Hasil Pencarian  ::  Simpan CSV :: Kembali

"Triangle's checking in 3D faceted models is an essential step in gouging detection and elimination process. To check whether model surface intersects the tool, every triangle in the model has to be checked. Unfortunately, this process takes much time. Since the computer can't see and doesn't know which triangles located under the current tool position, then the triangles all over the surface model should be checked. To reduce the time, region checking at every position of tool has to be detected. Triangles that have to be checked are only in that region. The way of creating the region can be done by bucketing. Bucketing process will make some buckets as representation of regions and each bucket will be filled with triangles that lie in the corresponding region. There are several bucketing methods. This paper will explain all methods which have been implemented in the research.

---

Pengecekan segitiga dalam model 3 dimensi berfaset merupakan tahapan penting dalam deteksi gouging dan proses eliminasi. Untuk mengecek apakah permukaan model bersinggungan dengan alat, setiap segitiga pada model harus diperiksa. Akan tetapi, proses ini membutuhkan waktu yang lama. Segitiga-segitiga pada seluruh permukaan model harus diperiksa karena komputer tidak dapat melihat dan tidak mengetahui segitiga mana yang terletak di bawah posisi alat saat ini. Untuk mengurangi konsumsi waktu, pengecekan wilayah pada setiap posisi alat harus dapat dideteksi. Segitiga yang harus diperiksa adalah hanya yang berada pada wilayah tersebut. Cara yang dapat dilakukan untuk menetapkan wilayah adalah dengan menggunakan bucketing. Proses bucketing akan membuat beberapa bucket sebagai representasi dari beberapa wilayah dan setiap bucket akan diisi dengan segittiga yang terletak pada wilayah terkait. Terdapat beberapa metode bucketing. Paper ini akan menjelaskan semua metode yang telah diimplementasikan di dalam riset."

"Pengecekan segitiga dalam model 3 dimensi berfaset merupakan tahapan penting dalam deteksi gouging dan proses eliminasi. Untuk mengecek apakah permukaan model bersinggungan dengan alat, setiap segitiga pada model harus diperiksa. Akan tetapi, proses ini membutuhkan waktu yang lama. Segitiga-segitiga pada seluruh permukaan model harus diperiksa karena komputer tidak dapat melihat dan tidak mengetahui segitiga mana yang terletak di bawah posisi alat saat ini. Untuk mengurangi konsumsi waktu, pengecekan wilayah pada setiap posisi alat harus dapat dideteksi. Segitiga yang harus diperiksa adalah hanya yang berada pada wilayah tersebut. Cara yang dapat dilakukan untuk menetapkan wilayah adalah dengan menggunakan bucketing. Proses bucketing akan membuat beberapa bucket sebagai representasi dari beberapa wilayah dan setiap bucket akan diisi dengan segittiga yang terletak pada wilayah terkait. Terdapat beberapa metode bucketing. Paper ini akan menjelaskan semua metode yang telah diimplementasikan di dalam riset.

---

AbstractTriangle?s checking in 3D faceted models is an essential step in gouging detection and elimination process. To check whether model surface intersects the tool, every triangle in the model has to be checked. Unfortunately, this process takes much time. Since the computer can?t see and doesn?t know which triangles located under the current tool position, then the triangles all over the surface model should be checked. To reduce the time, region checking at every position of tool has to be detected. Triangles that have to be checked are only in that region. The way of creating the region can be done by bucketing. Bucketing process will make some buckets as representation of regions and each bucket will be filled with triangles that lie in the corresponding region. There are several bucketing methods. This paper will explain all methods which have been implemented in the research. "

"Ant Colony Optimization (ACO) is a nature-inspired optimization algorithm which is motivated by ants foraging behavior. Due to its favorable advantages, ACO has been widely used to solve several NP-hard problems, including edge detection. Since ACO initially distributes ants at random, it may cause imbalance ant distribution which later affects path discovery process. In this paper an adaptive ACO is proposed to optimize edge detection by adaptively distributing ant according to gradient ana-lysis. Ants are adaptively distributed according to gradient ratio of each image regions. Region which has bigger gradient ratio, will have bigger number of ant distribution. Experiments are conducted using images from various datasets. Precision and recall are used to quantitatively evaluate perfor-mance of the proposed algorithm. Precision and recall of adaptive ACO reaches 76.98% and 96.8%. Whereas highest precision and recall for standard ACO are 69.74% and 74.85%. Experimental results show that the adaptive ACO outperforms standard ACO which randomly distributes ants.

