variations are affecting the output signal of sensor. Those variations of distances are simulated as a size and a type of vehicles. From the results of this experiment, this sensor can not used to determine the size or the type of vehicle."

"Telah dilakukan penelitian mengenai deteksi lalulintas menggunakan sensor PIR. Penelitian ini bertujuan mempelajari sensor PIR yang dapat mendeteksi kendaraan melalui sinar inframerah yang dipancarkan, serta menentukan penempatan sensor yang terbaik di jalan bebas hambatan. Proses pengambilan data dilakukan dengan melakukan simulasi-simulasi terkendali yang mendekati keadaan jalan bebas hambatan sebenarnya. Metode teoritis digunakan dalam mempelajari cara kerja sensor PIR sedangkan metode eksperimen digunakan untuk proses pengambilan data dengan berbagai variasi. Hasil yang diperoleh adalah posisi terbaik dalam penempatan sensor di jalan bebas hambatan dengan ketinggian 1m dan tegak lurus dengan lintasan kendaraan.

---

Detection of traffic system has been researched using PIR sensor. The purposes of research are knowing characteristic of PIR sensor and able to detect vehicles by infrared radiation, also determine the best sensor positioning in freeways. The process of data taking by controlled simulation close up to real condition of freeways. Theorytical methode used for learning PIR sensor. Experiment methode used to process data taking with variations. The result are the best positioning sensor in freeways with 1m height perpendicular to vehicles pathway."

"Demam merupakan gejala dari penyakit COVID-19 yang memiliki sensitivitas 54% dan spesifisitas 67% terhadap SARS-CoV-2 sehingga dapat dijadikan acuan untuk mencegah penyebaran penyakit COVID-19. Dua sensor yang paling sering dijadikan termometer infrared adalah MLX90614 dan AMG8833 karena rentang suhu pengukurannya yang tinggi dan akurasinya yang baik. Hasil pengukuran termometer infrared dapat dipengaruhi oleh jarak ukur, suhu ruangan, dan aktivitas fisik pada tubuh manusia. Oleh karena itu, pada skripsi ini penulis merangcang rangkaian thermal camera dengan dua buah sensor infrared dan mengevaluasi kinerja sensor berdasarkan jarak ukur (15, 30, 40, dan 60 cm), suhu ruangan non-AC dan AC (30 dan 26,4 oC), serta aktivitas fisik. Hasil penelitian menunjukkan jarak pengukuran terbaik adalah 15 cm dan besar persentase error rata-rata variabel (EV) yang berbeda dari setiap sensor, yaitu sensor MLX90614 0,560% (15 cm) dan 0,843% (60 cm) sedangkan sensor AMG8833 0,577% (15 cm) dan 1,439% (60 cm). Kemudian MLX90614 mempunyai EV 0,567% (non-AC) dan 0,553% (AC) sedangkan sensor AMG8833 0,868% (non-AC) dan 0,948% (AC). Setelah itu MLX90614 mempunyai EV 0,469% (sebelum aktivitas fisik) dan 0,651% (setelah aktivitas fisik) sedangkan AMG8833 1,259% (sebelum aktivitas fisik) dan 0,558% (setelah aktivitas fisik). Selain tiga variabel uji, casing alat dapat membuat EV sensor AMG8833 kurang dari 1,00% (sebelum dan setelah aktivitas fisik). Akibat adanya nilai EV di atas 1,00 %, penelitian ini dapat dilanjutkan dengan memberikan komponen tambahan yang dapat membuat sensor lebih fokus.

