Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKProses saat seseorang melihat wajah yang dikenali dan mencocokannya dengan identitas yang diakuinya disebut proses verifikasi. Model Spektrum Eigen (MES) adalah program dengan tujuan verifikasi wajah yang memproyeksikan citra wajah ke ruang yang dibuat oleh matriks hasil transformasi dari vektor-vektor eigennya untuk mendapatkan himpunan karakteristiknya, kemudian membandingkannya dengan data karakteristik yang dimiliki untuk menentukan apakah citra wajah dan identitas individu tersebut sesuai. Pada skripsi ini akan dijelaskan proses verifikasi wajah menggunakan MES dengan mengimplementasikannya pada perangkat lunak Python. Dari hasil yang didapat, program mampu menolak individu-individu „palsu‟ dengan tingkat keberhasilan hingga 90% pada nilai threshold tertentu.

---

ABSTRACTThe process to recognize known face then comparing the known identity of him with the one he claim to be is called verification process. Modeled Eigenspectrum (MES) is a face verification program that‟s projecting face image to a space expanded by it‟s transformed matrix from face space to obtain it‟s features, then comparing it with the features registered to decide he‟s an imposter or not. This final paper will explain how MES works for face verification when applied on Python. The result obtained is that this program able to reject „imposter‟ with success rate up to 90% on specific threshold."

"PNN Teroptimasi dikenal sebagai salah satu metode dalam jaringan saraf tiruan yang sangat baik untuk digunakan dalam pengenalan pola. Salah satu aplikasi yang pernah dikembangkan adalah untuk deteksi dan penentu lokasi wajah di dalam citra. Akan tetapi, sistem tersebut memerlukan waktu yang sangat lama dalam komputasinya, yaitu 0.5 1.5 jam. Dalam skripsi ini, penulis mengajukan sistem deteksi dan penentu lokasi wajah di dalam citra menggunakan PNN Teroptimasi dengan waktu komputasi yang tidak terlalu lama. Dengan sistem ini, sistem dapat melakukan tugasnya dengan waktu rata-rata 29.51 detik. Reduksi waktu komputasi dapat dilakukan dengan modifikasi piramida citra dan perbaikan proses scanning.

---

Optimized PNN is recognized as a method of neural network which is very good for pattern recognition. One developed application from it is detection and position searching of face in an image system. However, that system requires very large time (0.5-1.5 hours).

In this final project, the writer proposes a face detector and position founder system in an image using Optimized PNN with a better time elapsed. Using this system, it can finish its tasks with average elapsed time 29.51 seconds. Reduced elapsed time is reached by image pyramid modification and scanning process improvisation."

"Dewasa ini, perkembangan teknologi telah menjadi bagian yang tidak terpisahkan dari kehidupan manusia. Teknologi ini tentu memilki fungsi untuk menguntungkan dan menyetejarahkan manusia. Salah satu aplikasi teknlogi pada bidang keamanan ialah pengenalan wajah. Pengenalan wajah pada umumnya menggunakan nilai crisp yang kemudian dicocokan dengan database yang tersedia. Pada penelitian ini, data wajah akan tefokus pada sudut pengambilan foto dan menggunakan sistem bilangan fuzzy. Sistem ini dipilih karena tingkat ketahanannya yang handal dari jenis jenis gangguan. Dengan menggunakan metode fuzzy manifold, akan diestimasi sudut wajah yang tidak ada pada database. Dan dengan menggunakan fuzzy nearest distance, suatu foto sudut wajah dapat diidentifikasikan letak sudutnya. Selanjutnya dilakukan percobaan ulang dengan data tereduksi menggunakan metode fuzzy dimension reduction. Hasil dari penelitian ini menunjukan bahwa sistem ini dapat merekognisi sudut wajah dengan sangat baik.

