Hasil Pencarian  ::  Simpan CSV :: Kembali

"Dalam ilmu forensik, gigi merupakan bagian tubuh yang digunakan untuk melakukan pengenalan seseorang ketika bagian tubuh lain telah rusak dan sulit dikenali. Pengenalan gigi dilakukan dengan membandingkan fitur yang ada pada gigi korban dengan fitur-fitur yang ada pada data gigi yang tersimpan. Pengenalan dengan cara tersebut memerlukan waktu yang lama, sehingga pengadaan metode pengenalan otomatis dengan menggunakan mesin sangat dibutuhkan.Saat ini, beberapa metode pengenalan telah dikembangkan untuk mengenali gambar gigi yang berbentuk citra dental radiograph. Sayangnya, beberapa metode yang dikembangkan membutuhkan kualitas citra dental radiograph yang baik, sehingga penggunaannya masih sangat terbatas pada citra dengan kualitas tertentu. Oleh karena itu, peneliti mengajukan sebuah metode pengenalan yang dapat mengenali citra dental radiograph meskipun citra tersebut memiliki kualitas yang kurang baik. Metode yang dikembangkan akan meningkatkan kualitas citra dengan bantuan sistem inferensi fuzzy. Citra yang telah ditingkatkan kualitasnya tersebut kemudian akan dicari bentuknya dan dibandingkan dengan bentuk-bentuk gigi yang ada. Dari perbandingan tersebut akan dibuat peringkat kesamaan bentuk antara sebuah gigi dengan data yang tersimpan. Peringkat tersebut akan berguna untuk membantu seorang ahli forensik dalam mengenali seseorang

---

In forensic science, dental records are used to recognize someone when his/her body has been damaged and difficult to identify. Dental identification is done by matching the entire feature of victim?s dental condition and dental record from the police database. This process needs long time to finish, so procurement of automatic dental recognition method is very required.Today, some automatic recognition methods have been developed to recognize dental record in form of dental radiograph image. Unfortunately, the methods need high quality dental radiograph image, which means it cannot be used to recognize all kind of image. Therefore, the researcher proposed a new method which can recognize all kind of dental radiograph images; even the image is a low quality image. The method proposed using fuzzy inference system to improve the quality of the dental radiograph image, before extract the shape of the dental and compare the extracted shape with some other extracted shape in police database. The methods measure the similarity of the image, and rank it based on the similarity value that help the forensic expert to indentify the victim."

"Tesis ini membahas tentang sebuah metoda Principal Component Analysis untuk data yang terbentuk dari bilangan fuzzy. Metoda ini akan mentransformasi data fuzzy yang berada dalam ruang data berdimensi d ke sebuah ruang eigen yang berdimensi p dengan p < d, menggunakan sebuah Jaringan Neural Buatan Autoassociative Neural Network. Pengujian menggunakan data aroma dan data citra yang memiliki noise. Hasil dari percobaan menunjukkan bahwa metoda ini telah berhasil melakukan pemetaan terhadap data-data tersebut. Hasil percobaan juga menunjukkan bahwa metode ini lebih cocok digunakan pada data fuzzy berdimensi besar dan memiliki banyak dimensi yang berisi data redundant."

"Peristiwa-peristiwa seperti bencana alam, kecelakaan lalu lintas, dan aksiaksiterorisme selalu meninggalkan tugas berat bagi pihak kepolisian untukmelakukan identifikasi. Hal ini disebabkan, rata-rata korban dari peristiwaperistiwa tersebut memiliki identitas fisik (wajah dan sidik jari ) yang sulit dikenali, sehingga tidak memungkinkan untuk melakukan identifikasi secara biometric. Cara alternatif yang dilakukan pihak kepolisian adalah dengan cara mengidentifikasi korban lewat dental records milik korban yang berbentuk citra radiograph. Identifikasi ini dilakukan dengan mencocokkan citra dental x-ray korban dengan dental record (berbentuk citra dental x-ray) yang ada di arsip pihak kepolisian. Proses ini ditempuh karena rata-rata korban yang ciri fisiknya sudah rusak masih memiliki bentuk rahang dan struktur gigi yang utuh.Tugas akhir ini akan mengembangkan sebuah prototipe sistem yang mampu melakukan identifikasi secara otomatis berdasarkan citra dental x-ray yang dimiliki korban. Informasi dari citra dental x-ray yang biasanya digunakan sebagai ciri antara lain, properti dari gigi (ada/tidaknya gigi, morfologi dari akar dan mahkota gigi, restorasi gigi), ciri jaringan periodontal dan ciri-ciri anatomis. Dalam penelitian ini ciri yang digunakan dibatasi hanya pada ciri anatomis saja yaitu bentuk lengkung rahang dan bentuk lengkung dagu. Perangkat lunak yang dicoba dikembangkan menggunakan metode quadratic regression dan centroid distance untuk membentuk deskriptor dari citra rahang, dan memanfaatkan least square loss function dan fuzzy similarity untuk mencari derajat kemiripan.Sistem yang dikembangkan pada tugas akhir ini mampu memberikan keakuratan dalam proses pencarian sebesar 52.72 % untuk metode quadratic regression- least square loss function dan 70.91 % untuk metode centroid distance- fuzzy similarity. Sistem yang dikembangakan mampu membantu pihak kepolisian untuk meningkatkan kinerjanya dalam melakukan proses identifkasi."