---

Fever is a symptom of COVID-19 disease which has a sensitivity of 54% and specificity of 67% to SARS-CoV-2 so that it can be used as a reference to prevent the spread of COVID-19 disease. The two sensors that are mostly used as an infrared thermometer are the MLX90614 and AMG8833 sensor because of their high measurement range and good accuracy. The measurement results of an infrared thermometer can be influenced by the measuring distance, room temperature, and physical activity on the human body. Therefore, in this thesis the author designs a thermal camera circuit with two infrared sensors and evaluates the performance of the sensor based on the measuring distance (15, 30, 40, and 60 cm), non-AC and AC room temperature (30 and 26.4 oC), and physical activity. The results showed that the best measurement distance is 15 cm and the average of variable error percentages (EV) are different for each sensor. The MLX90614 sensor has 0.560% (15 cm) and 0.843% (60 cm) EV while the AMG8833 sensor has 0.577% (15 cm) and 1.439% (60 cm) EV. Then the MLX90614 has an EV of 0.567% (non-AC) and 0.553% (AC) while the AMG8833 sensor has 0.868% (non-AC) and 0.948% (AC). After that, MLX90614 has an EV of 0.469% (before physical activity) and 0.651% (after physical activity) while AMG8833 has 1.259% (before physical activity) and 0.558% (after physical activity). In addition to the three test variables, the device enclosure could make the AMG8833 sensor EV less than 1.00% (before and after physical activity). Due to the there are EV values above 1.00%, this research can be continued by adding other components that can make the sensor more focused."

"Kasus penyebaran virus COVID-19 sudah menjadi seperti suatu fenomena alam yang sulit dihindarkan oleh setiap manusia di seluruh penjuru dunia. Penyebaran virus COVID-19 ini sering terjadi di tempat yang ramai aktivitas seperti ruang publik. Oleh karena itu, dibutuhkannya suatu sistem pendeteksi suhu tubuh manusia yang terhubung dengan server Internet of Things (IoT) dan dapat mengindikasikan kalau pihak yang diukur mengalami gejala COVID atau tidak. Gejala COVID yang diukur adalah suhu tubuh diatas 37,5 ℃. Perangkat ini akan diimplementasikan di tempat UMKM. Jenis perangkat yang digunakan untuk mengukur suhu tubuh adalah sensor non-contact infrared. Sistem jaringan yang digunakan adalah jaringan LoRa. Data dari end-device akan ditransmisikan ke gateway rakitan menggunakan LoRa, dan akan diunggah ke IoT Server menggunakan protokol TCP/IP. Parameter pengujian dari perangkat ini adalah uji sistem dan uji QoS. Pada pengujian sistem, pengujian error pada pengukuran suhu tubuh di end-device menghasilkan nilai sebesar 1,65 %. Selain itu, nilai Packet Error Rate (PER) pada transmisi data device-to-gateway mencapai 25% Kemudian, pada pengujian QoS dari LoRa, terdapat beberapa parameter yang diuji pada kondisi NLOS dan LOS seperti Packet Delivery Ratio (PDR), RSSI, SNR, delay, dan path loss. Pada kondisi LOS, parameter diuji pada 5 jarak yang berbeda dengan rentang jarak 100 m, 200 m, 300 m, 400 m, dan 500 m. Nilai PDR yang diperoleh berada pada interval 80% sampai 95%. Selanjutnya parameter pada kondisi NLOS hanya diuji pada interval 100 m sampai dengan 450 m. Pada uji PDR, nilai PDR yang diperoleh adalah dari interval 77,5% sampai 87,5%. Oleh karena itu, hasil perancangan arsitektur ini menunjukkan bahwa model tersebut dapat diterapkan di area UMKM untuk pendataan suhu tubuh pelanggan.

---

The COVID-19 virus has become a natural phenomenon that is difficult to avoid by every human being in all corners of the world. The spread of the COVID-19 virus often occurs in places full of activity, such as public spaces. Therefore, a human body temperature detection system connected to an Internet of Things (IoT) server is needed to indicate whether a person is experiencing symptoms of COVID or not. The measured COVID symptom is a body temperature above 37.5 ℃. This device will be implemented in the Micro, Small, and Medium Enterprises (MSMEs) area. The type of device used to measure body temperature is a non-contact infrared sensor. The network system used is the LoRa network. The end device data will be transmitted to the assembled gateway using LoRa and uploaded to the IoT Server using TCP/IP protocol. The test parameters of this device are system testing and QoS testing. In the system testing simulation, the percentage error for body temperature measurements at the end device resulted in a value of 1.65%. Moreover, the Packet Error Rate (PER) of the device-to-gateway communication is at 25%. In the LoRa QoS test, several parameters are tested under NLOS and LOS propagation conditions, such as Packet Delivery Ratio (PDR), RSSI, SNR, delay, and path loss. In the LOS conditions, the parameters were tested at five different distances with a range of 100 m, 200 m, 300 m, 400 m, and 500 m. The PDR value is at intervals of 80% to 95%. Furthermore, the parameters in the NLOS condition were only tested at an interval of 100 m to 450 m. In the PDR test, the value gains at intervals 77,5% to 87,5 %. Therefore, this architecture design result indicates that the model is possible to implement in the MSMEs area for collect customer's body temperature."