---

The development of technology are nowadays has become an integral part of human life. The Technology certainly has the function to benefit and prosperous of human being. An apllication of this kind technology is in field of security which using face recogniton. Face recognition, in general, uses crisp-value for matching available image database. In this experiment, face images will be focused on poses of taken images and will be transform to fuzzy-value. The system has been chosen because it has high reliability from any kind of image noise. Using fuzzy-manifold method, an unknown pose face images will be estimated and added to database. And using fuzzy-nearest distance, an unknown pose face images will be determined as pose position of the recognized pose. After that the experiment will be do over again using fuzzy-dimension reduction. The result show that the system could maintain high recognition rate."

"ABSTRAKTindakan terapi bertujuan untuk memperoleh hasil yang optimal berupakematian jaringan kanker sebanyak mungkin dan kerusakan minimal padajaringan sehat sehingga dilakukan upaya untuk mengoptimalkan hasil pengobatanradiasi. Dengan perkembangan teknologi, teknik radioterapi juga berkembangdari konvesional, 3D conformal ke Intensity Modulated Radiotherapy (IMRT).IMRT merupakan teknik meggunakan banyak lapangan radiasi dalampenyinarannya dengan intensitas yang tidak seragam pada setiap arah lapanganradiasi. Sebelum dilakukan penyinaran pada pasien perlu dilakukan verifikasipenyinaran IMRT antara perhitungan pada TPS dan pada keadaan sebenarnyadilapangan. Verifikasi dilakukan dengan mengguunakan film gafchromic EBT2.Pada penelitian ini dilakukan verifikasi penyinaran IMRT dengan klinisGlioblastoma Multiforme pada 5 pasien distribusi dosis akumulasi dan 3 pasienuntuk distribusi dosis per lapangan penyinaran menggunakan film gafchromicEBT2. Didapatkan kesesuaian piksel untuk semua pasien dengan kriteria gamma≤ 1 dengan 3% dose different dan 3 mm DTA. Hasil verifikasi untuk distribusidosis akumulasi pada 5 pasien didapat kesesuaian piksel 100% pada 4 pasien danhanya 1 pasien yang mempunyai kesesuaian 99,8%. Kesesuaian piksel gammauntuk verifikasi setiap lapangan penyinaran pasien pada pasien 1, 87%; 85,4%;85,9%; 80,5%; 92,3%; 100%; pasien 2; 91,1%; 89,9%; 89,4%; 87,8%; 80,5%;100%; pasien 3; 79,3%; 88,5%; 77,5%; 84,9%; 83,1%; 99,8%. Hasil kesesuaianpiksel pada distribusi dosis perlapangan penyinaran kurang baik karena dosisperlapangan penyinaran rendah maka tingkat kehitaman film gafchromic EBT2rendah. Film gafchromic EBT2 memberikan hasil yang baik pada lapanganpenyinaran akumulasi. Evaluasi dose difference dengan kriteria 3% memberikanhasil banyak daerah yang tidak cocok (tidak lolos) sehingga kesesuaian pikselrendah karena dosis pada film disetiap piksel cukup fluktuatif dan adanyaperbedaan resolusi film dengan dose matrix. Evaluasi menggunakan DTA sajatidak dapat digunakan untuk mengevaluasi verifikasi IMRT karena pada tiappikselnya mempunyai kecocokan (lolos) pada kriteria 3mm sehingga mempunyaikesesuaian pixel yang baik. Sehingga untuk mengevaluasi verifikasi IMRT harusmenggunakan gabungan DTA dan dose difference yaitu menggunakan evaluasinilai gamma.

