Hasil Pencarian  ::  Simpan CSV :: Kembali

"Skin cancer is a malignant growth on the skin caused by many factors. The most common skin cancers are Basal CellCancer (BCC) and Squamous Cell Cancer (SCC). This research uses a discriminant analysis to classify some tissues ofskin cancer based on criterion number of independent variables. An independent variable is variation of excitation lightsources (LED lamp), filters, and sensors to measure Autofluorescence Intensity (IAF) of visible light to near infrared(VIS/NIR) ratio of paraffin embedded tissue biopsy from BCC, SCC, and Lipoma. From the result of discriminantanalysis, it is known that the discriminant function is determined by 4 (four) independent variables i.e., Blue LED-RedFilter, Blue LED-Yellow Filter, UV LED-Blue Filter, and UV LED-Yellow Filter. The accuracy of discriminant inclassifying the analysis of three skin cancer tissues is 100 %."

"Typical clinical symptoms and chest X-ray is a marker of Tuberculosis (TB) sufferers. However, the diagnosis of TB in adults should be supported by microscopic examination. Currently, Bacilli microscopic examination of acid-fast bacilli (AFB) in sputum by Ziehl-Neelsen (ZN) coloring is the most widely used. However, for reasons of convenience,especially for laboratories with a considerable amount of smear samples, and due to higher sensitivity compared with ZN staining, the World Health Organization (WHO) has recommended the use of auramine-O-staining (fluorochrome staining), which is visualized by light emitting diode (LED) fluorescence microscopy. The aim of this study was to evaluate the performance of modified light microscope with homemade LED additional attachment for examination ofAFB in sputum using auramine-O-staining method. We compared the sensitivity and specificity of 2 kinds of AFB in sputum methods: ZN and fluorochrome, using culture on Lowenstein-Jensen media as the gold standard. The results showed auramine-O-staining gives more proportion of positive findings (81%) compared to the ZN method (70%). These results demonstrated that the sensitivity of auramine-O-staining was higher than ZN, however it gives more potential false positive results than ZN. The sensitivity of auramine-O-staining in detecting AFB in sputum was 100% while the specificity was 88%."

"Measurement of non-invasive blood glucose is one way to increase the frequency of self-monitoring of blood glucose(SMBG). For NIR reflectance spectroscopy, its application in non-invasive constrained by high value of standard errorof prediction. The mean standard error of prediction was 25 mg/dL. Theoretically, NIR reflectance spectroscopy stillcan be used to predict blood glucose levels in certain conditions such as hypoglycemia (<55 mg/dL), controlled fastingblood glucose (FBG) (70-115 mg/dL), and hyperglycemia (>225 mg/dL), which the difference between the threeconditions is more than 25 mg/dL. The results showed that there were significant differences in standards values ofphotometer measurement between controlled FBG and hyperglycemic conditions (p = 0.002). The results also showedthat the photometer can be used to assist the monitoring of blood glucose in FBG under control and hyperglycemicconditions. It can be seen from the average percentage of the daily controlled FBG conditionsin patients conductingSMBG in photometer-assisted compared to in patientsonly use SMBG once a day (28% versus 18%, p = 0.344).Fotometer Sederhana sebagai Alat Bantu Pengukuran Glukosa Darah. Pengukuran glukosa darah secara noninvasifmerupakan salah satu cara untuk meningkatkan frekuensi pemantauan glukosa darah mandiri (PGDM). Untukyang berbasis spektoskopi reflektansi NIR, penerapannya secara non-invasif terkendala nilai standar error of predictionyang tinggi. Namun demikian metode ini secara teori masih dapat dipakai untuk memprediksi kadar glukosa darah padakondisi tertentu seperti keadaan hipoglikemia (<55 mg/dL), gula darah puasa (GDP) terkendali (70-115 mg/dL), danhiperglikemia (>225 mg/dL). Hasil penelitian menunjukkan bahwa terdapat perbedaan bermakna standar nilaipengukuran fotometer antara kondisi GDP terkendali dan hiperglikemia (p = 0,002). Fotometer yang digunakan dapatmembantu pemantauan glukosa darah (PGDM pada kondisi GDP terkendali dan hiperglikemia). Hal ini dapat dilihatdari rata-rata persentase jumlah hari dengan kondisi GDP harian terkendali yang lebih besar pada PGDM yang dibantudengan fotometer dibandingkan PDGM yang dilakukan hanya satu kali sehari (28% berbanding 18%, p = 0,344)."

"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."

