Hasil Pencarian  ::  Simpan CSV :: Kembali

"Sidik jari biasanya digunakan sebagai identitas pribadi seseorang. Dalam proses pengenalan sidik jari seseorang, umumnya sidik jari dicocokkan dengan basis data yang memuat sangat banyak data sidik jari. Oleh karena itu untuk mengurangi waktu pencocokkan dan perhitungan yang kompleks pada proses penenalan sidik jari, dilakukan proses yang disebut klasifikasi sidik jari. Klasifikasi sidik jari adalah cara menentukan sebuah sidik jari masuk kedalam suatu kelas tertentu. Karakteristik sidik jari yang digunakan dalam klasifikasi sidik jari dengan menggunakan teori graf pada tesis ini adalah gambar berarah. Proses klasifikasi dimulai dengan pembentukkan graf terhubung berdasarkan gambar berarah yang telah disegmentasi berdasarkan arah yang sama. Dari graf terhubung dibangun sebuah graf yang lebih ringkas tetapi tetap memuat informasi dari graf terhubung, graf tersebut diberi nama super graf terhubung.Pada basis data yang terdiri dari beberapa kelas sidik jari, dari masing-masing kelas diambil satu sidik jari sampel. Sidik jari sampel ini disebut model sidik jari dari tiap-tiap kelas sidik jari. Kemudian untuk proses pencocokkan dan klasifikasi, super graf dari sidik jari yang diteliti dan sidik jari model dari tiap-tiap kelas dibandingkan dengan menggunakan cost function. Kelas yang mempunyai nilai cost function minimum, akan menjadi kelas yang dipilih sebagai kelas dari sidik jari yang diteliti. Pada tesis ini dijelaskan proses pembentukkan super graf terhubung dari suatu gambar beararah.

---

Fingerprint is usually used as a private identity. In identifying process of someone?s fingerprint, generally, fingerprint is matched by the data base which contains many fingerprint data. Therefore, to reduce the complex matching and counting time in identifying fingerprint, we can do a process which is called fingerprint classification. Fingerprint classification is a way to show that a fingerprint is classified into one class. Fingerprint character which is used in classifying fingerprint using graph theory in this thesis is directional image. Classification process is begun by forming related graph based on directional image which has been segmented by the same direction. Related graph is built a shorter graph which contains information from connected graph which is called super graph related.In database which consists of some fingerprints, from each class is taken one sample of fingerprint. This sample of fingerprint is called fingerprint model of each fingerprint classification. In matching and classifying process, the elaborated super graph and fingerprint model of each class are matched by using cost function. The class which has minimum cost function value will be the chosen class as elaborated fingerprint class. This thesis gives an explanation on how to construct super connected graph from a directional image."

"Smart campus telah menjadi salah satu tren teknologi yang diterapkan di berbagai universitas. Salah satu layanan yang dihasilkan dari smart campus adalah layanan berbasis lokasi (LBS) yang dapat digunakan untuk berbagai kegunaan, seperti navigasi indoor. Implementasi LBS memerlukan teknologi indoor positioning system (IPS) agar dapat menentukan posisi seseorang secara akurat dalam lingkup suatu gedung atau ruangan (indoor). Salah satu metode yang populer digunakan dalam IPS adalah fingerprinting dengan teknik mengukur received signal strength indicator (RSSI) dan menggunakan teknologi penunjang Wi-Fi. Metode fingerprinting terdiri dari dua tahap, yaitu tahap pengumpulan data fingerprint (tahap offline) dan prediksi (tahap online). Proses pengumpulan fingerprint untuk tahap offline memiliki overhead yang sangat tinggi. Pada penelitian ini, tim penulis mengemukakan IPS berbasis semi-autonomous fingerprint collection untuk mengatasi overhead yang sangat tinggi tersebut dengan menerapkan konsep smart campus. Hasil evaluasi menunjukkan bahwa IPS yang dikembangkan dapat mengurangi overhead pengumpulan fingerprint manual sebanyak 550.550 data fingerprint, dengan tingkat accuracy IPS sebesar 52%. Dengan data training yang lebih banyak dan bervariasi yang digunakan untuk melatih model machine learning, hasil eksperimen menunjukkan bahwa performa IPS semi-autonomous fingerprint collection mampu bersaing dengan IPS manual fingerprint collection.

---

Smart campus has become one of the technology trends applied in various universities. One of the services that arose due to smart campus is location-based service (LBS) which can be used for various purposes, such as indoor navigation. The implementation of LBS requires indoor positioning system (IPS) technology that determines a person's position accurately within the scope of a building or room (indoor). One of the popular methods used in IPS is fingerprinting by measuring received signal strength indicator (RSSI) and with the help of Wi-Fi technology. The fingerprinting method consists of two stages, namely the fingerprint data collection stage (offline stage) and the prediction stage (online stage). The fingerprint collection process for the offline stage has a very high overhead. In this research, the author team proposes a semi-autonomous fingerprint collection-based IPS to overcome the very high overhead using smart campus. The evaluation results show that the developed IPS can reduce the overhead of manual fingerprint collection by 550,550 fingerprint data, with an IPS accuracy level of 52%. With larger amount and more varied training data used to train the machine learning model, the experimental results show that the performance of the semi-autonomous fingerprint collection IPS can compete with the manual fingerprint collection IPS."