---

ABSTRACTTherapy aims is to obtain optimal results to kill cancer tissue with minimaldamage in healthy tissue, so we need to optimize the radiation treatment.Technology has developed from conventional radiotherapy, 3D conformal toIntensity Modulated Radiotherapy (IMRT). IMRT is a technique which has manyradiation field with non uniform intensity in every from many directions. Beforethe irradiation done in patients we need to verify the IMRT delivery between TPSand the calculations on the actual conditions the field using gafchromic EBT2film. In this study IMRT verification were done on glioblastoma multiforme on 5patients verification with are 2 patient verified using composite field 3 patientswere verificed using per-field radiation using film gafchromic EBT2. Pixelpassing level criteria for all patients using gamma criteria of 3% ≤ 1 with adifferent dose and 3 mm DTA. Verification for the distribution of the accumulateddose on 5 patients are 100% pixel passing on 4 patients and 1 patient 99.8%.Verification of each pixel passing gamma radiation field in patients 1 patient,87%, 85.4%, 85.9%, 80.5%, 92.3%; patient 2; 91.1%, 89.9 %, 89.4%, 87.8%,80.5%; patient 3; 79.3%, 88.5%, 77.5%, 84.9%, 83.1%. The results of passingpixel per field radiation distributions is not good because of low radiation dosesper field. Gafchromic EBT2 film give good results in the accumulation ofradiation field. Evaluation of dose difference with the criteria of 3% give theresults of many areas that do not pass resolution between with the dose matrixfrom TPS. Evaluation using DTA can not be used to evaluate IMRT verificationbecause at each pixel a pass on 3mm criteria so as to have a good fit pixel. So theevaluation should IMRT verification using a combined DTA and dose differenceis using the evaluation value of gamma."

"Sudah sejak lama tanda tangan menjadi salah satu cara untuk melakukan otentikasi dalam kehidupan sehari-hari mulai dari pengesahan dokumen, surat- surat penting bahkan untuk transaksi perbankan. Namun tingkat keamanan dari penggunaan tanda tangan ini tergolong rendah karena tanda tangan dapat ditiru dengan mudah. Seiring dengan perkembangan teknologi, digunakan teknik verifikasi tanda tangan online untuk meningkatkan keamanan dalam otentikasi tanda tangan. Penelitian ini akan menganalisa performa sistem verifikasi tanda tangan online dengan menggunakan algoritma SVM dan GMM pada database SVC 2004 yang mengandung 7 fitur pada setiap tanda tangan. Database ini memiliki 40 dataset tanda tangan dimana setiap dataset terdiri dari 20 tanda tangan asli dan 20 tanda tangan tiruan atau 1600 tanda tangan secara keseluruhan. Berdasarkan hasil simulasi dengan menggunakan 10 data training, sistem verifikasi GMM menghasilkan FRR sebesar 4,5%, FAR 3% dan waktu komputasi rata-rata 21,3 detik sedangkan pada SVM dihasilkan FRR 2,625%, FAR 1,25% dan waktu komputasi rata-rata 1,84 detik.

---

For a long time, signature has become one of many authentication methods that commonly used in daily life such as document and other obligations authentication, even for banking transaction. However the use of signature could be classified as low level security authentication because it can easily forged. With the advanced of technology, online signature verification has been used to increase the security level in signature authentication.

This research will analyze the performance of online signature verification using SVM and GMM algorithm on SVC 2004 signature database which contains 7 features of each signature. The database has 40 contributors who sign 20 authentic signatures, while 20 other are forged ones. In total the database has 1600 signatures.

Based on simulation results using 10 training data, signature verification using GMM resulted in 4,5% FRR, 3% FAR and average computation time of 21,3 seconds, while SVM has 2,625% FRR, 1,25% FAR and average computation time 1,84 second."

"Sistem pengenalan wajah manusia merupakan salah satu bidang yang cukup berkembang dewasa ini, dimana aplikasi dapat diterapkan dalam bidang keamanan (security system) seperti ijin akses masuk ruangan, pengawasan lokasi (surveillance), maupun pencarian identitas individu pada database kepolisian. Tujuan Penulisan laporan tugas akhir ini adalah untuk membangun sebuah perangkat lunak pengenalan citra wajah manusia menggunakan metode HiddenMarkov Models (HMM) dengan input database Pain Ekspression Subset dan database Hasil Foto Sendiri dengan memanfaatkan aplikasi GUI. Hasil pengujian sistem menunjukkan bahwa sistem pengenalan wajah (face recognition) membandingkan percobaan pengenalan sesuai dengan codebook (32, 64,128, 256) dan iterasi (5, 10). Sistem pengenalan wajah manusia menggunakan metode Hidden Markov Models (HMM) mencapai tingkat akurasi pengenalan sebesar84,28%, dengan database 70 gambar yang terdiri dari 10 individu dengan masing-masing individu memiliki 7 variasi ekspresi yang berbeda.

