Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tulisan ini membahas mengenai pemanfaatan ruang dct logaritma untuk melakukan proses kompensasi iluminasi dan normalisasi terhadap gambar wajah agar didapatkan akurasi pengenalan oleh sistem pengenal wajah yang lebih baik dari sebelumnya. Pertama-tama, gambar wajah akan ditransformasi menuju ruang logaritma baru kemudian menuju ruang dct (menjadi ruang dct logaritma). Pada ruang DCT logaritma akan dieliminasi komponen iluminasi, karena komponen ini bervariasi berdasarkan tingkat penerangan dari gambar, dari gambar wajah sehingga didapatkan nilai iluminasi yang merata di seluruh bagian wajah saat kembali ke ruang logaritma. Proses normalisasi dilakukan dengan menetapkan nilai yang sama pada komponen DC di seluruh gambar wajah, baik data uji maupun data database. Akhirnya, proses kompensasi iluminasi dan normalisasi pada data uji dan data database akan semakin menyerupakan gambar wajah dari orang yang sama dan semakin membedakan gambar wajah dari orangorang yang berbeda. Hasil ini diyakini akan meningkatkan akurasi sistem pengenal wajah.

---

This paper discusses about the using of DCT logarithms space to perform illumination compensation and normalization process of face images to better recognition accuracy obtained by the facial recognition. First, the facial image will be transformed into logarithmic space and then headed for the DCT (the DCT space logarithms). At the DCT logarithm space, illumination components will be eliminated, because these components vary according to level of illumination of the image, to obtain the illumination is evenly distributed over the face when returning to the logarithmic space. Normalization process is done by setting the same value on the DC component in the entire facial image, as well as test data and database data. Finally, the illumination compensation and normalization process on the test data and database data will be increasingly equate facial image of the same people and increasingly differentiate facial images from different people. These results are thought to increase the accuracy of facial recognition systems."

"Backpropagation (BP) memiliki performa yang baik dalam mengklasifikasi citracitra wajah bertingkat iluminasi seragam. Namun untuk citra wajah yang bertingkat iluminasi beragam seperti pada aplikasi kamera pengintai maka BP akan kesulitan dalam mempelajari dan mengenalinya. Skripsi ini menggunakan metode Probabilistic Neural Network Teroptimasi (OPNN) sebagai Sistem Pengenal Wajah untuk spektrum gabungan infra merah dan cahaya tampak dengan intensitas yang berubah-ubah. Skripsi ini juga menggunakan metode Normalisasi dan Kompensasi Iluminasi untuk mengurangi dampak variasi iluminasi pada citra. Hasil penelitian menunjukkan bahwa performa OPNN untuk mengenali wajah akan meningkat jika Data Train yang digunakan berisi citra dengan tingkat iluminasi yang beragam, dimana Tingkat Rekognisi rata-rata OPNN 18.36% lebih tinggi dari BP.

---

Backpropagation (BP) has a good performance in classifying face images with uniform illumination level. But Backpropagation have difficulty in learning and recognizing face images with varied ilumination level such in surveillance camera. This thesis uses Optimized Probabilistic Neural Network (OPNN) method as Face Recognition System for the joint spectrum of infrared and visible light with varying intensity.

This thesis also uses uses Illumination Normalization and Compensation method to reduce the impact of illumination variance on the image. The research shows that OPNN performance to recognize face will increase if Train Data used contains images with varying levels of illumination, which recognition rate of OPNN is 18.36% higher than BP."

"Sistem pengenalan wajah (face recognition system) merupakan salah satu sistem yang dibangun berdasarkan pre-trained model. Sistem ini memanfaatkan teknik biometrik yang menggunakan wajah sebagai pengenalan atau identifikasi seseorang. Implementasi sistem pengenalan wajah dapat diaplikasikan dalam berbagai macam aplikasi seperti sistem absensi untuk mengecek kehadiran, sistem monitoring pengunjung di tempat wisata ataupun tempat-tempat publik, hingga dapat digunakan untuk mengenali tingkah laku seseorang untuk analisis-analisis yang dibutuhkan di berbagai bidang. Dalam penelitian ini, akan diimplementasikan sistem pengenalan wajah untuk sistem absensi menggunakan metode pembelajaran deep learning. Proses training data dan validasi hasil pengenalan wajah akan dibandingkan antara model CNN (Convolutional Neural Network) berarsitektur ResNet-50 dengan VGG16 yang telah dilatih sebelumnya menggunakan dataset Open Data Science (ODSC) untuk mendapatkan model perancangan sistem wajah terbaik. Simulasi real-time dilakukan dengan menggunakan model latih dengan validasi akurasi tertinggi sebesar 98.2%. Model latih yang digunakan dalam simulasi adalah ResNet-50 dengan dataset B sebagai data training serta learning rate sebesar 0.01. Hasil analisis menunjukkan bahwa proses training menggunakan model ResNet-50 jauh lebih ringan dan memberikan hasil model pelatihan dengan validasi akurasi yang lebih tinggi dibanding dengan model VGG16 yang membutuhkan banyak resource selama proses training berlangsung. Pengujian real-time yang dilakukan menunjukkan bahwa model ResNet-50 akan akurat jika memperhatikan beberapa kondisi yang diperlukan seperti jarak deteksi harus 50 hingga 100 cm dari kamera deteksi dan posisi wajah harus lurus menghadap kamera deteksi.