"ABSTRAKTeknologi elektronika dalam bidang sensor sidik jari telah banyak macam pengembangannya , salah satunya adalah sensor sidik jari yang memanfaatkan efek kapasitansi dari MOS untuk dapat mendeteksi bentuk sidik jari manusia. Secara umurn prinsip kerjanya adalah dengan memanfaatkan kapasitansi sistem MOS yang bekerja berdasarkan tegangan gerbang (gate voltage). Maka apabila pencatuan tegangan gerbang kita ganti dengan sidik jari manusia yang selalu mempunyai ridge (bukit) dan valley-nya (Iembah) maka nilai kapasitansi yang terjadi pada sistem MOS akan tidak sama nilainya. Biia sensor tepat dikenai pleb pola unique ridge dari sidik jari maka kapasitansi yang terjadi tepat dicatu pleb arus listrik tubuh manusia, dan apabila tepat dikenai pleb pola unique valley-nya berarti dielektrik udara mempengaruhi nilai kapasitansi yang terjadi.Pada tulisan ini akan disampaikan analisa sensor sidik jari melalui basil simulasi untuk mendapatkan nitai kapasitansi sebagai fungsi dari sidik jari (ridge dan valley) yaitu: C f(ridge) + f(valley) + c ; dengan c adalah konstanta fixed parasitic capacitance dan nilai Vsens ^ f(Q)/f(C); dengan Q adalah besaran muatan listrik. Selain itu diperlihatkan basil simulasi berupa grafik fungsi kapasitansinya dan juga analisa mengenai keakuratan sensor sidik jari yang dibahas dibandingkan dengan referensi.Dengan hasil dari simulasi dan analisa yang dibahas daiam tulisan ini didapat basil peningkatan keakuratan sensor sebanyak 2,5 kali dari referensi[2] yang digunakan dilihat dan tegangan output (Vsens) yang dihasilkan.

---

"

"ABSTRAKUntuk pertama kalinya, bangsa Indonesia memilih presiden dan wakil presiden secara langsung pada 5 Juli 2004. Salah satu penunjang dalam penyelenggaraan pemilu ialah tinta sidik jari. Analisis komponen tinta sidik jari penting dilakukan untuk menjamin bahwa tinta sidik jari yang dihasilkan sesuai dengan spesifikasi yang telah ditetapkan dan aman untuk digunakan. Dalam penelitian ini telah dilakukan analisis komponen dalam tinta sidik jari dengan metode Kromatografi Lapis Tipis (KLT)-Densitometri untuk kurkumin. Metode spektrofotometri UV-Vis untuk metil violet dan metode titrasi argentometri untuk perak nitrat, kadar rata-rata perak nitrat yang diperoleh dengan penghilangan warna adalah 3,88% dan dengan menggunakan tanur 3,83%. Uji keterulangan kurkumin dengan metode KLT-Densitometri diperoleh koefisien variasi lebih dari 2% pada 200 ppm dan kurang dari 2% pada konsentrasi 400 ppm dan 600 ppm, kadar rata-rata kurkumin diperoleh sebesar 0,44 %. Uji keterulangan metil violet dengan metode spektrofotometri UV-Vis mempunyai koefisien variasi kurang dari 2%, kadar rata-rata metil violet diperoleh kadar sebesar 0,75 %.

---

ABSTRACTFor the first time in our election history, we have choose the president and the vice president directly on Juli 5th 2004. The most important material to support the election process is indelible election ink. Analysis components is important to make sure that the indelible election ink is available with the specification and safe to use. This research had done to analyse the component that contained in the indelible election ink, with several methods such as thin layer chromatography-densitometry for curcumin, spectrophotometry UV-Vis for methyl violet and argentometry titration for silver nitrate, mean determination of silver nitrate with colourless method is 3.88% and 3.83% with tanur. By using TLC-densitometry the precision higher than 2% in 200 ppm and lower than 2% in 400 and 600 ppm, mean determination of curcumin is 0.44%. The precision of methyl violet with spectrophotometry UV-Vis lower than 2%, mean determination of methyl violet is 0.75%."