---

ABSTRACTHuman face recognition system is one area that is developing now, where applications can be applied in the field of security (security system) such as permit access into the room, monitoring locations (surveillance), or search for individual identity in the police database. Purpose of this final report is to build a software image of human face recognition using Hidden Markov Models method (HMM) with input Pain Ekspression Subset database and Image itself database applications of GUI. Test results show that the system of face recognition systemstrial comparing the introduction according to the codebook (32, 64.128, 256) and iteration (5, 10). Human face recognition system using Hidden Markov Models (HMM) reached the level of recognition accuracy of 84,28%, with 70 database that consists of 10 individuals with each individual has 7 variations of expressions."

"Survei Kesehatan Indonesia (SKI) tahun 2023 yang dilakukan oleh Kementerian Kesehatan (Kemenkes) ada sekitar 70 juta perokok aktif di Indonesia. Apabila dihitung dari populasi penduduk Indonesia ada 28,62% penduduk yang merokok di tahun 2023 dan persentase ini meningkat dari tahun sebelumnya sebanyak 0,36%. Perilaku merokok ini menyebabkan berbagai penyakit seperti penyakit paru-paru kronis, kerusakan gigi, penyakit mulut, stroke, serangan jantung, kanker rahim, gangguan mata, dan kerusakan pada rambut. Untuk menekan jumlah perokok di Indonesia, diperlukan sistem untuk deteksi perokok. Deteksi perokok saat ini memakan biaya yang mahal, bantuan ahli, dan sistem yang kompleks. Oleh karena itu, deep learning dengan algoritma Convolutional Neural Network hadir sebagai solusi untuk mengatasi masalah tersebut. Skripsi ini membahas bagaimana merancang sistem deep learning dengan Convolutional Neural Network (CNN) untuk keperluan deteksi wajah perokok. Skripsi ini juga membahas bagaimana pengaruh berbagai skenario jumlah data pelatihan dan data pengujian serta penambahan ekstraksi fitur wajah terhadap metrik evaluasi . Hasil dari rancangan dievaluasi dengan metrik evaluasi kalkulasi loss function, akurasi, dan F1 score. Hasil simulasi menunjukan skenario data pelatihan 70% dan data pengujian 30% adalah skenario terbaik dengan nilai metrik evaluasi pengujian pada skenario ini sebesar 2.236 untuk loss, 54.5% untuk akurasi, dan 34.9% untuk F1 score. Skenario ini diimprovisasi dengan adanya penambahan ekstraksi fitur perokok pada awal preprocessing yang ditandai dari penurunan loss sebesar 65.65%, peningkatan akurasi sebesar 19%, dan peningkatan F1 score sebesar 24.08%.

---

The 2023 Indonesian Health Survey (SKI) conducted by the Ministry of Health (Kemenkes) reported that there are approximately 70 million active smokers in Indonesia. This accounts for 28.62% of the Indonesian population in 2023, representing a 0.36% increase from the previous year. Smoking behavior leads to various diseases such as chronic lung disease, tooth damage, oral diseases, stroke, heart attacks, uterine cancer, eye disorders, and hair damage. To reduce the number of smokers in Indonesia, a smoker detection system is necessary. Current smoker detection methods are expensive, require expert assistance, and involve complex systems. Therefore, deep learning with Convolutional Neural Network (CNN) algorithms presents a solution to address these issues. This thesis discusses how to design a deep learning system using Convolutional Neural Networks (CNN) for smoker face detection. It also examines the impact of different training and testing data scenarios and the addition of facial feature extraction on evaluation metrics. The designed system is evaluated using metrics such as loss function calculation, accuracy, and F1 score. The simulation results show that a scenario with 70% training data and 30% testing data is the best scenario, yielding evaluation metric values of 2.236 for loss, 54.5% for accuracy, and 34.9% for F1 score. This scenario was improved with the addition of smoker feature extraction in the preprocessing stage, resulting in a 65.65% reduction in loss, a 19% increase in accuracy, and a 24.08% increase in F1 score."