---

The face recognition system is a system that is built based on a pre-trained model. This system utilizes biometric techniques that use the face as an identification or authentication of a person. The facial recognition system can be applied in various applications such as attendance systems to check attendance, visitor monitoring systems at tourist attractions or public places, and to identify a person's behavior for the analyzes needed in various fields. In this study, a facial recognition system will be implemented for the attendance system using deep learning methods. To obtain the best system design, training, and validation of facial recognition results will be compared between the CNN (Convolutional Neural Network) model with the ResNet-50 and VGG16, which has been previously trained using the Open Data Science (ODSC) dataset. Real-time simulations were carried out using a training model with the highest validation accuracy of 98.2%. The training model used in the simulation is ResNet-50 with dataset B as training data and a learning rate of 0.01. The analysis results show that the training process using the ResNet-50 model is much lighter and provides results with higher accuracy validation than the VGG16 model, which requires a lot of resources during the training process. Real-time testing has shown that the ResNet-50 model will be accurate if it considers several conditions, such as the detection distance must be 50 to 100 cm from the detection camera, and the face position must be in a straight facing towards the detection camera."

"Salah satu teknologi yang banyak diaplikasikan untuk mengolah data citra sebagai sumber informasi utama adalah teknologi penginderaan jauh atau remote sensing. Beberapa aplikasi remote sensing menuntut citra yang berkualitas baik, namun dalam ukuran yang lebih kecil mengingat ukurannya yang sangat besar. Kebutuhan inilah yang mendorong berkembangnya teknologi pemampatan citra atau image compression. Skripsi ini membahas tentang teknik kompresi citra gabungan antara prediksi linier antarband (kompresi spektral) dengan transformasi wavelet dan Discrete Cosine Transform (DCT) sebagai kompresi spasial. Jenis transformasi wavelet yang digunakan adalah LS 9/7, CDF 9/7, dan multiwavelet Daubechies 10 (Db10) + LS 9/7. Dari hasil ekperimen data MODIS berukuran 2048 x 2048, dapat disimpulkan rasio kompresi berbanding terbalik dengan nilai PSNR yang dihasilkan, sementara tingkat level dekomposisi sebanding dengan nilai PSNR dengan level ideal 5. Meskipun memiliki PSNR yang tinggi, metode DCT tidak menghasilkan kualitas citra hasil kompresi yang memadai, terbukti dengan rendahnya nilai co-histogram simetri (SCH). Metode kompresi yang paling baik adalah multiwavelet (Db10+LS9/7) karena menghasilkan PSNR yang stabil di atas 50 dB hingga rasio kompresi 100 dengan nilai SCH rata-rata 0.99.

---

An image/picture could contain thousands of information. Remote sensing is a technology which uses an image in the form of satellite imagery as the main source of information. Remote sensing applications require good quality of image, represented by smaller size, since satellite sensors have wide measurement coverage of Earth surface. In this regards, image compression is needed.

This thesis report covered image compression techniques using combination of interband prediction (as spectral compression) and discrete cosine transform (DCT) and wavelet transform (as spatial compression). Several wavelet transforms are applied in the experiment, such as LS 9/7, CDF 9/7, and multi-wavelet Daubechies 10 (Db10) + LS 9/7.

The experiment results showed that the higher the compression ratio, the smaller PSNR values. This applies to all four methods of compression which were tested in this study. The higher level of decomposition of wavelet transformation, resulted in better PSNR. While the ideal level of decomposition for wavelet transformation is level 5. Even the DCT method resulted in high PSNR, but the quality of compression image is poor, which is shown in low Symmetrical Co-Histogram (SCH) value. The best result was obtained by combined method (Db10+LS9/7) which resulted in high PSNR (up to 50 dB), high compression ratio (up to 100), and average SCH values of 0.99."