"ABSTRAKKandungan madu dibangun dari kadar gula yang tinggi. Salah satu parameter kualitas madu dapat dilihat dari kandungan gula yang terkandung didalamnya. Oleh karena itu, diperlukan sistem untuk memprediksi kandungan gula tambahan sebagai salah satu parameter keaslian madu dan dapat digunakan untuk mengklasifikasikan madu asli dengan madu palsu. Citra madu diperoleh dengan menggunakan mode transmitansi dalam kisaran panjang gelombang VNIR 400 - 1000 nm. Sistem yang lengkap terdiri dari kamera Hiperspektral pada kanal 224, slider, lampu halogen 150 W dan diffuser cahaya. Metode pengolahan data yang dilakukan ialah koreksi gambar, segmentasi, ekstraksi fitur, r fitur, model regresi, dan model klasifikasi. Partial Least Square Regression (PLSR) digunakan sebagai reduksi fitur dan model regresi untuk analisis kuantitatif berdasarkan profil transmitansi madu. Soluble Solid Content (SSC) diukur menggunakan Digital Refractometer Pocket Hand Held sebagai data referensi. Principal Component Analysis (PCA) digunakan sebagai reduksi fitur dan Support Vector Machine (SVM) digunakan untuk mengklasifikasikan madu asli dengan madu palsu. Lima jenis madu dari produsen yang sama digunakan sebagai sampel madu. Gula buatan ditambahkan ke madu asli untuk menghasilkan 6 varian Soluble Solid Content. Hasil RMSE dan R² untuk data tes masing-masing ialah 2,33 dan 0,84. Hasil yang didapatkan dari data tes untuk model klasifikasi ialah berupa akurasi sebesar 88,9%, Misclassification Rate (MR) sebesar 12%, False Positive Rate (FPR) sebesar 4%, dan False Negative Rate (FNR) sebesar 5%. Berdasarkan hasil tersebut, sistem yang diusulkan dapat digunakan sebagai metode alternatif untuk memprediksi SSC dan mengklasifikasikan madu asli dan madu palsu dengan akurasi yang sangat baik.

---

ABSTRACT

Honey content is constructed by a high sugar content.  One parameter of the honey qualities can be seen from the sugar contained in it. Therefore, a system is needed to predict additional sugar content as one of the authenticity parameters of honey and can be used to classify original honey and adulterant honey. The honey image is obtained using the transmittance mode in the VNIR wavelength range of 400 - 1000 nm. The complete system consists of a Hyperspectral camera on 224 band, slider, 150 W halogen lamp and light diffuser. The processing method performs image correction, segmentation, feature extraction, feature reduction, regression models, and classification models. Partial Least Square Regression (PLSR) was used as a reduction feature and a regression model for quantitative analysis using the honey transmittance profile. Soluble Solid Content (SSC) is measured using Digital Refractometer Pocket Hand Held as reference data. Principal Component Analysis (PCA) is used as a feature reduction and Support Vector Machine (SVM) is used to classify the original honey and adulterant honey. Five types of honey from the same producer were used as honey samples. The artificial sugar is added to the original honey to produce 6 variants of Soluble Solid Content. RMSE and R² results for each test data are 2,33 dan 0,84. The results obtained from the test data for the classification models are 88,9% for the accuracy, 12% for the missclassification rate (MR), 4% for the False Positive Rate (FPR), and 5% for the False Negative Rate (FNR). Based on these results, the system can be used as an alternative method for predicting SSC and classifying original honey and adulterant honey with very good accuracy.

"

"ABSTRAKKadar air dan kadar garam merupakan beberapa parameter yang digunakan untuk memprediksi tingkat kualitas teripang pasir kering (Holothuria scabra) atau yang dikenal Bêche-de-mer. Namun, pengukuran kadar air dan garam umumnya bersifat destruktif dan dilakukan secara manual melalui uji laboratorium sehingga memakan waktu yang lama. Dalam penelitian ini, sistem pengukuran yang dikembangkan untuk memprediksi kualitas teripang pasir kering adalah sistem pengukuran yang berbasis citra Visible Near-Infrared (V-NIR) yang mampu mengukur kadar air dan garam secara non-destruktif. Algoritma partial least squares regression (PLSR) digunakan untuk membangun model prediksi pada data spektral. Sistem pengukuran untuk kadar air dan garam di evaluasi dengan koefisien korelasi untuk data pelatihan sebesar 0,99 dan 0,99 secara berurutan. Sedangkan untuk root mean square error dari kadar air dan garam adalah 0,92 dan 0,11. Hasil penelitian ini menunjukkan bahwa sistem ini dapat diusulkan sebagai sistem pengukuran kadar air dan garam secara non-destruktif untuk menguji kualitas pada teripang pasir kering (Holothuria scabra) dan dapat diimplementasikan sebagai sistem penyortiran di dunia industri

---

ABSTRACTWater content and salt Content are parameters used to predict the quality level of dried sea cucumber (Holothuria scabra) or known by Beche-de-mer. However, Measurements of moisture content and salt content are generally conductive and carried out manually through laboratory tests so that it takes a long time. In this study, a measurement system developed to predict the quality of dried sea cucumber is a valid system for Visible-Near Infrared (V-NIR) images based on the spectral reflectance characteristics of the moisture content and salt content to predict non-destructively the values ​​of the moisture and salt content. The partial least squares regression (PLSR) algorithm is used to build prediction models on spectral data. Predictive system models are used to obtain moisture and salt values. The predicted results are compared with the results of measurements of data references obtained using the laboratory test. The measurement prediction system for moisture and salt content has a correlation coefficient for test data 0,99 and 0,99 respectively. While for the root mean square error of the water and salt levels are 0,92 and 0,11. The results of this study indicate that this system can be proposed as a non-destructive system of measuring moisture and salt content to test the quality of dried sea cucumbers (Holothuria scabra) and is suitable for implementation in sorting systems in the industrial world"