"ABSTRAKPada beberapa tahun terakhir, sistem pengenalan wajah telah marak digunakan dalam berbagai aspek sebagai wujud dari kemajuan teknologi. Berbagai penelitian dilakukan untuk terus memperbaiki akurasi dari pengenalan wajah. Pada penelitian ini digunakan metode klasifikasi Learning Vector Quantization dan Fuzzy Kernel Learning Vector Quantization. Data yang digunakan adalah Labeled Face in The Wild-a LFW-a. Database ini tidak memiliki batasan seperti latar belakang, ekspresi, posisi, dan sebagainya. Berdasarkan hasil uji coba menggunakan database LFW-a, sistem pengenalan wajah dengan metode LVQ memiliki akurasi tertinggi 89,33 dan metode FKLVQ memiliki akurasi tertinggi 89,33 pula.

---

ABSTRACTIn recent years, face recognition is widely used in various aspects as a form of technology advancement. Various studies are conducted to keep improving the accuracy of face recognition. In this research, Learning Vector Quantization and Fuzzy Kernel Learning Vector Quantization are used as a method of classification. The data used in this research is Labeled Face in The Wild a LFW a. This database has no restrictions such as background, expression, position, and so on. Based on test results using LFW a database, face recognition using LVQ method has highest accuracy at 89,33 and FKLVQ method has highest accuracy at 89,33 as well."

"Pembuatan dataset emosi wajah membutuhkan sumber daya dan waktu yang banyak. Salah satu solusi menyelesaikan permasalahan ini adalah menggunakan Generative Adversarial Network (GAN) untuk melakukan augmentasi data pada data emosi wajah. Namun, jumlah data yang terbatas membuat GAN belum dapat menghasilkan citra yang beragam. Salah satu pendekatan yang dapat dilakukan untuk mengatasi hal tersebut adalah penggunaan energy function untuk membuat probability function yang lebih detail. Penelitian ini bertujuan untuk merancang sebuah model dengan menggunakan EB-GAN dan attention untuk mengatasi masalah translasi gambar dengan emosi Neutral menjadi gambar dengan emosi dasar. Eksperimen yang dilakukan pada penelitian ini bertujuan untuk melakukan modifikasi terhadap arsitektur DINO dengan menambahkan attention untuk meningkatkan kualitas hasil translasi model. Hasil translasi model dievaluasi menggunakan emotion recognition untuk mengetahui akurasi emosi yang dihasilkan. Pada penelitian ini terlihat bahwa penggunaan attention tidak dapat meningkatkan akurasi DINO dikarenakan terdapat banyaknya fitur pembeda antar emosi yang tersebar pada wajah. Pada penelitian ini DINO pada dataset berwarna menghasilkan akurasi sebesar 96.78% dan DINO pada dataset grayscale menghasilkan akurasi sebesar 94.50%. Dalam pembuatan dataset baru, DINO menghasilkan akurasi sebesar 83% untuk dataset berwarna dan 85.6% untuk dataset grayscale.

---

Creating a facial emotion dataset requires a lot of resources. To solve this problem, previous research utilizes Generative Adversarial Networks (GANs) to create artificial data. However due to the limited number of available data, this would affect the GANs itself and would result in generating a less diverse data. One way to solve this problem is to use an energy function to create a more detailed probability function. This research aimed to create a model based on EB-GAN and attention to solve problems during translating a neutral image into an image with a basic emotion. This experiment uses a variation of EB-GAN for image translation, DINO, and modify its architecture by adding attention modules to improve the performance of the model during translation. The result of the experiments are evaluated using emotion recognition systems. This results show that the use of attention did not improve the performance of DINO. This is due the fact that each emotion have multiple features and the location of the features are scattered within a face. This experiment shows that DINO obtained the highest accuracy in both colored (RGB) and grayscale data. DINO obtains a 96.78% accuracy for colored (RGB) data and 94.50% for grayscale data. During the creation of new dataset, DINO obtained an accuracy of 83% for colored (RGB) data and 85.6% for grayscale data."