"Salah satu perkembangan dari teknologi terbaru adalah pengenalan wajah. Pengenalan wajah pada dasarnya dilakukan berdasarkan asumsi bahwa setiap individu memiliki identitas unik. Tetapi pada kenyataannya, akan ada individu yang memiliki wajah mirip dengan individu lainnya. Penelitian ini dilakukan untuk mendeteksi individu-individu yang mirip tersebut. Metode machine learning yang digunakan adalah Support Vector Machine dan Fuzzy Kernel C-Means dengan dua jenis kernel. Metode pemilihan fitur Chi-Square juga akan digunakan untuk mereduksi dimensi data sehingga waktu yang dibutuhkan lebih cepat. Data yang digunakan adalah data foto wajah yang diambil dari Look-Alike Face Database. Hasil yang diperoleh memperlihatkan bahwa kedua metode machine learning tersebut mampu untuk melakukan pengenalan wajah pada identifikasi kemiripan, dengan akurasi tertinggi yang diperoleh SVM sebesar 94 dan FKCM sebesar 74.

---

One of the latest technology developments is face recognition. Face recognition is basically done on the assumption that each individual has a unique identity. But in reality, there will be individuals who have faces similar to other individuals. This research was conducted to identify look alike faces. The machine learning methods used are Support Vector Machine and Fuzzy Kernel C Means with two types of kernel. The Chi Square feature selection method was also used to reduce the dimension of the data in order to achive lower running time. The data used are face photos taken from Look Alike Face Database. The results show that both machine learning methods were able to perform face recognition on identification of look alike faces, with the highest accuracy obtained by SVM is 94 and FKCM is 74 ."

"Pada era digital ini, teknologi informasi dan komunikasi berkembang pesat dan berpengaruh signifikan dalam berbagai aspek kehidupan, termasuk keamanan dan pengenalan identitas. Salah satu penerapan teknologi yang menonjol adalah sistem deteksi dan pengenalan wajah yang digunakan di berbagai tempat yang memerlukan keamanan ekstra. Penelitian ini bertujuan untuk mengembangkan sistem deteksi dan pengenalan wajah menggunakan arsitektur ResNet dan perangkat ESP-32, dengan fokus pada implementasi dan evaluasi efektivitas sistem tersebut dalam meningkatkan keamanan.Metode yang digunakan dalam penelitian ini meliputi penggunaan ResNet-50 untuk pengenalan wajah dan Cascade Classifier untuk deteksi wajah. Data yang digunakan untuk pelatihan model diperoleh melalui proses augmentasi data untuk meningkatkan variasi dan jumlah sampel. Sistem ini diimplementasikan menggunakan perangkat keras ESP-32 dan perangkat lunak MATLAB, serta diuji pada lingkungan nyata untuk mengevaluasi kinerjanya.Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu mendeteksi dan mengenali wajah dengan akurasi tinggi. Integrasi sistem dengan infrastruktur keamanan yang ada juga memungkinkan peningkatan perlindungan terhadap data dan perangkat keras. Dengan demikian, penelitian ini berhasil menunjukkan bahwa teknologi deteksi dan pengenalan wajah dapat memberikan solusi efektif untuk meningkatkan keamanan di berbagai tempat.

---

In this digital era, information and communication technology has developed rapidly, significantly impacting various aspects of life, including security and identity recognition. One notable application of this technology is the facial detection and recognition system used in various high-security areas. This research aims to develop a facial detection and recognition system using ResNet architecture and ESP-32, focusing on the implementation and evaluation of the system's effectiveness in enhancing security.

The methods used in this study include employing ResNet-50 for facial recognition and Cascade Classifier for facial detection. The data used for model training were obtained through data augmentation processes to increase the variation and number of samples. The system was implemented using ESP-32 hardware and MATLAB software, and tested in real-world environments to evaluate its performance.

The results of the study indicate that the developed system can detect and recognize faces with high accuracy. The system's integration with existing security infrastructure also allows for enhanced protection of data and hardware. Thus, this research successfully demonstrates that facial detection and recognition technology can provide effective solutions for improving security in various locations."

"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."

"Penggunaan pin dan password bahkan token sudah dianggap ketinggalan zaman sehingga negara berkembang banyak mengembangkan metode transaksi berbasis biometrik. Biometrik yang merupakan karakterisitik biologis yang banyak digunakan saat ini adalah mata, wajah, dan sidik jari. Wajah dan sidik jari dalam kondisi tertentu dapat berubah dan tidak dapat dikenali oleh sebab itu mata atau tepatnya iris adalah pilihan yang tepat untuk digunakan untuk metode autentikasi mengingat mata manusia tidak mudah berubah. Tugas akhir ini berfokus pada pengembangan sistem yang sudah ada sebelumnya mengenai autentikasi menggunakan metode lokalisasi dan normalisasi half-polar pada iris mata. Pengembangan yang dilakukan adalah agar pengenalan dapat lebih akurat dan cepat menggunakan metode segementasi mata dan normalisasi yang berbeda dengan metode half-polar serta membuat pengenalan dapat dilakukan pada mata kiri dan kanan secara bersamaan mengingat Iris pattern pada kedua mata manusia berbeda. Metode-metode segmentasi iris yang diajukan adalah Zeta-v1, Zeta-v2, Zeta-v3, Zeta-v4, Zeta-v5, Zeta-v6 dan Zeta-v7. Hasil pengujian terbaik dari segi performa waktu ditunjukkan oleh metode Zeta-v7 dengan rata-rata 0.0138427 detik. Hasil Pengujian terbaik dari segi akurasi sistem adalah Zeta-v1, dengan persentase penolakan yang salah bernilai 100 dan persentase penerimaan yang benar bernilai 94,90.

