Hasil Pencarian  ::  Simpan CSV :: Kembali

"Maraknya tindakan kriminal yang terjadi akhir-akhir ini menuntut adanya penggunaan kamera pengamatan (CCTV) secara optimal sesuai yang tercantum pada Peraturan Kepala Kepolisian Daerah Metropolitan Jakarta Raya No. 02 Tahun 2005. Agar penggunaan dari CCTV tersebut berjalan secara optimal maka diperlukan sistem pendukung yang dapat membantu dalam hal perolehan data, berupa pergerakan manusia, dalam jumlah besar dan dalam waktu yang singkat. Hal ini diperlukan mengingat bahwa umumnya CCTV tersebut dipasang pada tempat dimana aktivitas manusia yang diamati tergolong banyak dan kompleks, jadi jumlah data yang akan diolah juga cukup banyak. Dalam tugas akhir kali ini akan dikembangkan suatu prototipe sistem yang dapat mengenali berbagai perilaku sederhana manusia. Dengan input yang diperoleh dari video pengamatan terhadap suatu kawasan tertentu, kemudian akan diolah untuk menghasilkan serangkaian informasi berkaitan dengan berbagai perilaku sederhana manusia, seperti berjalan, berlari, maupun berkumpul dengan sesamanya. Proses pengolahannya sendiri melibatkan tiga fase utama, yaitu fase Image Preprocessing (tahap pemrosesan video menjadi sekumpulan frame yang menggambarkan objek-objek yang terekstraksi dari latarnya), Static Fuzzy Expert System Model (fase untuk mengenali jumlah manusia pada suatu kelompok objek pengamatan), dan Dynamic Fuzzy Expert System Model (fase untuk mengenali kecepatan dan arah pergerakan dari setiap objek tersebut). Banyak aplikasi yang nantinya dapat dibentuk dari prototipe ini, contohnya adalah aplikasi untuk melakukan pelacakan jejak bilamana manusia yang diamati melakukan tindakan yang berdampak negatif atau merugikan masyarakat, seperti mencuri. Pengembangan prototipe ini juga berfokus pada uji coba (eksperimen) terhadap berbagai kemungkinan pola tingkah laku sederhana yang terekam video."

"Identifikasi retina merupakan metode identifikasi biometrik dengan tingkat kesalahan rendah melalui pola-pola unik pembuluh darah di bagian belakang retina. Pola-pola ini dapat digunakan sebagai data latih logika neuro fuzzy untuk kemudian digunakan sebagai pembanding pada saat identifikasi dilakukan.Penelitian ini bertujuan untuk mengenali citra retina mata manusia, baik bagian kiri maupun kanan, menggunakan teknik pengolahan citra dan Adaptive Neuro Fuzzy Inference System (ANFIS). Pada proses pengenalan retina ini, citra digital yang sudah diakuisisi akan dicrop dan dibagi menjadi image block berukuran 4x4. Kemudian blok citra dikonversi dari format Red Green Blue (RGB) menjadi format Hue Saturation Value (HSV). Untuk mendapatkan parameter fitur warna HSV, setiap komponen warna HSV dihitung nilai rata-ratanya. Nilai rata-rata HSV dimasukkan ke dalam database dan dilatih dengan ANFIS yang terdiri atas 2 jenis membership function, yaitu Gaussian dan Trapesium dengan 3 input dan 1 ouput.Dari hasil uji coba, hasil identifikasi memiliki tingkat akurasi hingga 65% untuk membership function Trapesium dan 80% untuk membership function Gaussian dengan 60 kali pelatihan ANFIS.