"ABSTRAKLeksell gamma knife (LGK) adalah salah satu modalitas terapi radiasi yang bersumber dari radioaktif Co-60. Teknik lapangan kecil dengan pemberian dosis radiasi tinggi kepada pasien dalam satu sesi harus dihitung secara akurat dan diverifikasi dengan cermat. Penelitian ini menggambarkan prosedur untuk memverifikasi keakuratan distribusi dosis pada Leksell Gamma Plan (LGP) menggunakan fantom RANDO dan film gafchromic EBT3. Pertama, dilakukan verifikasi berkas profil pada fantom standar LGK dan RANDO menggunakan ukuran kolimator 4 mm, 8 mm dan 16 mm untuk memperoleh nilai full width half maximum (FWHM), penumbra dan beam-symmetry, nilai FWHM yang diperoleh dibandingkan dengan nilai pada LGP. Selanjutnya verifikasi nilai dosis serap pada RANDO dengan vasiasi ukuran kolimator, jumlah shoot, volume dan lokasi tumor, diverifikasi mengggunakan film EBT3. Perhitungan distribusi dosis dilakukan menggunakan perangkat lunak ImageJ dan program MATLAB. Penelitian ini menunjukkan perbedaan nilai FWHM dan beam-symmetry terkecil antara LGP ​​dan fantom standar LGK terjadi pada ukuran kolimator 16 mm sebesar 0.42 mm dan 1.58% sedangkan perbedaan pada fantom RANDO adalah 0.45 mm dan 1.64%. Verifikasi dosis maksimum menunjukkan pada variasi jumlah shoot, kolimator 16 mm memiliki nilai deviasi yang paling stabil. Kesimpulannya, kolimator ukuran 16 mm memiliki akurasi nilai dosis, FWHM dan beam-symmetry sangat baik. Namun, pada volume tumor yang lebih kecil, kolimator 16 mm dengan single shoot memberikan nilai deviasi yang lebih tinggi.

---

ABSTRACTLeksell gamma knife (LGK) is an advanced modality of radiation therapy sourced Co-60 radioactive for treating patient with intracranial lesion. Small field techniques with highly integrated radiation delivering to patients in single session must be calculated accurately and verified carefully. This study illustrates a procedure to verify the accuracy of dose distribution associated with Leksell Gamma Plan (LGP) using RANDO phantom and gafchromic EBT3 film dosimetry. First, we assessed the profile dose on LGK standard phantom with collimators size 4,8 and 16 mm and compared the results with the profile dose based on RANDO to obtained Full Width Half Maximum (FWHM), penumbra and beam-symmetry. Absorbed-dose distributions on RANDO with various combinations of lesion volume, collimator size, location and number of shots assessed by EBT3 film using LGK Perfexion. Scanned images of the measured films were processed following standard EBT3 film-handling procedures. Dose value calculation were performed using ImageJ software and MATLAB in-house software. The study shows samallest difference of FWHM and beam symmetry occurs at collimator size 16 mm, whereas discrepancy in standard phantom between LGP and measurement is 1.83 % and 1.58 % respectively and the discrepancy in RANDO phantom is 2.15 %, and 1.64 % respectively. Verification of max dose shows, colimator size 16 mm has the most stable deviation value in variation of number of shoots. In conclusion, collimator size 16 mm have a highest accuracy of dose value, FWHM and beam-symmetry value. However, on smaller lesion volume, collimator 16 mm with single shot give higher deviation dose value."