"ABSTRAKUmumnya kadar air buah dapat diukur dengan membandingkan reduksi massa benda dengan metode pengeringan oven. Dalam tulisan ini, sistem prediksi kadar air pisang diperkenalkan dengan teknik pencitraan VNIR Visible Light ndash; Near Infrared . Teknik pencitraan hiperspektral dengan menggunakan citra VNIR merupakan teknologi yang dapat diandalkan dalam pengujian kualitas buah secara non destruktif, cepat dan efisien. Sistem prediksi ini menggunakan PCA dan PLS sebagai model regresi untuk mendapatkan hasil kuantitatif nya. Hasil regresi yang didapatkan dari PCA untuk pisang raja berupa RMSE Root Mean Square Error sebesar 0.65 dan R2 Coerrelation Coefficient sebesar 0.71. Sedangkan hasil dari PLS yaitu RMSE sebesar 0.54 dan R2 sebesar 0.82. Hasil regresi dari PLS relatif lebih baik daripada PCA dan lebih akurat. Untuk mengetahui klasifikasi tingkat kematangannya, sistem prediksi kadar air pisang ini menggunakan SVM.

---

ABSTRACTCommonly, the fruit moisture content could be measured by comparing the mass decrement of object through oven drying method. In this paper, a bananas moisture content prediction system was introduced using Visible Light ndash NIR imaging technique. Hyperspectral imaging technique using VNIR image is a reliable technology in fruit quality testing non destructive, fast and efficien. The prediction system uses PCA and PLS as a regression model to get its quantitative results. Regression results obtained from PCA for Raja bananas in the form of RMSE Root Mean Square Error of 0.65 and R2 Correlation Coefficient of 0.71. While the results of the PLS RMSE of 0.54 and R2 of 0.82. Regression results from PLS are relatively better than PCA and more accurate. To determine the classification of the level of maturity, the moisture content of bananas prediction system uses SVM Support Vector Machine."

"ABSTRACTUmumnya untuk membedakan antara lidah perokok dan lidah bukan perokok adalah dengan melihat secara visual yang dilakukan oleh praktisi medis dan masih bersifat invasif. Dalam penelitian ini, sistem pengenalan lidah perokok dibangun dengan menggunakan teknik pencitraan hiperspektral dengan rentang spektrum panjang gelombang VNIR Visible Near Infrared berbasis kombinasi ciri spektral dan ciri tekstur. Tujuan penelitian ini adalah membangun sistem pengenalan lidah perokok berbasis kombinasi ciri spektral dan ciri tekstur untuk meningkatkan nilai akurasi pada sistem pengenalan lidah perokok yang berbasis ciri spektral saja. Ciri spektral yang digunakan adalah nilai reflektansi yang didapat langsung dari ROI Region of Interest citra lidah, sedangkan untuk ciri tekstur yang digunakan adalah nilai energi, homogenitas, korelasi, dan kontras yang didapat pada metode ekstraksi ciri GLCM Gray level Co-occurence Matrix. Kedua ciri tersebut dikombinasikan sebagai input yang digunakan pada tahapan seleksi ciri dengan metode PLS Partial Least Square, yang kemudian akan diklasifikasikan menggunakan metode SVM Support Vector Machine. Hasil klasifikasi SVM kemudian dilakukan validasi dengan menggunakan metode k-cross validation. Nilai Akurasi yang didapat dari hasil klasifikasi SVM dengan kombinasi ciri spektral dan ciri tekstur di 4 bagian lidah, lebih baik dibandingkan dengan nilai akurasi yang didapat dari hasil klasifikasi SVM dengan ciri spektral saja, dengan kenaikan akurasi sebesar 1,19 untuk lidah bagian anterior, 3,35 untuk lidah bagian posterior, 7,95 untuk lidah bagian lateral A, dan 1,02 untuk lidah bagian lateral B.