---

Ant Colony Optimization (ACO) merupakan algoritma optimasi yang terinspirasi oleh tingkah laku semut dalam mencari makan. Karena keunggulan yang dimilikinya, ACO banyak digunakan untuk menyelesaikan permasalahan non-polinomial yang sulit, salah satunya adalah deteksi tepi pada citra. Pada tahapan awal, ACO menyebarkan semut secara acak, hal ini dapat menyebabkan ketidak seim-bangan distribusi semut yang dapat mempengaruhi proses pencarian jalur. Paper ini mengusulkan algoritma adaptif ACO untuk mengoptimalkan deteksi tepi pada citra dengan cara menyebarkan se-mut awal secara adaptif berdasarkan analisis gradient. Semut disebarkan berdasarkan perbandingan gradient dari tiap bagian citra. Bagian citra dengan perbandingan gradient yang lebih besar akan men-dapatkan pembagian semut yang lebih banyak dibandingkan bagian lainnya. Percobaan dilakukan pada beberapa citra yang berasal dari berbagai data set. Precision dan recall digunakan sebagai alat untuk mengukur citra keluaran algoritma yang diusulkan secara kuantitatif. Berdasarkan hasil uji co-ba, adaptif ACO mampu mencapai precision dan recall hingga 76.98 % dan 96.8 %. Sedangkan, nilai precision and recall tertinggi menggunakan ACO murni mencapai 69.74% dan 74.85%. Hasil ini me-nunjukkan bahwa adaptif ACO mampu menghasilkan citra keluaran yang lebih baik dibandingkan ACO murni yang sebaran semut awalnya dilakukan secara acak."

"Menentukan dosis serap dengan menggunakan metode yang sering digunakan yaitu fixed dose dapat menghasilkan nilai error yang cukup tinggi yang dapat berakibat fatal kepada pasien. Sementara metode dosimetri dapat meminimalkan error tersebut dan juga dapat meningkatkan efektivitas dan efisiensi terapi. Namun, dosimetri pada kedokteran nuklir belum banyak diterapkan di Indonesia karena minimnya peralatan dan pengetahuan akan protokol. Kuantifikasi nilai cacahan menjadi aktivitas merupakan tahap awal dari perhitungan dosimetri. Dikarenakan keterbatasan dari fasilitas, perangkat pencitraan gamma camera masih sering digunakan. Oleh sebab itu, pada penelitian ini dikembangkanlah sebuah perangkat lunak yang dapat menguantifikasi nilai cacahan dari citra planar menjadi nilai aktivitas. Perangkat lunak yang dirancang menggunakan bahasa pemrograman MATLAB. Citra yang digunakan sebagai input dari perangkat lunak merupakan citra dari penelitian IAEA CRP E23005 dengan judul Dosimetry in Molecular Radiotherapy for Personalized Patient Treatments (Hidayati et al., 2021). Dilakukan penggambaran region of interest (ROI) untuk beberapa organ yaitu left kidney, right kidney, liver, dan spleen dengan 1, 24,48, 72 jam setelah diinjeksikannya radiofarmaka. Validasi perangkat lunak dilakukan dengan membandingkan hasil kuantifikasi cacahan menjadi aktivitas oleh perangkat lunak dengan nilai hasil kuantifikasi dari referensi yang menggunakan data citra yang sama melalui nilai relative deviation (RD). Adapun nilai relative deviation (RD) yang didapatkan paling tinggi bernilai sekitar 8% apabila diamati berdasarkan variasi organ dan juga berdasarkan variasi time-point. Uji statistik dengan korelasi Pearson dilakukan untuk mengetahui lebih lanjut hubungan antara kedua data aktivitas. Didapatkan nilai koefisien korelasi untuk organ left kidney, right kidney, liver, dan spleen secara berurutan adalah 0,99739, 0,99687, 0,99687, 0,99687. Hal ini berarti bahwa terdapat korelasi kuat positif antara aktivitas yang didapatkan melalui perangkat lunak yang dirancang dengan data aktivitas pada referensi dan perangkat lunak ini dapat digunakan sebagai alternatif untuk kebutuhan kuantifikasi nilai cacahan menjadi aktivitas pada citra planar.