---

The use of pin and password and even tokens is considered outdated, so many countries develop biometric based transaction methods. Biometrics which are the most widely used biological characteristics are the eye, face, and fingerprint. The faces and fingerprints in certain conditions can change and can not be recognized. The eye or precisely the iris is the right choice to use for authentication methods considering that the human rsquo s eye is not easily changed.

This final assignment focuses on the development of previous systems of authentication using localization methods and half polar Normalization of the iris. Development is performed to make the recognition more accurate dan faster while using different eye segmentation and Normalization methods. The recognition methods can be used for left and right eyes considering both eyes in human have different iris pattern.

The proposed iris segmentation methods are Zeta v1, Zeta v2, Zeta v3, Zeta v4, Zeta v5, Zeta v6 dan Zeta v7. The best test result based on time performance presented by the Zeta v7 segmentation which shows the average time performance 0.0138427 seconds. The best result based on accuracy presented by Zeta v1 which show the percentage of wrong rejection 100 and percentage of right acceptance 94,90."

"Sistem bio-metrik merupakan sistem identifikasi identitas berbasis karakteristik biologis pada manusia seperti wajah, sidik jari, dan iris mata. Iris mata merupakan salah satu karakteristik yang memiliki tingkat reliabilitas tinggi untuk identifikasi seseorang. Pengembangan sistem pengenalan iris mata dengan performa kecepatan dan akurasi yang baik masih terbilang sedikit. Perancangan sistem dengan metode Half Polar Iris Localization dan Normalization bertujuan untuk meningkatkan performa proses segmentasi iris mata. Akurasi dari fungsi lokalisasi dan normalisasi iris pada dataset CASIA-IrisV1 sebesar 95,68 dan performa pengenalan dengan nilai batas Hamming distance sebesar 0.42 memiliki tingkat penolakan sebesar 100 dan tingkat penerimaan sebesar 83,17.

---

Biometric systems is an identification for identity systems based on biological characteristics in humans such as face, fingerprint, dan iris. Iris is one characteristic that has high degree of reliability for the identification of a person. Development of open source iris recognition system with great accuracy and performance is still small. System design with Half Polar Iris Localization and Normalization method aims to increase performance of iris segmentation process. Accuracy of localization and normalization function with CASIA IrisV1 dataset is 95.68 and recognition performance with Hamming distance threshold value of 0.42 has 100 of rejection rate and 93.17 of acceptance rate."

"ABSTRAKKepentingan publik merupakan klaim dengan dua sisi. Pemerintah kerap menggunakannya untuk menerapkan program perencanan ruang tanpa konsen dari masyarakat terdampak. Di sisi lainnya, masyarakat juga menggunakan dalil kepentingan publik untuk membela haknya yang terdampak. Gagasan keadilan spasial lahir dari tradisi intelektual yang memiliki kesadaran tinggi akan parahnya ketidakadilan di ruang-ruang urban dan demikian menuntut rekonsepsi radikal terhadap ruang, pemerintahan, dan penataan ruang. Tradisi intelektual yang paling berpengaruh dalam keadilan spasial adalah Ruang Publik dari Habermas, Hak atas Kota dari Harvey, dan Produksi Ruang dari Lefebvre yang menekankan pada partisipasi publik yang aktif dalam pembentukan kebijakan urban khususnya pelibatan dari kelompok yang termarjinalkan karena mengalami ketidaksetaraan yang diciptakan oleh kebijakan-kebijakan urban yang tidak berkeadilan.

---

ABSTRACTThe idea of public interest in spatial planning is two fold. The government often uses it to enforce spatial plan program without the consent of the affected groups. On the other hand, the affected groups also use it as their defense to protect their damaged rights. The idea of spatial justice is derived from progressive intellectual tradition that is highly aware of the severeness of injustice in urban spaces and hence demands radical reconception of spaces, governance, and spatial planning. Most influential intellectual tradition in spatial justice are Habermas lsquo Public Sphere, Harvey lsquo s Right to The City, and Lefebvre lsquo s Production of Space which emphasize on active public participation in urban policy making especially for the marginalized groups who experience exacerbated inequality the long standing urban policies have produced."