---

Retina identification is a biometric identification method which has very low error rate using a unique blood vessel pattern in the back of the retina. The identification involved an infrared scanned retina imagery which is analyzed using image processing technique to derive the color characteristics and then trained into the Adaptive Neuro Fuzzy Inference System (ANFIS).The objective of this research to identify a person?s identity from his/her retina image. The identification process is started by cropping the digital retina image then transformed into an 4x4 image block. The image block is then converted from Red Green Blue (RGB) color format to the Hue Saturation Value (HSV) format. Each color component of HSV values is then averaged, saved to a database and trained using ANFIS. The Neuro fuzzy used Gaussian and Trapezoid membership function which have 3 input and 1 ouput, respectively.The simulation results showed the identification system has an accuracy rate up to 65% and up to 80%, for Trapezoid and Gaussian membership function, respectively. This results are achieved using 60 training data in the ANFIS."

"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."

"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."

"Dalam skripsi ini akan dibahas dan disimulasikan penerapan sistem inferensi fuzzy berbasis jaringan adaptif untuk menghilangkan komponen pengganggu dalam sinyal yang diterima sehingga informasi yang diinginkan dapat diperoleh. Komponen pengganggu yang dimaksud di sini adalah suatu sinyal lain yang tidak diinginkan yang berasal dari suatu sumber yang diketahu4 yang mengalami perbbaaan setelah melalui suatu jalur dinamik tertentu. Penyaringan dilakukan dengan terlebih dahulu memodelkan jalur dinamik tersebut sehingga komponen pengganggu dapat diestimasikan. Pemodelan jalur dinamik dilakukan dengan mempergunakan sistem inferensi fuzzy Sugeno yang parameternya ditala oleh suatu jaringan adaptif, atau biasa disebut ANFIS (Adaptive Network - based Fuzzy Inference System). Teknik penyaringan dengan ANFIS dapat memberikan hash yang lebih baik dibandingkan dengan teknik penyaringan berdasarkan perbedaan frekuensi. Pendekatan ANFIS dapat diterapkan jika beberapa persyaratan dapat dipenuhi , yaitu sumber informasi tidak berbubungan dengan sumber komponen pengganggu, orde jalur dinamik diketahui dan sumber informasi memiEd rata-rata nol."

"Bagi para pengusaha tempat umum seperti mal, bioskop, dan lainnya, data jumlah pengunjung dibutuhkan untuk berbagai keperluan. Selama ini proses penghitungan pengunjung dilakukan secara manual oleh para petugas yang bersiaga di pintu masuk. Proses penghitungan secara manual rawan akan kesalahan (human error), mengingat petugas tersebut harus siaga sepanjang waktu operasional tempat tersebut. Dalam Tugas Akhir ini, dikembangkan prototipe sistem yang mampu melakukan penghitungan jumlah pengunjung. Sistem ini disebut dengan Sistem Penghitung Pengunjung (SiPP). Sistem tersebut dikembangkan dengan menggunakan dua metode, yaitu metode jarak Euclidian dan metode pengukuran fuzzy. Jarak Euclidian digunakan untuk menjejaki seseorang berdasarkan hasil pengukuran jarak pergerakannya antar dua buah frame. Sementara pengukuran fuzzy menjejaki seseorang berdasarkan nilai derajat kepercayaan. Kedua sistem tersebut telah dibandingkan kinerjanya dari segi akurasi penjejakan objek dan akurasi hasil penghitungan. Berdasarkan hasil eksperimen yang di lakukan dengan masukan berupa video rekaman pada Multimedia Understanding Lab 1237 dan Stasiun UI, baik metode jarak Euclidian maupun metode pengukuran fuzzy memiliki kinerja akurasi yang sama. Metode jarak Euclidian memiliki sedikit keunggulan dari segi waktu komputasi, namun perbedaannya tidak signifikan. Sistem yang di hasilkan dari Tugas Akhir ini dapat digunakan oleh pihak yang me - merlukan data jumlah pengunjung. Untuk penelitian lebih lanjut, sistem ini dapat dikembangkan untuk menghitung objek ? objek lain."