---

Determining the value of absorbed dose using the method that is often used, namely fixed dose can produce a fairly high error that can be fatal to the patient. Dosimetry method can minimize these errors and can also increase the effectiveness and efficiency of the therapy itself. However, dosimetry has not been implemented many times in Indonesia due to the lack of adequate equipment and knowledge of the protocol. Quantification of count rates into activity values is the first step of dosimetry calculations. Due to the limitations of facilities, the imaging device gamma cameras are still often used. Therefore, in this study a software was developed in which the software can quantify the count rates of planar images into activity values. The software was designed using MATLAB programming language. The images used as input of the software are  planar images from the IAEA CRP E23005 research with the title “Dosimetry in Molecular Radiotherapy for Personalized Patient Treatments” (Hidayati et al., 2021). Region of interests (ROI) were drawn for several organs, namely the left kidney, right kidney, liver, and spleen at 1, 24,48, 72 hours after the injection of the radiopharmaceutical. Validation of the software was done by comparing the results of count rates quantification into activities by the designed software with the value of the quantification results from the reference using the same images in the form of relative deviation (RD) values. The highest relative deviation (RD) value is around 8% when observed based on organ variations and also for time-point variations. Statistical test with Pearson correlation was conducted to find out more about the relationship between the two activity data results. The Pearson correlation coefficient values ​​for the left kidney, right kidney, liver, and spleen organs respectively were 0.99739, 0.99687, 0.99687, 0.99687. This means that there is a strong positive correlation between the activities obtained through the designed software and the activity data on the reference and the designed software can be used as an alternative for quantifying count rates of planar images ​​into activity values. "

"Sistem deteksi aritmia otomatis sangat diperlukan karena keterbatsan dokter spesialis jantung di Indinesia. Paper ini akan mendiskusikan secara lengkap tentang studi dan implementasi dari sistem tersebut. Kami menggunakan berbagai macam metode pengolahan sinyal untuk mengenali aritmia berdasarkan sinyal ekg. Bagian utama dari sistem adalah klasifikasi. Kami menggukanakn jaringan syaraf tiruan berbasis LVQ yang meliputi LVQ1, LVQ2, LVQ2.1, FNLVQ, FNLVQ MSA, FNLVQ-PSO, GLVQ dan FNGLVQ. Hasil eksperimen menunjukkan untuk data non round robin tingkat akurasi sistem mencapai 94.07%, 92.54%, 88.09% , 86.55% , 83.66%, 82.29 %, 82.25%, dan 74.62%d berturut-turut untuk FNGLVQ, FNLVQ-PSO, GLVQ, LVQ2.1, FNLVQ-MSA, LVQ2, FNLVQ dan LVQ1. Sedangkan untuk data round robin tingkat akurasi sistem mencapai 98.12%, 98.04%, 94.31%, 90.43%, 86.75%, 86.12 %, 84.50%, dan 74.78% berturut-turut untuk GLVQ, LVQ2.1, FNGLVQ, FNLVQ-PSO, LVQ2, FNLVQ-MSA, FNLVQ dan LVQ1.

---

An automatic Arrythmias detection system is urgently required due to small number of cardiologits in Indonesia. This paper discusses only about the study and implementation of the system. We use several kinds of signal processing methods to recognize arrythmias from ecg signal. The core of the system is classification. Our LVQ based artificial neural network classifiers based on LVQ, which includes LVQ1, LVQ2, LVQ2.1, FNLVQ, FNLVQ MSA, FNLVQ-PSO, GLVQ and FNGLVQ. Experiment result show that for non round robin dataset, the system could reach accuracy of 94.07%, 92.54%, 88.09% , 86.55% , 83.66%, 82.29 %, 82.25%, and 74.62% respectively for FNGLVQ, FNLVQ-PSO, GLVQ, LVQ2.1, FNLVQ-MSA, LVQ2, FNLVQ and LVQ1. Whereas for round robin dataset, system reached accuracy of 98.12%, 98.04%, 94.31%, 90.43%, 86.75%, 86.12 %, 84.50%, and 74.78% respectively for GLVQ, LVQ2.1, FNGLVQ, FNLVQ-PSO, LVQ2, FNLVQ-MSA, FNLVQ and LVQ1."