"ABSTRAKDalam bidang kriminal, pengenalan sidik jari membutuhkan banyak waktu dan tenaga, karena itu Lerbagai cara otomatisasi dilakukan untuk mempermudah serta mempercepat proses pengenalan sidik jari tersebut. Salah satu teknik otomatisasi untuk pengenalan sidik jari ini adalah dengan menggunakan komputer dan pemanfaatan aplikasi dad jaringan saraf buatan.Dalam skripsi ini digunakan proses otomatisasi dengan menggunakan gabungan dari proses-proses pengolahan citra dan jaringan saraf buatan. Citra sidik jari hasil scanning diolah dan diproses sehingga didapatkan ciri-ciri sidik jari bersangkutan, berupa kode arah rata-rata dan jumlah bifurkasi. Ciri-ciri ini kcmudian dimasukkan ke dalam suatu sistem jaringan saraf buatan untuk- proses pelatihan sehingga jaringan saraf tersebut dapat digunakan sebagai standar pembanding untuk proses identifikasi.Jaringan saraf yang dirancang dan diterapkan dalam skripsi ini adalah salah satu dari topologi jaringan saraf mulliiayer dengan algoritma pelatihan propagasi balik, karena dari hasil yang diperoleh telah menunjukkan proses pengenalan yang cukup akurat dan memakan waktu yang singkat.

---

"

"Sidik jari merupakan salah satu bagian tubuh manusia yang unik, artinya mempunyai karakteristik tertentu yang dapat diberdakan. Pengenalan sidik jari (fingerprint recognition) menggunakan pola bukit (ridge) dan lembah (valley) pada sidik jari. Ada 2 struktur sidik jari yang dapat diambil untuk pengenalan, yaitu struktur lokal dan struktur global. Pada pengenalan sidik jari dengan menggunakan struktur global, perlu dicari letak titik referensi yang merupakan titik pusat (core point) dari pola sidik jari. Titik ini akan digunakan sebagai titik referensi untuk tahap pengolahan citra sidik jari berikutnya. Jika sistem melakukan kesalahan pendeteksian titik referensi tersebut, maka sistem pengenalan sidik jari akan gagal melakukan proses pencocokan (matching). Sistem pengenalan sidik jari berdasarkan struktur global menggunakan set filter Gabor untuk mengekstrak sidik jari dengan pola orientasi bukit tertentu. Sistem ini juga dikenal sebagai pengenalan sidik jari berbasiskan Filterbank. Hasil dari pemfilteran dengan filter Gabor dihitung rata-rata deviasi mutlaknya untuk mendapatkan feature yang dijadikan template. Pengujian dilakukan dengan menguji sidik jari yang berasal dari Unibo dan Neurotechnologija. Berdasarkan hasil pengujian, untuk database Unibo diperoleh FMR sebesar 2,143 %, 2,143 % dan 2,857 % serta FNMR sebesar 13,571 %, 11,428 % dan 7,857 %. Untuk database Neurotechnologija diperoleh FMR 0 %, 1,086 % dan 3,260 % serta FNMR sebesar 27,173 %, 16,204 % dan 13,043 %. Masing-masing berurutan untuk threshold sebesar 1000, 1100 dan 1200. Hasil sistem pengenalan sidik jari ini cukup memuaskan untuk dapat diaplikasikan pada sisem pengamanan."

"Pada tulisan ini akan dibahas mengenai sebuah skema dalam kriptografi visual. Skema kriptografi visual ini menggunakan lebih dari satu buah gambar rahasia. Diberikan sembarang graf sederhana dan tidak berarah G=(V,E) yang berfungsi sebagai struktur akses untuk skema kriptografi visual ini, dimana setiap simpul dan setiap busurnya diberikan sembarang gambar. Gambar pada simpulsimpulnya bersifat publik(umum) dan gambar-gambar pada tiap busurnya bersifat rahasia. Gambar pada simpul disebut gambar share. Permasalahannya adalah bagaimana cara menyusun konstruksi gambar agar gambar share dari dua simpul yang bertetangga jika ditumpuk maka akan terlihat gambar rahasia yang berkorespondensi dengan busur pada dua simpul tersebut."

"Untuk mencari asal minyak bumi yang mencemari suatu perairan laut atau pantai telah dikenal suatu metode yang disebut dengan sidik jari minyak bumi Prinsip kerja metode ini adalah mencocokkan parameter-parameter sidik jari dari minyak bumi tersangka dengan minyak bumi yang diidentifikasi bila harga parameter-parameter sidik jari dari kedua minyak bumi tersebut sama maka minyak bumi itupun berasal dari tempat yang sama Dalam penelitian ini didapatkan parameter-palameter sidik jari minyak bumi, yakni harga perbandingan komposisi pristen fiten, nc17 pristen, dan nc18 fiten dengan metode kromatografi gas, harga perbandingan absorbans pada bilangan gelombang 1600 cm-1 1375 em -l 810 cm - 1 720 cm - 1 dan 1600 cm-1 720 cm-l dengan metode spektrometr inframerah, harga kandungan poliaromatik hidrokarbon dalam minyak bumi. dengan metode fluorometri Dalam penelitian ini juga dapat diterangkan peristiwa pelapukan minyak bumi. yang mencakup penguapan, pelarutan, dan oksidasi."