"Banyaknya dokumen pada Internet menuntut adanya mesin pencari. Mesin pencari yang ada saat ini dapat menemukan dokumen atau informasi berdasarkan kata kunci tertentu. Namun terkadang dokumen hasil pencarian tidak relevan dengan informasi yang dibutuhkan. Penelitian dalam tugas akhir ini bertujuan untuk membuat sistem yang dapat melakukan ekspansi kata kunci pada mesin pencari dengan menggunakan metode relasi fuzzy.Relasi fuzzy merupakan suatu metode yang dapat menggambarkan hubungan antara dua buah objek. Dengan adanya ekspansi kata kunci, diharapkan hasil pencarian yang didapatkan akan lebih banyak dan dapat ditemukan dokumen dengan kata kunci lain namun memiliki relevansi dengan informasi yang dibutuhkan.Dengan ekspansi kata kunci sebagai dasar, penelitian tugas akhir ini juga kemudian melakukan pemeringkatan hasil pencarian dengan menggunakan sistem inferensi fuzzy Takagi-Sugeno-Kang (TSK) orde-satu. Penelitian tugas akhir ini dibatasi pada kata kunci berbahasa Indonesia dan ekspansinya dibatasi maksimal tiga kata kunci.

---

The existence of search engine is required due to the increasing number of documents on the Internet. Search engines are able to find documents or information based on certain keyword. But the search results are seldom irrelevant with the necessary information. The aim of this final project research is to build a system which is able to expand the keyword on search engine using fuzzy relation.Fuzzy relation is a method which is capable of describing the relationship between two objects. The expectation of the keyword expansion is to enable users to get more search results and perhaps some of them are relevant with the necessary information.With the keyword expansion as basic, this final project research then ranks the search results using the orde-one Takagi-Sugeno-Kang (TSK) fuzzy inference system. The system can only accept keyword in Indonesian language, and will only have three keyword expanded in maximum."

"The unexpected and premature passing away of Professor Ebrahim H. "Abe" Mamdani on January, 22, 2010, was a big shock to the scientific community, to all his friends and colleagues around the world, and to his close relatives. Professor Mamdani was a remarkable figure in the academic world, as he contributed to so many areas of science and technology. Of great relevance are his latest thoughts and ideas on the study of language and its handling by computers.The fuzzy logic community is particularly indebted to Abe Mamdani (1941-2010) who, in 1975, in his famous paper An Experiment in Linguistic Synthesis with a Fuzzy Logic Controller, jointly written with his student Sedrak Assilian, introduced the novel idea of fuzzy control. This was an elegant engineering approach to the modeling and control of complex processes for which mathematical models were unknown or too difficult to build, yet they could effectively and efficiently be controlled by human operators. This ground-breaking idea has found innumerable applications and can be considered as one of the main factors for the proliferation and adoption of fuzzy logic technology.This book constitutes a posthumous homage to Abe Mamdani. It is a collection of original papers related in some way to his works, ideas and vision, and especially written by researchers directly acquainted with him or with his work. "

"Sistem perolehan citra merupakan bidang penelitian yang berkembang pesat seiring dengan semakin banyaknya jumlah koleksi citra. Zoran telah mengembangkan sistem perolehan citra dengan menggunakan atribut tingkat rendah yaitu spasial warna. Namun pada sistem tersebut masih ditemukan satu kekurangan yaitu pendekatan yang digunakan adalah crisp, dengan pendekatan ini ada citra-citra yang relevan tetapi citra tersebut tidak diperoleh yang seharusnya dapat diperoleh. Pada penelitian ini diusulkan logika fuzzy sebagai pendekatan untuk merepresentasikan spasial warna pada sistem perolehan citra. Fungsi keanggotaan fuzzy yang diusulkan untuk memodelkan kedua puluh dua spasial warna Zoran adalah fungsi gaussian dua dimensi (2D). Kedua puluh dua spasial warna tersebut adalah : tengah, pinggir, tepi kiri, tepi kanan, tepi atas, tepi bawah, kiri atas, kiri bawah, kanan atas, kanan bawah, seperempat kiri atas, seperempat kiri bawah, seperempat kanan atas, seperempat kanan bawah, setengah kanan, setengah kiri, setengah atas, setengah bawah, horisontal, vertikal, diagonal menaik serong ke kanan, diagonal menurun serong ke kanan. Hasil uji coba memperlihatkan bahwa sistem ini berhasil memperbaiki pendekatan sebelumnya dalam merepresentasikan kueri spasial warna. Diharapkan rancangan sistem ini bisa memberikan kueri yang lebih alami kepada pengguna."