"This paper presents a lip and smile detection method based-on the normalized RGB chromaticity diagram. The method employs the popular Viola-Jones detection method to detect the face. To avoid the false positive, the eye detector is introduced in the detection stage. Only the face candidates with the detected eyes are considered as the face. Once the face is detected, the lip region is localized using the simple geometric rule. Further, the the red color thresholding based-on the normalized RGB chromaticity diagram is proposed to extract the lip. The projection technique is employed for detecting the smile state. From the experiment results, the proposed method achieves the lip detection rate of 97% and the smile detection rate of 94%.Paper ini menyajikan medote pendeteksi bibir dan senyum berdasarkan diagram tingkat kromatis RGB ternormalisasi. Metode ini menggunakan metode Viola-Jones yang populer untuk mendeteksi wajah. Untuk menghindari kesalahan positif, detektor mata diperkenalkan pada tahapan deteksi. Hanya kandidat wajah dengan mata yang telah terdeteksi yang dianggap sebagai wajah. Setelah wajah dideteksi, bagian bibir ditempatkan dengan menggunakan aturan geometris sederhana. Selanjutnya, batasan warna merah berdasarkan pada diagram kromatisitas RGB ternormalisasi digunakan untuk mengekstrak bibir. Teknik proyeksi digunakan untuk mendeteksi keadaan tersenyum. Dari hasil percobaan, metode yang diusulkan mencapai 97% untuk tingkat deteksi bibir dan 94% untuk tingkat deteksi senyum."

"Komoditas kopi dan kakao Indonesia terkendala masalah mutu produk yang rendah akibat kontaminasi jamur penghasil okratoksin. Okratoksin A (OTA) bersifat neprotoksik, imunogenik, karsinogenik dan teratogenik yang membahayakan kesehatan. Karena efek negatif yang diakibatkan oleh mikotoksin ini, maka perlu dikembangkan deteksi dini kontaminasi okratoksin. Pendeteksian awal adanya pertumbuhan jamur pada produk pertanian dan perkebunan adalah kunci pencegahan pertumbuhan dan produksi okratoksin. Penelitian ini bertujuan menghasilkan antibodi imunoglobulin Y (IgY) untuk mengembangkan metode perakitan perangkat deteksi cepat berbasis imunologi untuk deteksi OTA. Hasil penelitian menunjukkan bahwa antibodi poliklonal anti OTA diperoleh dari telur ayam pada periode ke-4 (7 minggu setelah imunisasi awal). Antibodi ini menunjukkan reaktivitas anti OTA dengan metode dot blot immunoassay dan masih menunjukkan reaktivitas anti OTA sampai periode 9 (12 minggu setelah imunisasi awal). Antibodi anti BSA yang dihasilkan harus dihilangkan terlebih dahulu untuk meningkatkan sensitivitas antibodi terhadap okratoksin A dan pemisahan dapat dilakukan dengan penyerapan antibodi BSA. OTA-OVA dapat disintesis dengan metode ester aktif dengan menambahkan N-hidroksisuksiimida dan disiklokarboimida. Karakterisasi senyawa antara pada reaksi ini menunjukkan adanya absorpsi pada frekuensi 1600 cm-1 yang menunjukkan adanya vibrasi ulur ikatan C=O dan adanya banyak absorpsi pada 1300-1000 cm-1 yang mengindikasikan adanya serapan ulur yang kuat ikatan C-O. Konjugat antibodi-nanopartikel emas direaksikan pada kondisi pH optimum 9 dan pengenceran antibodi sebesar 1:7,5 v/v. Pada pengujian dengan spektrofotometer sinar tampak ditemukan adanya pergeseran serapan setelah antibodi dikonjugasikan pada nanopartikel emas sebesar 50 nm. Hasil pengujian pada test trip imunokromatografik masih belum terlihat jelas dan memiliki nilai cut off 10 ppb, tetapi mengindikasikan teknik ini dapat digunakan untuk deteksi kontaminasi okratoksin.

