Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kanker payudara merupakan salah satu jenis kanker yang ganas, deteksi yang lebih awal akan membantu penyembuhan yang lebih baik. Terkait dengan penegakan diagnosis yang akurat pada kanker payudara, salah satu metode dalam bidang patologi adalah analisis imunohistokimia. Salah satu prosedur dalam analisis imunohistokimia adalah menghitung positifitas antigen yang dilakukan dengan menghitung prosentase sel positif dan negatif pada suatu paparan. Selama ini perhitungan positifitas pulasan masih dilakukan secara manual karena pengamatan morfologi imunohistokimia merupakan hal yang penting disamping keterbatasan perangkat bantu yang ada. Proses perhitungan secara manual membutuhkan waktu 5-10 menit dengan akurasi subjektif. Oleh sebab itu, pembuatan perangkat penentu positifitas antigen yang dapat melakukan penghitungan dengan cepat, objektif dan akurasi tinggi sangat penting untuk meningkatkan kualitas diagnosis dokter. Dalam rangka membangun perangkat penentu positifitas antigen tersebut salah satu modul yang harus dipecahkan adalah segmentasi, yaitu bagaimana cara memisahkan bagian citra yang berisi sel positif, negatif dan background. Terdapat dua pendekatan segmentasi yang dapat dilakukan, pertama pendekatan crisp yang diwakili double thresholding dan pendekatan fuzzy yang diwakili oleh fuzzy morphologi. Kinerja dari fuzzy morphologi dan double thresholding telah dibandingkan dalam melakukan segmentasi pulasan imunohistokimia pada citra sel positif kanker payudara. Secara keseluruhan hasil segmentasi dari fuzzy morphologi lebih baik daripada double thresholding kerena tingkat akurasi pendeteksian sel kankernya lebih tinggi dibandingkan dengan metode double thresholding.

---

Breast cancer is one type of malignant cancer and the preventif detection will help to get better cure. Related to an accurate diagnosis of breast cancer. One of the methods in pathology is immunohistochemistry analysis. One of the procedures in analyzing immunohistochemistry is by counting antigen which is done by counting the precentage of positive and negative cells in an image. So far the counting of positivity of the stain is still being done manually. It happens because the observation of the morphology of immunohistochemistry is important and because of the unsufficient equipment. The manual process of counting needs 5- 10 minutes with subjective acuracy. So the making of the equipment to determine the antigen positivity which can calculate fast, objectively, and with most accuracy is very important to improve the quality of the doctor?s diagnosis. In making the equipment to determine the antigen positivity, one of the moduls which has to be solved is segmentation; how to seperate the image which contains the positive and negative cells and background. There are two segmentation approaches which can be done. First is crisp approaches which is represented by double thresholding and the fuzzy approaches which is represented by the fuzzy morphology. The performance of the fuzzy morphology has been compared with the double thresholding in doing segmentation of the image of immunohistochemistry stain positive cells in breast cancer. The general result of the fuzzy morphology is better than the double thresholding because it can make more accurate detection than the double thresholding method."

"Pemetaan suatu citra gambar dari long range CCTV kepada koordinat nyata pada peta merupakan hal yang baru. Pengetahuan ini dapat digunakan dalam berbagai macam keperluan seperti : peletakan kamera CCTV pada ujung ? ujung daerah perkotaan untuk pendeteksian bencana (kebakaran, pencurian, dll). Pada penulisan laporan ini, penulis akan mencoba suatu metode pemetaan citra kepada koordinat nyata. Koordinat nyata tersebut bukanlah suatu koordinat x,y,z pada permukaan geografis melainkan koordinat pixel citra satelit yang mengambil gambar perkotaan tersebut. Input yang digunakan dalam metode ini adalah sudut pemotretan CCTV terhadap objek yang digunakan. Sudut yang dibentuk tersebut dapat berubah-ubah dan mengandung banyak ketidakpastian (uncertainty). Untuk mengatasi permasalahan tersebut maka penulis menggunakan logika fuzzy dalam memasukkan input sudut pemotretan. Sistem ini diujikan dengan data hasil simulasi percobaan. Pengembangan sistem ini dapat diarahkan kepada pemetaan pada permukaan geografis.Image mapping from long range CCTV to real coordinate in map is an unordinary knowledge. This knowledge can be applied to many uses such as : set up a CCTV camera in the end of city to detect a disaster (fire, robbery, etc). In this final year project, the writer triesnto implement a new method to mapped an image from CCTV image to real coordinate. the real coordinate that is mentioned is not a X, Y, Z coordinate in land surface but pixel coordinate in satellite image that pictured the city. Angle that has been made between CCTV with the object is an input to the system. The problem is it is dynamic and has many uncertainty. To solved the problem, the writer use fuzzy logic within an angle. This system is tested with simulation data, it also can be developed to the land surface mapping."

"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."

"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."

"Tesis ini membahas simulasi pengendalian suhu menggunakan logika Fuzzy pada proses pembiusan udang. Tujuan pengendalian adalah penurunan suhu udang dalam box secara bertahap sampai temperatur 15 °C Pada temperatur 15°C dijaga suhunya konstan selama 10 menit. Pemodelan proses pendinginan dilakukan berdasarkan pada perpindahan panas antara air pendingin dengan box berisi udang yang akan diproses, dengan memasukan pengaruh perubahan entalpi udang terhadap temperatur. Model yang diperoleh disimulasikan dengan SIMULlNK pada Matlab 4.2. Pengendalian dilakukan dengan pengendali Logika Fuzzy, fungsi keanggotaan dan kaidah-kaidah yang digunakan dibentuk berdasarkan keperluan proses pendinginan yang diinginkan . Disini digunakan tujuh buah Fungsi keanggotaan berbentuk segitiga dan menggunakan lnferensi Fuzzy dari Mamdani, yang membentuk 23 kaidah pengendali Fuzzy. Dari hasil simulasi ternyata tujuan pengendalian tersebut dapat dicapai."

"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."

"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."

"Dalam skripsi ini bahas mengenai pengendalian perangkat listrik yang ada dirumah dengan menggunakan metode logika fuzzy. Pengendalian perangkat listrik di rumah ini mencangkup fungsi-fungsi otomatisasi rumah (home automation) berdasarkan masukan-masukan dari sensor-sensor yang ada. Dari masukan-masukan tersebut diolah dengan menggunakan logika fuzzy, sehingga dihasilkan keluaran yang sesuai dengan kebutuhan pengguna. Untuk mengimplementasikan rancangan, dibuat prototype sistem otomatisasi rumah untuk obyek pengendalian berupa lampu-lampu penerangan rumah dan top kontak yang dikendalikan melalui relay-relay. Sebagai alat bantu, digunakan perangkat lunak fuzzy TECH 5.12 Professional untuk melakukan simulasi sistem. Sedangkan perangkat keras pengendali menggunakan rangkaian elektronik berbasis mikrokontroler AVR AT mega 16. Dengan prototype tersebut dilaksanakan ujicoba dan analisis terhadap pengendalian langsung dan pengendalian dengan masukan sensor. Ujicoba yang dilakukan telah memberikan hasil yang memuaskan. Pada mode pengendalian otomatis, sistem dapat melakukan tindakan sesuai dengan masukan dari sensor-sensor. Begitu pula pada mode pengendalian manual, sistem dapat melaksanakan pengendalian sesuai dengan perintah dari pengguna."