"Latar belakang penelitian ini adalah kebutuhan penerapan pengenalan wajah dalam berbagai aplikasi dunia nyata. Pengenalan wajah dapat dilakukan dengan beberapa pendekatan, salah satunya adalah pendekatan dengan jaringan syaraf tiruan. Salah satu algoritma yang dikenal dan digunakan adalah Fuzzy Neuro Learning Vector Quantization (FNLVQ). Pernyataan masalah yang muncul adalah tingkat pengenalan FNLVQ konvensional yang masih bisa ditingkatkan dan kebutuhan akan jaringan yang mampu membaca citra yang mengandung noise. Tujuan riset ini adalah untuk memperlajari karakteristik algoritma FNLVQ melalui eksperimen dan pengujian terhadap citra asli dan citra dengan noise, pengembangan algoritma FNLVQ berbasiskan dimensi dalam rangka meningkatkan tingkat pengenalan serta mengujinya dengan citra asli dan citra dengan noise, serta perbandingan performa antara keduanya. Ada 2 kriteria pengukuran hasil, yaitu tingkat identifikasi dan klasifikasi. Tingkat identifikasi kemampuan jaringan untuk mengidentifikasi citra sebagai kelas yang sesuai sedangkan tingkat klasifikasi adalah kemampuan jaringan untuk memisahkan antara citra yang teregistrasi dan tidak teregistrasi. Tingkat identifikasi algoritma berbasiskan vektor konvensional adalah 30% dan meningkat hingga 85% dengan algoritma berbasiskan dimensi. Dalam hal tingkat klasifikasi, algoritma konvensional cenderung tidak mampu mengenali data tidak teregistrasi, sedangkan algoritma berbasiskan dimensi mampu memisahkan data teregistrasi dan tidak teregistrasi dengan baik. Untuk citra dengan noise, kedua algoritma mengalami penurunan pengenalan. Tingkat identifikasi algoritma berbasiskan dimensi masih tidak lebih baik daripada algoritma konvensional berbasiskan vektor untuk beberapa jenis noise, tetapi tingkat klasifikasi yang dicapai lebih baik antara pengenalan data teregistrasi dan tidak teregistrasi.The background of this research was the need to apply face recognition in many applications in real life. Face recognition can be done using a number of approaches, one of them is by using artificial neural networks. A known algorithm used to train a neural network is the Fuzzy Neuro Learning Vector Quantization (FNLVQ). The research questions emerging from this background were the issue of the FNLVQ recognition rate that can still be increased and the need to create a network that is robust to noise. The research objectives were to study of the characteristics of the FNLVQ algorithm using experiments and testing it with both pure and noisy images, in attempt to increase the recognition rate the dimension-based approach to the FNLVQ learning algorithm was developed and tested with both pure and noisy images, and finally the two algorithms were then compared and analyzed. There were 2 criterions of measurement, the identification rate and classification rate. The identification rate is the ability of the algorithm to identify each image as the right person, and the classification rate is the ability of the algorithm to classify an image as a registered or unregistered person. The identification rate was around 30% with the conventional vector based algorithm, and could be increased to 85% with the dimension based algorithm. For the classification rate, with the conventional algorithm the unregistered data could not be recognized and with the new dimension-based approach, the unregistered and registered data could be differetiated. As for the noisy images, both algorithms experienced a decreased recognition rate. The identification rate of the dimension based algorithm still did not exceed the recognition rate of the vector based algorithm for most noises, but the classification rate was more stable between both registered and unregistered clusters."