"Telah dilakukan penelitian untuk mengendalikan sistem multi input multi output pada sistem penerangan lampu menggunakan metode fuzzy logic. Adapun penelitian tersebut memiliki karakteristik pengendalian yang multivariable. Dengan pengaruh sistem yang saling mengganggu maka sistem menjadi tidak stabil, sehingga dibutuhkan suatu bilangan decoupler untuk menstabilkan kembali sistem dari keadaan yang saling mempengaruhi. Pembuatan sistem ini dilakukan dalam skala laboratorium agar dapat mengetahui terlebih dahulu mengenai sistem multi input multi output sebelum terjun ke dunia industri yang banyak memakai suatu sistem multi input multi output.

---

Research was conducted to control the multi-input multi system output at lamp lighting system using fuzzy logic. The The research has the characteristics of multivariable control. With the influence of the system that interfere with each other, the system becomes stable, so it is necessary to stabilize the number decoupler back system from a state of mutual influence. Making these systems do at laboratory scale in order to be able to know in advance about the system multi input multi output before plunging into the world of industry that many use a multi-input multi-output system."

"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."

"Seiring dengan makin tingginya tuntutan akan teknologi kendali (kontrol), makin kompleks pula masalah perancangan sistem kendali yang dihadapi para perancang sistem. Hal mi menyebabkan para perancang tersebut semakin dituntut untuk membuat suatu model pengendalian yang dapat menangani masalah yang lebih kompleks. Salah satu masalah pengendalian sistem yang cukup kompleks adalah masalah pengendalian suatu keadaan yang tidak pasti (uncertainty situation). Sedangkan salah satu model pengendalian yang sesuai untuk keadaan seperti itu adalah model pengendalian Fuzzy, yaitu berupa Sistem Inferensi Fuzzy. Skripsi mi membahas tentang. Sistem Inferensi Fuzzy untuk mengatur lebar buka katub karburator dengan tujuan mengefisienkan penggunaan bahan bakar dari kendaraan bermotor yang bersangkutan, dengan menggunakan metode Orthogonal Least Square. Secara garis besar dibahas mengenai model Sistem Inferensi Fuzzy yang digunakan berikut cara kerjanya, cara kerja metode Orthogonal Least Square, dan beberapa teori dasar dan logika Fuzzy yang menjadi dasar Sistem Inferensi Fuzzy."

"Segmentasi merupakan sebuah proses yang penting dilakukan dalam menganalisa suatu citra. Dengan melakukan segmentasi, maka citra tersebut dapat dibagi menjadi beberapa bagian yang lebih sederhana yaitu bagian-bagian yang memiliki karakteristik visual yang serupa seperti warna, gerakan, dan tekstur. Fuzzy c-means (FCM) yang diperkenalkan oleh Dunn dan dikembangkan oleh Jim Bezdek, adalah algoritma yang populer digunakan dalam segmentasi citra karena algoritma ini mudah digunakan dan akurat. Lebih tepatnya, FCM sangatlah efektif digunakan untuk mensegmentasi citra yang tidak memiliki noise. Selain sensitif terhadap noise, FCM juga sensitif terhadap outliers. Berbagai macam metode telah ditemukan untuk mengatasi kelemahan dari algoritma FCM, salah satunya menggunakan metode robust FCM (RFCM). Dari hasil penelitian yang dilakukan, dapat dilihat hasil secara kuantitatifnya lebih baik dibandingkan dengan algoritma-algoritma FCM lain. Hasil percobaan menunjukkan modifikasi RFCM memberikan hasil yang lebih baik terutama untuk data iris.

---

Segmentation is an important process to analyze an image. With image segmentation, an image can be partitioned into several simpler parts, which is parts that have similar visual characteristics like colors, motions, and textures. Fuzzy c-means (FCM) is introduced by Dunn and developed by Jim Bezdek. FCM is a popular algorithm to be used on image segmentation because of its simplicity and accuracy. Moreover, FCM is highly effective to segment image that have no noise. Aside its sensitiveness to noise, FCM is also sensitive to outliers. Several methods are founded to overcome FCM’s weaknesses one of which is using robust FCM method. From research, quantitatively it’s result is better compared to other FCM algorithms. Reseach done shows that modified RFCM gives better result especially for iris data."