---

Indonesian coffee and cocoa commodities constrained low product quality problem due to contamination of fungal metabolites which accumulated ochratoxin. Ochratoxin A (OTA) is neprotoxic, immunogenic, carcinogenic and teratogenic to human health. Early detection method in post-harvest of coffee and cocoa samples should be developed because of those negative effects. Early detection of fungal growth in agriculture and plantation products is the key to prevent the growth and ochratoxin production. This research aim was to produce antibody to develop a method of assembling the rapid detection device for OTA detection. In this research it could be concluded that the anti OTA polyclonal antibodies could be obtained from chicken eggs in the 4th period (7 weeks after the initial immunization). These antibodies showed anti ochratoxin reactivity using dot blot immunoassay and still showed anti OTA reactivity in 9th period (12 weeks after initial immunization). Anti-BSA antibodies might be removed in order to increase sensitivity to ochratoxin and separation could be conducted using BSA antibody absorption. OTA-OVA could be synthesized using active ester method using N-hydroxysucciimide and dicyclocarboimide. Characterization of the intermediate compound showed C=O stretching vibrational band at 1600 cm-1 and C-O stretching vibrational band at 1300-1000 cm-1. Antibody-nanogold particle conjugate was synthesized in optimum pH 9 and dilution antibody at 1:7.5 v/v. There was 50 nm absorbtion shift in visible absorbtion after the antibody conjugated with nanogold particle. Immunochromatographic test trip testing had not showed the very clear visualization yet dan cut off value 10 ppb, but it indicated this technique could be conducted to detect ochratoxin contamination."

"Tujuan utama dari deteksi perubahan (change detection) adalah untuk mendeteksi perbedaan pada dua citra satelit di wilayah yang sama tetapi diambil pada waktu yang berbeda. Deteksi perubahan merupakan salah satu masalah penginderaan jauh yang cukup sulit karena perubahan yang ingin dideteksi (real-change) bercampur dengan perubahan semu (pseudo-change). Hal ini terjadi akibat adanya faktor perbedaan kecerahan, perbedaan kelembapan, perbedaan musim dan lain-lain yang terdapat pada kedua citra. Kemunculan Vision Transformer (ViT) sebagai model state-of-the-art pada berbagai permasalahan di Computer Vision turut serta menggeser peran Convolution Neural Network (CNN) di bidang deteksi perubahan. Walaupun ViT mampu menangkap interaksi jarak jauh long-range attention dari setiap patch citra, akan tetapi kompleksitas komputasinya meningkat secara kuadratik terhadap jumlah patch. Salah satu solusi untuk mengurangi kompleksitas komputasi pada ViT adalah dengan mereduksi matriks Key (K) dan Values (V) pada mekanisme Self-Attention (SA). Akan tetapi, reduksi tersebut menurunkan efektivitas ViT akibat adanya informasi yang hilang, sehingga terjadi trade-off antara efektivitas dan efisiensi pada metode deteksi perubahan. Untuk mengatasi masalah tersebut, penulis mengembangkan metode deteksi perubahan baru bernama WaveCD dengan memanfaatkan dekomposisi Discrete Wavelet Transform (DWT) untuk mereduksi matriks K dan V. Selain berfungsi untuk mereduksi data, dekomposisi DWT juga berfungsi untuk mengekstraksi fitur-fitur yang penting yang mewakili citra sehingga data awal dapat diaproksimasi melalui proses Inverse Discrete Wavelet Transform (IDWT). Pada dataset CDD, hasil evaluasi WaveCD mencapai kenaikan nilai IoU sebesar 14.7% dan F1-score sebesar 8% terhadap nilai evaluasi metode pembanding, SwinSUNet. Sedangkan pada dataset LEVIR-CD, hasil evaluasi WaveCD mencapai kenaikan nilai IoU sebesar 4% dan F1-score sebesar 2%