"Negara Indonesia merupakan salah satu negara di dunia, khususnya di benua Asia yang menjadikan beras sebagai bahan pangan pokok. Hal tersebut membuat permintaan akan bahan pangan tersebut menjadi tinggi, dan membuat banyak orang menanam padi di berbagai wilayah di Indonesia. Namun hal tersebut tidak membuat semua beras hasil panen dari berbagai wilayah menjadi bernilai sama di pasaran. Sehingga beras-beras yang ada tersebut kemudian dibedakan berdasarkan wilayah tanamnya. Mengidentifikasi jenis beras membutuhkan analisis DNA yang menggunakan PCR yang tentunya menghabiskan banyak waktu. Penelitian ini dibuat dengan tujuan membuat suatu sistem identifikasi serta menganalisis pengaruh wilayah tanam terhadap harga beras yang beredar di pasaran. Memanfaatkan pencitraan hiperspektral serta melakukan pemodelan klasifikasi dalam lima jenis beras yang berasal dari wilayah tanam berbeda yaitu Bandung, Indramayu, Subang, Karawang, dan Palembang. Kemudian dua skema variasi pada pemodelan klasifikasi, yaitu PCA – SVM dan CNN. Membandingkan kedua skema tersebut didapatkan akurasi rata – rata untuk pemodelan klasifikasi PCA-SVM sebesar 86.45% dan 97% untuk pemodelan klasifikasi CNN.

---

Indonesia as one of nations in the world specifically in Asian continent that consumed rice as their main diet. The phenomena led rice as a high demanding food in the country and made many people in the country did paddy harvesting in many regions.   However, this did not make all the rice harvested from various regions had the same value in the market.  Then people differentiated rice from where it harvested. Identifying types of rice requires DNA analysis using PCR which is time consuming. This research was made with the aim of creating an identification system and analyzing the influence of the planting area on the price of rice on the market. Utilizing hyperspectral imaging and classification algorithm in five types of rice originating from different planting areas namely Bandung, Indramayu, Subang, Karawang, and Palembang. Then the two variation schemes in classification modeling, namely PCA - SVM and CNN. Along with comparing the two schemes of classification models, the average accuracy obtained for PCA-SVM classification model is 86.45% and 97% for CNN classification model."

"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."

"ABSTRAKPada saat ini, buah-buahan dilapiskan lilin untuk mempertahankan kualitas dan memperpanjang usia simpan buah. Pengukuran kualitas buah yang dilapiskan lilin umumnya bersifat destruktif. Pengukuran kualitas buah berlapis lilin menggunakan citra VNIR belum pernah dilakukan, sehingga diperlukan pengkajian lebih lanjut mengenai pengaruh lapisan lilin pada pengukuran kualitas buah berbasis citra VNIR. Dalam penelitian ini, lilin lebah digunakan untuk melapiskan apel malang. Partial Least Square Regression (PLSR) dan Regression Tree (RT) digunakan sebagai algoritma seleksi fitur dan model regresi. Dalam penelitian ini, pemodelan dibentuk menggunakan apel tidak berlapis lilin, apel berlapis lilin, gabungan antara apel tidak berlapis lilin dan apel berlapis lilin. Selanjutnya, dilakukan pengujian apel malang berlapiskan lilin terhadap model prediksi kekerasan apel malang tidak berlapiskan lilin. Sistem prediksi kekerasan memiliki performa terbaik jika menggunakan data pelatihan dan data pengujian berupa apel tidak berlapis lilin saja. Hasil dari model PLSR dan RT menggunakan apel tidak berlapis lilin sebesar 0,97 dan 0,88 pada R2; 3,22 dan 6,65 pada RMSE. Berdasarkan hasil tersebut, lapisan lilin pada permukaan buah dapat memengaruhi hasil pengukuran berbasis citra VNIR.

---

ABSTRACTThese days, wax coating was applied on fruits to maintain its quality and extends the shelf life. The quality measurement of the waxed fruit was destructive in most cases. The quality measurement of the waxed fruit with VNIR image had never been done before, so further study about the effect of wax coating for VNIR image-based fruit quality measurement was needed. In this study, beeswax is used to coated Malang apples. Partial Least Square Regression (PLSR) and Regression Tree (RT) used as feature selection and regression model algorithm.  In this study, a regression model was built using non-waxed Malang apples, waxed Malang apples, a combination of non-waxed Malang apples and waxed Malang apples. Next, the waxed Malang apples was tested to the firmness prediction model of the non-waxed Malang apples. Firmness prediction system of Malang apples obtained the best performance if using training data and test data of non-waxed Malang apples. The results of PLSR and RT model using non-waxed Malang apples were 0.97 and 0.88 for R2, 3.22 and 6.55 for RMSE. Based on these results, wax coating on the surface of the fruit could disrupt the measurement results of VNIR image."