---

ABSTRACTGenerally, to differentiate between smoker 39s tongue and non smoker 39s tongue is by doing an eye examination, which is invasive and performed by medical practitioners. In this research, smoker 39s tongue recognition system is built by using hyperspectral imaging technique with range of VNIR wavelength spectra, which is based on a combination of spectral features and texture features. The aim of this study is to built smoker 39s tongue recognition system based on a combination of spectral features and texture features to increase the value accuracy of smoker 39s tongue recognition system based on its spectral features only. The spectral features used are the reflectance value obtained from ROI Region of Interest from tongue images, while the texture characteristics used are the energy value, homogenity, correlation, and contrast obtained from extraction method of GLCM Gray Level Co occurence Matrix features. Both features are combined as an input used in the feature selection stage by using PLS Partial Least Square method, which then will be classified by using SVM Support Vector Machine method. After that, the SVM classification result will be validated by using k cross validation method. The value accuracy which is obtained from SVM classification result, by combining the spectral features and the texture characteristics in four regions of tongue, is better than the value accuracy from SVM classification result with spectral features only, with an accuracy increase of 1.19 for anterior region of tongue, 3.35 for posterior region of tongue, 7.95 for lateral A region of tongue, and 1,02 for lateral B region of tongue."

"ABSTRAKIdentifikasi lapisan lilin pada buah sangat sulit dilakukan tanpa adanya suatu sistem yang bersifat non-destruktif. Pada umumnya, dilakukan metode yang bersifat destruktif untuk mengetahui ada atau tidaknya suatu lapisan pada buah, seperti merendam buah pada air panas, menggunakan campuran cuka dengan air, atau campuran soda kue dengan air. Adapun metode destruktif lainnya yang menggunakan instrumentasi kromatografi gas, dimana proses ini membutuhkan waktu yang lama dan pengoperasian yang sulit. Citra VNIR menjadi metode terbaru untuk mengatasi masalah tersebut karena metode ini bersifat non-destruktif dan lebih mudah untuk dioperasikan. Dalam penelitian ini, sistem identifikasi ada atau tidaknya lapisan lilin pada buah apel berhasil dibuat. Proses dimulai melalui akuisisi citra, koreksi citra, object detection, window averaging, model klasifikasi, hingga mendapatkan status pelapisan (coating status). Citra diakuisisi pada rentang panjang gelombang 400 hingga 100 nm. Profil reflektansi yang didapat, selanjutnya dikomparasikan antara satu kelas dengan kelas lainnya, sehingga terlihat perbedaan yang mencolok diantara keduanya. Selanjutnya, model akan diuji dan dievaluasi menggunakan data referensi yang merupakan hasil klasifikasi secara manual. Pembuatan dan pengujian model dilakukan melalui proses traning dan testing data. Pada penelitian ini, digunakan beberapa model klasifikasi yang dibuat berdasarkan profil reflektansi dari setiap citra yang telah diakuisisi. Hasil akurasi model melalui evaluasi confusion matrix didapat sebesar 70,83% untuk model PCA-SVM, 95,42% untuk model DT, dan 98,33% untuk model RF.

---

ABSTRACTWax coating identification on fruits is very difficult without a non-destructive system. In general, destructive methods were used to find out whether or not there are coatings on fruit, such as soaking fruit in hot water, using a mixture of vinegar and water, or baking soda and water. There are other destructive methods using instrumentation like gas chromatography, where this process takes much time and difficult to operate. VNIR imaging becomes the latest method to overcome this problem because this method is non-destructive and easier to operate. In this study, identification system for the presence or absence of wax coating on apples has been successfully made. The process starts through image acquisition, image correction, object detection, window averaging, classification model, until we got the coating status. The image was acquired on a wavelength range from 400 to 1000 nm. The reflectance profile is obtained, then it is compared between one class and the other class, until there is a noticable difference between the two. Next, the model will be tested and evaluated using reference data which is the result of manual classification. The making and testing of the model was done through the process of data training and data testing. In this study, several classifications models were made based on the reflectance profile of each acquired image. The accuracy of the model through confusion matrix evaluatin were 70.83% for the PCA-SVM model, 95.42% for the DT model, and 98.33% for the RF model."