---

Change detection is a remote sensing task for detecting a change from two satellite imagery in the same area while being taken at different times. Change detection is one of the most difficult remote sensing tasks because the change to be detected (real-change) is mixed with apparent changes (pseudo-change) due to differences in the two images, such as brightness, humidity, seasonal differences, etc. The emergence of a Vision Transformer (ViT) as a new standard in Computer Vision, replacing Convolutional Neural Network (CNN), also shifts the role of CNN in the field of DP. Although ViT can capture long-range interactions between image patches, its computational complexity increases the number of patches quadratically. One solution to reduce the computational complexity in ViT is to reduce the Key (K) and Values (V) matrices in the Self-Attention(SA) mechanism. However, this reduction also reduces the effectiveness of ViT due to missing information, resulting in a trade-off between the effectiveness and efficiency of the method. To solve the problem, we developed a new change detection method called WaveCD. WaveCD uses Wave Attention (WA) instead of SA. WA uses the Discrete Wavelet Transform (DWT) decomposition to reduce the K and V matrices. Besides reducing the data, DWT decomposition also serves to extract important features that represent images so that the initial data can be approximated through the Inverse Discrete Wavelet Transform (IDWT) process. On the CDD dataset, WaveCD outperforms the stateof-the-art CD method, SwinSUNet, by 14.7% on IoU and 8% on F1-score. While on the LEVIR-CD dataset, WaveCD outperforms SwinSUNet by 4% on IoU and 2% on F1-score."

"Indonesia merupakan negara rawan gempa karena secara geografis indonesia terletak pada pertemuan empat lempeng tektonik. Karena ini, pengembangan sebuah sistem prediksi real-time gempa bumi yang mencakup wilayah yang luas dengan gempa bumi besar sangat dibutuhkan untuk mengurangi korban jiwa. Penelitian ini mengusulkan pembuatan sistem pendeteksi cepat kedatangan gelombang-p dan penentuan hiposenter dan magnitudo gempa menggunakan deep-learning. Pengembangan sistem berbasis web ini bertujuan untuk memperingati masyarakat agar dapat lebih dini untuk melindungi diri sebelum gempa terjadi. Menggunakan data dari BMKG, data yang kami gunakan mencakupi 1892 set data gempa pada tahun 2009–2017 dan 26 set data gempa dari Katalog BMKG Januari 2019, penelitian ini menggunakan algoritma STA/LTA dalam menemukan P-Arrival dan membandingkan tiga model pembelajaran mesin untuk memprediksi hiposenter gempa dimana model Conv1d digabung dengan LSTM dengan interval waktu 20 detik merupakan skenario model terbaik dengan memiliki mean absolute error sebesar 0.470. Selain itu, penelitian ini berhasil mengimplementasi sistem berbasis web yang dapat menampilkan visualisasi data dengan menggunakan websocket berdasarkan data seismik yang dikumpulkan oleh BMKG. Visualisasi data seismik ini ditampilkan menggunakan dynamic line chart dan peta web interaktif.

---

Indonesia is an earthquake-prone country because geographically Indonesia is located at the confluence of four tectonic plates. Therefore, the development of a real-time earthquake prediction system that covers large areas with large earthquakes is urgently needed to reduce fatalities. This study proposes the creation of a rapid detection system for the arrival of p-waves, hypocenters and earthquake magnitudes using deep-learning. The development of this web-based system is aimed at warning people so that they can protect themselves before an earthquake occurs. Using data from BMKG, we used 1892 earthquake data sets in 2009–2017 and 26 earthquake data sets from January 2019 BMKG Catalog, this research uses the STA/LTA algorithm to find P-Arrival and compares three machine learning models to predict the earthquake hypocenter where Conv1d model is combined with LSTM with a time interval of 20 seconds is the best model scenario with a mean absolute error of 0.470. In addition, this research succeeded in implementing a web-based system that can display data visualization using websocket based on seismic data collected by BMKG. This seismic data visualization is displayed using dynamic line charts and an interactive web map."