"ABSTRAKSistem penciuman elektronik terdiri dari 3 bagian yaitu sistem sensor yang merubah besaran aroma menjadi besaran listrik, sistem elektronik yang mengukur besar perubahan frekuensi sensor dan sistem jaringan neural buatan yang melakukan pengenalan aroma. Peningkatan kemampuan pengenalan aroma yang cepat, tepat dan akurat pada sistem neural buatan sangat diperlukan oleh sistem penciuman elektronik ini, untuk itu perlu dikembangkan metode fuzzy learning vector quantization. Metode FLVQ merupakan metode jaringan neural buatan berbasis pada vector quantization yang mengintegrasikan teuri fuzzy dalam proses pembelajarannya dan mempunyai algoritma yang sederhana tetapi berkemampuan tinggi dalam pengenalan aroma. Pengembangan fuzzy learning vector quantization berfokus pada proses pembelajarannya terutama pada cara merubah fuzziness vektor pewakil. Berdasarkan cara perubahan fuzzinessnya ada tiga variasi FLVQ yang dinamakan FLVQ konstan, yaitu merubah lebar fuzziness vektor pewakil dengan besaran yang konstan; FLVQ variabel, yaitu merubah lebar fuzziness vektor pewakil berdasarkan nilai similaritas; dan FLVQ tunggal, yaitu merubah lebar fuzziness vektor pewakil hanya pada salah satu bagian sisinya. Hasil Penelitian dengan sampel aroma produk marta tilaar dan aroma etanol menunjukkan bahwa jaringan neural buatan FLVQ mempunyai kemampuan pengenalan yang lebih baik bila dibandingkan dengan propagasi balik."

"Dalam Skripsi ini sebuah pengendali Fuzzy Takagi-Sugeno dirancang untuk mengendalikan sistem tangki terhubung dalam skema Internal Model Control (IMC). Sebuah model NARX (Nonlinear AutoRegressive eXogeneous) digunakan dalam skema IMC untuk meniru karakteristik sistem tangki terhubung dan diidentifikasi berdasarkan data masukan-keluaran sistem. Identifikasi yang dilakukan terhadap coupled tank apparatus PP-100 adalah dengan metode fuzzy clustering Gustafson-Kessel dan Least Square untuk mendapatkan model fuzzy Takagi-Sugeno. Perancangan pengendali invers dari model fuzzy Takagi-Sugeno digunakan invers affine secara langsung. Hasil pengendalian yang diperoleh menunjukkan kinerja yang sangat baik dimana proses dapat mengikuti acuan yang diberikan. Juga dilakukan perbandingan kinerja pengendalian untuk model yang diidentifikasi dengan metode Instrumental Variable. Hasil yang diperoleh dengan metode Least Square sama persis dengan metode Instrumental Variable. Skema pengendali IMC juga lebih baik dibandingkan dengan pengendali pole placement, dimana pada pengendati pole placement keluaran dari proses tidak dapat mengikuti acuan yang diberikan."

"Tugas akhir ini merupakan lanjutan dari penelitian sebelumnya (Sanabila, 2008) dalam pengenalan sudut wajah dengan konsep yang sama, yaitu data acuan awal memiliki interval tertentu, dibuat data acuan baru menggunakan interpolasi, lalu data uji dihitung jaraknya terhadap semua data acuan, data acuan dengan jarak terdekat merupakan hasil tebakan. Perbedaan dalam penelitian ini adalah penggunaan data rata-rata dan data fuzzy sebagai data acuan, perbedaan dalam PCA yang dilakukan, serta penggunaan control point placement dalam interpolasi Bezier kuadratik. Skema eksperimen dibagi menjadi dua, menggunakan set data yang sama dengan penelitian sebelum ini dan menggunakan set data yang lebih kecil intervalnya. Selain itu, penelitian ini juga mencakup pengenaan distorsi. Kesimpulan dari peneltian ini adalah penggunaan data rata-rata lebih baik daripada data masing-masing foto yang harus dipisahkan berdasarkan kelas wajah terlebih dahulu, penggunaan PCA memberi hasil yang baik, algoritma dengan data fuzzy belum memberi hasil sebaik data rata-rata, pengenaan distorsi kurang mempengaruhi hasil pengenalan algoritma untuk eksperimen yang memakai data rata-rata, dan pemakaian control point placement menghasilkan tingkat pengenalan yang lebih baik untuk eksperimen dengan data rata-rata.

---

This final project is a continuity of previous research about angle estimation with the same main concept: with reference data in some intervals, new reference data with smaller intervals was made with the use of interpolation, and distances between testing data and all reference data was calculated, the reference data with the closest distance was the algorithm?s estimation (Sanabila, 2008). Differences made were the use of average data (crisp data) and fuzzy data for each angle as reference data, differences in PCA algorithm, and the use of control point placement in quadratic bezier interpolation.

Experiment scenarios were divided into two main schemes based on the intervals of the data set, the first one was an experiment scheme with the same data set intervals with previous research and another one was experiment scheme with smaller intervals. Data manipulation with noise addition have also been done in some experiment schemes.

Some of the Conclusions were: use of average data was more efficient than one data for each picture, the use of PCA gave better result than experiments without PCA, experiments with average data gave better result than with fuzzy data, noise addition to data did not effect the recognition rate of the algorithm for experiments with average data (crisp), control point placement gave better result in experiments with average data."